针对医学影像科及相关临床科室在DR（数字X射线）、CT图像分析中面临的组织参数测量时间长、人力成本高、测量结果不够稳定、隐匿性病变诊断困难等实际需求，提出进行骨组织自动分割测量及MSDs辅助诊断方法研究，针对医学图像有效数据少且标注不易获取，组织关键部位角点不明显导致难以找到测量锚点，病变区域目标尺寸差异大且隐匿性目标检测困难等挑战，聚焦“少样本下的组织参数测量与及多尺寸病变目标识别”这一科学问题展开研究，在陕西省重点研发计划、陕西省教育厅自然科学研究项目的支持下，从组织参数自动测量及骨骼肌肉类病变诊断两方面进行了研究，研究成果发表在人工智能学会会刊《CAAI Transactions on Intelligence Technology》以及骨科权威期刊《Bone》等多本期刊上，申请发明专利4项已授权。成果创新点主要包括：骨组织X线片图像、CT图像样本生成及自动分割，全自动骨组织X线片图像、CT图像参数测量，基于卷积神经网络的骨骼肌肉系统疾病检测。研发骨组织测量及 MSDs辅助诊断相关算法及软件，用于解决医院影像科在骨组织测量及相关疾病诊断方面的问题，应用单位认为相关软件“有流程化的操作步骤、软件界面和数据接口，为股骨相关参数的测量、肌肉骨骼相关疾病的诊断与预测提供了有效工具，具有较好的应用价值。”本成果主要由西安邮电大学与西安市红会医院的科研团队完成。