重度脊柱侧弯的CT分割不再缺数据：把健康脊柱弯成病理形态，椎体成功率从73.2%升到81.6%

重度脊柱侧弯的椎体分割可以靠合成出来的病理形态训练数据补上，而不必再收集和标注真实侧弯CT。 此前高质量分割重度畸形依赖对CT或MR扫描的费力人工标注，而公开的侧弯数据集稀缺；常规增强只模拟强度扰动、噪声、裁剪和轻度弹性形变这类局部变化，补不上整体弯曲形态的缺口。 在18例院内青少年侧弯CT上，CNN用VerSe+2x加默认增强把平均Dice从0.765提到0.842、椎体成功率从73.2%提到81.6%，HD95的p95从31.082毫米降到24.900毫米；只加通用弹性形变只把Dice提到0.794。

合成数据把健康脊柱的CT和标注一起弯成侧弯样形态，椎体顺序在变形中保持不变。 做法是先由标注掩膜取椎体中心点、拟合一条脊柱中心线，再用四次贝塞尔曲线把它变成随机的病理曲线，并沿曲线建立局部坐标架和圆形极坐标控制网格。 控制点按弧长单调约束排序以避免折叠，再用Delaunay三角化构成四面体网格做逐段线性的体反向映射，对CT用线性插值、对掩膜用最近邻插值重采样，最后用管状掩膜和形态学开闭做全自动后处理。

这套流程面向重度脊柱侧弯的椎体分割，训练数据来自公开的VerSe 2019/2020，评测用18例院内青少年侧弯CT和1005例Spine1K，院内数据因隐私与机构限制不公开。合成生成与后处理全自动，不做人工检查或筛选，作者也说明并非每个生成体都对应临床真实的解剖。

院内测试队列只有18例、其中17例有Cobb角，作者指出形变与重采样可能引入插值效应或局部失真，并称在院内队列上几何多样性的收益总体上盖过了这些伪影。严重度分析是探索性的，作者建议在多中心队列上用预先设定的严重度分箱、跨扫描仪与协议验证；弹性形变基线只在单个CNN的VerSe折上调过一次便固定，且模型规模与训练预算固定、未做大量模型专属调参。