目的 基于深度學習研發腰椎穩定性自動診斷工具，并驗證其診斷精度。方法 收集153例腰椎疾病患者術前腰椎過屈、過伸位X線片，由3名骨科醫師標注5個關鍵點，分別為L4后下角、前下角以及L5后上角、前上角、后下角，共獲得3套標注結果。將306張腰椎X線片按照3∶1∶2比例隨機分為訓練集（n=156）、驗證集（n=50）和測試集（n=100）。提出一種新的神經網絡結構Swin-PGNet，使用已標注的X線片圖像對其進行訓練，使其能自動定位腰椎椎體關鍵點，并通過關鍵點測算L4、5椎間Cobb角和L4椎體滑移距離。對于關鍵點定位、Cobb角測量和椎體滑移距離測量，以平均誤差、組內相關系數（intra-class correlation coefficient，ICC）比較醫師標注與Swin-PGNet之間的差異。椎間Cobb角變化超過11° 作為腰椎不穩判斷標準，腰椎滑移距離超過3 mm作為腰椎滑脫判斷標準，比較醫師和Swin-PGNet判斷腰椎穩定性的準確率。結果 ① Swin-PGNet關鍵點定位平均誤差為（1.407\begin{document}$ \pm $\end{document}0.939）mm，醫師間平均誤差為（3.034±2.612）mm。 ② Cobb角標注：Swin-PGNet平均誤差為（2.062\begin{document}$ \pm $\end{document}1.352）°，醫師間平均誤差為（3.580\begin{document}$ \pm $\end{document}2.338）°；Swin-PGNet與3名醫師間誤差比較，差異均無統計學意義（P>0.05），但不同醫師間誤差比較差異有統計學意義（P<0.05）。③ 椎體滑移距離：Swin-PGNet平均誤差為（1.656\begin{document}$ \pm $\end{document}0.878）mm，醫師標注平均誤差為（1.884\begin{document}$ \pm $\end{document}1.612）mm；Swin-PGNet與3名醫師間誤差比較以及不同醫師間誤差比較，差異均無統計學意義（P>0.05）。Swin-PGNet腰椎不穩判斷準確率為84.0%、醫師為75.3%，腰椎滑脫判斷準確率分別為71.3%、70.7%，Swin-PGNet與3名醫師間誤差比較以及不同醫師間誤差比較，差異均無統計學意義（P>0.05）。④ 腰椎穩定性判定一致性分析：3名醫師標注椎間Cobb角的ICC為0.913 ［95%CI（0.898，0.934）］ （P<0.05），椎體滑移距離為0.741 ［95%CI（0.729，0.796）］ （P<0.05），說明3名醫師間標注具有一致性。Swin-PGNet-所有醫師間椎間Cobb角ICC為0.922 ［95%CI（0.891，0.938）］ （P<0.05），椎體滑移距離為0.748 ［95%CI（0.726，0.783）］（P<0.05），說明Swin-PGNet與醫師標注具有一致性。結論 基于深度學習構建的腰椎穩定性自動診斷工具Swin-PGNet實現了腰椎不穩與滑脫的準確、便捷自動識別，可輔助臨床進行診斷。