我们的目的是开发一种用于自动扫描计划的椎骨检测方案，该方案将帮助放射线技术人员进行椎骨成像的常规工作。 因为椎骨的方向是多种多样的，并且仅采用Haar样特征在垂直，水平或对角线方向上表示对象，所以我们将CT Scout图像旋转了7次，以使其中至少一个椎骨大致水平。旋转的图像。 然后，我们采用Adaboost学习算法，通过使用类似Haar的特征来构造用于椎骨检测的强分类器，并根据检测到的次数将检测结果与重叠区域结合起来。 最后，大多数误报都是通过使用它们之间的上下文关系来消除的。 在具有76个CT侦察图像的数据库中评估了检测方案。 我们的检测方案报告了每张图像1.65个假阳性，初始检测椎骨候选者的敏感度为94.3％，然后将检测性能提高到每个图像0.95个假阳性，敏感度为98.6％，用于进一步减少假阳性的步骤。 所提出的方案在检测具有不同方向的椎骨方面实现了高性能。