腰椎间盘突出症成为越来越常见的疾患之一,临床上有两种主要情况会引发此疾病。一种原因是腰间盘各部分在不同程度上的退行性改变后,在外力因素的作用下,腰间盘的纤维环破裂,髓核组织从破裂之处突出于后方或椎管内,导致相邻脊神经根遭受刺激或压迫,从而产生腰部疼痛,一侧下肢或双下肢麻木、疼痛等一系列临床症状。另一种原因是腰椎椎管内静脉曲张肿大压迫神经根,引起腰部疼痛,引起下肢麻木等一系列临床症状。由椎管内静脉丛异常曲张所导致的腰腿疼痛,很难通过原生核磁共振图像进行分析与确认,故而本论文主要对核磁共振图像中腰椎神经根检测问题进行研究。腰椎神经根核磁共振图像检测存在多形态、目标小、数据不平衡这几个难点。多形态是指同一部位的神经根在不同时刻表现出不同的状态,我们提出了 DSSD(deformable convolution Single Shot Detector)目标检测算法来解决多形态的问题。同时针对DSSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔结构的DSSD改进模型。特征金字塔结构可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征图进行融合。最后,为了处理数据不平衡问题,我们根据置信度动态调整交叉熵损失,对标准交叉熵损失函数进行了改进。我们首先在标准数据集VOC2007和VOC2012上测试本文提出的检测算法,并与SSD目标检算法进行比较,实验结果表明我们提出的算法拥有更好的性能。接着我们在临床核磁共振图像数据集上进行测试,同时也与其他模型进行了比较,结果显示了腰椎神经根多形态检测算法的优越性。