Clasificación de la Severidad de la Osteoartritis en Radiografías de Rodilla Mediante Enfoques Optimizados de...

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Ortopedia

Sus antecedentes:

• La osteoartritis (OA) es una enfermedad degenerativa articular prevalente que afecta la calidad de vida y la movilidad, especialmente en adultos mayores.
• La clasificación temprana y precisa de la severidad de la OA es crucial para el tratamiento eficaz y el manejo de la progresión de la enfermedad.
• Las radiografías de la articulación de la rodilla son una herramienta diagnóstica principal para la OA, lo que requiere métodos analíticos avanzados.

Objetivo del estudio:

• Introducir un sistema basado en aprendizaje profundo para clasificar la severidad de la osteoartritis utilizando imágenes de rayos X de la articulación de la rodilla.
• Evaluar el rendimiento de las arquitecturas EfficientNetB1, DenseNet169 y Xception optimizadas con el algoritmo Gray Wolf Optimization (GWO) para la clasificación de la OA.
• Permitir la determinación temprana y precisa de la severidad de la OA para la toma de decisiones clínicas informadas.

Principales métodos:

• Se utilizaron tres arquitecturas de aprendizaje profundo: EfficientNetB1, DenseNet169 y Xception.
• Se empleó el algoritmo Gray Wolf Optimization (GWO) para optimizar los hiperparámetros de las capas totalmente conectadas.
• Se realizó una clasificación de cinco clases (asintomático a OA grave) y binaria (OA leve vs. grave) en un conjunto de datos de 1000 imágenes de rayos X de rodilla.

Principales resultados:

• El modelo DenseNet169 logró el mayor rendimiento, con una precisión del 74% en la clasificación de OA de cinco clases.
• En la clasificación binaria que distingue la OA leve de la grave, el modelo DenseNet169 alcanzó una precisión del 93,75%.
• Los modelos optimizados demostraron alta precisión y eficacia en la distinción de niveles y severidad de la OA.

Conclusiones:

• Los modelos de aprendizaje profundo, en particular DenseNet169 optimizado con GWO, muestran un potencial significativo para la clasificación precisa de la severidad de la OA a partir de radiografías de rodilla.
• El sistema desarrollado puede ayudar a los especialistas en el diagnóstico temprano de la OA, facilitando un tratamiento oportuno y apropiado y la planificación quirúrgica.
• La clasificación precisa de las etapas moderada y grave de la OA es vital para determinar la necesidad de intervención quirúrgica.