X-ray Osteoarthritis de Rodilla Mejorada: Un Enfoque Multiclasificación utilizando MambaOut y Modelo de Difusión...

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Ortopedia

Sus antecedentes:

• La osteoartritis de rodilla (KOA) es una enfermedad articular degenerativa generalizada.
• La clasificación precisa de la gravedad de KOA es vital para el diagnóstico y tratamiento del paciente.
• Los métodos de clasificación actuales enfrentan desafíos con el desequilibrio de muestras en diferentes grados.

Objetivo del estudio:

• Desarrollar un novedoso algoritmo de multiclasificación para la gravedad de KOA por rayos X.
• Mejorar el rendimiento de la clasificación de KOA utilizando MambaOut y Modelos de Difusión Latente (LDM).
• Abordar y mitigar los problemas de desequilibrio de muestras en los conjuntos de datos de KOA.

Principales métodos:

• Se implementó un novedoso algoritmo de multiclasificación que integra MambaOut y LDM.
• Se utilizó LDM para la síntesis de datos generados por IA para aumentar las clases minoritarias.
• Se optimizó la función de pérdida del autoencoder y se incorporaron etiquetas patológicas dentro del marco LDM.

Principales resultados:

• Se logró una precisión promedio del 86,3% en la tarea de cuatro clasificaciones.
• Se obtuvo una precisión promedio del 85,3% y una puntuación F1 de 0,855.
• Se redujo el error absoluto medio al 14,7%, superando a los métodos avanzados existentes.

Conclusiones:

• El algoritmo propuesto basado en MambaOut y LDM avanza significativamente la clasificación de KOA.
• La síntesis de datos generados por IA aborda eficazmente el desequilibrio de muestras en imágenes médicas.
• Esta integración de redes neuronales avanzadas y modelos generativos muestra un gran potencial para el análisis de imágenes médicas.