膝X線画像における最適化された深層学習アプローチを用いた変形性関節症重症度分類

科学分野:

• 医用画像
• 人工知能
• 整形外科学

背景:

• 変形性関節症（OA）は、特に高齢者において、生活の質と可動性に影響を与える一般的な変性関節疾患です。
• OA重症度の正確な早期分類は、効果的な治療と疾患進行管理のために不可欠です。
• 膝関節X線はOAの主要な診断ツールであり、高度な分析方法が必要です。

研究 の 目的:

• 膝関節X線画像を用いた変形性関節症重症度分類のための深層学習ベースシステムの導入。
• グレイウルフ最適化（GWO）アルゴリズムで最適化されたEfficientNetB1、DenseNet169、XceptionアーキテクチャのOA分類におけるパフォーマンス評価。
• 早期かつ正確なOA重症度判定を可能にし、情報に基づいた臨床的意思決定を支援すること。

主な方法:

• EfficientNetB1、DenseNet169、Xceptionの3つの深層学習アーキテクチャを利用しました。
• グレイウルフ最適化（GWO）アルゴリズムを用いて、全結合層のハイパーパラメータを最適化しました。
• 1000枚の膝X線画像データセットで、5クラス（無症候性から重度OA）および2クラス（軽度対重度OA）の分類を実施しました。

主要な成果:

• DenseNet169モデルは5クラスのOA分類で74%の精度を達成し、最高のパフォーマンスを示しました。
• 軽度から重度のOAを区別する二値分類では、DenseNet169モデルは93.75%の精度に達しました。
• 最適化されたモデルは、OAのレベルと重症度を区別する上で高い精度と有効性を示しました。

結論:

• グレイウルフ最適化（GWO）で最適化されたDenseNet169を中心とする深層学習モデルは、膝X線からのOA重症度の正確な分類において significant な可能性を示しています。
• 開発されたシステムは、専門家による早期OA診断を支援し、タイムリーで適切な治療および手術計画を促進することができます。
• 中等度および重度のOA病期を正確に分類することは、外科的介入の必要性を判断するために不可欠です。