膝の局所化,膝関節炎の診断と分類のための新しいアルゴリズム,先入観の情報に基づいて:OAIのデータ

科学分野:

• 放射線学と医療イメージング
• 医療における人工知能
• 整形外科 整形外科

背景:

• 膝関節炎 (KOA) の診断と重症度の分類は,患者の管理に不可欠です.
• 放射線写真による膝関節構造の正確なセグメンテーションは,定量的な評価に不可欠です.
• 現在の方法は自動化が不足し,KOAの重度の正確な分類に苦労する可能性があります.

研究 の 目的:

• 膝関節の完全自動セグメンテーションのためのディープラーニングベースの方法の開発と評価.
• 膝関節炎 (KOA) の重症度を,事前の情報とディープラーニングを使用して診断および分類する.
• 臨床実務と研究におけるKOA評価の正確性と効率性を向上させる.

主な方法:

• 骨格関節炎イニシアチブ (OAI) の35,000の膝のX線写真を使用しました.
• 膝関節領域の自動抽出のためのアンカーフリー膝の確率計算網 (AKPCNet) を開発しました.
• KOA分類のための提案された注意団結と注意団結ベースの低次元の特徴強化ネットワーク (APLFRNet).

主要な成果:

• 膝関節の中央点の自動認識 (97.8%左,97.4%右) で高い精度を達成しました.
• KOAの分類で優れたパフォーマンスを示した: 5つのグレードでは73.23%,3つの重症度では82.22%,診断では87.6% (KL0-1対KL2-4).
• 平均ROC AUCスコアは0.90,0.95,0.94で,異なる分類方式で得られた.

結論:

• 開発されたディープラーニングアルゴリズムは,膝関節炎の重症度を正確に評価します.
• この方法は,研究と臨床アプリケーションの両方にとって貴重な意思決定支援を提供します.
• KOAの完全自動セグメンテーションと分類は,患者のケアを改善するための大きな可能性を示しています.