一个高度通用的骨质疏松症放射学分类器,基于多尺度碎形,缺陷性和分布

科学领域:

• 放射学和医学成像学 医学成像学
• 生物医学工程 生物医学工程
• 计算病理学计算病理学

背景情况:

• 骨质疏松症是一种普遍的退行性疾病,特别是在老年人群中.
• 目前的放射性诊断经常错过无症状的骨质疏松症,缺乏骨密度或椎状况评估.
• 需要先进的成像分析技术来改善骨质疏松症的检测.

研究的目的:

• 开发一种使用放射图像检测骨质疏松症的通用分类器.
• 分析纹理特征,包括多尺度碎形,缺点和分布.
• 为了提高骨质疏松症和骨质疏松症的计算机辅助诊断.

主要方法:

• 收集了104张腰椎 (L4) 和174张骨X射线图,分为正常,骨质疏松症和骨质疏松症组.
• 提取和分析纹理特征,通过戴维斯-博尔丁指数优化超参数,并通过邻近组件分析减少维度.
• 训练了一个支持向量机分类器,使用二进制分类场景的前六个特征.

主要成果:

• 该分类器在脊椎数据集上显示出高准确度和灵敏度,用于诊断骨质疏松症 (AUC高达0.936) 和骨质疏松症 (AUC高达0.774).
• 该方法在骨质疏松症诊断的骨干数据集上取得了强的表现 (AUC高达0.790).
• 确定了与骨质疏松病理变化相关的可解释特征趋势.

结论:

• 拟议的方法表现出对侧脊椎放射图像的干扰的强度,以及对骨图像的高度概括能力.
• 像素智能的纹理特征分析提供了更深入的洞察力骨质疏松症在X线图.
• 这种方法为计算机辅助的骨质疏松症和骨质疏松症诊断提供了一个有希望的途径.