DeepKOA:一种深度学习模型,用于预测膝关节骨关节炎的进展,使用来自骨关节炎倡议的多式磁共振图像
Jiaping Hu1, Chuanyang Zheng2, Qingling Yu1
1Department of Medical Imaging, The Third Affiliated Hospital of Southern Medical University (Academy of Orthopedics Guangdong Province), Guangzhou, China.
Quantitative imaging in medicine and surgery
|August 15, 2023
概括
这项研究开发了DeepKOA,一种使用MRI扫描来预测膝关节骨关节炎 (KOA) 进展的深度学习模型. 该模型显示了预测KOA进展和识别关键受影响的膝盖结构的可行性.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 膝关节骨关节炎 (KOA) 进展预测缺乏结合MRI和深度学习的强大方法.
- 当前的预测模型往往不能充分利用先进的成像和AI能力.
研究的目的:
- 开发和评估一个深度学习模型 (DeepKOA) 用于使用MRI预测KOA的进展.
- 为了评估模型的性能,并确定关键的成像特征表明进展.
主要方法:
- 一项纵向病例控制研究使用了来自182例进展性KOA病例和182例对照者的MRI数据.
- DeepKOA是一个3DDenseNet169模型,在各种MRI序列 (SAG-IW-TSE-FS,SAG-3D-DESS-WE) 上进行了训练,以预测KOA在24-48个月的进展.
- 使用5倍交叉验证和曲线下面积 (AUC) 评估性能,并与X射线和基于临床变量模型进行比较.
主要成果:
- 使用SAG-IW-TSE-FS的DeepKOA在基线分别达到0.664,0.739和0.775的AUC,分别在12个月和24个月.
- 基于X射线的模型显示较低的AUC (0.573-0.613).
- 整合临床变量并没有显著提高DeepKOA的预测性能. 格拉德-CAM突出显示了骨骨关节,阴囊,脂肪和肌肉作为相关结构.
结论:
- DeepKOA证明了从MRI扫描中预测KOA进展的可行性.
- 该模型有助于识别参与KOA进展的特定膝盖结构,并可能指导未来的临床工具.
- 进一步的研究可以完善这些人工智能驱动的方法,以便在KOA管理中获得更实用的临床应用.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:06Destabilization of the Medial Meniscus and Cartilage Scratch Murine Model of Accelerated Osteoarthritis
Published on: July 6, 2022
4.5K
