膝关节软骨厚度的自动测量和分级:基于深度学习的方法
JaingRong Guo1, Pengfei Yan2, Yong Qin1
1Department of Orthopedics and Sports Medicine, The Second Affiliated Hospital of Harbin Medical University, Harbin, Heilongjiang, China.
Frontiers in medicine
|March 15, 2024
概括
这项研究开发了一种深度学习模型,通过MRI精确测量膝盖软骨厚度,有助于诊断骨关节炎. TransUNet模型在划分和分类膝关节软骨方面表现出卓越的性能,提高了诊断效率.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 整形外科 整形外科 整形外科
背景情况:
- 膝关节软骨的厚度对于评估骨关节炎至关重要.
- 目前的软骨厚度测量方法耗时.
- 精确的测量有助于早期的骨关节炎检测和管理.
研究的目的:
- 开发一种深度学习 (DL) 模型,从MRI扫描中对膝关节软骨进行细分.
- 创建一个基于DL的系统来测量和分类膝关节软骨厚度.
- 建立一个关于膝盖软骨厚度的标准化数据库.
主要方法:
- 利用来自四个来源的700个病例的混合膝盖MRI数据集.
- 使用四个深度学习网络 (UNet,UNet++,ResUNet,TransUNet) 进行细分.
- 在12个地区使用表现最好的模型 (TransUNet) 测量和分级软骨厚度.
主要成果:
- 通过TransUNet实现了最高的细分性能 (Dice: 0.813, IoU: 0.692).
- 在DL模型中,测量和分级的平均绝对百分比误差为0.831.
- 已建立的标准膝关节软骨厚度值 (股骨: 1.98 毫米,骨: 2.14 毫米).
结论:
- 成功开发了一种通用DL模型用于膝关节软骨细分,测量和分级.
- 该模型提高了外科医生的诊断准确性和效率.
- 这种工具有助于识别软骨厚度的变化,以便更好地照顾患者.
