关联膝关节关节炎进展与时间区域图 卷积网络分析在MRI图像上
Jiaping Hu1, Junyi Peng2,3, Zidong Zhou2,3
1Department of Medical Imaging, The Third Affiliated Hospital of Southern Medical University (Academy of Orthopedics· Guangdong Province), Guangzhou, China.
Journal of magnetic resonance imaging : JMRI
|April 30, 2024
概括
一个新的时间区域图卷积网络 (TRGCN) 准确地使用MRI数据预测膝盖骨关节炎的进展. 这种人工智能模型为疾病进展提供了可解释的见解,优于现有方法.
科学领域:
- 医疗成像中的人工智能
- 图表对疾病进展的卷积网络.
- 骨关节炎的研究研究.
背景情况:
- 人工智能 (AI) 显示出在MRI扫描上评估膝关节关节炎 (OA) 进展的潜力.
- 目前的AI方法在OA进展评估的准确性和解释性方面面临挑战.
研究的目的:
- 引入一个时间区域图形卷积网络 (TRGCN) 用于分析膝盖OA在MRI图像上的进展.
- 调查膝关节OA进展状态和TRGCN结果之间的关联.
主要方法:
- 一项回顾性研究使用了来自OA倡议的194名OA进步者和406名控制者的MR图像.
- 解剖学子区域 (软骨,骨,阴囊,脂肪) 被细分为形成TRGCN模型的基于区间的图形.
- TRGCN模型包括区域和时间信息,与临床变量,放射科医生得分,放射学和Densenet-169 CNN进行性能比较.
主要成果:
- 复合TRGCN模型在测试队列中取得了优异的性能,AUC为0.841 (DESS) 和0.856 (IW).
- 解释性分析显示软骨是关键结构 (42%-45%),并突出了腿骨关节 (TFJ) 比腿骨关节 (PFJ) 更重要.
- 时间分析显示,随着时间的推移,分区的动态重要性得分变化,特别是区分TFJ和PFJ进展.
结论:
- 与其他方法相比,复合TRGCN在膝关节OA进展方面表现出优异的分辨能力.
- 该TRGCN模型有效地捕获时间和区域信息,为膝关节OA进展提供可解释的见解.
- 这种AI方法为识别和理解膝关节OA进展提供了有价值的工具.
