使用循环一致的生成对抗神经网络生成膝关节骨关节炎放射图的合成过去和未来状态
Fabi Prezja1, Leevi Annala2, Sampsa Kiiskinen1
1University of Jyväskylä, Faculty of Information Technology, Jyväskylä, 40014, Finland.
Computers in biology and medicine
|February 10, 2025
概括
这项研究引入了一个循环一致的对抗网络 (CycleGAN) 来生成合成膝关节关节炎 (KOA) 阶段,增强诊断AI和数据增强用于早期疾病检测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 膝关节骨关节炎 (KOA) 是导致残疾的主要原因,由于微妙的放射性迹象,早期检测受到阻碍.
- 由于隐私,数据收集和疾病进展的挑战,编译各种KOA数据集是很困难的.
研究的目的:
- 开发一种能够在不同关节炎 (OA) 阶段生成合成膝盖放射图的模型.
- 增强现有的数据集,以改善算法训练和预后洞察力.
主要方法:
- 利用循环一致的对抗网络 (CycleGAN) 来从真正的X光片中合成过去和未来的KOA阶段.
- 通过评估其对专门的膝关节骨关节炎卷积神经网络 (CNN) 的影响来验证该模型的有效性.
主要成果:
- 合成未来的OA转换正确地将83.76%的无疑图像重新分类为中度至严重的阶段.
- 追溯转换将75.61%的严重阶段图像重新分类为无到可疑阶段.
- 循环GAN有效地模拟了关节空间扩张和骨细胞减少,这是关键的OA指标.
结论:
- 循环GAN模型显示了在KOA中增强诊断AI,数据增强和教育工具的巨大潜力.
- 为临床应用,建议进行进一步的验证和改进,包括专家医疗反.
