提高膝关节关节炎的检测AI,图像denoising和优化分类方法和物理治疗方法的重要性
Burak Bugday1, Harun Bingol2, Muhammed Yildirim3
1Therapy and Rehabilitation, Inonu University, Malatya, Turkey.
PeerJ. Computer science
|June 26, 2025
概括
这项研究引入了用于早期膝关节骨关节炎 (KOA) 检测的AI系统. 开发的系统达到85%的准确性,为计算机辅助诊断提供了一个有前途的工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 骨关节炎 (OA) 造成严重的健康负担,疾病修饰治疗有限.
- 膝关节骨关节炎 (KOA) 严重影响患者的生活质量和日常活动.
- 早期发现KOA对于有效的患者管理至关重要.
研究的目的:
- 开发和评估一个由人工智能支持的系统,用于早期检测膝关节骨关节炎 (KOA).
- 通过整合原始和预处理成像数据的功能来提高诊断准确性.
- 确定用于自动化KOA诊断的最有效的分类模型.
主要方法:
- 使用高斯波器进行图像无色化.
- 使用DenseNet201进行特征提取,并将原始和处理的图像特征连接在一起.
- 通过邻近组件分析 (NCA) 选择特征,然后使用六种不同的算法进行分类,包括支持矢量机 (SVM).
主要成果:
- 开发的AI系统在检测KOA时达到85%的高准确率.
- 支持矢量机 (SVM) 分类器在测试模型中表现出优异的性能.
- 连接特征的整合和基于NCA的选择有助于改善诊断成功.
结论:
- 拟议的人工智能支持系统显示出对KOA的准确和自动诊断具有重大潜力.
- 这种计算机辅助的方法为改善膝关节骨关节炎的早期检测和管理提供了一个有希望的途径.
- 进一步开发和验证人工智能工具可以增强骨科疾病的临床决策.
