从X射线图像中量化特征,以评估膝关节骨关节炎的早期阶段
Tanjina Helaly1,2, Tanvir R Faisal3, Ahmed Suparno Bahar Moni4
1Department of Computer Science and Engineering, Bangladesh University of Engineering and Technology, Dhaka, Bangladesh.
Medical & biological engineering & computing
|July 5, 2025
概括
这项研究引入了一种自动化系统,用于通过X射线评估膝关节骨关节炎 (KOA) 的严重程度. 它可以在没有大量训练数据的情况下量化关节空间缩小和骨质细胞,提高诊断准确性.
科学领域:
- 生物医学工程 生物医学工程
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 膝关节关节炎 (KOA) 是全球残疾的主要原因,X射线的手动诊断是主观的,对早期检测具有挑战性.
- 目前用于KOA诊断的深度学习 (DL) 模型通常需要大型标记数据集,缺乏可解释性,并且不提供定量成像生物标志物测量.
- 需要自动化,可解释和定量方法来从放射图像中评估KOA的严重程度.
研究的目的:
- 开发和验证使用集成深度学习和图像处理技术进行膝关节骨关节炎 (KOA) 严重程度评估的自动化系统.
- 为了自动提取和量化KOA的关键成像生物标志物,特别是关节空间狭窄 (JSN) 和骨质细胞.
- 为了实现准确的KOA严重性分类,而不需要广泛的标记训练数据.
主要方法:
- 一个自动化管道,将预训练的深度学习模型与图像处理技术集成在一起,包括用于对比度增强的CLAHE和用于边缘提取的DexiNed.
- 定制算法旨在自动检测和量化从提取的边缘的关节空间收窄 (JSN) 和骨质细胞.
- 定量评估JSN和计数介质骨细胞,以帮助KOA严重程度的分类.
主要成果:
- 该系统在检测关节空间狭窄 (88%) 和识别骨质细胞 (80%) 方面取得了很高的准确性.
- 自动化KOA严重性分类实现了73%的准确性.
- 开发的系统消除了昂贵的培训流程和对大型标记数据集的依赖,只需要验证数据.
结论:
- 拟议的自动化系统提供了一种准确和有效的方法,通过X射线图像来评估膝关节关节炎的严重程度.
- 该系统能够提供JSN和骨质细胞的定量测量,从而提高诊断的客观性,并支持在现有的OA分级框架内进行分类.
- 这种方法减少了对手工解释和广泛数据标签的依赖,使其成为早期KOA检测和管理的宝贵工具.
