诊断膝关节关节炎的新方法,用于大数据分析和医疗图像中的基于内容的图像检索
Pinar Gundogan Bozdag1, Hurşit Burak Mutlu2, Mucahit Karaduman3
1Department of Radiology, Elazig Fethi Sekin City Hospital, Elazig, Turkey.
Scientific reports
|August 15, 2025
概括
这项研究引入了一种混合的基于内容的图像检索 (CBIR) 系统,用于检测膝关节关节炎. 这种新的方法提高了区分类似疾病的准确性,解决了大型数据集当前深度学习模型的局限性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机科学 计算机科学
背景情况:
- 数据库的增长给数据检索带来了挑战.
- 深度学习模型显示了大数据集和区分类似疾病的局限性.
- 基于内容的图像检索 (CBIR) 对大型数据集有效.
研究的目的:
- 开发一种混合CBIR系统用于膝关节关节炎检测.
- 提高区分类似疾病组的准确性.
- 克服现有的深度学习模型在大规模医学图像分析中的局限性.
主要方法:
- 使用DarkNet53的特征提取,面向梯度 (HOG) 的直方图和局部二进制模式 (LBP).
- 混合模型开发,结合邻近组件分析 (NCA) 以提高速度和有效性.
- 在CBIR框架内使用了七种不同的距离测量指标.
主要成果:
- 开发的混合CBIR系统在膝关节关节炎检测方面表现出有效性.
- 该系统在区分密切相关的疾病群体方面表现出更好的能力.
- 突出挑战 深度学习模型面临的挑战 随着班级多样性的增加.
结论:
- 拟议的混合CBIR系统为大数据集中的膝关节骨关节炎检测提供了一个有希望的解决方案.
- 这种方法解决了当前深度学习架构在区分类似疾病方面的局限性.
- 该研究有助于在医学诊断中推进人工智能,特别是在复杂疾病分类方面.
