Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jul 25, 2026

Automated Joint Space Detection Improves Bone Segmentation Accuracy
06:45

Automated Joint Space Detection Improves Bone Segmentation Accuracy

Published on: November 28, 2025

基于转移学习的深度学习方法,用于使用修改后的XceptionNet架构对膝关节关节炎进行分级.

H K Shashikala1, M B Suresh2

  • 1Research Scholar, Department of Computer Science and Engineering, K S Institute of Technology, Visvesveraya Technological University; hk.shashikala@jainuniversity.ac.in.

Journal of visualized experiments : JoVE
|September 8, 2025
PubMed
概括

这项研究引入了一种改进的AI模型,用于使用X射线图像检测早期膝关节骨关节炎 (KOA). 增强的XceptionNet实现了97%的准确性,有助于及时诊断和更好的患者结果.

相关概念视频

Functional Classification of Joints01:09

Functional Classification of Joints

Functional Classification of Joints
The functional classification of joints is determined by the amount of mobility between the adjacent bones. Joints are functionally classified as a synarthrosis or immobile joint, an amphiarthrosis or slightly moveable joint, or as a diarthrosis, a freely moveable joint. Fibrous and cartilaginous joints can be functionally classified as either synarthroses  or amphiarthroses, whereas all synovial joints are classified as diarthroses.
Synarthrosis
An immobile...

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same journal

Structure-Guided Design and Development of Novel Cyclophilin A Inhibitors and Ganoderiol-F Derivatives: An In-Silico Approach.

Journal of visualized experiments : JoVE·2026
Same journal

A 3D Bone Culture Platform Using Human Osteocytes and Decellularized Extracellular Matrix for Modeling Musculoskeletal Diseases.

Journal of visualized experiments : JoVE·2026
Same journal

Robotic Arm Assisted Slow Electrode Insertion and Simultaneous Measurement of Cochlear Microphonics in Cochlear Implantation.

Journal of visualized experiments : JoVE·2026
Same journal

Integrative Transcriptome-Wide Association Study and Mendelian Randomization Identify LYNX1 and MS4A14 as Therapeutic Targets for Osteomyelitis.

Journal of visualized experiments : JoVE·2026
Same journal

Synergistic Effect of Hypertension and Smoking on Ischemic Stroke Risk: A Case-Control Study With Additive and Multiplicative Interaction Analysis.

Journal of visualized experiments : JoVE·2026
Same journal

Research Progress on DNA Damage Repair Efficiency Assessment Strategies.

Journal of visualized experiments : JoVE·2026

科学领域:

  • 放射学和医学成像学 医学成像学
  • 医疗保健中的人工智能
  • 计算病理学计算病理学

背景情况:

  • 膝关节骨关节炎 (KOA) 是一种广泛的退行性关节疾病,没有治疗方法,需要早期检测才能有效管理.
  • 对于KOA诊断的X射线图像的手动解释容易变化和不准确,这是由于放射科医生专业知识的差异.
  • 使用机器学习的自动化系统对KOA检测有希望,但更高的准确性,特别是在早期阶段,仍然是一个关键目标.

研究的目的:

  • 通过使用改进的深度学习模型,从X射线图像中提高早期膝关节关节炎检测的准确性.
  • 为了应对数据集不平衡等挑战,并提高自动化KOA识别系统的稳定性.
  • 通过XceptionNet架构利用转移学习来实现卓越的医学图像分析.

主要方法:

  • 利用了XceptionNet深度学习模型的转移学习,该模型以其在医学图像分析中的有效性而闻名.
  • 实施了类平衡技术,以解决医疗成像数据集中固有的数据集不平衡.
  • 集成了一个定制的预处理管道和对XceptionNet模型的架构修改.
  • 评估了模型在放射性膝盖图像上的表现,以检测骨关节炎.

主要成果:

  • 提出的方法实现了97%的预测准确度,97.8%的精度,97.6%的回忆率和97.6%的F1测量.

相关实验视频

Last Updated: Jul 25, 2026

Automated Joint Space Detection Improves Bone Segmentation Accuracy
06:45

Automated Joint Space Detection Improves Bone Segmentation Accuracy

Published on: November 28, 2025

  • 该模型表现出良好的评价者间一致性,科恩的kappa值为95.94%.
  • 与以前的方法相比,定制的XceptionNet方法在早期KOA识别方面取得了显著的改善.

    • 结论:

    • 开发的自动化系统展示了从放射图像中准确检测膝关节关节炎的高潜力.
    • 这项研究强调了定制深度学习模型,转移学习和医疗图像分析数据平衡的有效性.
    • 支持对可靠的自动化疾病检测技术的进一步研究,旨在提高患者护理和医疗保健效率.