传统磁共振图像中的膝关节软骨深度学习支持的细分:不同模型的内部和外部验证
Lin Yao1, Xiaoling Liang2, Jin Liu3
1Department of Radiology, the Fifth Affiliated Hospital of Sun Yat-sen University, Zhuhai, Guangdong Province, China.
The Knee
|November 15, 2025
概括
一个新的深度学习模型,3D Res U-net在MRI扫描上准确地分割膝关节软骨. 这一进展有助于评估膝关节骨关节炎 (OA),并改善对膝关节疼痛的临床决策.
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:
- 准确的膝关节软骨评估对于诊断膝关节疼痛和骨关节炎至关重要.
- 深度学习模型可以在MRI中对膝关节关节软骨进行细分,以进行形态评估和损伤分级.
研究的目的:
- 为膝关节关节软骨细分提出和评估一个深度学习模型.
- 评估软骨形态,以改善膝关节关节炎分级.
主要方法:
- 一项回顾性研究涉及来自两个放射中心的254个膝盖.
- 肌肉骨放射学专家的手动软骨注释.肌肉骨放射学专家.
- 使用3D Res U-net模型进行细分,与3D U-net和3D V-net进行比较,通过Dice系数和Jaccard指数进行评估.
主要成果:
- 3D Res U-net模型在软骨细分方面表现优于其他深度学习方法.
- 在内部验证中,获得了0.871 (侧面),0.860 (中间) 和0.858 (骨骨) 的平均子系数.
- 在外部验证中表现出强的表现,子系数分别为0.846,0.837和0.819.
结论:
- 3D Res U-net模型提高了传统MRI中的膝关节软骨细分精度.
- 这有助于更好地了解软骨形态.
- 有助于改善膝关节疾病的临床决策.


