基于人工智能的诊断分级系统的潜力,用于膝关节骨关节炎

科学领域:

• 肌肉骨成像技术 肌肉骨成像技术
• 医疗保健中的人工智能
• 放射学和诊断成像学 放射学和诊断成像学

背景情况:

• 膝关节关节炎 (KOA) 是全球残疾的主要原因之一.
• 手动放射学分级KOA是可变的,缺乏准确性.
• 基于人工智能的计算机辅助诊断 (CAD) 系统提供了改进的检测和分级.

研究的目的:

• 开发和评估一个AI诊断分级系统的KOA.
• 利用X射线成像和转移学习进行精确的KOA诊断.
• 在早期和准确的KOA检测中协助临床医生和实习生.

主要方法:

• 横截面研究301个膝盖X射线图 (602张图像).
• 使用DenseNet-121作为基础网络转移学习.
• 性能评估与其他深度学习和经典的ML模型相比.

主要成果:

• 丹森网-121的准确度达到68.85%,AUC达到85.67%.
• 对比模型显示性能较低 (例如,精度约为60%).
• 数据不平衡和难以区分早期成绩是挑战.

结论:

• 基于人工智能的CAD系统显示了KOA诊断和分级支持的潜力.
• 尽管数据有限,但DenseNet-121显示出可靠的性能.
• 未来的工作包括更大的数据集和多中心验证以实现概括性.