利用优化混合顺序关系意识的循环神经网络,通过超声波图像对甲骨髓关节炎进行分级
G Sudha1, M Mohammadha Hussaini2, T Dharma Raj3
1Department of Biomedical Engineering, Muthayammal Engineering College (Autonomous), Rasipuram, India.
Ultrasonic imaging
|December 3, 2025
概括
一个新的AI模型,MRAG-UI-MORARNN-BWKA,在超声波图像中准确地对类风湿性关节炎进行分级. 这种方法通过分析几何和纹理特征来提高诊断的精度,改进了现有的甲手腕关节性类风湿性关节炎评估技术.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在风湿病学中的应用
- 超声波诊断 超声波诊断 超声波诊断
背景情况:
- 甲手腕关节类类风湿性关节炎 (RA) 的诊断严重依赖于超声波仪的技能.
- 目前的分级系统评估骨和突的特征,但主观性仍然是一个挑战.
- 需要通过超声波对RA进行客观和自动分级.
研究的目的:
- 提出一个优化的深度学习模型,用超声波图像来分类甲手臂关节炎 (RA).
- 通过自动化特征提取和评估来提高RA分级的准确性和一致性.
- 开发一种可靠的方法来识别突膜厚和骨质恶化.
主要方法:
- 使用一个优化的混合顺序关系意识的循环神经网络 (MORARNN) 进行RA分级 (MRAG-UI-MORARNN-BWKA).
- 用于图像预处理的雇员信心分区采样过 (CPSF) 和用于区域细分的未配对的多视图图集群 (UMGC).
- 集成的整体动态频率变压器 (HDFT) 用于几何特征提取和黑翼算法 (BWKA) 用于模型优化.
主要成果:
- 拟议的MRAG-UI-MORARNN-BWKA方法实现了高性能指标.
- 在 RA.等级中获得了97.02%的准确性,97.5%的精度和97.25%的灵敏度.
- 与现有的诊断方法相比,显示出显著的改进和稳定性.
结论:
- 开发的AI模型在超声波图像的类风湿性关节炎的自动分级方面取得了重大进展.
- MRAG-UI-MORARNN-BWKA方法为临床医生提供了一个更客观,更可靠的诊断工具.
- 这种方法增强了对膜加厚和骨质侵蚀在甲骨关节的评估.
