换一批基于膝关节正位X线应用深度学习构建胫股关节骨关节炎的自动诊断模型
Application of Deep Learning to Develop Models for Automatic Diagnosis and Grading of Tibiofemoral Osteoarthritis Based on Knee Radiographs
摘要目的 探索深度学习方法基于膝关节正位X线构建自动诊断并分级胫股关节骨关节炎(TFOA)诊断模型.方法 搜集5837 幅膝关节前后位的X线图像,按照8∶ 1∶ 1 的比例随机分为训练集、调优集和测试集.以两位医师依据凯尔格伦-劳伦斯(K-L)分级及国际骨关节炎研究协会(OARSI)分级系统共同阅片结果分别作为TFOA及其影像特征[骨赘(OST)及关节间隙狭窄(JSN)]分类模型的参考标准.利用高分辨率网络(HRNet)算法建立上述对应的二分类诊断[K-L 0～1(无TFOA)vs.K-L 2～4(有TFOA);OARSI 0(无OST/JSN)vs.OARSI1～3(有OST/JSN)]及多分类分级模型(K-L 0～4,分别代表无、可疑、轻度、中度及重度TFOA;OARSI 0～3,依次代表无、轻度、中度及重度OST/JSN).以受试者工作特征曲线(ROC)、查准率-查全率曲线(P-R)及混淆矩阵评价模型的分类效能.结果 在测试集中,二分类模型诊断TFOA、OST及JSN的曲线下面积(AUC)为0.95～0.99、P-R的AUC为0.86～0.98;多分类模型在分级TFOA、OST及JSN中的宏准确率为0.90～0.98、敏感度为0.09～0.99、特异度为0.69～1.00.结论 以HRNet为基础架构的模型可自动诊断并分级TFOA、OST及JSN,其二分类诊断效能较高,多分类则对病变程度分级提供了可能性.
更多相关知识
栏目名称
发布时间
2023-09-11（万方平台首次上网日期，不代表论文的发表时间）
- 浏览93
- 被引2
- 下载17
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
