换一批基于迁移学习和贝叶斯优化的早期膝骨关节炎深度学习诊断系统的构建
Deep learning diagnostic system establishment for early knee osteoarthritis based on transfer learning and bayesian optimization
摘要目的 构建基于迁移学习和贝叶斯优化的早期膝关节骨关节炎(KOA)(KL分级0～2级)深度学习诊断系统,并通过内外部数据集验证模型的性能.方法 收集骨关节炎倡议公开数据库2004-2015年4 796例患者膝关节前后位、双膝站立负重X线片8 205张,按70∶15∶15比例分为训练集5 742张、内部验证集1 229张和内部测试集1 234张;回顾性收集2024年9至12月宁波市第二医院收治的123例膝关节疼痛患者站立位双膝关节X线片246张为外部验证集.比较预训练策略(RadImageNet、Im-ageNet、无预训练)与超参数方法(贝叶斯优化、默认配置)的交互效应;通过10折交叉验证评估模型的稳定性,结合Grad-CAM、t-SNE、校准曲线和决策曲线分析模型可靠性.通过外部验证集评估模型在真实临床场景中的性能.结果 RadImageNet_贝叶斯(RadImageNet预训练迁移学习与贝叶斯优化组合模型)在内部测试集上达到85.05％的准确率(AUC=0.950 7).10折交叉验证显示性能稳定(AUC=0.950 7±0.023 3).RadImageNet_贝叶斯在外部验证集的准确率为72.36％(AUC=0.941 5),较内部测试集下降12.69％,符合不同临床环境验证的预期范围.结论 本研究构建的深度学习诊断系统RadImageNet_贝叶斯在早期KOA诊断中表现出良好的临床适用性和跨域稳定性,但其对KL分级1级的识别困难反映了该阶段影像特征的临床本质,提示需结合临床症状进行综合诊断.
更多相关知识
关键词
膝关节骨关节炎深度学习迁移学习贝叶斯优化早期检测Knee osteoarthritisDeep learningTransfer learningBayesian optimizationEarly detection
栏目名称
DOI
10.12056/j.issn.1006-2785.2025.47.22.2025-1919
发布时间
2025-12-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省省级临床重点专科建设项目（2024021）
宁波市骨科与运动康复临床医学研究中心建设项目（2024L004）
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
