利用数字重建放射图从计算机断层扫描中自动评估髋骨病变分级与不确定性估计

Dec, 2023

利用数字重建放射图从计算机断层扫描中自动评估髋骨病变分级与不确定性估计

Automatic hip osteoarthritis grading with uncertainty estimation from computed tomography using digitally-reconstructed radiographs

PDF

Masachika Masuda, Mazen Soufi, Yoshito Otake, Keisuke Uemura, Sotaro Kono...

TL;DR通过利用深度学习模型，开发了一种从 CT 图像中自动评估髋关节骨关节炎（髋关节 OA）严重程度的方法，模型表现出较高准确度，促进了大规模 CT 数据库中的自动评级，并为进一步疾病发展分析提供了潜力。

Abstract

Progression of hip osteoarthritis (hip OA) leads to pain and disability, likely leading to surgical treatment such as hip arthroplasty at the terminal stage. The severity of hip OA is often classified using the Crowe and Kellgren-Lawrence (KL) classifications. However, as the classific

hip osteoarthritis disease severity automated approach deep learning models classification accuracy

发现论文，激发创造

使用深度卷积神经网络在普通 X 光片中自动评分膝骨关节炎特征

使用深度学习算法，基于全 OAI 数据集进行 ImageNet 传递学习和微调，完成了对膝关节 X 射线图像中 KL 和 OARSI 等级的自动预测和较好的预测。

Jul, 2019

基于深度学习的普通 X 光片自动诊断膝骨关节炎方法

本研究提出一种基于深度孪生卷积神经网络的新透明计算机辅助诊断方法，根据 Kellgren-Lawrence 分级标准自动评分膝骨关节炎病情，并报告了该方法验证的结果和关键的放射学特征。

Oct, 2017

使用深度卷积神经网络量化放射性膝关节骨关节炎病变程度

本文利用深度卷积神经网络自动量化膝骨关节炎的严重程度。通过使用 ImageNet 对深度学习模型进行预训练，并在膝骨关节炎图像上进行微调，分类准确性可以显著提高。同时论文指出，使用均方误差等连续的距离指标来评估自动膝骨关节炎严重性预测的准确性更为恰当。结果表明，本文方法在 Osteoarthritis Initiative 提供的 X 射线图像和 KL 分级数据集上比当前技术水平有了显著的提高。

Sep, 2016

基于多模态机器学习的膝骨关节炎进展预测 —— 来自 X 光片和临床数据

通过以患者影像数据、临床检查数据和既往病史为基础的多模态机器学习模型，可以预测膝关节骨关节炎（OA）的进展情况，并显著改善 OA 药物开发试验的受试者选择过程，帮助个性化治疗计划的开发。

Apr, 2019

借助扩散增强图像提升膝关节骨关节炎严重程度分类

本研究探讨了使用先进的计算机视觉模型和增强技术对膝关节骨关节炎（OA）的严重程度进行分类。研究中调查了数据预处理，包括对比度受限的自适应直方图均衡化（CLAHE），以及使用扩散模型进行数据增强的效果。实验分为三个部分：在原始数据集上训练模型，在预处理数据集上训练模型，以及在增强数据集上训练模型。结果显示，数据预处理和数据增强显著提高了模型的准确性。EfficientNetB3 模型在增强数据集上达到了 84％的最高准确率。此外，还应用了注意力可视化技术，如 Grad-CAM，提供了详细的注意力图，增强了对模型的理解和可信度。这些发现突显了将先进模型与增强数据和注意力可视化相结合的潜力，从而实现准确的膝 OA 严重程度分类。

Sep, 2023

卷积神经网络自动检测膝关节并量化膝骨关节炎严重程度

本文介绍了一种使用 X 光图像自动量化膝关节 OA 严重程度的新方法，该方法采用完全卷积神经网络自动检测膝关节并进行多类别分类和回归输出，以优化两个损失函数的加权比率，取得了优于现有方法的极有前景的结果。

Mar, 2017

利用 Swin 转换器自动诊断膝骨关节炎严重程度

提出一种使用 Swin Transformer 对膝关节骨关节炎 (KOA) 进行严重程度预测的自动化方法，使用公开的放射性数据集和 Kellgren 以及 Lawrence 分级来提前检测和评估疾病的严重程度，并通过多预测头架构的多层感知机分类器、降低数据漂移的训练方法，提高模型的准确性和泛化能力。实验证明该方法能够准确预测 KOA 的严重程度。

Jul, 2023

一种新的自动定位膝关节区域的方法

本研究旨在开发一种新的计算方法，通过基于解剖学的联合区提案和方向梯度直方图的评估及其预先训练的支持向量机分类器的得分来自动定位关节区域，提高膝关节放射成像的客观性，结果表明该方法适用于大规模分析。

Jan, 2017

改进膝骨关节炎进展预测的风险模型

通过引入疾病特异性先验知识，我们开发了一种有效利用连续成像研究改进骨关节炎（OA）结果预测模型的新方法，该方法通过引入 OA 严重性约束来提高 OA 结果预测。

Jun, 2024

运用视觉语言模型评估骨关节炎疾病严重程度

通过视觉语言处理模型，此研究利用 X 光图像和相关报告预测骨关节炎的严重程度，并展示了在医学背景中特定视觉语言模型的潜在进展和学习文本图像表示及其上下文关系的有效性。

Jan, 2024