分析骨密度检测中的骨质疏松症诊断：CNN 与 FNN 的比较研究
图像与视频处理
2024-10-16 v1
摘要
骨质疏松症导致骨密度和骨骼力量的逐渐下降，使其在正常健康骨骼相比，骨折风险显著增加。估计有约 30% 的女性和 20% 的男性在 50 岁以上会发生骨质疏松性骨折，这使骨质疏松症成为全球范围内的一个重要公共卫生问题。诊断的基础是基于骨密度 (BMD) 检查，其中双能量 X 射线吸收计 (DEXA) 是最常用的方式。T 分数为 -2.5 或更低时，即定义为骨质疏松症。本文聚焦于通过对 CNN 和 FNN 在 DEXA 图像分析中效率进行比较研究，来应用于医学影像分析中的骨质疏松症检测。尽管两者都非常有前景，但在 95% 的准确率下，FNN 略微优于 CNN 的 93%。因此，这项研究凸显了深度学习技术在改善骨质疏松症检测方面的潜在能力，并优化诊断工具以实现更好的患者预后。
引用
@article{arxiv.2410.10889,
title = {Analysing Osteoporosis Detection: A Comparative Study of CNN and FNN},
author = {R. Geetha and S. Arulselvi and R. Tamilselvi and M. Parisa Beham and Alavikunhu Panthakkan and Wathiq Mansoor and Hussain Al Ahmad},
journal= {arXiv preprint arXiv:2410.10889},
year = {2024}
}