使用卷积神经网络基于X光片对膝骨关节炎进行Kellgren-Lawrence分级自动评估
图像与视频处理
2020-04-21 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
膝骨关节炎的严重程度使用5点Kellgren-Lawrence（KL）分级量表进行评估，其中健康膝盖被定为0级，随后的1-4级代表疾病严重程度的增加。尽管近年来已提出多种方法来开发能够从给定X光片自动预测KL分级的模型，但大多数模型是在并非源自印度的数据集上开发和评估的。这些模型在印度患者的X光片上表现不佳。在本文中，我们提出了一种使用卷积神经网络的新方法，以自动对膝盖X光片进行KL分级。我们的方法分两个相连的阶段工作：第一阶段，目标检测模型从图像的其余部分分割出单个膝盖；第二阶段，回归模型自动对每个膝盖分别进行KL分级。我们使用公开可用的骨关节炎倡议（OAI）数据集训练模型，并证明在来自一家私立医院的数据集上评估模型之前对其进行微调，可将平均绝对误差从1.09（95% CI: 1.03-1.15）显著降低至0.28（95% CI: 0.25-0.32）。此外，我们比较了为同一任务构建的分类和回归模型，并证明回归优于分类。
引用
@article{arxiv.2004.08572,
title = {Automatic Grading of Knee Osteoarthritis on the Kellgren-Lawrence Scale from Radiographs Using Convolutional Neural Networks},
author = {Sudeep Kondal and Viraj Kulkarni and Ashrika Gaikwad and Amit Kharat and Aniruddha Pant},
journal= {arXiv preprint arXiv:2004.08572},
year = {2020}
}
备注
5 pages, 3 figures, 5 tables