基于深度学习的平片X线自动膝关节骨关节炎诊断
计算机视觉与模式识别
2017-10-31 v1
摘要
膝关节骨关节炎（OA）是最常见的肌肉骨骼疾病。目前 OA 诊断通过评估症状和平片 X 线进行，但该过程存在主观性。在本研究中，我们提出一种基于深度孪生卷积神经网络的新型透明计算机辅助诊断方法，依据 Kellgren-Lawrence 分级标准自动评分膝关节 OA 严重程度。我们仅使用多中心骨关节炎研究的数据训练方法，并在从骨关节炎倡议数据集中随机选取的 3,000 名受试者（5,960 个膝关节）上进行验证。相较于临床专家委员会的标注，我们的方法取得了 0.83 的二次 Kappa 系数与 66.71% 的平均多类准确率。此处我们还报告了 0.93 的放射学 OA 诊断 ROC 曲线下面积。我们还给出了注意力图——以类概率分布给出——突出影响网络决策的放射学特征。该信息使决策过程对从业者透明，从而建立对自动方法的更好信任。我们相信我们的模型有助于临床决策与 OA 研究；因此，我们公开发布了本研究中训练代码及所创建的数据集。
引用
@article{arxiv.1710.10589,
title = {Automatic Knee Osteoarthritis Diagnosis from Plain Radiographs: A Deep Learning-Based Approach},
author = {Aleksei Tiulpin and Jérôme Thevenot and Esa Rahtu and Petri Lehenkari and Simo Saarakkala},
journal= {arXiv preprint arXiv:1710.10589},
year = {2017}
}