利用扩散增强图像提升膝骨关节炎严重程度分级分类
计算机视觉与模式识别
2024-06-17 v1 人工智能
机器学习
摘要
本研究探讨了利用先进计算机视觉模型与增强技术对膝骨关节炎（OA）严重程度级别进行分类。研究考察了数据预处理（包括限制对比度自适应直方图均衡化（CLAHE））和使用扩散模型的数据增强的有效性。进行了三项实验：在原始数据集上训练模型、在预处理数据集上训练模型、在增强数据集上训练模型。结果表明，数据预处理与增强显著提升了模型的准确率。EfficientNetB3模型在增强数据集上取得了84%的最高准确率。此外，利用Grad-CAM等注意力可视化技术提供详细的注意力图，增强了对模型的理解与可信度。这些发现凸显了将先进模型与增强数据及注意力可视化相结合用于准确膝OA严重程度分类的潜力。
引用
@article{arxiv.2309.09328,
title = {Enhancing Knee Osteoarthritis severity level classification using diffusion augmented images},
author = {Paleti Nikhil Chowdary and Gorantla V N S L Vishnu Vardhan and Menta Sai Akshay and Menta Sai Aashish and Vadlapudi Sai Aravind and Garapati Venkata Krishna Rayalu and Aswathy P},
journal= {arXiv preprint arXiv:2309.09328},
year = {2024}
}
备注
Paper has been accepted to be presented at ICACECS 2023 and the final version will be published by Atlantis Highlights in Computer Science (AHCS) , Atlantis Press(part of Springer Nature)