用于对髋关节骨关节炎放射影像分期进展的身份一致扩散网络

髋关节骨关节炎（KOA）是一种常见的关节炎形式，导致身体功能障碍，在社会中变得越来越普遍。利用计算机辅助技术自动评估KOA的严重程度和进展情况对于KOA的治疗和疾病管理具有极大帮助。特别是，髋关节炎领域X光技术的发展显示出了这种潜在用途。然而，现有的X光预后研究通常仅给出单一的进展严重程度分数，忽略了用于理解和解释进展结果的潜在视觉变化。因此，本研究提出了一种新型生成模型，称为身份一致放射性扩散网络（Identity-Consistent Radiographic Diffusion Network, IC-RDN），用于涵盖基于基线扫描条件下的多方位KOA预后预测。具体地，引入了用于扩散的身份先验模块和下游生成引导的进展预测模块。在传统图像到图像生成模型与之比较时，身份先验通过对比学习策略对临床细微差异进行正则化和引导，使扩散过程更专注于预后的临床细节。进展预测模块利用预测的髋关节扫描图像和基线扫描图像，预期实现更为全面的KOA严重程度进展分级。在广泛使用的公共数据集OAI上的大量实验表明，所提出方法的有效性。