利用深度学习改进 MRI 图像中胫股软骨缺损的诊断
计算机视觉与模式识别
2021-06-24 v1 机器学习
摘要
背景：MRI 是软骨成像的首选模态；然而其诊断性能不稳定且显著低于金标准诊断性膝关节镜。近年来，深度学习已被用于自动解读医学图像以提升诊断准确度与速度。目的：本研究的首要目的是评估应用于膝关节 MRI 图像解读的深度学习是否可用于准确识别软骨缺损。方法：我们分析了接受膝关节 MRI 评估并随后行关节镜膝关节手术的患者数据（207 例有软骨缺损，90 例无软骨缺损）。将患者关节镜发现与术前 MRI 图像比对以确认是否存在孤立性胫股软骨缺损。我们开发了三个卷积神经网络（CNN）分析 MRI 图像，并实现图像特异性显著图以可视化 CNN 的决策过程。为将 CNN 性能与人类解读比较，同一测试数据集图像被提供给一名经验丰富的骨科医师与一名骨科住院医师。结果：显著图表明 CNN 在决策过程中学会了关注 MRI 图像中临床相关的胫股关节软骨区域。一个 CNN 取得了高于骨科医师的性能，多出两例更准确诊断由该 CNN 作出。所有 CNN 均优于骨科住院医师。结论：CNN 可用于增强 MRI 识别孤立性胫股软骨缺损的诊断性能，并可能在未来某些情况下替代诊断性膝关节镜。
引用
@article{arxiv.2012.00144,
title = {Improved Diagnosis of Tibiofemoral Cartilage Defects on MRI Images Using Deep Learning},
author = {Gergo Merkely and Alireza Borjali and Molly Zgoda and Evan M. Farina and Simon Gortz and Orhun Muratoglu and Christian Lattermann and Kartik M. Varadarajan},
journal= {arXiv preprint arXiv:2012.00144},
year = {2021}
}