基于注意力多尺度深度卷积神经网络预测膝骨关节炎严重程度
图像与视频处理
2024-10-28 v1 计算机视觉与模式识别
摘要
膝骨关节炎（OA）是一种破坏性关节疾病，以关节僵硬、疼痛和功能残疾为特征，影响全球数百万人的生命。通常通过观察身体症状、病史以及放射照相、磁共振成像（MRI）和计算机断层扫描（CT）等其他关节筛查手段进行评估。遗憾的是，传统方法主观性很强，阻碍了疾病进展的早期检测。本文提出一种基于深度学习的框架，称为 OsteoHRNet，可根据 X 射线按 Kellgren 和 Lawrence（KL）分级自动评估膝 OA 严重程度。作为主要创新点，所提方法构建于最新深度模型之一——高分辨率网络（HRNet）之上，以捕获膝关节 X 射线的多尺度特征。此外，我们还引入了注意力机制以滤除起反作用的特征并进一步提升性能。所提模型在 OAI 数据集基线队列上取得了 71.74% 的最佳多类准确率和 0.311 的 MAE，较现有已发表最佳工作有显著提升。我们还使用了基于梯度的类激活图（Grad-CAMs）可视化来验证所提网络的学习过程。
引用
@article{arxiv.2106.14292,
title = {Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network},
author = {Rohit Kumar Jain and Prasen Kumar Sharma and Sibaji Gaj and Arijit Sur and Palash Ghosh},
journal= {arXiv preprint arXiv:2106.14292},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication