重构膝关节骨关节炎严重程度分级：基于少样本自监督对比学习方法
图像与视频处理
2024-07-16 v1 机器学习
摘要
膝关节骨关节炎 (OA) 是全球范围内影响超过 2.5 亿人口的一种疾病。目前，放射科医生使用肾戈-劳伦斯 (KL) 系统将 OA 的严重程度在 0 到 4 的有序尺度上进行分级。近期研究关注 KL 分级系统的主观性，突显需要自动化系统的需求，同时也表明五个有序类别可能不是评估 OA 严重程度最合适的方法。本工作提出了一种自动化系统，采用连续分级尺度。该系统即 SS-FewSOME，使用自监督预训练来学习健康膝盖 X 光片特征的稳健表征。随后，该系统通过 X 光片与正常表征空间间的距离来评估 OA 的严重程度。SS-FewSOME 初始仅在少量健康膝盖 X 光片示例上进行训练，从而通过消除对大型训练集和高成本专家标注的需求，降低了临床实施的障碍。该工作报告了令人鼓舞的初步结果，训练时仅获得 30 个真实标签，便实现了积极的斯皮尔曼等级相关系数为 0.43。
引用
@article{arxiv.2407.09515,
title = {Rethinking Knee Osteoarthritis Severity Grading: A Few Shot Self-Supervised Contrastive Learning Approach},
author = {Niamh Belton and Misgina Tsighe Hagos and Aonghus Lawlor and Kathleen M. Curran},
journal= {arXiv preprint arXiv:2407.09515},
year = {2024}
}