تشخیص و طبقه بندی خودکار استئوآرتریت زانو انسان با استفاده از شبکه های عصبی کانولوشن -۱

استئوآرتریت زانو (KOA) یک بیماری دژنراتیو مفصل زانو است که در اثر ساییدگی و پارگی رباط های بین استخوان ران و استخوان تیبیا ایجاد می شود. از نظر بالینی KOA به چهار درجه از ۱ تا ۴ طبقه بندی می شود که بر اساس تخریب رباط بین این دو استخوان و باعث ایجاد اختلال در حرکت می شود. شناسایی این فضای بین استخوان ها از طریق نمای قدامی تصویر اشعه ایکس زانو صرفا ذهنی و چالش برانگیز است. طبقه بندی خودکار این فرآیند به انتخاب فرآیندهای درمانی مناسب و کاشت زانو سفارشی کمک می کند. در این تحقیق طبقه بندی خودکار جدید تصاویر KOA بر اساس روش تقسیم بندی مرکز جرم محلی بدون نظارت (LCM) و شبکه عصبی پیچیده سیامی عمیق (CNN) ارائه شده است. آمار مرتبه اول و ماتریس GLCM برای استخراج ویژگی های تشریحی KOA از تصاویر تقسیم شده استفاده می شود. این شبکه بر روی داده های بالینی ما با ۷۵ تکرار با به روزرسانی وزن خودکار آموزش داده شده است تا دقت اعتبار سنجی آن بهبود یابد. ارزیابی انجام شده بر روی تصاویر KOA بخش بندی شده LCM نشان دهد که شبکه ما می تواند به طور موثری استئوآرتریت زانو را تشخیص دهد و به دقت ۹۳.۲ درصد همراه با دقت طبقه بندی چند کلاسه ۰۱.۷۲ درصد و کاپا با وزن درجه دوم ۰.۸۶ دست یابد.

کلیدواژه ها:

آرتروز ، تقسیم بندی مقدار ، شدت بدون نظارت ، شبکه عصبی