骨脊柱炎（OA）是最常见的脊柱炎多种形式，可通过外科脊柱疼痛和技术手段表现展开病症，是致使老年人身体残疾的主要诱因。在美国，年龄在25岁及25岁以上的成年人中所亦有1400万人脑癌疼痛性的膝脊柱骨脊柱炎，每年展开超过60万例的以外膝脊柱对换（TKR）。
外科OA疼痛包括脊柱疼痛、呆滞和国家主义范围提高。外科上，通常使用Kellgren-Lawrence（KL）或国际OA研究成果协会(OARSI)等基准该该系统骨赘和脊柱间隙狭窄展开审核，以展开技术手段OA的病症。然而现阶段，X本站膝脊柱OA基准该系统有多个版本，尚未提出标准化的病症标准。同时，外科上审核膝脊柱骨OA的法则也并不能为病症及HRS缺少足够且更进一步的资讯。
亦同，发表在Radiology杂志的一项研究成果通过建立以给予以外膝脊柱对换术(TKR)的症状和未给予TKR的依此症状的膝脊柱x本站片的深度学习(DL)三维，以为外科缺少一个可靠且吻合的预见OA十分困难安以外性的技术手段手段。
本项回顾性统计分析使用初始OA数据，技术开发了一个膝脊柱x本站片DL三维以预见OA症状在9年内给予TKR的先前和Kellgren-Lawrence (KL)基准。研究成果参加者包括了45岁至79岁的病例归一化的依此亚队列。根据年龄、性别、群体和运动量Index对症状展开归一化。该三维使用了一种基于ResNet34架构的迁移学习法则，并有着七层嵌套交叉实验者。受测者工作特点直本站统计分析和条件logistic回归审核三维用于预见TKR均系数和安以外性的性能，并与外科注意到和两种基于放射学飞行中所的二元结果预见三维展开比较:KL和OARSI基准。
本研究成果共纳入728名受测者，其中所324名OA症状(总数64岁±8岁[标准差];222名女性)和324例依此组参加者(总数64±8岁;222名女性)。基于DL的预见三维的受测者工作特点直本站下面积(AUC)为0.87(95%贝叶斯[CI]: 0.85, 0.90)，优于曲率半径预见三维的KL基准，其AUC为0.74 (95% CI: 0.71, 0.77; P < .001)。TKR的安以外性随DL三维(优势比[OR]，7.7;95% CI: 2.3, 25; P < .001)、KL基准(OR, 1.92;95% CI: 1.17, 3.13; P = .009)和OARSI基准(OR, 1.20;95% CI: 0.41, 3.50; P = .73)症状发生TKR的均系数增加而增加。
绘出1 基于影像的二进制输出预见三维的ROC直本站。结果定义为9年内是否给予以外膝脊柱对换(TKR)。AUC系数表示预见TKR的结果。KL三维通过Delong检验和Holm修正展开多次比较，以缺少审核预见三维之间显著差异的曲率半径三维。
绘出2 基于绘出像的结果预见法则:KL、OARS)、DL三维、DL-TL三维和DL-TL-MT三维。
综上所述，本研究成果技术开发了一个基于曲率半径x本站片的深度学习(DL)三维，该三维可预见OA症状9年内给予以外膝脊柱对换术(TKR)的均系数和Kellgren-Lawrence基准。与改用标准基准该系统的二元结果三维相比，本研究成果提出的DL三维更能预见骨脊柱炎中所TKR的安以外性，为外科缺少了一个更吻合且可靠的技术手段审核手段。
原文出处：
Kevin Leung,Bofei Zhang,Jimin Tan,et al.Prediction of Total Knee Replacement and Diagnosis of Osteoarthritis by Using Deep Learning on Knee Radiographs: Data from the Osteoarthritis Initiative.DOI:10.1148/radiol.2020192091
相关新闻
相关问答
