文献

J-GLOBAL ID：202202253326365236   整理番号：22A1175169

深層学習アプローチを用いた変形性膝関節症の自動検出と分類【JST・京大機械翻訳】

Automatic detection and classification of knee osteoarthritis using deep learning approach

著者 (2件)： Abdullah S. Sheik (Department of Electronics and Communication, Kalasalingam Academy of Research and Education, Srivilliputhur, India) ,  Rajasekaran M. Pallikonda (Department of Electronics and Communication, Kalasalingam Academy of Research and Education, Srivilliputhur, India)
資料名： Radiologia Medica  (Radiologia Medica)
巻： 127  号： 4  ページ： 398-406  発行年： 2022年 
JST資料番号： W4887A  ISSN： 1826-6983  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:デジタルX線画像から変形性膝関節症(OA)を位置決めし,等級付けするためのツールを開発し,Kellgren-Lawrence(KL)等級づけシステムとして膝OAを予測する深層学習技術の可能性を説明した。プロジェクトの目的は,人工知能(AI)ベースの深層学習アプローチが,デジタルX線画像における膝OAの重症度を位置決めし,診断できる方法を見ることである。方法:選択基準:OA症状を有する50歳以上の患者(膝関節痛,剛性,crepitus,および機能的制限)を本研究に含めた。医学専門家は,調査から術後評価,外傷および感染の患者を除外した。3172人の前後視野膝関節デジタルX線画像を用いた。ディジタルX線画像における膝関節空間幅(JSW)領域を位置決めするために,Faster RCNNアーキテクチャを訓練し,ResNet-50を転送学習で組み込み,特徴を抽出した。膝OA重症度の分類のために,別の事前訓練ネットワーク(転送学習を伴うAlexNet)を使用した。グランドトルース画像として手動抽出膝領域を用いて領域提案ネットワーク(RPN)を訓練し,医療専門家はKellgren-Lawrenceスコアに基づく膝関節デジタルX線画像を等級付けした。X線画像は最終モデルの入力であり,出力はKellgren-Lawrence等級づけ値である。結果:提案モデルは,最小膝JSW面積を98.516%の最大精度で同定し,全体的膝OA重症度分類精度は98.90%であった。結論:今日,多くの診断法が利用可能であるが,ツールは透明ではなく,OAの自動化分析は問題である。提案モデルの性能は,ネットワークを微調整し,既存の研究よりも高い。将来,MRIデータにおけるOAをグレードOAに拡張する。Copyright Italian Society of Medical Radiology 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  剛性 ,  人工知能 ,  医療従事者 ,  外傷 ,  *膝 ,  *膝関節 ,  症状 ,  X線画像 ,  計算機アーキテクチャ
準シソーラス用語： 膝痛 ,  術後評価 ,  重症度 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 変形性関節症 ,  デジタルX線画像 ,  JSW ,  高速R-CNN ,  AlexNet

分類 (1件)： 運動器系の診断  (GG02000M)

タイトルに関連する用語 (4件)： 深層学習 ,  変形性膝関節症 ,  自動検出 ,  分類