骨性疾病（OA）是最常见的性疾病表达方式，可通过病理膝关节症状和具体原理体现来进行确诊，是造成老年人身体残疾人的主要原因。在美国，年岁在25岁及25岁以上的成年人中有1400万人患有症状性的下肢骨性疾病，每年来进行多达60万例的正因如此下肢生成（TKR）。
病理OA症状有数膝关节疼痛、僵硬和运动范围减少。病理上，多半用到Kellgren-Lawrence（KL）或国际OA学术研究Association(OARSI)等国际标准系统对骨赘和膝关节间隙狭窄来进行指标，以来进行具体原理OA的确诊。然而现阶段，X线下肢OA国际标准系统有多个正式版，尚未提出异议统一的确诊标准。同时，病理上指标下肢骨OA的原理也并不能为确诊及肾功能提供能够且正因如此面的信息。
近日，发表在Radiology杂志的一项学术研究通过组织起来以不能接受正因如此下肢生成术(TKR)的病症和未不能接受TKR的折衷病症的下肢x线片的深度学习(DL)假设，以为病理提供一个可信且恰当的预报OA进展风险的具体原理暴力手段。
本项回顾性分析原理用到初始OA数据，技术开发了一个下肢x线片DL假设以预报OA病症在9天内不能接受TKR的可能性和Kellgren-Lawrence (KL)国际标准。学术研究参与者有数了45岁至79岁的病例匹配的折衷亚字段。根据年岁、性别、种族和体重指数对病症来进行匹配。该假设用到了一种基于ResNet34架构的迁移学习原理，并具有七层嵌套交叉实验者。人脑兼职特征直线分析原理和条件logistic回归指标假设应用于预报TKR概率和风险的性能，并与病理仔细观察和两种基于放射学读数的二元结果预报假设来进行比较:KL和OARSI国际标准。
本学术研究共设为728名人脑，其中324名OA病症(平均年岁64岁±8岁[平方根];222名女性)和324例恰当率参与者(平均年岁64±8岁;222名女性)。基于DL的预报假设的人脑兼职特征直线下总面积(AUC)为0.87(95%置信区间[CI]: 0.85, 0.90)，优于水平线预报假设的KL国际标准，其AUC为0.74 (95% CI: 0.71, 0.77; P < .001)。TKR的风险随DL假设(优势比[OR]，7.7;95% CI: 2.3, 25; P < .001)、KL国际标准(OR, 1.92;95% CI: 1.17, 3.13; P = .009)和OARSI国际标准(OR, 1.20;95% CI: 0.41, 3.50; P = .73)病症发生TKR的概率增加而增加。
绘出1 基于扫描的二进制输出预报假设的ROC直线。结果定义为9天内是否不能接受正因如此下肢生成(TKR)。AUC系数表示预报TKR的结果。KL假设通过Delong检验和Holm简化来进行多次比较，以提供指标预报假设之间显著差异的水平线假设。
绘出2 基于绘出像的结果预报原理:KL、OARS)、DL假设、DL-TL假设和DL-TL-MT假设。
综上所述，本学术研究技术开发了一个基于水平线x线片的深度学习(DL)假设，该假设可预报OA病症9天内不能接受正因如此下肢生成术(TKR)的概率和Kellgren-Lawrence国际标准。与运用于标准国际标准系统的二元结果假设相比，本学术研究提出异议的DL假设愈来愈能预报骨性疾病中TKR的风险，为病理提供了一个愈来愈恰当且可信的具体原理指标暴力手段。
原文中有：
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
