膝关节骨关节炎(OA)是一种常见的堕落联合障碍,影响全世界的大型老年人。膝关节OA严重程度的准确放射线摄影评估在慢性患者管理中起着关键作用。目前临床采用的膝盖oA分级系统是观察者主观的,遭受帧间间的分歧。在这项工作中,我们提出了一种计算机辅助诊断方法,可以同时为两种复合材料和细粒度的OA等级提供更准确和一致的评估。提出了一种新的半监督学习方法,通过从未标记的数据学习来利用复合材料和细粒度的OA等级的潜在一致性。通过使用预先训练的高斯混合模型的日志概率表示等级相干性,我们制定了不连贯的损失,以纳入训练中的未标记数据。该方法还描述了基于关键点的汇集网络,其中从疾病目标键点(沿膝关节提取)汇集了深度图像特征,以提供更准确的和病于病理信息的特征表示,以获得准确的OA级评估。拟议的方法在公共骨关节炎倡议(OAI)数据上全面评估了4,796名科目的多中心的十年观测研究。实验结果表明,我们的方法对以前的强大的整个图像的深度分类网络基线(如Resnet-50)的显着改进。
translated by 谷歌翻译