公共人工智能平台在膝关节骨性关节炎分期中的应用

摘要

目的探讨利用X线片在公共人工智能平台上训练模型对膝关节骨性关节炎(KOA)严重程度自动分期的可行性。方法选取按照Kellgren-Lawrence(KL)分期系统进行分期的X线片,在公共人工智能平台上训练模型。最终使用了1445幅图像进行自动训练及测试评估。使用50幅图像的测试集对模型和放射科医师进行测试,计算放射科医师的准确率和F1-score,并与人工智能平台中模型返回的结果进行比较。结果模型对人工智能平台自动训练集的准确率为0.73,F1-score为0.72;模型对50幅图像的测试子集的准确率为0.70,F1-score为0.69。放射科医师测试的准确率为0.64,F1-score为0.63。模型效能达到甚至超过了高年资放射科医师测试水平。结论基于公共人工智能平台进行模型训练,利用X线图像进行KOA的自动KL分期,具有可行性和一定的优越性。