理论与计算科学杂志
开放获取

抽象的

预测膝骨关节炎的严重程度：基于患者数据和 X 射线平片图像的比较模型

杰纳尔·阿贝丁

膝骨关节炎 (KOA) 是一种损害膝关节功能并引起疼痛的疾病。放射科医生检查膝盖 X 射线图像，并根据 Kellgren 和 Lawrence 分级方案对损伤的严重程度进行分级；五点顺序量表 (0�??4)。在本研究中，我们使用弹性网络 (EN) 和随机森林 (RF)，利用患者评估数据（即膝盖和药物使用的体征和症状）以及使用 X 射线训练的卷积神经网络 (CNN) 来构建预测模型仅图像。线性混合效应模型（LMM）用于模拟两个膝盖之间的受试者内相关性。CNN、EN 和 RF 模型的均方根误差分别为 0.77、0.97 和 0.94。LMM 显示了与 EN 回归相似的总体预测精度，但正确地考虑了数据的层次结构，从而产生更可靠的推理。确定了有用的解释变量，可用于 X 射线成像前的患者监测。我们的分析表明，用于预测 KOA 严重程度的模型在对 X 射线图像和患者数据进行建模时取得了可比较的结果。KL 成绩中的主观性仍然是一个主要问题。