서로 비슷한 관절염 등급을 더 세밀하게 구분할 수 있을까요?

앙상블 모델의 전체 KL 등급 분류 정확도는 75.7%였습니다. 0–4등급을 각각 구분하는 5개 범주의 결과입니다.

KL 0–4 방사선영상에 Eigen-CAM을 표시한 그림입니다.
Do Weon Lee, Dae Seok Song, Hyuk-Soo Han, Du Hyun Ro. Knee Surgery & Related Research (2024). DOI: 10.1186/s43019-024-00228-3
근거·원문 그림 이용조건

연구에서 묻는 질문

대상과 방법

영상의 작은 차이를 학습하는 plug-in module(PIM)을 CNN·Transformer 계열 모델에 연결했습니다. 네 모델의 결과를 앙상블로 결합하고 OAI와 별개인 MOST 자료에서 평가했습니다. OAI에서 모델을 개발하고 MOST 영상 17,040장으로 시험했습니다. 전향적으로 수집된 코호트를 후향적으로 분석했습니다.

주요 결과

앙상블 모델의 전체 KL 등급 분류 정확도는 75.7%였습니다. 0–4등급을 각각 구분하는 5개 범주의 결과입니다. 경계 단계인 KL 1의 분류가 어려웠습니다. Eigen-CAM 예시는 모델이 주목한 영상 영역을 보여주며 골극과 관절간격을 함께 살폈습니다.

진료와 수술에서 읽을 지점

CONNEVO KOA로 이어지는 영상 등급 분석의 기반 연구입니다. 작은 차이를 구분하는 기술과 함께, 경계 등급의 불확실성을 의사가 확인하는 과정이 필요합니다.

해석의 제한

논문의 초록과 결과·표에서 일부 등급별 수치의 표시가 다릅니다. 여기서는 공통으로 보고한 전체 정확도를 제시합니다. 5범주 분류 정확도는 2026년 다기관 연구의 OA 유무(≥2) 이진 정확도와 직접 비교할 수 없습니다.

짧게 정리하면

어떤 진료 질문과 연결되나요?

Keywords · 주제어

Classification
Deep learning
Knee osteoarthritis
AI
KOA
KL
external validation

Abstract · 원문 초록

Do Weon Lee, Dae Seok Song, Hyuk-Soo Han, Du Hyun Ro. Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug-in modules. Knee surgery & related research. 2024;36(1):24. doi:10.1186/s43019-024-00228-3.

BACKGROUND

Fine-grained classification deals with data with a large degree of similarity, such as cat or bird species, and similarly, knee osteoarthritis severity classification [Kellgren-Lawrence (KL) grading] is one such fine-grained classification task. Recently, a plug-in module (PIM) that can be integrated into convolutional neural-network-based or transformer-based networks has been shown to provide strong discriminative regions for fine-grained classification, with results that outperformed the previous deep learning models. PIM utilizes each pixel of an image as an independent feature and can subsequently better classify images with minor differences. It was hypothesized that, as a fine-grained classification task, knee osteoarthritis severity may be classified well using PIMs. The aim of the study was to develop this automated knee osteoarthritis classification model.

METHODS

A deep learning model that classifies knee osteoarthritis severity of a radiograph was developed utilizing PIMs. A retrospective analysis on prospectively collected data was performed. The model was trained and developed using the Osteoarthritis Initiative dataset and was subsequently tested on an independent dataset, the Multicenter Osteoarthritis Study (test set size: 17,040). The final deep learning model was designed through an ensemble of four different PIMs.

RESULTS

The accuracy of the model was 84%, 43%, 70%, 81%, and 96% for KL grade 0, 1, 2, 3, and 4, respectively, with an overall accuracy of 75.7%.

CONCLUSIONS

The ensemble of PIMs could classify knee osteoarthritis severity using simple radiographs with a fine accuracy. Although improvements will be needed in the future, the model has been proven to have the potential to be clinically useful.

PubMed에서 초록 보기 이용 조건

원래 논문

Accurate, automated classification of radiographic knee osteoarthritis severity using a novel method of deep learning: Plug-in modules

Do Weon Lee, Dae Seok Song, Hyuk-Soo Han, Du Hyun Ro
Knee Surgery & Related Research · 2024

DOI · 10.1186/s43019-024-00228-3 PubMed 근거 자료

학술논문

원문 Figure 6 · 관절염 등급별로 주목한 영상 영역