文献类型：期刊文章

作　　者：刘伟强[1,2,3] 罗林开[1,2,3] 彭洪[1,3] 章其敏[4] 黄玮[5,6]

Liu Weiqiang;Luo Linkai;Peng Hong;Zhang Qimin;Huang Wei(Department of Automation,School of Aerospace Engineering,Xiamen University,Xiamen 361005,China;National Institute for Data Science in Health and Medicine,Xiamen University,Xiamen 361005,China;Xiamen Key Laboratory of Big Data Intelligent Analysis and Decision,Xiamen 361005,China;Tongren Hospital of Wuhan University,Wuhan 430000,China;Department of Orthopaedics,Union Hospital,Tongji Medical College,Huazhong University of Science and Technology,Wuhan 430000,China;Hefeng County Central Hospital,Enshi 445800,China)

机构地区：[1]厦门大学航空航天学院自动化系,厦门361005 [2]厦门大学健康医疗大数据国家研究院,厦门361005 [3]厦门市大数据智能分析与决策重点实验室,厦门361005 [4]武汉大学附属同仁医院,武汉430000 [5]华中科技大学同济医学院附属协和医院骨科,武汉430000 [6]鹤峰县中心医院,恩施445800

出　　处：《仪器仪表学报》

年　　份：2021

卷　　号：42

期　　号：7

起止页码：145-154

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：膝骨关节炎(OA)是老年人活动受限和身体残疾的主要原因之一,对膝骨关节炎的早期发现和干预可以帮助病人减缓OA的恶化。目前膝骨关节炎的早期发现通过X光片进行诊断,参照Kellgren-Lawrence(KL)标准进行评分,但医师的评分相对主观,不同医生存在差异。膝骨关节炎的等级分类是个有序分类问题,序列罚权损失函数将距离真实类别越远的等级赋予了更高的罚权,因此它更适合于膝骨关节炎的等级分类。然而,已有工作中的罚权一旦给定,就不再变化,导致其训练模型常常达不到期望的结果。本文针对序列罚权损失的不足,提出一种自适应序列罚权调整策略,通过对每一个阶段(epoch)得到的混淆矩阵,反向指导惩罚权重进行微调,使得罚权矩阵能够自适应调整。进一步地,本文利用来自骨关节炎倡议组织(OAI)的X射线图像数据,在ResNet,VGG,DenseNet以及Inception等几种经典的CNN模型上验证该方法的性能。实验结果表明在膝骨关节炎KL分级任务上,本文提出的自适应序列罚权调整策略在初始罚权分差较小时,能够有效地提升模型分类精度(AC)与平均绝对误差(MAE)。

关 键 词：膝骨关节炎 KL评级  自适应罚权  卷积神经网络

分 类 号：TP391.41] TH7[计算机类]