仪器仪表学报

作者：刘伟强，罗林开，彭 洪，章其敏，黄 玮

单位：刘伟强,1. 厦门大学航空航天学院自动化系，2. 厦门大学健康医疗大数据国家研究院，3. 厦门市大数据智能分析与决策重点实验室,,罗林开,1. 厦门大学航空航天学院自动化系，2. 厦门大学健康医疗大数据国家研究院，3. 厦门市大数据智能分析与决策重点实验室,,彭 洪,1. 厦门大学航空航天学院自动化系，3. 厦门市大数据智能分析与决策重点实验室,,章其敏,4. 武汉大学附属同仁医院,,黄 玮,5. 华中科技大学同济医学院附属协和医院骨科，6. 鹤峰县中心医院,

关键词：膝骨关节炎;KL评级;自适应罚权;卷积神经网络

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)。

来源：2021年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第7期