深度学习在骨振信号自动判读中的应用 |
张瑞,习文浩,宋江玲 |
西北大学 医学大数据研究中心 |
|
摘要:
目前在临床上对膝关节退行性病变进行检查的手段主要包括X光、核磁共振成像等,但这些检查手段操作要求高、花费高昂、且无法便捷使用。相关研究表明,髌股关节软骨摩擦产生的摩擦音(也称为骨振信号)能够有效反映膝关节所发生的病变且获取方式便捷。基于此,文中以骨振信号为源信号,提出了一种基于长短期记忆网络的骨振信号自动判读方法。首先,采用小波变换以及序列插补方法对信号进行去噪、对齐等预处理;其次,采用长短期记忆网络实现骨振信号的自动判读,其中,网络参数使用网格搜索法确定;最后,采用5 126条临床采集的骨振信号(来源于西安某医院骨科)对所提方法进行验证。实验结果表明文中所提方法可达到自动判读的准确率为82%、精确率为79%、特异度为81%、召回率为82%、马修斯相关系数为0.62。
|
关键词:
膝关节退行性病变;骨振信号;长短期记忆网络;马修斯相关系数
|
发表年限: 2020年 |
发表期号: 第4期 |
|
|
|