Automatic diagnosis of knee osteoarthritis severity using Swin transformer

要約

変形性膝関節症 (KOA) は、膝関節に慢性的な痛みや硬直を引き起こす可能性がある広範囲にわたる症状です。
早期の発見と診断は、臨床介入と管理を成功させ、運動能力の喪失などの重篤な合併症を防ぐために非常に重要です。
この論文では、Swin Transformer を使用して KOA の重症度を予測する自動化されたアプローチを提案します。
私たちのモデルは、早期発見と重症度評価を可能にするために、ケルグレンスコアとローレンススコアを備えた公的に入手可能な放射線写真データセットを使用します。
モデルの精度を向上させるために、多層パーセプトロン分類器を利用するマルチ予測ヘッド アーキテクチャを採用しています。
さらに、複数のデータセット間のデータのドリフトを低減し、モデルの一般化能力を確保する新しいトレーニング アプローチを導入します。
私たちの実験結果は、KOA 重症度を正確に予測する上での私たちのアプローチの有効性と実現可能性を示しています。

要約(オリジナル)

Knee osteoarthritis (KOA) is a widespread condition that can cause chronic pain and stiffness in the knee joint. Early detection and diagnosis are crucial for successful clinical intervention and management to prevent severe complications, such as loss of mobility. In this paper, we propose an automated approach that employs the Swin Transformer to predict the severity of KOA. Our model uses publicly available radiographic datasets with Kellgren and Lawrence scores to enable early detection and severity assessment. To improve the accuracy of our model, we employ a multi-prediction head architecture that utilizes multi-layer perceptron classifiers. Additionally, we introduce a novel training approach that reduces the data drift between multiple datasets to ensure the generalization ability of the model. The results of our experiments demonstrate the effectiveness and feasibility of our approach in predicting KOA severity accurately.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google