Phát hiện và phân loại thoái hóa khớp sử dụng Vision Transformer trong môi trường phân tán
Từ khóa
Tóm tắt
Thoái hóa khớp gối là căn bệnh mãn tính chiếm tỷ lệ không nhỏ trong các bệnh lý xương khớp, gây đau đớn kéo dài, giảm và mất khả năng vận động, có thể gây tàn phế cao nhất hiện nay. Việc phát hiện sớm tình trạng thoái hóa khớp giúp kiểm soát những cơn đau và hạn chế quá trình tiến triển của bệnh khi có biểu hiện thoái hóa khớp gối. Trong bài báo này, chúng tôi đề xuất kỹ thuật phân loại dựa trên kiến trúc mạng Vision Transformer trên môi trường phân tán để phân loại thoái hoá khớp gối dựa trên ảnh X-Quang. Qua kết quả thực nghiệm cho thấy độ chính xác của mô hình đề xuất lên đến 98.85% và cải thiện thời gian huấn luyện gấp đôi so với mô hình huấn luyện trên môi trường cục bộ.##plugins.themes.default.displayStats.downloads##
Tài liệu tham khảo
[1]. J. H. Kellgren, J. S. Lawrence, (1957), “Radiological Assessment of Osteo-Arthrosis”, Ann Rheum Dis 16(4): 494–502 doi: 10.1136/ard.16.4.494.
[2]. Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun, (2016), “Deep Residual Learning for Image Recognition”, IEEE Conference on Computer Vision and Pattern Recognition.
[3]. Gao Huang, Zhuang Liu, Laurens van der Maaten, Kilian Q. Weinberger, (2017), “Densely Connected Convolutional Networks”, IEEE Conference on Computer Vision and Pattern Recognition.
[4]. Pingjun Chen, Linlin Gao, Xiaoshuang Shi, Kyle Allen, Lin Yang, (2019), “Fully automatic knee osteoarthritis severity grading using deep neural networks with a novel ordinal loss”, Computerized Medical Imaging and Graphics.
[5]. Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit, Neil Houlsby, (2020), “An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale”, Computer Vision and Pattern Recognition.
[6]. Bochen Guan, Phương Lưu, Arya Haj Mizaian, Shadpour Demehri, Alexey Samsonov, Ali Guermazi, Richard Kijowski, (2020), “Deep learning approach to predict pain progression in knee osteoarthritis”, International Journal of Computer Assisted Radiology and Surgery volume 15, pages 457–466.
[7]. Bin Liu, Jianxu Luo, Huan Huang, (2020), “Toward automatic quantification of knee osteoarthritis severity using improved Faster R-CNN”, International Journal of Computer Assisted Radiology and Surgery.
[8]. Pauline Shan Qing Yeoh, Khin Wee Lai, Siew Li Goh, Khairunnisa Hasikin, Yan Chai Hum, Yee Kai Tee, Samiappan Dhanalakshmi, (2021), “Emergence of Deep learning in Knee Osteoarthritis Diagnosis”, Computational Intelligence in Image and Video Analysis.
[9]. Yifan Wang, Xianan Wang, Tianning Gao, Le Du, Wei Liu, (2021), “An Automatic Knee Osteoarthritis Diagnosis Method Based on Deep learning: Data from the Osteoarthritis Initiative”, Journal of Healthcare Engineering.
[10]. Albert Swiecicki, Nianyi Li, Jonathan O'Donnell, Nicholas Said, Jichen Yang, Richard C Mather, William A Jiranek, Maciej A Mazurowski, (2021), “Deep learning-based algorithm for assessment of knee osteoarthritis severity in radiographs matches performance of radiologists”, Computers in Biology and Medicine.
[11]. Simon Olsson, Ehsan Akbarian, Anna Lind, Ali Sharif Razavian, Max Gordon, (2021), “Automating classification of osteoarthritis according to Kellgren-Lawrence in the knee using Deep learning in an unfiltered adult population”, BMC Musculoskeletal Disorders.
[12]. S Sheik Abdullah, M Pallikonda Rajasekaran, (2021), “Automatic detection and classification of knee osteoarthritis using Deep learning approach”, La radiologia medica.
[13]. Joseph Humberto Cueva, Darwin Castillo, Héctor Espinós-Morató, David Durán, Patricia Díaz, Vasudevan Lakshminarayanan, (2022), “Detection and Classification of Knee Osteoarthritis”, Machine Learning and Artificial Intelligence in Diagnostics.
[14]. Abdul Sami Mohammed, Ahmed Abul Hasanaath, Ghazanfar Latif, Abul Bashar, (2023), “Knee Osteoarthritis Detection and Severity Classification Using Residual Neural Networks on Preprocessed X-ray Images”, AI/ML-Based Medical Image Processing and Analysis.
[15]. https://keras.io (20/01/2024)
[16]. https://bigdl.readthedocs.io (20/01/2024)
[17]. https://spark.apache.org (20/01/2024)
[18]. https://data.mendeley.com/datasets/56rmx5bjcr/1 (20/01/2024)
