Ключевые слова
анализ текстур
синовиальная полость
кубическая SVM
kNN
машинное обучение
GLCM
Аннотация
Статья посвящена разработке метода автоматической идентификации остеоартрита плечевого сустава с помощью анализа текстур рентгенизображений. Остеоартрит — хроническое дегенеративное заболевание, которое оказывает значительное влияние на качество жизни, особенно при поражении плечевого сустава. Традиционные методы диагностики часто выявляют изменения только на поздних стадиях болезни, поэтому важна ранняя диагностика. Предложено использование методов машинного обучения (опорных векторов (SVM) и k‑ближайших соседей (kNN)) для анализа рентгенограмм. Исследование включало R‑снимки плечевых суставов 31 пациента; предварительная обработка изображений: улучшение контраста с помощью алгоритма CLAHE и использование матрицы совпадения уровней серого для извлечения текстурных характеристик. Результаты показали, что метод kNN продемонстрировал 100 %-ю точность в классификации нормальных изображений, в то время как SVM — 79 %-ю точность. Для аномальных изображений оба метода показали 100 %-ю результативность. Отмечены высокая эффективность такого алгоритма по сравнению с традиционными методами, а также важность дальнейших исследований для его улучшения и расширения выборки. Предложенный подход позволяет детально анализировать медицинские изображения, выявляя тонкие изменения в тканях, что особенно важно для ранней диагностики и оценки степени поражения. Необходимо проведение дальнейших исследований в этой области, чтобы улучшить диагностику и лечение остеоартрита плечевого сустава.
Благодарности
Авторы выражают благодарность Дарье Александровне Акуловой, кандидату медицинских наук, директору Екатеринбургского медицинского центра, за предоставленную возможность использования архива рентгеновских снимков для проведения исследования.
Для цитирования
Жиляков А. А., Волокитина Е. А. Применение анализа текстур рентгенограмм для определения признаков остеоартрита плечевого сустава // Вестник УГМУ. 2024. № 2. С. 40–52. EDN: https://elibrary.ru/YVOSFP.
Список источников
Role of Global Femoral Cartilage in Assessing Severity of Primary Knee Osteoarthritis / N. F. W. Khalil, S. El-sherif, M. M. A. El Hamid [et al.] // Egyptian Rheumatology and Rehabilitation. 2022. Vol. 49, Iss. 1, Art. No. 16. DOI: https://doi.org/10.1186/s43166-022-00115-3.
Imaging of the Acromioclavicular Joint: Anatomy, Function, Pathologic Features, and Treatment / D. V. Flores, P. K. Goes, C. M. Gómez [et al.] // RadioGraphics. 2020. Vol. 40, No. 5. P. 1355–1382. DOI: https://doi.org/10.1148/rg.2020200039.
Выбор метода использования регионарной анестезии плечевого сплетения межлестничным доступом при артроскопических операциях на плечевом суставе / С. В. Крылов, И. Н. Пасечник, М. В. Капырина, К. Ю. Уколов // Уральский медицинский журнал. 2019. № 7. С. 138–144. EDN: https://elibrary.ru/vrukpu.
Diagnostics of Articular Cartilage Damage Based on Generated Acoustic Signals Using ANN — Part II: Patellofemoral Joint / R. Karpiński, P. Krakowski, J. Jonak [et al.] // Sensors. 2022. Vol. 22, Iss. 10, Art. No. 3765. DOI: https://doi.org/10.3390/s22103765.
Diagnostics of Articular Cartilage Damage Based on Generated Acoustic Signals Using ANN — Part I: Femoral‐Tibial Joint / R. Karpiński, P. Krakowski, J. Jonak [et al.] // Sensors. 2022. Vol. 22, Iss. 6, Art. No. 2176. DOI: https://doi.org/10.3390/s22062176.
Крылов В. А. Хирургия плечевого сустава в условиях травматологического отделения многопрофильной ЦГБ малого города // Уральский медицинский журнал. 2022. Т. 21, № 2. С. 97–100. DOI: https://doi.org/10.52420/2071-5943-2022-21-2-97-100.
Association Between Pain and Radiological Changes in Patients with Knee Osteoarthritis / A. Munawar, M. M. A. Durrani, M. W. Akhtar [et al.] // Journal of Health and Rehabilitation Research. 2024. Vol. 4, Iss. 1. P. 608–612. DOI: https://doi.org/10.61919/jhrr.v4i1.406.
AB1174 Knee Symptoms are More Strongly Associated with Quadriceps Muscle Strength than Grip Strength or Muscle Mass: The Road Study / S. Muraki, T. Akune, H. Oka [et al.] // Annals of the Rheumatic Diseases. 2015. Vol. 74, Suppl. 2. P. 1295–1296. DOI: https://doi.org/10.1136/annrheumdis‑2015‑eular.2961.
LIFEx: A Freeware for Radiomic Feature Calculation in Multimodality Imaging to Accelerate Advances in the Characterization of Tumor Heterogeneity / C. Nioche, F. Orlhac, S. Boughdad [et al.] // Cancer Research. 2018. Vol. 78, Iss. 16. P. 4786–4789. DOI: https://doi.org/10.1158/0008-5472.CAN‑18-0125.
Andrade D., Gifford H., Das M. Multi-modality GLCM Image Texture Feature for Segmentation and Tissue Classification // Medical Imaging 2023 : Physics of Medical Imaging : Proceedings / Ed. by R. Fahrig, J. M. Sabol, L. Yu. SPIE, 2023. P. 124634P. Vol. 12463. DOI: https://doi.org/10.1117/12.2659078.
Husain A., Vishvakarma V. P. RES-KELM Fusion Model Based on Non-iterative Deterministic Learning Classifier for Classification of Covid19 Chest X‑Ray Images // Journal of Intelligent Systems. Vol. 32, Iss. 1, Art. No. 20220235. DOI: https://doi.org/10.1515/jisys‑2022-0235.
Лечебная физкультура при повреждении ротаторной манжеты плеча / Д. Н. Бобунов, В. Д. Михайлов, М. С. Овсянников [и др.] // Уральский медицинский журнал. 2019. № 14. С. 92–99. EDN: https://elibrary.ru/iaegcp.
Kaur P. P., Singh S. Classification of Herbal Plant and Comparative Analysis of SVM and KNN Classifier Models on the Leaf Features Using Machine Learning // Soft Computing for Intelligent Systems / Ed. by N. Marriwala, C. C. Tripathi, S. Jain, S. Mathapathi. Singapore : Springer, 2021. P. 227–239. DOI: https://doi.org/10.1007/978-981-16-1048-6_17.
Balasubramanian K., Kishore R., Krishnamoorthy G. D. Optimal Knee Osteoarthritis Diagnosis Using Hybrid Deep Belief Network Based on Swarm Optimization Method // Concurrency and Computation: Practice and Experience. 2022. Vol. 34, Iss. 13, Art. No. e6913. DOI: https://doi.org/10.1002/cpe.6913.
Messaoudene K., Harrar K. Computerized Diagnosis of Knee Osteoarthritis from X‐Ray Images Using Combined Texture Features: Data from the Osteoarthritis Initiative // International Journal of Imaging Systems and Technology. 2024. Vol. 34, Iss. 2, Art. No. e23063. DOI: https://doi.org/10.1002/ima.23063.
AI-Assisted Tuberculosis Detection and Classification from Chest X‑Rays Using a Deep Learning Normalization-Free Network Model / V. Acharya, G. Dhiman, K. Prakasha [et al.] // Computational Intelligence and Neuroscience. 2022. Vol. 2022, Art. No. 2399428. DOI: https://doi.org/10.1155/2022/2399428.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная
© 2024 Жиляков А. А., Волокитина Е. А.