OsteoClicks膝骨关节炎医学影像处理系统
项目背景
膝关节软骨医学影像的分割旨在从膝关节磁共振图像的背景中识别出不同类型软骨的像素。在使用手动和半自动分割方法时，分割三种不同类型的软骨是一项具有挑战性的繁琐任务。如果选择手动或半自动分割方法来分割膝关节软骨，则需要用户的知识和经验才能获得稳健的分割结果。这是因为膝关节的解剖结构复杂，病理变化随膝关节骨关节炎的严重程度而变化。进一步研究基于严重程度的骨关节炎膝关节软骨分割对于医疗保健行业是非常必要的。
简介
早期诊断和治疗骨关节炎的前期病症同样可以改善治疗效果，减少关节炎中最常见的 OA 的致残率和治疗费用。典型 OA 结构变化的影像学特征包括骨质增生形成、关节间隙变窄、软骨下骨增厚和囊肿形成。关节间隙狭窄是关节软骨完整性的一种间接且高度不敏感的衡量标准，是目前衡量改变疾病疗法对 OA 临床疗效的标准。对有效诊断解决方案的需求刺激了对医学图像分析软件的需求。根据 Grand View Research, Inc. 的最新报告，全球医学图像分析软件市场预计在 2020 年至 2027 年期间将以 8.1% 的复合年增长率（CAGR）增长，到 2027 年将达到 45.1 亿美元。
合作
  • 合作方式 联合开发
  • 项目负责人 颜宏盛
技术优势
1. 现有的膝关节分割工作主要集中在膝关节软骨、骨骼或骨髓病变的分割上。然而，这种分割很难扩展到临床应用。在这项工作中，我们开发了一款可提供全膝关节分割的集成软件。
2. 现有作品都沉迷于使用深度学习进行自动膝关节分割。然而，膝关节软骨的一些形状/曲率具有挑战性。在这项工作中，开发了一种基于 SAGE 的新型半自动分割方法，利用用户先验知识的优势生成理想的输出结果。
3. 学术研究工作更执着于引入新颖、更复杂的深度学习模型，以牺牲计算成本为代价获得更好的性能。然而，这在实时临床使用中并不实用。本作品开发了一种基于 U-net 的深度学习模型，以满足临床实践的需要。
应用场景
医疗保健、医学影像和制药业/医学诊断和生物标记物调查
对应课题
无
知识产权
1、CRLY2022W02262,利用卷积神经网络模型深度学习膝关节分割
2、CRLY2021W00723,利用膝关节软骨分割模型进行种子自动生成