卷積神經網絡在類風濕性關節炎X光影像自動識別的應用及效果分析

□ 魏巍 WEI Wei 徐衛峰 XU Wei-feng

Rheumatoid arthritis is an inflammatory immune disease characterized by progressive destruction of joints. In recent years, X-ray imaging has been widely used in clinical diagnosis. It is of great significance for evaluating joint bone density and bone erosion. However, in the past, artificial direct evaluation of rheumatoid arthritis X-ray images has been used in clinical practice, and there has been a lack of computerized diagnostic data for X-ray image recognition. This study used the convolutional neural network method in deep learning to automatically determine the severity of rheumatoid arthritis from X-ray images. This method greatly improved the level of automation of diagnosis, reduced the workload of medical workers, and provided more objective diagnosis results.

類風濕性關節炎(Rheumatoid arthritis，RA)是一種以炎性滑膜炎為主的慢性、系統性疾病，臨床表現為手、足等小關節的侵襲性炎癥，或伴有關節外器官受累[1-2]。目前，臨床對于類風濕性關節炎的輔助檢查及診斷方法主要有實驗室檢驗、影像學檢查、關節鏡檢查、關節穿刺等。其中，X光影像學檢查是類風濕性關節炎診斷的主要方法。計算機輔助診斷技術的發展與應用，對提高類風濕性關節炎X光影像診斷的準確率有重要幫助，尤其是深度學習算法中的卷積神經網絡(Convolutional Neural Networks, CNN)在醫療圖像領域疾病輔助診斷中發揮了重要的作用[3-4]。在何新宇[5]等人的研究中，改進后的卷積神經網絡對肺炎影像識別的準確率高達96.77%。國外Kermany[6]、Seiichi[7]等人的研究也證實遷移學習在疾病診斷與治療、類風濕性關節炎骨侵蝕影像識別中的重要作用。目前鮮少有研究提及深度學習中卷積神經網絡在類風濕性關節炎X光影像智能識別中的應用，本文對此進行了研究。

相關領域研究現狀及分析

我國有超過1億的關節炎患者，類風濕性關節炎作為最常見的關節疾病之一，在我國的發病率為0.3～0.4%[8]。對于該病的診斷，目前常用的方法是X光檢查，其影像可見患者關節面模糊、關節面囊性病變、骨侵襲性破壞等。實踐發現，由于影像效果和醫生經驗的局限，部分患者的X光檢查結果呈假陽性，醫生單憑肉眼觀察X光片，可能會因為經驗不足、圖像質量、長時間瀏覽造成疲憊等而產生錯誤解讀，一些不常見的影像特征容易被忽視，導致漏診誤診[9]。基于此，計算機輔助診斷深度學習算法便應運而生。

利用深度學習算法輔助診斷類風濕性關節炎，可以在一定程度上避免人為因素導致的診斷失誤，提高診斷效率。將深度學習中卷積神經網絡應用于醫學影像分析，成為越來越多臨床醫務工作者的選擇[10]。卷積神經網絡通過一系列的卷積層與池化層，