基于骨振信号和深度网络的膝关节退行性病变早期筛查方法

膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨病变导致膝关节发生不可逆损伤的慢性疾病.若在KOA发病初期及时诊断并采取有效措施,则可有效延缓病程进展.由于在发病初期关节病变范围小、程度轻、患者症状不明显,传统检查手段(MRI,CT等)几乎无法得到显著的病理信息,这使得早期筛查变得十分困难.而髌骨关节摩擦音(又称为骨振信号,vibroarthrographic signal,VAG)有可能为实现早期筛查提供一种新的途径.基于此,文中以VAG信号为数据源,提出了一种基于卷积神经网络的KOA早期筛查方法.首先,结合自动裁剪、补零处理、白化处理等方法对VAG信号进行信号对齐与去相关等预处理;其次,从VAG信号频域角度出发,采用卷积神经网络实现KOA的早期筛查;最后,采用西安市某医院临床采集的772条VAG信号数据集验证所提方法的可行性与有效性.数值实验结果表明,本文所提KOA早期筛查方法准确率、灵敏度、特异性分别可达86.2％、88.20％、83.3％.