Resumen

La artrosis de rodilla (OA) es uno de los trastornos musculoesqueléticos más frecuentes. En la actualidad, el diagnóstico de la OA se realiza mediante la evaluación de los síntomas y de las radiografías simples, pero este proceso adolece de la subjetividad de los médicos. En este estudio, comparamos retrospectivamente cinco métodos de aprendizaje automático comúnmente utilizados, especialmente la red CNN, para predecir los datos de imágenes de rayos X del mundo real de las articulaciones de la rodilla de dos hospitales diferentes utilizando el grado Kellgren-Lawrence (K-L) de OA de rodilla para ayudar a los médicos a elegir las herramientas auxiliares adecuadas. Además, presentamos mapas de atención de la CNN para resaltar las características radiológicas que afectan a la decisión de la red. Esta información hace que el proceso de decisión sea transparente para los facultativos, lo que genera una mayor confianza en estos métodos automáticos y, además, reduce la carga de trabajo de los médicos, especialmente en zonas remotas sin suficiente personal médico.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:trastornos musculoesqueléticos comunes, suficiente personal médico, métodos de aprendizaje automático, herramientas auxiliares adecuadas, datos de imágenes de rayos, tales métodos automáticos, médicos, red CNN, diagnóstico de OA, Tal información
• Keywords:common musculoskeletal disorders, enough medical staff, machine learning methods, proper auxiliary tools, ray imaging data, such automatic methods, doctors, CNN network, OA diagnosis, Such information