Erscheinen von Deep Learning bei der Diagnose von Kniearthrose

Osteoarthritis (OA), insbesondere Knie-OA, ist die häufigste Form von Arthritis und verursacht weltweit erhebliche Behinderungen bei Patienten. Die manuelle Diagnose, Segmentierung und Annotation von Kniegelenken bleibt die gängige Methode zur Diagnose von OA in der klinischen Praxis, obwohl sie mühsam ist und stark von der Benutzervariation abhängt. Daher wurden zahlreiche Deep-Learning-Ansätze, insbesondere das Convolutional Neural Network (CNN), entwickelt, um die Effizienz des klinischen Arbeitsablaufs zu verbessern. Medizinische Bildgebungsverfahren, insbesondere solche, die dreidimensionale (3D) Bilder wie MRT erzeugen, haben die Fähigkeit, verborgene Strukturen in einer volumetrischen Ansicht aufzudecken. In Anbetracht der Tatsache, dass Veränderungen im Kniegelenk eine 3D-Komplexität darstellen, wurde in den letzten Jahren 3D-CNN eingesetzt, um das Gelenkproblem für eine genauere Diagnose zu analysieren. In diesem Review geben wir einen breiten Überblick über die aktuellen 2D- und 3D-CNN-Ansätze im OA-Forschungsbereich. Wir haben 74 Studien zur Klassifikation und Segmentierung von Knieosteoarthritis aus der Web of Science-Datenbank überprüft und die verschiedenen modernen Deep-Learning-Ansätze diskutiert. Wir haben das Potenzial und die Möglichkeit von 3D-CNN im Bereich Knieosteoarthritis hervorgehoben. Wir schlossen mit der Diskussion der möglichen Herausforderungen sowie der potenziellen Fortschritte bei der Einführung von 3D-CNNs in diesem Bereich ab.