多序列膝关节磁共振成像 (MRI) 是一种先进的膝关节病变非侵入性诊断方法。然而，MRI 解释非常耗时，并且严重依赖于专业知识。
香港科技大学工学院的研究团队推出一种新颖的深度学习模型，可协助对 12 种常见的膝关节异行分类，提高效率和准确性。
这项研究是香港科技大学智能实验室与中国广州南方医科大学第三附属医院合作完成的。他们的创新成果最近发表在《自然通讯》杂志上，论文题为“通过 MRI 序列学习共平面注意力以诊断种膝关节异常”。
膝关节是人体主要的承重关节之一，是一种复杂的铰链关节，支撑着人体日常的各种运动。各种膝关节异常可能因衰老或受伤而发生，从而导致疼痛和功能障碍。因此，准确诊断膝关节异常对于制定治疗方案和改善患者生活质量至关重要。
由于膝关节解剖结构复杂，不同的扫描参数往往呈现出不同的结果，而且一些膝关节细微病变容易被经验不足的放射科医生忽视。
为了应对这些挑战，由香港科技大学计算机科学及工程学系和化学及生物工程学系助理教授陈浩领导的研究团队与五家医院合作，收集了1,748名患者的数据，包括矢状面、冠状面和轴向的T1加权(T1W)、T2加权(T2W)和质子密度加权(PDW)MRI序列。