Applicazione del modello di apprendimento profondo multitask nella classificazione della gravità della degenerazione delle faccette articolari spinali

L'artrosi delle faccette articolari spinali è una malattia con un'elevata incidenza tra le persone di età superiore ai 40 anni. È una malattia caratterizzata da una serie di alterazioni patologiche degenerative e segni clinici della sinovia, della cartilagine articolare, dell'osso subcondrale, dello spazio articolare e dei tessuti accessori delle faccette articolari spinali sotto l'azione di molteplici fattori. Alcuni fattori fisiologici o patologici possono portare all'artrosi delle faccette articolari spinali. I pazienti con artrosi della faccetta spinale hanno spesso diversi gradi di manifestazioni cliniche come mal di schiena e discinesia, che influenzano in modo significativo la salute fisica e mentale dei pazienti. La gravità dell'artrosi della faccetta spinale non solo ha un certo impatto sulla lombalgia e sui cambiamenti nella densità muscolare lombare, ma influisce anche sulla gestione del paziente e sul piano di trattamento. Al momento, diversi medici hanno una certa soggettività nella lettura della classificazione dell'artrosi della faccetta lombare e la coerenza e la ripetibilità dei risultati sono scarse. Inoltre, i medici devono leggere le immagini delle immagini e giudicare che la classificazione è un lavoro molto dispendioso in termini di tempo e ripetitivo. Negli ultimi anni, l'applicazione della tecnologia del deep learning nell'analisi delle immagini mediche è stata ampiamente interessata dai medici. Il deep learning ha grandi potenziali vantaggi nella diagnostica per immagini mediche. Può fornire report semiautomatici sotto la supervisione di radiologi, in modo da migliorare l'accuratezza, la coerenza, l'obiettività e la rapidità della valutazione del grado di malattia e supportare ulteriormente il processo decisionale clinico su questa base. Questo progetto prevede di sviluppare un sistema di diagnosi e classificazione intelligente per le malattie degenerative delle piccole articolazioni della colonna vertebrale con multi task e apprendimento approfondito e verificarne la fattibilità clinica, con l'obiettivo di aiutare i medici a migliorare l'accuratezza, la coerenza, l'obiettività e la rapidità del valutazione del grado di malattia corrispondente e supportare ulteriormente il processo decisionale clinico di follow-up.