Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/49801
Type: Dissertação
Title: Análise e desenvolvimento de redes neurais convolucionais para o diagnóstico radiográfico de osteoartrite dos joelhos no Estudo Longitudinal da Saúde do Adulto – Musculoesquelético (ELSA-Brasil MSK)
Other Titles: Analysis and development of Convolutional Neural Networks for diagnosis of Osteoarthritis in knee radiographs of the Brazilian Longitudinal Study of Adult Health Musculoskeletal (ELSA-Brasil MSK)
Authors: Júlio Guerra Domingues
First Advisor: Rosa Weiss Telles
First Co-advisor: Sandhi Maria Barreto
metadata.dc.contributor.advisor-co2: Alexei Manso Correa Machado
First Referee: Luciana Costa Silva
Second Referee: Flavio Vinicius Diniz de Figueiredo
Abstract: Introdução: A osteoartrite dos joelhos (OAJ) é usualmente diagnosticada por meio da interpretação de radiografias utilizando-se o sistema de classificação de Kellgren-Lawrence (KL), que envolve a avaliação de osteófitos e redução de espaço articular. Em estudos epidemiológicos longitudinais de larga escala, tal classificação é realizada por médicos especialistas, em um processo laborioso e demorado que exige treinamento rigoroso. Nesse contexto, a aplicação de modelos computacionais para classificação automática da OAJ pode contribuir para o fluxo de diagnóstico, reduzindo o número total de exames a serem avaliados por humanos. Dentre os modelos de classificação automática, destacam-se as redes neurais convolucionais (RNC), que têm demonstrado resultados promissores na área de diagnóstico médico por imagem. Estudos recentes demonstraram, todavia, que o desenvolvimento e a validação das RNC atualmente existentes estão concentrados na população de países desenvolvidos, demonstrando a necessidade de maior validação externa de tais ferramentas. Objetivos: Avaliar o desempenho de uma RNC já publicada para o diagnóstico de OAJ nas radiografias dos joelhos dos participantes do ELSA-Brasil MSK e desenvolver uma nova RNC treinada a partir dos exames da linha de base do ELSA-Brasil MSK. Método: Trata-se de um estudo transversal realizado com exames radiográficos da linha de base do ELSA-Brasil MSK. O ELSA-Brasil MSK, estudo ancilar ao Estudo Longitudinal da Saúde do Adulto (ELSA-Brasil), incluiu, em sua linha de base, 2901 servidores públicos ativos ou aposentados de duas grandes instituições de ensino e pesquisa de Minas Gerais. Para a verificação de desempenho da RNC previamente publicada, foi selecionada uma amostra de conveniência composta por 244 radiografias. As predições da RNC foram comparadas com a classificação KL e diagnóstico de OA realizada pelos radiologistas do ELSA-Brasil MSK. Para o desenvolvimento da RNC, foram utilizadas todas as radiografias da linha de base do ELSA-Brasil MSK (5660 joelhos). Os exames foram interpretados por médico radiologista com treinamento específico e calibração já publicada. Resultados: A RNC previamente publicada apresentou área sob a curva característica de operação do receptor (AUC) de 0,901 para o diagnóstico de OA (IC 95% 0,858-0,945). A RNC desenvolvida a partir das radiografias e classificações do ELSA-Brasil MSK apresentou (AUC) de 0,866 (IC 95% 0,842-0,882). Conclusões: As RNC avaliadas apresentaram desempenho equivalente para a avaliação das radiografias do ELSA-Brasil MSK. A utilização de tais programas, isolada ou conjuntamente, pode auxiliar como mecanismo de triagem, reduzindo o número total de exames avaliados pelos radiologistas do estudo, e/ou como ferramenta de segunda leitura, contribuindo com a redução de possíveis erros de interpretação.
Abstract: Introduction: Knee Osteoarthritis (KOA) is frequently diagnosed by evaluating radiographies according to the Kellgren-Lawrence (KL) grading system, which involves the assessment of osteophytes and articular joint-space narrowing. In large-scale longitudinal epidemiological studies, such classification is performed by specialist physicians, in a laborious and time-consuming process that requires rigorous training. In this context, the application of computational models for automated KOA classification can contribute to the diagnostic flow, reducing the total number of exams to be evaluated by humans. Among the automatic classification models, convolutional neural networks (CNN) stand out, having demonstrated promising results in the medical imaging diagnosis field. Recent studies have shown, however, that the development and validation of currently existing CNN is concentrated in the population of developed countries, demonstrating the need for greater external validation of such methods. Objectives: To evaluate the performance of a previously published CNN for KOA diagnosis on radiographs of ELSA-Brasil MSK participants and to develop a CNN from scratch trained with the ELSA-Brasil MSK baseline exams. Method: This is a cross-sectional study carried out with radiographies from ELSA-Brasil MSK’s baseline. The ELSA-Brasil MSK, an ancillary study to the Longitudinal Study of Adult Health (ELSA-Brasil), included, in its baseline, 2901 active or retired public servants from two large teaching and research institutions in Minas Gerais. To verify the performance of the previously published CNN, a convenience sample consisting of 243 radiographs was selected. CNN predictions were compared with the KL classification and OA diagnosis performed by ELSA-Brasil MSK’s radiologists. For the development of the CNN, all radiographies from the baseline of the ELSA-Brasil MSK (5660 knees) were used. The exams were interpreted by a radiologist with specific training and calibration, previously published. Results: The previously published CNN presented an area under receptor operating characteristics curve (AUC) of 0.901 for the diagnosis of OA (CI 95%: 0.858-0.945). The CNN developed from the radiographs and classifications of the ELSA-Brasil MSK presented an (AUC) of 0.866 (95% CI: 0.842-0.882). Conclusions: The evaluated CNN presented similar performance for the evaluation of the ELSA-Brasil MSK radiographies. The use of such models can help as a screening tool, reducing the total number of exams evaluated by the radiologists of the study, and/or as a dual reading tool, contributing to the reduction of possible interpretation errors.
Subject: Osteoartrite do Joelho
Redes Neurais de Computação
Aprendizado de Máquina
Diagnóstico por Computador
Estudos Epidemiológicos
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: MEDICINA - FACULDADE DE MEDICINA
metadata.dc.publisher.program: Programa de Pós-Graduação em Ciências Aplicadas à Saúde do Adulto
Rights: Acesso Restrito
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nc-nd/3.0/pt/
URI: http://hdl.handle.net/1843/49801
Issue Date: 22-Nov-2022
metadata.dc.description.embargo: 22-Nov-2024
Appears in Collections:Dissertações de Mestrado



This item is licensed under a Creative Commons License Creative Commons