一种基于机器学习的膝骨关节炎评估方法

本发明涉及机器学习技术领域，具体为一种基于机器学习的膝骨关节炎评估方法，包括：采集膝骨关节炎患者的膝关节T1和T2加权图像；在T1加权图像中手动分割膝关节软骨并测量膝关节软骨体积；从T2加权图像中裁切得到半月板图像并手动分割获取标注数据，构建图像数据集；训练半月板自动分割模型，分割半月板图像中的半月板；对半月板图像中间五层的半月板像素进行三分类，计算半月板空间特异性信号指数；对半月板空间特异性信号指数在诊断膝骨关节炎中的性能进行系统评估。本发明通过采集膝骨关节炎患者的膝关节T1和T2加权图像，运用半月板自动分割模型及半月板空间特异性信号指数的计算方法，精准评估膝关节半月板的损伤状况，实现膝骨关节炎的诊断。这一过程能够为骨科医生提供可靠的诊断依据，从而有效辅助膝骨关节炎的临床诊断。