Apprendimento Profondo e LLM per la Classificazione della Gonartrosi su Dispositivi a Bassa Potenza
Un nuovo articolo di ricerca propone un approccio diagnostico automatizzato per la classificazione della gravità dell'osteoartrosi del ginocchio (KOA) utilizzando una rete neurale convoluzionale (CNN) di deep learning ottimizzata per sistemi a capacità computazionale limitata. Il modello, basato su ResNet-18, viene addestrato su un database pubblico tramite transfer learning per classificare le immagini del ginocchio in cinque gradi Kellgren-Lawrence (KL). L'approccio integra TensorFlow Lite per l'inferenza su dispositivo, con l'obiettivo di ridurre la soggettività e la variabilità inter-osservatore nella diagnosi convenzionale della KOA. L'articolo è pubblicato su arXiv con ID 2605.05731.
Fatti principali
- L'osteoartrosi del ginocchio (KOA) è un disturbo muscoloscheletrico che causa dolore cronico e ridotta mobilità.
- La diagnosi convenzionale della KOA soffre di soggettività e variabilità inter-osservatore.
- Il metodo proposto utilizza una CNN ResNet-18 con transfer learning.
- Il modello classifica le immagini del ginocchio in cinque gradi Kellgren-Lawrence (KL).
- TensorFlow Lite consente l'inferenza su dispositivi a capacità computazionale limitata.
- L'approccio mira a una diagnosi precisa e tempestiva.
- Il modello è addestrato su un database pubblico.
- L'articolo è disponibile su arXiv con ID 2605.05731.
Entità
Istituzioni
- arXiv