EXTRACTION OF TEXTURE FEATURES FROM KNEE JOINT MRI IMAGES USING MACHINE LEARNING ALGORITHMS FOR CLASSIFICATION OF MENISCAL TEARS
В работе представлен подход к автоматической классификации состояния мениска коленного сустава на основе текстурного анализа МРТ-изображений с применением методов машинного обучения. Для извлечения признаков использовалось программное обеспече-ние MaZda 4.6, включающее показатели гистограмм, матрицы совместного появления уровней серого (GLCM), матрицы длин серий (GLRLM) и вейвлет-признаки. Отбор наиболее информа-тивных признаков выполнялся методами RFE, ANOVA и Fisher, что позволило сократить исходный набор с 297 до 16 признаков. Для бинарной классификации классов normal и tear применялись алгоритмы MLP и SVM, показавшие высокую точность (до 95%) при использовании оптимальных подмножеств признаков. Полученные результаты подтверждают диагностическую значимость текстурных характеристик и демонстрируют эффективность их использования для автоматизированного выявления разрывов мениска, что может быть полезно для поддержки клинической диагностики и прогностической оценки состояния коленного сустава.
Сведения
- Опубликовано
- 2025 · Т. 1, № 3, С. 44-58
- Язык
- Английский
- ISSN
- 1561-4212 · 2789-8210 · 3134-8009 · 3134-8017
- Издатель
- D. Serikbayev East Kazakhstan Technical University
- Аффилиации
- Восточно-Казахстанский университет им. С. Аманжолова
Назарбаев Интеллектуальная школа естественно-математического направления города Усть-Каменогорска
Восточно-Казахстанский техническийуниверситет им. Д. Серикбаева
Люблинский технический университет