Research of Knee K-L Grade Classification using AI and Explainable Model

Abstract

퇴행성 관절염은 관절 연골이 닳게 되면서 퇴행적인 변화가 나타나는 질환이다. 무릎 퇴행성 관절염의 K-Lgrade 단계를 진단하기 위해서 일반적으로 X-ray 영상을 활용하며, 무릎 관절의 간격, 연골의 소실 정도, 골극의 형성으로 K-L grade를 판단한다. 정상 및 K-L grade 1~4단계로 구분된 데이터셋을 활용하였으며, CNN 알고리즘은 DarkNet-53 모델을 활용하였다. K-L grade 단계 구분과 골관절염 발생 여부에 대한 실험을 통해 Top-1, Top-2의 성능지표 결과를 확인하였다. K-L grade 단계의 근거가 되는 관절 간격을 측정하였고 뼈의 각도를 측정하는 알고리즘을 제안하였다. 실험 결과로 Top-2의 경우 K-L grade 단계 분류 정확도가 0.828의 결과를 보였으며, 향후 무릎 관절의 이상 징후 탐지 보조와 학습 데이터 가공 과정에 활용될 것으로 기대된다.