余可妍，张晓东

(南方医科大学第三附属医院影像科，广东 广州 510630)

深度学习(deep learning, DL)是基于包含多个层级的、复杂的神经网络实现机器学习方法，能高效、快捷地处理大量数据，避免人工处理过程中因疲劳等因素而导致错误。近年来，DL飞速发展，现已可用于自动分割图像的器官、处理图像及诊断疾病。膝关节是骨关节炎的重要好发部位，晚期具有致残性和不可逆性。本文对DL在影像学诊断膝关节病变的研究进展进行综述。

1 DL概述

DL模型是以深度神经网络为结构基础的计算机模型。不同于传统的需要先验知识架构及大量预处理的机器学习模型，DL不仅能自动提取原始数据中特征，亦能分析特征之间的复杂关系，故可在无先验特征定义的情况下提取有意义的图像特征[1-2]。卷积神经网络(convolutional neural network, CNN)是用于医学影像学研究的主要神经网络结构，擅长提取高级特征，随着网络深度增加，CNN模型精度越来越高，DL由此得名[3]。医学影像中DL模型的任务目标主要包括疾病分类、检测及定位和病灶分割组织器官。

DL模型在训练过程中通常将数据分为训练集、验证集及测试集，训练集用于模型拟合，验证集用于调整参数及初步评估模型效能，测试集则用于测试模型的泛化能力。当样本量较小时，可进行K倍交叉验证，以对模型进行充分训练，也可先以其他数据对模型进行训练，获得初始权值后再于样本中进行训练，以对模型加以调整[4-6]，即迁移学习。

2 DL在膝关节影像学诊断中的应用及其评估指标

各种DL研究主要针对MRI进行，包括形态学MRI及定量MRI，对于发现并准确评估OA的发生、发展过程以及评价疗效等具有重要作用[7]。……