本文介绍了多种基于深度学习的膝关节骨关节炎（OA）自动诊断方法，重点在于使用X光和MRI图像进行分类和分割。研究表明，深度学习模型在膝关节OA的预测和评估中表现优异，尤其是结合临床变量和影像数据的应用前景。

通过使用神经网络实现软骨骨分割和基于骨骼图的非刚性配准方法，能够精确地将 CT 通路映射到个体患者上，提高内脏器官的可视性。

通过改进的生物先验条件，我们提出了一种基于Transformer的分割模型，能够准确预测多个年龄组的软骨。实验证明，我们的新模型在小鼠软骨数据集上表现出更高的优越性，并在另一个具有不同突变的小鼠软骨数据集上具有良好的泛化能力。