انواع آسیب لیگامنت از جمله آسیب لیگامنت قدامی باعث بوجود آمدن زودهنگام آرتروز و سائیدگی مفاصل زانو می شود. وجود نویز و علائم مختلف این عارضه در تصاویر تشدید مغناطیسی که نمایش خوب و واضحی از بافت های زانو دارد، تشخیص زودهنگام را دشوار می کند لذا ارائه یک مدل برای بهبود تصاویر در جهت افزایش دقت پیش بینی و طبقه بندی شدت آسیب لیگامنت در پیشگیری ابتلا به آرتروز مفید می باشد. در این مقاله از 4948 اسلاید تشدید مغناطیسی بیمار در پایگاه داده KneeMRI و دارای آسیب لیگامنت استفاده شد. پس از مراحل پیش پردازش و بررسی مدل های مختلف در راستای هدف اصلی پژوهش و بررسی استخراج صحیح ویژگی های غالب تصاویر در نهایت مشاهده گردید که مدل طبقه بندی با شبکه کانولوشن ResNet-CapsNet به همراه شبکه خودرمزنگار بر پایه شبکه U-Net با استفاده از تصاویر بدون نویز نتیجه بهتری نسبت به مدل های دیگر داشت که این خود تأثیر بسیار زیاد خودرمزنگار در دقت طبقه بندی را نشان می دهد چراکه وجود خودرمزنگار باعث بالارفتن دقت طبقه بندی در تصاویر دارای نویز در مقایسه با مدل معادل بدون خودرمزنگار و تنها با شبکه کانولوشن، می شود.
