論文の概要: Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis

• arxiv url: http://arxiv.org/abs/2303.13203v2
• Date: Wed, 15 Jan 2025 20:41:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:07:31.694990
• Title: Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis
• Title（参考訳）: 変形性膝関節症早期発見のための信頼駆動型ディープラーニングフレームワーク
• Authors: Zhe Wang, Aladine Chetouani, Yung Hsin Chen, Yuhua Ru, Fang Chen, Mohamed Jarraya, Fabian Bauer, Liping Zhang, Didier Hans, Rachid Jennane,
• Abstract要約: 膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。 我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。 実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
• 参考スコア（独自算出の注目度）: 8.193689534916988
• License:
• Abstract: Knee Osteoarthritis (KOA) is a prevalent musculoskeletal disorder that severely impacts mobility and quality of life, particularly among older adults. Its diagnosis often relies on subjective assessments using the Kellgren-Lawrence (KL) grading system, leading to variability in clinical evaluations. To address these challenges, we propose a confidence-driven deep learning framework for early KOA detection, focusing on distinguishing KL-0 and KL-2 stages. The Siamese-based framework integrates a novel multi-level feature extraction architecture with a hybrid loss strategy. Specifically, multi-level Global Average Pooling (GAP) layers are employed to extract features from varying network depths, ensuring comprehensive feature representation, while the hybrid loss strategy partitions training samples into high-, medium-, and low-confidence subsets. Tailored loss functions are applied to improve model robustness and effectively handle uncertainty in annotations. Experimental results on the Osteoarthritis Initiative (OAI) dataset demonstrate that the proposed framework achieves competitive accuracy, sensitivity, and specificity, comparable to those of expert radiologists. Cohen's kappa values (k > 0.85)) confirm substantial agreement, while McNemar's test (p > 0.05) indicates no statistically significant differences between the model and radiologists. Additionally, Confidence distribution analysis reveals that the model emulates radiologists' decision-making patterns. These findings highlight the potential of the proposed approach to serve as an auxiliary diagnostic tool, enhancing early KOA detection and reducing clinical workload.
• Abstract（参考訳）: 変形性膝関節症(KOA)は、特に高齢者において、運動量や生活の質に深刻な影響を及ぼす筋骨格障害である。 診断は、Kelgren-Lawrence (KL) グレーティングシステムを用いた主観的評価に依存し、臨床評価の多様性をもたらすことが多い。 これらの課題に対処するために,KL-0 と KL-2 のステージの区別に着目した,早期 KOA 検出のための信頼性駆動型ディープラーニングフレームワークを提案する。 Siameseベースのフレームワークは、新しいマルチレベル特徴抽出アーキテクチャとハイブリッド損失戦略を統合している。 具体的には,マルチレベルグローバル平均ポーリング(GAP)レイヤを用いて,ネットワーク深さの異なる特徴を抽出し,包括的特徴表現を確保するとともに,ハイブリッド損失戦略では,サンプルを高,中,低信頼のサブセットに分割する。 分割された損失関数は、モデルの堅牢性を改善し、アノテーションの不確実性に効果的に対処するために適用される。 OAI(Oartharthritis Initiative)データセットの実験的結果は、提案フレームワークが専門家の放射線学者に匹敵する、競争精度、感度、特異性を達成できることを実証している。 コーエンのカッパ値 (k > 0.85) は相当な一致を示したが、マクネマールのテスト (p > 0.05) はモデルと放射線学者の間に統計的に有意な違いは示さなかった。 さらに、信頼性分布分析により、このモデルが放射線学者の意思決定パターンをエミュレートすることが明らかとなった。 これらの知見は, 早期の KOA 検出と臨床負荷の低減を図り, 補助的診断ツールとしてのアプローチの可能性を強調した。

関連論文リスト

• Diagnosis of Knee Osteoarthritis Using Bioimpedance and Deep Learning [0.0]
  早期の変形性膝関節症(OA)は症状の管理と関節損傷の予防に重要である。 本稿では,正確なハードウェアとディープラーニングを組み合わせたバイオインダプタンスに基づく診断ツールを提案する。
  論文  参考訳（メタデータ） (2024-10-28T20:31:27Z)
• Feasibility Analysis of Federated Neural Networks for Explainable Detection of Atrial Fibrillation [1.6053176639259055]
  心房細動 (AFib) の早期発見は, 無症候性, 発作性に困難である。 本研究は、生のECGデータを用いてAFibを検出するために、フェデレートラーニング(FL)プラットフォーム上でニューラルネットワークをトレーニングする可能性を評価する。
  論文  参考訳（メタデータ） (2024-10-14T15:06:10Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Fast Hierarchical Learning for Few-Shot Object Detection [57.024072600597464]
  転送学習アプローチは、最近、数ショット検出タスクで有望な結果を得た。 これらのアプローチは、ベース検出器の微調整による破滅的な忘れ込みの問題に悩まされる。 この作業における上記の問題に対処する。
  論文  参考訳（メタデータ） (2022-10-10T20:31:19Z)
• Coherence Learning using Keypoint-based Pooling Network for Accurately Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
  膝関節症(英語: Knee osteoarthritis, OA)は、世界中の高齢者に影響を及ぼす一般的な変性関節疾患である。 現在臨床症状のある膝OAグレーティングシステムは観察対象であり、レイター間の相違に悩まされている。 本稿では,複合度と微粒度を同時に評価するためのコンピュータ支援型診断手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T19:59:13Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
  本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。 畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。 この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-03T19:24:25Z)
• Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
  本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。 提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
  論文  参考訳（メタデータ） (2021-06-27T17:29:46Z)
• Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
  緑内障は世界の視覚障害の主要な原因の1つである。 生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。 特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
  論文  参考訳（メタデータ） (2021-06-25T10:53:01Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。