論文の概要: A Multi-Site Study on AI-Driven Pathology Detection and Osteoarthritis Grading from Knee X-Ray

• arxiv url: http://arxiv.org/abs/2503.22176v1
• Date: Fri, 28 Mar 2025 06:41:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 19:09:59.586649
• Title: A Multi-Site Study on AI-Driven Pathology Detection and Osteoarthritis Grading from Knee X-Ray
• Title（参考訳）: 膝X線によるAIによる関節症診断と変形性関節症像の多面的検討
• Authors: Bargava Subramanian, Naveen Kumarasami, Praveen Shastry, Kalyan Sivasailam, Anandakumar D, Keerthana R, Mounigasri M, Abilaasha G, Kishore Prasath Venkatesh,
• Abstract要約: 変形性関節症や変形性膝関節症のような骨の健康障害は、世界的な健康問題を引き起こす。 本研究では, 膝X線を解析し, 重要な病態を検出するAIシステムを提案する。 また、変形性関節症の重症度も評価し、タイムリーにパーソナライズされた治療を可能にしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Introduction: Bone health disorders like osteoarthritis and osteoporosis pose major global health challenges, often leading to delayed diagnoses due to limited diagnostic tools. This study presents an AI-powered system that analyzes knee X-rays to detect key pathologies, including joint space narrowing, sclerosis, osteophytes, tibial spikes, alignment issues, and soft tissue anomalies. It also grades osteoarthritis severity, enabling timely, personalized treatment. Study Design: The research used 1.3 million knee X-rays from a multi-site Indian clinical trial across government, private, and SME hospitals. The dataset ensured diversity in demographics, imaging equipment, and clinical settings. Rigorous annotation and preprocessing yielded high-quality training datasets for pathology-specific models like ResNet15 for joint space narrowing and DenseNet for osteoarthritis grading. Performance: The AI system achieved strong diagnostic accuracy across diverse imaging environments. Pathology-specific models excelled in precision, recall, and NPV, validated using Mean Squared Error (MSE), Intersection over Union (IoU), and Dice coefficient. Subgroup analyses across age, gender, and manufacturer variations confirmed generalizability for real-world applications. Conclusion: This scalable, cost-effective solution for bone health diagnostics demonstrated robust performance in a multi-site trial. It holds promise for widespread adoption, especially in resource-limited healthcare settings, transforming bone health management and enabling proactive patient care.
• Abstract（参考訳）: 序説: 変形性関節症や骨粗しょう症などの骨疾患は、世界的な健康上の大きな課題を引き起こし、診断ツールが限られているため診断が遅れることがしばしばある。 本研究は, 膝X線を解析し, 関節領域の狭小化, 硬化症, 骨芽細胞, 骨スパイク, アライメント問題, 軟部組織異常など, 重要な病態を検出するシステムを提案する。 また、変形性関節症の重症度も評価し、タイムリーにパーソナライズされた治療を可能にしている。 研究デザイン: この研究は、政府、民間、中小企業の病院にまたがる多施設のインドの臨床試験から、13万個の膝X線を使用した。 データセットは、人口統計、撮像装置、臨床設定の多様性を保証する。 厳密なアノテーションと前処理は、関節スペース絞りのためのResNet15や変形性関節症のグレーディングのためのDenseNetのような病理モデルのための高品質なトレーニングデータセットを提供する。 パフォーマンス: このAIシステムは、多様な撮像環境にわたって強力な診断精度を達成した。 Mean Squared Error(MSE)、Intersection over Union(IoU)、Dice coefficient(Dice係数)を用いて評価した。 年齢、性別、製造業者によるサブグループ分析により、現実世界の応用における一般化可能性が確認された。 結論: このスケーラブルで費用対効果の高い骨の健康診断ソリューションは多施設試験において堅牢な性能を示した。 特にリソース制限された医療環境において広く採用されることを約束し、骨の健康管理を変革し、積極的な患者のケアを可能にする。

関連論文リスト

• ColonScopeX: Leveraging Explainable Expert Systems with Multimodal Data for Improved Early Diagnosis of Colorectal Cancer [3.541280502270993]
  大腸癌(CRC)は、がん関連死亡の2番目に多い原因であり、世界でも3番目に多い悪性腫瘍である。 CRCの早期発見は、その非特異的でしばしば恥ずかしい症状のため、依然として問題である。 説明可能なAI(XAI)手法を利用した機械学習フレームワークであるColonScopeXを提案する。
  論文  参考訳（メタデータ） (2025-04-09T20:45:11Z)
• Autonomous AI for Multi-Pathology Detection in Chest X-Rays: A Multi-Site Study in the Indian Healthcare System [0.0]
  この研究は、胸部X線(CXR)解釈のための自律型AIシステムの開発について概説している。 このシステムは、Vision Transformers、Faster R-CNN、および様々なUNetモデルを含む高度なアーキテクチャを統合している。 インドでは、診断センター、大病院、政府病院を含む17の医療システムに配備された。
  論文  参考訳（メタデータ） (2025-03-28T09:07:17Z)
• AI-Driven MRI Spine Pathology Detection: A Comprehensive Deep Learning Approach for Automated Diagnosis in Diverse Clinical Settings [0.0]
  本研究では,MRI脊椎病理診断のための自律型AIシステムの開発について述べる。 データセットは年齢層、性別、スキャナーメーカー間でバランスを取り、堅牢性と適応性を保証する。 このシステムは、インドの主要医療機関13社に展開され、診断センター、大病院、政府施設を含む。
  論文  参考訳（メタデータ） (2025-03-26T08:33:03Z)
• Vision-Language Models for Acute Tuberculosis Diagnosis: A Multimodal Approach Combining Imaging and Clinical Data [0.0]
  本研究では,SIGLIPとGemma-3bアーキテクチャを併用したVLM(Vision-Language Model)を提案する。 VLMは胸部X線からの視覚データを臨床コンテキストと組み合わせて、詳細なコンテキスト認識診断レポートを生成する。 結石,空洞,結節などの急性TBの病態は,高い精度とリコールで検出された。
  論文  参考訳（メタデータ） (2025-03-17T14:08:35Z)
• MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
  Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。 本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。 MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
  論文  参考訳（メタデータ） (2025-02-06T12:27:35Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• 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)
• 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)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。