論文の概要: CLIP-KOA: Enhancing Knee Osteoarthritis Diagnosis with Multi-Modal Learning and Symmetry-Aware Loss Functions

• arxiv url: http://arxiv.org/abs/2504.19443v1
• Date: Mon, 28 Apr 2025 03:10:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.294649
• Title: CLIP-KOA: Enhancing Knee Osteoarthritis Diagnosis with Multi-Modal Learning and Symmetry-Aware Loss Functions
• Title（参考訳）: CLIP-KOA:マルチモーダルラーニングとシンメトリー・アウェア・ロス機能による変形性膝関節症診断の強化
• Authors: Yejin Jeong, Donghun Lee,
• Abstract要約: KOAグレード予測の一貫性と信頼性を高めるためのCLIPベースのフレームワーク(CLIP-KOA)を提案する。 CLIP-KOAは、KOA重大度予測タスクにおいて、71.86%の最先端の精度を達成する。
• 参考スコア（独自算出の注目度）: 2.9854771359202275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knee osteoarthritis (KOA) is a universal chronic musculoskeletal disorders worldwide, making early diagnosis crucial. Currently, the Kellgren and Lawrence (KL) grading system is widely used to assess KOA severity. However, its high inter-observer variability and subjectivity hinder diagnostic consistency. To address these limitations, automated diagnostic techniques using deep learning have been actively explored in recent years. In this study, we propose a CLIP-based framework (CLIP-KOA) to enhance the consistency and reliability of KOA grade prediction. To achieve this, we introduce a learning approach that integrates image and text information and incorporate Symmetry Loss and Consistency Loss to ensure prediction consistency between the original and flipped images. CLIP-KOA achieves state-of-the-art accuracy of 71.86\% on KOA severity prediction task, and ablation studies show that CLIP-KOA has 2.36\% improvement in accuracy over the standard CLIP model due to our contribution. This study shows a novel direction for data-driven medical prediction not only to improve reliability of fine-grained diagnosis and but also to explore multimodal methods for medical image analysis. Our code is available at https://github.com/anonymized-link.
• Abstract（参考訳）: 変形性膝関節症 (KOA) は世界中の全身性慢性筋骨格疾患であり、早期診断が重要である。 現在、Kelgren and Lawrence (KL) グレーティングシステムはKOAの重症度を評価するために広く使われている。 しかし、その高いサーバ間変動と主観性は診断の一貫性を妨げている。 これらの制約に対処するために,ディープラーニングを用いた自動診断技術が近年積極的に研究されている。 本研究では,KOAグレード予測の一貫性と信頼性を高めるためのCLIPベースのフレームワーク(CLIP-KOA)を提案する。 これを実現するために,画像とテキスト情報を統合した学習手法を導入し,Symmetry Loss and Consistency Lossを導入し,元の画像とフリップ画像との予測整合性を確保する。 CLIP-KOA は KOA 重症度予測タスクにおいて71.86 % の最先端精度を達成し,Ablation study の結果,CLIP-KOA は標準 CLIP モデルよりも2.36 % の精度向上を示した。 本研究は, 詳細な診断の信頼性の向上だけでなく, 医用画像解析のためのマルチモーダル手法を探求するために, データ駆動型医療予測の新しい方向性を示す。 私たちのコードはhttps://github.com/anonymized-link.comで利用可能です。

関連論文リスト

• Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
  本研究は,AI支援医療診断における信頼性の重要課題について論じる。 本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。 我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T10:15:21Z)
• Transforming Precision: A Comparative Analysis of Vision Transformers, CNNs, and Traditional ML for Knee Osteoarthritis Severity Diagnosis [0.5796283886869704]
  本研究では,従来の機械学習技術と新しい深層学習モデルの比較分析を行い,X線画像からKO重度を診断する。 この比較分析から得られた知見は、臨床診断における高度なViTモデルの統合を提唱するものである。 本研究は,5つの重度カテゴリと不均一なクラス分布を有する画像からなるOAI(Ocearthritis Initiative)の変形性関節炎データセットを用いた。
  論文  参考訳（メタデータ） (2024-10-26T03:58:58Z)
• Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community Retrieval [61.70489848327436]
  KAREは、知識グラフ(KG)コミュニティレベルの検索と大規模言語モデル(LLM)推論を統合する新しいフレームワークである。 MIMIC-IIIでは最大10.8～15.0%、MIMIC-IVでは12.6～12.7%である。
  論文  参考訳（メタデータ） (2024-10-06T18:46:28Z)
• Identity-Consistent Diffusion Network for Grading Knee Osteoarthritis Progression in Radiographic Imaging [22.005283322766832]
  変形性膝関節症(KOA)は、身体障害を引き起こす関節炎の一般的な形態である。 KOAの重症度と進行度を自動的に評価するコンピュータ支援技術は、KOA治療と疾患管理に大きな効果がある。 本研究では, IC-RDN(Identity-Consistent Radiographic Diffusion Network)という新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-31T07:12:06Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• 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)
• Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
  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。
  論文  参考訳（メタデータ） (2023-03-23T11:57:50Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• 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)

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。