論文の概要: Risk Estimation of Knee Osteoarthritis Progression via Predictive Multi-task Modelling from Efficient Diffusion Model using X-ray Images

• arxiv url: http://arxiv.org/abs/2506.14560v1
• Date: Tue, 17 Jun 2025 14:15:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.510613
• Title: Risk Estimation of Knee Osteoarthritis Progression via Predictive Multi-task Modelling from Efficient Diffusion Model using X-ray Images
• Title（参考訳）: X線画像を用いた効率的な拡散モデルからの予測的マルチタスクモデルによる変形性膝関節症の進展リスク推定
• Authors: David Butler, Adrian Hilton, Gustavo Carneiro,
• Abstract要約: 医療画像は早期発見と疾患モニタリングを可能にして膝関節症(OA)リスクを評価する上で重要な役割を担っている。 近年の機械学習手法は、医療画像を用いたリスク推定(病気の進行可能性予測)と予測モデル(現在のデータに基づく将来の成果予測)を改善している。 リスク推定のための将来の画像を生成する既存のアプローチは複雑で実用的ではない。 マルチタスク予測モデルを用いて膝OA進行のリスクを推定する新しい解釈可能な機械学習手法により,これらのギャップに対処する。
• 参考スコア（独自算出の注目度）: 22.108032775192846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical imaging plays a crucial role in assessing knee osteoarthritis (OA) risk by enabling early detection and disease monitoring. Recent machine learning methods have improved risk estimation (i.e., predicting the likelihood of disease progression) and predictive modelling (i.e., the forecasting of future outcomes based on current data) using medical images, but clinical adoption remains limited due to their lack of interpretability. Existing approaches that generate future images for risk estimation are complex and impractical. Additionally, previous methods fail to localize anatomical knee landmarks, limiting interpretability. We address these gaps with a new interpretable machine learning method to estimate the risk of knee OA progression via multi-task predictive modelling that classifies future knee OA severity and predicts anatomical knee landmarks from efficiently generated high-quality future images. Such image generation is achieved by leveraging a diffusion model in a class-conditioned latent space to forecast disease progression, offering a visual representation of how particular health conditions may evolve. Applied to the Osteoarthritis Initiative dataset, our approach improves the state-of-the-art (SOTA) by 2\%, achieving an AUC of 0.71 in predicting knee OA progression while offering ~9% faster inference time.
• Abstract（参考訳）: 医療画像は早期発見と疾患モニタリングを可能にして膝関節症(OA)リスクを評価する上で重要な役割を担っている。 近年の機械学習手法では,医療画像を用いたリスク推定(病気の進行可能性の予測)と予測モデル(現在のデータに基づく今後の結果の予測)が改善されているが,解釈可能性の欠如により臨床応用は限られている。 リスク推定のための将来の画像を生成する既存のアプローチは複雑で実用的ではない。 さらに、以前の手法では解剖学的膝のランドマークのローカライズに失敗し、解釈可能性が制限された。 これらのギャップを、新しい解釈可能な機械学習手法で解決し、将来の膝OA重症度を分類するマルチタスク予測モデルを用いて膝OAの進行リスクを推定し、効率よく生成された高品質な将来の画像から解剖学的膝のランドマークを予測する。 このような画像生成は、クラス条件の潜伏空間における拡散モデルを利用して、病気の進行を予測し、特定の健康状態がどのように進化するかを視覚的に表現することで達成される。 変形性膝関節症のデータセットに応用し,AUCが約9%の速さで膝OAの進行を予測し,SOTA(State-of-the-art (SOTA))を2\%改善した。

関連論文リスト

• 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)
• Learning the irreversible progression trajectory of Alzheimer's disease [11.64715654943075]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、30年にわたって展開する進行性脳疾患である。 症状の発症前に介入を適用できるように、早期に疾患の進行を捉えることが重要である。 機械学習(ML)モデルは、ADの開始を予測するのに効果的であることが示されている。
  論文  参考訳（メタデータ） (2024-03-10T04:17:42Z)
• Synthesizing Bidirectional Temporal States of Knee Osteoarthritis Radiographs with Cycle-Consistent Generative Adversarial Neural Networks [0.11249583407496219]
  変形性膝関節症(KOA)の過去と将来の経過をX線写真で解析するために,CycleGANモデルを訓練した。 このモデルは, 将来の疾患状態において特に有効であり, 後期X線像を早期に遡及的に移行する異常な能力を示した。
  論文  参考訳（メタデータ） (2023-11-10T00:15:00Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• 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)
• End-To-End Prediction of Knee Osteoarthritis Progression With Multi-Modal Transformers [2.9822184411723645]
  変形性膝関節症(KOA)は慢性筋骨格疾患である。 我々は、Deep Learningの最近の進歩を活用し、膝画像データのマルチモーダル融合のための統一的なフレームワークを開発した。 追跡分析の結果,画像データからの予測は外傷後の被験者に対してより正確であることが示唆された。
  論文  参考訳（メタデータ） (2023-07-03T09:10:57Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。