論文の概要: Diffusion-based Counterfactual Augmentation: Towards Robust and Interpretable Knee Osteoarthritis Grading

• arxiv url: http://arxiv.org/abs/2506.15748v1
• Date: Wed, 18 Jun 2025 04:16:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.761269
• Title: Diffusion-based Counterfactual Augmentation: Towards Robust and Interpretable Knee Osteoarthritis Grading
• Title（参考訳）: 拡散型人工膝関節置換術 : ロバストおよび解釈可能な変形性膝関節症移植に向けて
• Authors: Zhe Wang, Yuhua Ru, Aladine Chetouani, Tina Shiang, Fang Chen, Fabian Bauer, Liping Zhang, Didier Hans, Rachid Jennane, William Ewing Palmer, Mohamed Jarraya, Yung Hsin Chen,
• Abstract要約: 本稿では,モデルの堅牢性と解釈可能性を高める拡散型対実拡張(DCA)の枠組みを提案する。 このフレームワークは、モデル不確実性を堅牢なトレーニング信号に変換し、より正確で信頼性の高い自動診断システムを開発するための有望な経路を提供する。
• 参考スコア（独自算出の注目度）: 7.748673766536236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated grading of Knee Osteoarthritis (KOA) from radiographs is challenged by significant inter-observer variability and the limited robustness of deep learning models, particularly near critical decision boundaries. To address these limitations, this paper proposes a novel framework, Diffusion-based Counterfactual Augmentation (DCA), which enhances model robustness and interpretability by generating targeted counterfactual examples. The method navigates the latent space of a diffusion model using a Stochastic Differential Equation (SDE), governed by balancing a classifier-informed boundary drive with a manifold constraint. The resulting counterfactuals are then used within a self-corrective learning strategy to improve the classifier by focusing on its specific areas of uncertainty. Extensive experiments on the public Osteoarthritis Initiative (OAI) and Multicenter Osteoarthritis Study (MOST) datasets demonstrate that this approach significantly improves classification accuracy across multiple model architectures. Furthermore, the method provides interpretability by visualizing minimal pathological changes and revealing that the learned latent space topology aligns with clinical knowledge of KOA progression. The DCA framework effectively converts model uncertainty into a robust training signal, offering a promising pathway to developing more accurate and trustworthy automated diagnostic systems. Our code is available at https://github.com/ZWang78/DCA.
• Abstract（参考訳）: 変形性膝関節症(KOA)のX線写真からの自動評価は, 深層学習モデル, 特に臨界決定境界付近における大きなサーバ間変動と限られたロバスト性により困難である。 これらの制約に対処するため,本論文では,対象とする対実例を生成することにより,モデルロバスト性と解釈可能性を高める拡散型対実拡張(DCA)という新しいフレームワークを提案する。 この方法は確率微分方程式(SDE)を用いて拡散モデルの潜時空間をナビゲートし、分類器インフォームド境界ドライブと多様体制約のバランスをとる。 結果のカウンターファクトは自己修正学習戦略の中で使われ、不確実性のある特定の領域に焦点をあてて分類器を改善する。 OAI(Publicartharthritis Initiative)とMOST(Multicenterartharthritis Study)データセットの大規模な実験は、このアプローチが複数のモデルアーキテクチャーの分類精度を大幅に改善することを示した。 さらに、この方法は、最小限の病理学的変化を可視化し、学習された潜在空間トポロジーがKOA進行の臨床的知識と整合していることを明らかにすることにより、解釈可能性を提供する。 DCAフレームワークは、モデル不確実性を堅牢なトレーニング信号に変換し、より正確で信頼性の高い自動診断システムを開発するための有望な経路を提供する。 私たちのコードはhttps://github.com/ZWang78/DCAで公開されています。

関連論文リスト

• Uncertainty-Aware Multi-Expert Knowledge Distillation for Imbalanced Disease Grading [9.879930338032736]
  我々は,複数のエキスパートモデルから単一学生モデルに知識を伝達するための,新しいtextbfUncertainty-aware textbfMulti-experts textbfKnowledge textbfDistillation (UMKD) フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-01T15:26:23Z)
• Domain Adaptive Diabetic Retinopathy Grading with Model Absence and Flowing Data [45.75724873443564]
  ドメインシフトは、糖尿病網膜症などの臨床応用において重要な課題である。 本稿では,データ中心の観点から適応可能なGUES(Generative Unadversarial Examples)を提案する。
  論文  参考訳（メタデータ） (2024-12-02T07:14:25Z)
• Adaptive Variance Thresholding: A Novel Approach to Improve Existing Deep Transfer Vision Models and Advance Automatic Knee-Joint Osteoarthritis Classification [0.11249583407496219]
  Knee-Joint型変形性関節症(KOA)は、世界的な障害の原因であり、診断に本質的に複雑である。 1つの有望な分類経路は、ディープラーニングの手法を適用することである。 本研究は,学習後特殊分類器を改善するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-11-10T00:17:07Z)
• 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)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• 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)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• 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。