論文の概要: Survey of AI-Powered Approaches for Osteoporosis Diagnosis in Medical Imaging

• arxiv url: http://arxiv.org/abs/2510.00061v1
• Date: Mon, 29 Sep 2025 06:01:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.150918
• Title: Survey of AI-Powered Approaches for Osteoporosis Diagnosis in Medical Imaging
• Title（参考訳）: 医用画像診断におけるAIを用いた骨粗しょう診断手法の検討
• Authors: Abdul Rahman, Bumshik Lee,
• Abstract要約: 骨粗しょう症は、世界中の骨格の整合性を静かに侵食する。 画像による早期発見は、ほとんどの不安定な骨折を防ぐことができる。 人工知能(AI)法は現在、微妙で臨床的に実行可能なマーカーのための定期的なX線吸収率(DXA)、X線、CT(CT)、磁気共鳴イメージング(MRI)スキャンをマイニングしている。
• 参考スコア（独自算出の注目度）: 5.359878750999925
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Osteoporosis silently erodes skeletal integrity worldwide; however, early detection through imaging can prevent most fragility fractures. Artificial intelligence (AI) methods now mine routine Dual-energy X-ray Absorptiometry (DXA), X-ray, Computed Tomography (CT), and Magnetic Resonance Imaging (MRI) scans for subtle, clinically actionable markers, but the literature is fragmented. This survey unifies the field through a tri-axial framework that couples imaging modalities with clinical tasks and AI methodologies (classical machine learning, convolutional neural networks (CNNs), transformers, self-supervised learning, and explainable AI). Following a concise clinical and technical primer, we detail our Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA)-guided search strategy, introduce the taxonomy via a roadmap figure, and synthesize cross-study insights on data scarcity, external validation, and interpretability. By identifying emerging trends, open challenges, and actionable research directions, this review provides AI scientists, medical imaging researchers, and musculoskeletal clinicians with a clear compass to accelerate rigorous, patient-centered innovation in osteoporosis care. The project page of this survey can also be found on Github.
• Abstract（参考訳）: 骨粗しょう症は、世界中の骨格の整合性を静かに損なうが、画像による早期発見は、ほとんどの不安定性骨折を予防できる。 人工知能(AI)法は現在、微妙で臨床的に実行可能なマーカーのためのデュアルエネルギーX線吸収計(DXA)、X線、CT(CT)、磁気共鳴イメージング(MRI)スキャンをマイニングしているが、文献は断片化されている。 この調査は、モダリティを臨床的タスクとAI方法論(古典的な機械学習、畳み込みニューラルネットワーク(CNN)、トランスフォーマー、自己教師型学習、説明可能なAI)と組み合わせた3軸フレームワークを通じて、フィールドを統一する。 簡潔な臨床および技術的プライマーに続いて,本論文では,システムレビューおよびメタアナリシス(PRISMA)誘導検索戦略について詳述し,ロードマップ図による分類を導入し,データ不足,外部検証,解釈可能性に関するクロススタディな洞察を合成する。 このレビューは、新しいトレンド、オープンチャレンジ、そして実行可能な研究方向を特定することで、AI科学者、医療画像研究者、および筋骨格クリニックに、骨粗しょう症治療における厳格で患者中心のイノベーションを加速するための明確なコンパスを提供する。 この調査のプロジェクトページはGithubでも公開されている。

関連論文リスト

• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。 本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。 その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis [9.615399811006034]
  HistoGymは、医師の実際の過程を模倣して、スライド画像全体の診断を促進することを目的としている。 私たちは、WSIベースのシナリオと選択された地域ベースのシナリオを含む、さまざまな臓器や癌のシナリオを提供しています。
  論文  参考訳（メタデータ） (2024-08-16T17:19:07Z)
• Exploring the Role of Convolutional Neural Networks (CNN) in Dental Radiography Segmentation: A Comprehensive Systematic Literature Review [1.342834401139078]
  この研究は、画像解析にCNN(Convolutional Neural Networks)を用いることで、歯科疾患の検出に有効なツールであることを示す。 CNNは歯のセグメンテーションと分類に利用し、全体として最高のパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-01-17T13:00:57Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• Case Studies on X-Ray Imaging, MRI and Nuclear Imaging [0.0]
  我々は、AIベースのアプローチ、特にCNN(Convolutional Neural Networks)の使用が、医療画像技術による疾患検出にどのように役立つかに焦点を当てる。 CNNは、生の入力画像から特徴を抽出できるため、画像解析の一般的な手法である。
  論文  参考訳（メタデータ） (2023-06-03T09:05:35Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。