論文の概要: Stacked Ensemble of Fine-Tuned CNNs for Knee Osteoarthritis Severity Grading

• arxiv url: http://arxiv.org/abs/2511.22143v1
• Date: Thu, 27 Nov 2025 06:20:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.42297
• Title: Stacked Ensemble of Fine-Tuned CNNs for Knee Osteoarthritis Severity Grading
• Title（参考訳）: 変形性膝関節症に対する微調整CNNの重ね合わせ
• Authors: Adarsh Gupta, Japleen Kaur, Tanvi Doshi, Teena Sharma, Nishchal K. Verma, Shantaram Vasikarla,
• Abstract要約: 変形性膝関節症 (KOA) は, 日常活動において大きな限界と障害を生じさせる筋骨格疾患である。 KOAを評価するために、損傷した膝のX線画像を分析し、Kelgren-Lawrence(KL)グレーディングシステムに基づいてグレードを割り当てる。 微調整畳み込みニューラルネットワーク(CNN)の重畳アンサンブルモデルを開発した。
• 参考スコア（独自算出の注目度）: 4.278354829803626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knee Osteoarthritis (KOA) is a musculoskeletal condition that can cause significant limitations and impairments in daily activities, especially among older individuals. To evaluate the severity of KOA, typically, X-ray images of the affected knee are analyzed, and a grade is assigned based on the Kellgren-Lawrence (KL) grading system, which classifies KOA severity into five levels, ranging from 0 to 4. This approach requires a high level of expertise and time and is susceptible to subjective interpretation, thereby introducing potential diagnostic inaccuracies. To address this problem a stacked ensemble model of fine-tuned Convolutional Neural Networks (CNNs) was developed for two classification tasks: a binary classifier for detecting the presence of KOA, and a multiclass classifier for precise grading across the KL spectrum. The proposed stacked ensemble model consists of a diverse set of pre-trained architectures, including MobileNetV2, You Only Look Once (YOLOv8), and DenseNet201 as base learners and Categorical Boosting (CatBoost) as the meta-learner. This proposed model had a balanced test accuracy of 73% in multiclass classification and 87.5% in binary classification, which is higher than previous works in extant literature.
• Abstract（参考訳）: 変形性膝関節症 (KOA) は、特に高齢者の日常活動において重大な制限や障害を引き起こす筋骨格疾患である。 KOAの重症度を評価するために、典型的には膝のX線画像を分析し、Kelgren-Lawrence (KL) グレーティングシステムに基づいて、Kellgren-Lawrence (KL) グレーディングシステムに基づいて、KOAの重症度を0から4の5レベルに分類する。 このアプローチには高いレベルの専門知識と時間が必要であり、主観的解釈の影響を受けやすいため、潜在的な診断の不正確さがもたらされる。 この問題に対処するために、細調整畳み込みニューラルネットワーク(CNN)の積み重ねアンサンブルモデルが2つの分類タスクのために開発された。 提案したスタック型アンサンブルモデルは,MobileNetV2,You Only Look Once (YOLOv8),DenseNet201をベースラーナとして,Categorical Boosting (CatBoost)をメタラーナとして,さまざまな事前トレーニング済みアーキテクチャで構成されている。 このモデルでは,多クラス分類では73%,バイナリ分類では87.5%のバランステスト精度が得られた。

関連論文リスト

• Cough Classification using Few-Shot Learning [0.7136933021609079]
  我々は,限定ラベル付きデータの課題に対処するために,有声音のスペクトル表現を用いたプロトタイプネットワークを利用する。 本研究は,従来の深層学習手法に匹敵する性能をモデルで実現できるかを評価する。 実験結果から,数発の学習モデルが競合精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-11T14:56:47Z)
• CLIP-KOA: Enhancing Knee Osteoarthritis Diagnosis with Multi-Modal Learning and Symmetry-Aware Loss Functions [2.9854771359202275]
  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。
  論文  参考訳（メタデータ） (2025-04-28T03:10:24Z)
• 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)
• Class-Imbalanced Graph Learning without Class Rebalancing [62.1368829847041]
  クラス不均衡は実世界のノード分類タスクでよく見られ、グラフ学習モデルには大きな課題がある。 本研究では、トポロジカルパラダイムからクラス不均衡バイアスの根本原因にアプローチする。 我々は,クラス再バランスを伴わずにクラス不均衡バイアスを軽減するために,軽量なトポロジカル拡張フレームワークであるBATを考案した。
  論文  参考訳（メタデータ） (2023-08-27T19:01:29Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• 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 Discriminative Representation via Metric Learning for Imbalanced Medical Image Classification [52.94051907952536]
  本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。 主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-07-14T14:57:01Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)

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。