論文の概要: Interpretability and Individuality in Knee MRI: Patient-Specific Radiomic Fingerprint with Reconstructed Healthy Personas

• arxiv url: http://arxiv.org/abs/2601.08604v1
• Date: Tue, 13 Jan 2026 14:48:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.234961
• Title: Interpretability and Individuality in Knee MRI: Patient-Specific Radiomic Fingerprint with Reconstructed Healthy Personas
• Title（参考訳）: 膝関節MRIにおける解釈可能性と個人性 : 再建された健常者を用いた患者特異的X線写真による検討
• Authors: Yaxi Chen, Simin Ni, Shuai Li, Shaheer U. Saeed, Aleksandra Ivanova, Rikin Hargunani, Jie Huang, Chaozong Liu, Yipeng Hu,
• Abstract要約: 放射線指紋(Radiomic fingerprint)は、MRIから派生した患者固有の特徴である。 健康なペルソナは、各患者に対して病理のないベースラインを合成する。 病理像から抽出した特徴を人格と比較すると、正常な解剖学からの逸脱が強調される。
• 参考スコア（独自算出の注目度）: 40.168029561784216
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For automated assessment of knee MRI scans, both accuracy and interpretability are essential for clinical use and adoption. Traditional radiomics rely on predefined features chosen at the population level; while more interpretable, they are often too restrictive to capture patient-specific variability and can underperform end-to-end deep learning (DL). To address this, we propose two complementary strategies that bring individuality and interpretability: radiomic fingerprints and healthy personas. First, a radiomic fingerprint is a dynamically constructed, patient-specific feature set derived from MRI. Instead of applying a uniform population-level signature, our model predicts feature relevance from a pool of candidate features and selects only those most predictive for each patient, while maintaining feature-level interpretability. This fingerprint can be viewed as a latent-variable model of feature usage, where an image-conditioned predictor estimates usage probabilities and a transparent logistic regression with global coefficients performs classification. Second, a healthy persona synthesises a pathology-free baseline for each patient using a diffusion model trained to reconstruct healthy knee MRIs. Comparing features extracted from pathological images against their personas highlights deviations from normal anatomy, enabling intuitive, case-specific explanations of disease manifestations. We systematically compare fingerprints, personas, and their combination across three clinical tasks. Experimental results show that both approaches yield performance comparable to or surpassing state-of-the-art DL models, while supporting interpretability at multiple levels. Case studies further illustrate how these perspectives facilitate human-explainable biomarker discovery and pathology localisation.
• Abstract（参考訳）: 膝関節MRI検査の自動評価には, 精度と解釈性の両方が臨床応用に不可欠である。 従来の放射能は、人口レベルで選択された事前定義された特徴に依存しており、より解釈可能であるが、患者固有の変動を捉えるには制限的すぎることが多く、エンド・ツー・エンド・ディープ・ラーニング(DL)を過小評価することができる。 そこで我々は,個人性と解釈可能性をもたらす2つの補完的戦略として,放射線指紋と健康なペルソナを提案する。 第一に、放射線指紋は、MRIから派生した動的に構築され、患者固有の特徴である。 集団レベルの均一なシグネチャを適用する代わりに、候補特徴のプールから特徴関連性を予測し、特徴レベルの解釈性を維持しつつ、患者毎に最も予測しやすいもののみを選択する。 この指紋は、画像条件付き予測器が使用確率を推定し、大域係数による透明なロジスティック回帰が分類される、機能利用の潜在変数モデルと見なすことができる。 第二に、健康なペルソナは、健康な膝のMRIを再構築するために訓練された拡散モデルを用いて、各患者に対して病理のないベースラインを合成する。 病理画像から抽出した特徴を人格と比較すると、正常な解剖学からの逸脱が強調され、直感的でケース特有の病気の症状の説明が可能になる。 我々は,3つの臨床課題において,指紋,ペルソナ,それらの組み合わせを体系的に比較した。 実験の結果,両手法は,複数のレベルでの解釈可能性をサポートしながら,最先端のDLモデルに匹敵する,あるいは超越する性能を示すことがわかった。 ケーススタディでは、これらの視点がヒトに説明可能なバイオマーカーの発見と病理組織像の局在をいかに促進するかをさらに明らかにしている。

関連論文リスト

• Radiomic fingerprints for knee MR images assessment [39.11295870085984]
  既存の放射線学的アプローチでは、放射線学的特徴の固定セットを使用し、人口レベルで選択され、すべての患者に均一に適用される。 これらのシグネチャは解釈可能であるが、個々の病理学的変異を表現するには制約が多すぎることが多い。 DLモデルにより選択された各患者に対して放射線特徴セット(指紋)を動的に構築する新しい放射線指紋フレームワークを提案する。 既存の放射線検査と異なり, 患者毎の指紋は, 大型放射線検査プールの特徴的関連を予測し, 患者ごとに臨床症状を予測できるもののみを選択することにより, 患者毎の指紋を抽出する。
  論文  参考訳（メタデータ） (2025-06-25T10:39:22Z)
• MIL vs. Aggregation: Evaluating Patient-Level Survival Prediction Strategies Using Graph-Based Learning [52.231128973251124]
  我々は,WSIおよび患者レベルでの生存を予測するための様々な戦略を比較した。 前者はそれぞれのWSIを独立したサンプルとして扱い、他の作業で採用された戦略を模倣します。 後者は、複数のWSIの予測を集約するか、最も関連性の高いスライドを自動的に識別するメソッドを含む。
  論文  参考訳（メタデータ） (2025-03-29T11:14:02Z)
• Patient-specific radiomic feature selection with reconstructed healthy persona of knee MR images [39.11295870085984]
  古典的な放射能の特徴は、画像の外観と強度パターンを記述するように設計されている。 このような放射能特性を用いた低次元パラメトリックモデルでは、解釈性は向上するが、臨床における比較性能は低下する。 本稿では,患者ごとの放射線学的特徴を学習することで,標準的なロジスティック回帰モデルの性能を大幅に改善する手法を提案する。
  論文  参考訳（メタデータ） (2025-03-17T12:55:43Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Counterfactual Image Synthesis for Discovery of Personalized Predictive Image Markers [0.293168019422713]
  そこで本研究では,深部条件生成モデルを用いて,主観的疾患の進展に関連があるベースライン画像の局所像特徴を摂動させることが可能であることを示す。 本モデルでは, 臨床像を反映した画像特徴の変化により, 集団レベルでのMRI像の現況を予測し, 治療効果を検証した。
  論文  参考訳（メタデータ） (2022-08-03T18:58:45Z)
• Bridging the Gap Between Patient-specific and Patient-independent Seizure Prediction via Knowledge Distillation [7.2666838978096875]
  既存のアプローチは通常、てんかんの信号の高度にパーソナライズされた特性のために、患者固有の方法でモデルを訓練する。 患者固有のモデルは、蒸留された知識と追加のパーソナライズされたデータによって得られる。 提案手法を用いて,CHB-MIT sEEGデータベース上で5つの最先端の発作予測法を訓練する。
  論文  参考訳（メタデータ） (2022-02-25T10:30:29Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。