論文の概要: PSSF: Early osteoarthritis detection using physical synthetic knee X-ray scans and AI radiomics models

• arxiv url: http://arxiv.org/abs/2601.11642v1
• Date: Wed, 14 Jan 2026 16:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.243547
• Title: PSSF: Early osteoarthritis detection using physical synthetic knee X-ray scans and AI radiomics models
• Title（参考訳）: PSSF: 人工膝X線スキャンとAIラジオミクスモデルを用いた早期変形性関節症検出
• Authors: Abbas Alzubaidi, Ali Al-Bayaty,
• Abstract要約: 変形性関節症は 世界中で 障害の主な原因です X線スキャンは、主にプライバシーと制度上の制約のために入手が難しいことが多い。 本研究は、制御可能なX線スキャンを生成する物理ベースの合成シミュレーションフレームワーク(PSSF)を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knee osteoarthritis (OA) is a major cause of disability worldwide and is still largely assessed using subjective radiographic grading, most commonly the Kellgren-Lawrence (KL) scale. Artificial intelligence (AI) and radiomics offer quantitative tools for OA assessment but depend on large, well-annotated image datasets, mainly X-ray scans, that are often difficult to obtain because of privacy, governance and resourcing constraints. In this research, we introduce a physics-based synthetic simulation framework (PSSF) to fully generate controllable X-ray scans without patients' involvement and violating their privacy and institutional constraints. This PSSF is a 2D X-ray projection simulator of anteroposterior knee radiographs from a parametric anatomical model of the distal femur and proximal tibia. Using PSSF, we create a virtual cohort of 180 subjects (260 knees), each is imaged under three protocols (reference, low-dose, and geometry-shift). Medial joint regions are automatically localized, preprocessed, and processed with the Image Biomarker Standardisation Initiative (IBSI). Practically, three machine learning (ML) models are utilized, logistic regression, random forest, and gradient boosting, to train binary (KL-like "0" vs. "2") and three-class (0-2) prediction radiographic images. Robustness is assessed within IBSI protocol, cross-protocol, and multi-protocol scenarios. Finally, features stability is then evaluated using intraclass correlation coefficients across acquisition changes.
• Abstract（参考訳）: 変形性膝関節症(英語: Knee osteoarthritis, OA)は、世界中の障害の主要な原因の一つであり、主にKelgren-Lawrence(KL)尺度である主観的X線学的評価を用いて評価されている。 人工知能(AI)とラジオミクス(Radiomics)は、OAアセスメントのための定量的ツールを提供するが、プライバシ、ガバナンス、およびリソーシングの制約のために入手するのが困難な、主にX線スキャンのような、大きく、注釈の付いた画像データセットに依存している。 本研究では,患者が関与せず,プライバシや制度上の制約に違反することなく,制御可能なX線スキャンを完全生成する物理ベースの合成シミュレーションフレームワーク(PSSF)を提案する。 このPSSFは, 遠位端大腿骨および近位骨遠位端の解剖学的モデルを用いて, 膝前部X線像の2次元プロジェクションシミュレータである。 PSSFを用いて180人の被験者(260膝)からなる仮想コホートを作成し、それぞれが3つのプロトコル(参照、低線量、幾何シフト)で画像化される。 中間結合領域は自動的にローカライズされ、前処理され、画像バイオマーカー標準化イニシアチブ(IBSI)で処理される。 実際、3つの機械学習(ML)モデル、ロジスティック回帰、ランダムフォレスト、勾配向上を利用して、バイナリ(KL-like "0" vs. "2")と3クラス(0-2)予測ラジオグラフィー画像のトレーニングを行う。 IBSIプロトコル、クロスプロトコール、マルチプロトコールシナリオでロバスト性を評価する。 最後に, 階層内相関係数を用いて特徴の安定性を評価する。

関連論文リスト

• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• SYN-LUNGS: Towards Simulating Lung Nodules with Anatomy-Informed Digital Twins for AI Training [1.4820790252910163]
  肺がんスクリーニングのための生成モデルは、データ不足によって制限され、一般化可能性と臨床応用性に影響を与える。 詳細なアノテーションで高品質な3DCT画像を生成するためのフレームワークであるSyn-LUNGSを紹介する。 データセットには1,044個のCTスキャンから3,072個の結節画像が含まれ、512個の病変と174個のデジタルツインがある。
  論文  参考訳（メタデータ） (2025-02-28T16:02:37Z)
• Computer-Aided Osteoporosis Diagnosis Using Transfer Learning with Enhanced Features from Stacked Deep Learning Modules [6.398513051441461]
  膝関節症は膝関節の骨組織を弱め、骨折のリスクを増大させる。 X線画像による早期発見は、タイムリーな介入と患者の結果の改善を可能にする。 変形性膝関節症に対するコンピュータ支援診断システム(CAD)を提案する。
  論文  参考訳（メタデータ） (2024-12-12T14:59:10Z)
• Abnormality-Driven Representation Learning for Radiology Imaging [0.8321462983924758]
  病変強調型コントラスト学習(LeCL)は,CTスキャンの異なる部位にわたる2次元軸方向スライスにおける異常により引き起こされる視覚的表現を得るための新しい手法である。 本研究は, 腫瘍病変位置, 肺疾患検出, 患者ステージングの3つの臨床的課題に対するアプローチを, 最先端の4つの基礎モデルと比較した。
  論文  参考訳（メタデータ） (2024-11-25T13:53:26Z)
• Unsupervised Machine Learning for Osteoporosis Diagnosis Using Singh Index Clustering on Hip Radiographs [0.0]
  Singh Index (SI) は単純で半定量的な骨粗しょう症の診断方法である。 本研究は, 機械学習アルゴリズムを用いて, ラジオグラフからのSI識別を自動化することを目的とする。
  論文  参考訳（メタデータ） (2024-11-22T08:44:43Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
  我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。 提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
  論文  参考訳（メタデータ） (2022-09-28T10:27:10Z)
• Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
  本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。 提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
  論文  参考訳（メタデータ） (2021-06-27T17:29:46Z)
• 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)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。