論文の概要: AGE-Net: Spectral--Spatial Fusion and Anatomical Graph Reasoning with Evidential Ordinal Regression for Knee Osteoarthritis Grading

• arxiv url: http://arxiv.org/abs/2601.17336v1
• Date: Sat, 24 Jan 2026 06:35:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.604713
• Title: AGE-Net: Spectral--Spatial Fusion and Anatomical Graph Reasoning with Evidential Ordinal Regression for Knee Osteoarthritis Grading
• Title（参考訳）: 変形性膝関節症に対する AGE-Net: Spectral-Spatial Fusion and Anatomical Graph Reasoning with Evidential Ordinal Regression
• Authors: Xiaoyang Li, Runni Zhou,
• Abstract要約: AGE-Netは、SSF(Spectral-Spatial Fusion)、AGR(Anatomical Graph Reasoning)、DFR(differial Refinement)を統合したConvNeXtベースのフレームワークである。 KLデータセットでは、AGE-Netは2次重み付きカッパ(QWK)が0.9017 +/- 0.0045で、平均二乗誤差(MSE)が0.2349 +/- 0.0028である。
• 参考スコア（独自算出の注目度）: 3.337151338735509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated Kellgren--Lawrence (KL) grading from knee radiographs is challenging due to subtle structural changes, long-range anatomical dependencies, and ambiguity near grade boundaries. We propose AGE-Net, a ConvNeXt-based framework that integrates Spectral--Spatial Fusion (SSF), Anatomical Graph Reasoning (AGR), and Differential Refinement (DFR). To capture predictive uncertainty and preserve label ordinality, AGE-Net employs a Normal-Inverse-Gamma (NIG) evidential regression head and a pairwise ordinal ranking constraint. On a knee KL dataset, AGE-Net achieves a quadratic weighted kappa (QWK) of 0.9017 +/- 0.0045 and a mean squared error (MSE) of 0.2349 +/- 0.0028 over three random seeds, outperforming strong CNN baselines and showing consistent gains in ablation studies. We further outline evaluations of uncertainty quality, robustness, and explainability, with additional experimental figures to be included in the full manuscript.
• Abstract（参考訳）: 膝関節X線写真からのKelgren--Lawrence(KL)自動評価は, 微妙な構造変化, 長距離解剖学的依存性, 等級境界付近のあいまいさにより困難である。 本稿では、SSF(Spectral-Spatial Fusion)、AGR(Anatomical Graph Reasoning)、DFR(differial Refinement)を統合したConvNeXtベースのフレームワークであるAGE-Netを提案する。 AGE-Netは、予測の不確かさを捉え、ラベルの順序性を保存するために、正規逆ガンマ(NIG)の顕在性回帰ヘッドとペアの順序付け制約を用いる。 KLデータセットでは、AGE-Netは2次重み付きカッパ(QWK)の0.9017 +/- 0.0045、ランダムな3つの種子の平均2乗誤差(MSE)の0.2349 +/- 0.0028を達成し、強いCNNベースラインを上回り、アブレーション研究において一貫した利得を示す。 さらに,不確実性,堅牢性,説明可能性の評価について概説する。

関連論文リスト

• ClinNet: Evidential Ordinal Regression with Bilateral Asymmetry and Prototype Memory for Knee Osteoarthritis Grading [3.337151338735509]
  X線画像に基づく膝関節症(KOA)の診断は極めて難しい課題である。 本研究では, KOA グレーディングに対処する信頼性の高い新しいフレームワーク ClinNet を提案する。
  論文  参考訳（メタデータ） (2026-01-24T05:49:41Z)
• Conditional Random Fields for Interactive Refinement of Histopathological Predictions [20.862265116241716]
  HistoCRFは条件付きランダムフィールド(CRF)のためのCRFベースのフレームワークである ラベルの多様性を促進し、専門家のアノテーションを活用するペアワイズポテンシャルの新たな定義を提案する。 異なる臓器や疾患をカバーする5つのパッチレベルの分類データセットの実験では、アノテーションなしでの平均精度が16.4%、アノテーションがわずか100の27.5%向上した。
  論文  参考訳（メタデータ） (2026-01-17T15:19:40Z)
• VL-OrdinalFormer: Vision Language Guided Ordinal Transformers for Interpretable Knee Osteoarthritis Grading [6.106307107513728]
  VLOrdinalFormerは、膝関節X線写真から自動 KOA グレーティングを行うための視覚言語ガイド付き順序学習フレームワークである。 提案手法は,VT L16バックボーンとコーラルに基づく順序回帰と,CLIP(Contrastive Language Image Pretraining)によるセマンティックアライメントモジュールを組み合わせたものである。 OAI kneeKL224データセットで実施された実験は、VLOrdinalFormerがアートパフォーマンスの状態を達成していることを示している。
  論文  参考訳（メタデータ） (2025-12-31T03:01:31Z)
• Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection [59.042018542376596]
  グラフ異常検出(GAD)は近年注目度が高まりつつあるが、2つの重要な要因があるため、依然として困難である。 Anomaly-Aware Pre-Training and Fine-Tuning (APF)は、GADの課題を軽減するためのフレームワークである。 10のベンチマークデータセットに関する総合的な実験は、最先端のベースラインと比較してAPFの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-19T09:57:35Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Uncertainty Quantification over Graph with Conformalized Graph Neural Networks [52.20904874696597]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データに基づく強力な機械学習予測モデルである。 GNNには厳密な不確実性見積が欠如しており、エラーのコストが重要な設定での信頼性の高いデプロイメントが制限されている。 本稿では,共形予測(CP)をグラフベースモデルに拡張した共形GNN(CF-GNN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T21:38:23Z)
• 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)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Automatic Grading of Knee Osteoarthritis on the Kellgren-Lawrence Scale from Radiographs Using Convolutional Neural Networks [0.0]
  本稿では,Kelgren-Lawrence(KL)スケールで膝関節X線写真を自動的に評価するための畳み込みニューラルネットワークを用いた新しい手法を提案する。 第1段階では物体検出モデルが画像の残りの部分から個々の膝を分割し,第2段階では回帰モデルが各膝をKLスケールで別々に評価する。
  論文  参考訳（メタデータ） (2020-04-18T09:46:55Z)

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。