論文の概要: Image-based Joint-level Detection for Inflammation in Rheumatoid Arthritis from Small and Imbalanced Data
- arxiv url: http://arxiv.org/abs/2602.14365v1
- Date: Mon, 16 Feb 2026 00:33:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 16:22:50.030318
- Title: Image-based Joint-level Detection for Inflammation in Rheumatoid Arthritis from Small and Imbalanced Data
- Title（参考訳）: 慢性関節リウマチにおける小・不均衡データを用いた画像ベース関節レベル診断
- Authors: Shun Kato, Yasushi Kondo, Shuntaro Saito, Yoshimitsu Aoki, Mariko Isogawa,
- Abstract要約: 慢性関節リウマチ(RA)は全身性関節炎を特徴とする自己免疫疾患である。
在宅で撮影したRGB画像を用いて関節炎症を容易に検出できるシステムを開発する必要がある。
本論文は、専用のデータセットを構築することで、炎症を視覚的に検出することの難しさを定量的に示す。
RGB手指画像からRA関連関節炎症を検出するために,大規模健康手指画像に対する自己監督的事前訓練と非バランス訓練を組み合わせた局所的局所的エンコーダを用いた炎症検出フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.500293264424819
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rheumatoid arthritis (RA) is an autoimmune disease characterized by systemic joint inflammation. Early diagnosis and tight follow-up are essential to the management of RA, as ongoing inflammation can cause irreversible joint damage. The detection of arthritis is important for diagnosis and assessment of disease activity; however, it often takes a long time for patients to receive appropriate specialist care. Therefore, there is a strong need to develop systems that can detect joint inflammation easily using RGB images captured at home. Consequently, we tackle the task of RA inflammation detection from RGB hand images. This task is highly challenging due to general issues in medical imaging, such as the scarcity of positive samples, data imbalance, and the inherent difficulty of the task itself. However, to the best of our knowledge, no existing work has explicitly addressed these challenges in RGB-based RA inflammation detection. This paper quantitatively demonstrates the difficulty of visually detecting inflammation by constructing a dedicated dataset, and we propose a inflammation detection framework with global local encoder that combines self-supervised pretraining on large-scale healthy hand images with imbalance-aware training to detect RA-related joint inflammation from RGB hand images. Our experiments demonstrated that the proposed approach improves F1-score by 0.2 points and Gmean by 0.25 points compared with the baseline model.
- Abstract（参考訳）: 慢性関節リウマチ(RA)は全身性関節炎を特徴とする自己免疫疾患である。
早期診断と厳密な経過観察はRAの管理に不可欠であり,現在進行中の炎症は関節の損傷を不可逆的に引き起こす可能性がある。
関節炎の検出は疾患活動の診断と評価に重要であるが、適切な専門的治療を受けるには長い時間がかかることが多い。
そのため、家庭で撮影したRGB画像を用いて、関節炎症を容易に検出できるシステムを開発する必要がある。
その結果,RGB手指画像からのRA炎症検出の課題に対処した。
この課題は、陽性サンプルの不足、データ不均衡、タスク自体の固有の困難など、医用画像の一般的な問題により、非常に困難である。
しかし、我々の知る限りでは、RGBベースのRA炎症検出におけるこれらの課題に、既存の研究は明確に対応していない。
本稿では、専用のデータセットを構築することで炎症を視覚的に検出することの難しさを定量的に示すとともに、大規模健常者画像に対する自己監督的事前訓練と不均衡訓練を組み合わせ、RGB手画像からRA関連関節炎症を検出するグローバルローカルエンコーダを用いた炎症検出フレームワークを提案する。
実験の結果,提案手法はベースラインモデルと比較してF1スコアを0.2ポイント,Gmeanを0.25ポイント改善することがわかった。
関連論文リスト
- An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。
本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。
本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
論文 参考訳（メタデータ） (2025-10-21T17:18:55Z) - PerioDet: Large-Scale Panoramic Radiograph Benchmark for Clinical-Oriented Apical Periodontitis Detection [7.791916637642707]
根尖性歯周炎(Apical Periodontitis)は、公衆衛生上の重大な課題を呈する口腔病理である。
自動診断システムの進歩にもかかわらず、歯根膜歯周炎に対するCADアプリケーションの開発は、大規模で高品質な注釈付きデータセットの欠如により、いまだに制限されている。
我々は,3,673枚の画像と5,662枚の微妙に注釈を付した歯根膜歯周炎例からなる「PerioXrays」と呼ばれる大規模パノラマ線写真ベンチマークを公表した。
論文 参考訳（メタデータ） (2025-07-25T04:53:09Z) - MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。
本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。
MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
論文 参考訳（メタデータ） (2025-02-06T12:27:35Z) - Layer Separation: Adjustable Joint Space Width Images Synthesis in Conventional Radiography [4.295284976294471]
慢性関節リウマチ(RA)は関節炎と進行性構造障害を特徴とする慢性自己免疫疾患である。
ジョイントスペース幅 (JSW) は, 従来の放射線診断において, 疾患進行を評価する重要な指標である。
深層学習に基づくJSW解析のための放射線CADシステムは、データ品質において重大な課題に直面している。
論文 参考訳（メタデータ） (2025-02-04T03:33:52Z) - Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。
ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。
その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。
実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
論文 参考訳（メタデータ） (2024-08-15T21:09:09Z) - 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) - A Deep Registration Method for Accurate Quantification of Joint Space
Narrowing Progression in Rheumatoid Arthritis [1.5399759353033091]
慢性関節リウマチ(RA)は慢性自己免疫性炎症性疾患である。
関節間隙短縮(JSN)の進行は,RA進行の重要な指標とされ,引き続き注目されている。
放射線画像における画像登録によるJSN進行の定量化のための新しいフレームワークを開発した。
本研究では, RAの初期におけるJSN進行を自動的に定量化するために, 深部剛性登録網を提案する。
論文 参考訳（メタデータ） (2023-04-27T03:08:34Z) - 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) - Rheumatoid Arthritis: Automated Scoring of Radiographic Joint Damage [0.0]
関節リウマチは関節損傷を引き起こす自己免疫疾患である。
関節損傷をできるだけ早く特定し、早期に治療を行い、骨構造へのさらなる損傷を防ぐことが不可欠である。
論文 参考訳（メタデータ） (2021-10-17T12:45:47Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z)
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。