論文の概要: Self-Supervised Learning for Knee Osteoarthritis: Diagnostic Limitations and Prognostic Value of Uncurated Hospital Data

• arxiv url: http://arxiv.org/abs/2603.24903v1
• Date: Thu, 26 Mar 2026 00:33:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.029813
• Title: Self-Supervised Learning for Knee Osteoarthritis: Diagnostic Limitations and Prognostic Value of Uncurated Hospital Data
• Title（参考訳）: 変形性膝関節症に対する自覚的学習 : 診断限界と診断的意義
• Authors: Haresh Rengaraj Rajamohan, Yuxuan Chen, Kyunghyun Cho, Cem M. Deniz,
• Abstract要約: 本研究は, 自己指導型学習(SSL)が変形性膝関節症(OA)の診断と予後を改善するか否かを評価する。 我々は,OAI,MOST,NYUコーホーツの膝X線写真で事前訓練された画像のみSSLと,未治療の病院膝X線写真で事前訓練されたマルチモーダル画像テキストSSLと,放射線学的印象との組み合わせを比較した。
• 参考スコア（独自算出の注目度）: 44.60673645733936
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study assesses whether self-supervised learning (SSL) improves knee osteoarthritis (OA) modeling for diagnosis and prognosis relative to ImageNet-pretrained initialization. We compared (i) image-only SSL pretrained on knee radiographs from the OAI, MOST, and NYU cohorts, and (ii) multimodal image-text SSL pretrained on uncurated hospital knee radiographs paired with radiologist impressions. For diagnostic Kellgren-Lawrence (KL) grade prediction, SSL offered mixed results. While image-only SSL improved accuracy during linear probing (frozen encoder), it did not outperform ImageNet pretraining during full fine-tuning. Similarly, multimodal SSL failed to improve grading performance. We attribute this to severe bias in the uncurated hospital pretraining corpus (93% estimated KL grade 3), which limited alignment with the balanced diagnostic task. In contrast, this same multimodal initialization significantly improved prognostic modeling. It outperformed ImageNet baselines in predicting 4-year structural incidence and progression, including on external validation (MOST AUROC: 0.701 vs. 0.599 at 10% labeled data). Overall, while uncurated hospital image-text data may be ineffective for learning diagnosis due to severity bias, it provides a strong signal for prognostic modeling when the downstream task aligns with pretraining data distribution
• Abstract（参考訳）: 本研究では, 自己教師あり学習(SSL)による膝関節症(OA)モデルの改善効果について検討した。 比較 (i)OAI、MOST、NYUコホートからの膝X線写真に予め訓練された画像のみSSL (II)未治療の病院膝X線写真と放射線学的印象とを併用したマルチモーダル画像テキストSSL。 Kellgren-Lawrence(KL)グレードの診断には、SSLが混在していた。 イメージのみのSSLは線形探索(凍結エンコーダ)の精度を向上したが、フル微調整中はImageNetの事前トレーニングを上回らなかった。 同様に、マルチモーダルSSLはグレーディング性能を向上できなかった。 本研究は, 入院前訓練コーパス(KLグレード3の93%)における重度の偏りが原因であり, バランスの取れた診断課題との整合性に限界があると考えられる。 対照的に、同じマルチモーダル初期化は予後モデリングを著しく改善した。 外部検証(MOST AUROC: 0.701 vs. 0.599 at 10% labeled data)を含む4年間の構造上のインシデントと進行を予測することで、ImageNetのベースラインを上回った。 全体としては、病院画像テキストデータは重度バイアスによる診断の学習には効果がないが、下流タスクが事前学習データ分布と整合した場合に、予後モデリングのための強力な信号を提供する。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Enhancing Network Initialization for Medical AI Models Using Large-Scale, Unlabeled Natural Images [1.883452979588382]
  自己教師付き学習(SSL)は胸部X線写真に適用して、堅牢な特徴を学習することができる。 我々は6つの大規模なグローバルデータセットから800,000個の胸部X線写真を用いてアプローチを検証した。
  論文  参考訳（メタデータ） (2023-08-15T10:37:13Z)
• Medical Instrument Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning [62.13520959168732]
  3DUSにおける楽器セグメンテーションのための半教師付き学習フレームワークを提案する。 SSL学習を実現するため、Dual-UNetが提案されている。 提案手法は,Diceの約68.6%-69.1%,推定時間約1秒を実現している。
  論文  参考訳（メタデータ） (2021-07-30T07:59:45Z)

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。