論文の概要: Knee Osteoarthritis Severity Grading Using Optimized Deep Learning and LLM-Driven Intelligent AI on Computationally Limited Systems

• arxiv url: http://arxiv.org/abs/2605.05731v1
• Date: Thu, 07 May 2026 06:24:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.560233
• Title: Knee Osteoarthritis Severity Grading Using Optimized Deep Learning and LLM-Driven Intelligent AI on Computationally Limited Systems
• Title（参考訳）: コンピュータ限定システムにおける最適化深層学習とLLM駆動知能AIを用いた変形性膝関節症の重症度評価
• Authors: Dayam Nadeem, Neha, Safdar Mustafa, Adnan Alvi, Mohd Hussain,
• Abstract要約: 変形性膝関節症(KOA)は関節可動性を著しく制限し、慢性的な痛みを引き起こし、品質に悪影響を及ぼす筋骨格障害の一つである。 本稿では,深層学習畳み込みニューラルネットワーク(CNN)とLite Liteを用いたデバイスベースプラットフォームを組み合わせることで,KOAの重大度グレーディングの自動診断手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Knee osteoarthritis (KOA) is among the musculoskeletal disorders that considerably restrict joint mobility, cause severe chronic pain and impact negatively on quality life. It is one of the persistent health issues worldwide. Generally, subjectivity and inter-observer variability undermine conventional practices and evaluation process that are adopted to address such health issues. Hence precise and timely diagnosis would be one of the effective ways for the assessment of its severity. This paper proposes an automated diagnostic approach for severity grading of KOA by blending a deep learning convolutional neural network (CNN) with a device-based inference platform powered by TensorFlow Lite. It proposes a model based on the ResNet-18 convolutional neural network. The designed model is trained on publicly available database. Through a transfer learning approach obtained knee images are first classified into five Kellgren-Lawrence (KL) grades. Further the developed model is optimised. During the training of the model test accuracy of 94.48% with stable convergence has been achieved. Subsequently the optimised model transformed into a lightweight TensorFlow Lite format, facilitating seamless deployment on resource-constrained devices. The designed model is capable enough to operate in the environment having no continuous internet connectivity. Also, an auxiliary Large Language Model (Gemini-2.0-flash) is applied to generate structured interpretive findings like potential symptoms, risk factors, and preventive majors etc. The LLM component functions as interface without influencing the classification process. The proposed model articulates the feasibility of an on-device, interpretable decision-support tools for early diagnosis and improve accessibility to Artificial Intelligence (AI)-assisted knee screening tool.
• Abstract（参考訳）: 変形性膝関節症(KOA)は関節可動性を著しく制限し、慢性的な痛みを引き起こし、品質に悪影響を及ぼす筋骨格障害の一つである。 世界有数の健康問題の一つである。 一般に、主観性とサーバ間変動は、そのような健康問題に対処するために採用される慣行や評価プロセスを損なう。 したがって、正確かつタイムリーな診断は、その重症度を評価する効果的な方法の1つである。 本稿では、深層学習畳み込みニューラルネットワーク(CNN)とTensorFlow Liteを利用したデバイスベースの推論プラットフォームを混合することにより、KOAの重大度グレーディングの自動診断手法を提案する。 ResNet-18畳み込みニューラルネットワークに基づくモデルを提案する。 設計モデルは、一般公開されたデータベースでトレーニングされている。 移動学習アプローチによって得られた膝画像は、まず5つのKelgren-Lawrence(KL)グレードに分類される。 さらに、開発したモデルを最適化する。 モデル試験の精度は94.48%で、安定な収束が達成されている。 その後、最適化されたモデルは軽量なTensorFlow Liteフォーマットに変換され、リソース制約のあるデバイスへのシームレスなデプロイが容易になった。 設計されたモデルは、連続的なインターネット接続のない環境での運用に十分である。 また、潜在的症状、危険因子、予防メジャーなどの構造的解釈結果を生成するために補助的大規模言語モデル(Gemini-2.0-flash)を適用した。 LLMコンポーネントは、分類プロセスに影響を与えることなくインターフェイスとして機能する。 提案モデルは、早期診断とAI支援膝スクリーニングツールへのアクセシビリティ向上のための、オンデバイスで解釈可能な意思決定支援ツールの実現可能性を明確にする。

関連論文リスト

• Improving physics-informed neural network extrapolation via transfer learning and adaptive activation functions [44.44497277876625]
  物理情報ニューラルネットワーク(英: Physics-Informed Neural Networks、PINN)は、システムの物理法則を学習プロセスに組み込んだディープラーニングモデルである。 本稿では,PINNの補間性能を向上させるために,転送学習(TL)手法を提案する。 提案手法は, 平均L2誤差を平均40%, 平均絶対誤差を平均50%削減する。
  論文  参考訳（メタデータ） (2025-07-16T22:19:53Z)
• Diffusion-based Counterfactual Augmentation: Towards Robust and Interpretable Knee Osteoarthritis Grading [7.748673766536236]
  本稿では,モデルの堅牢性と解釈可能性を高める拡散型対実拡張(DCA)の枠組みを提案する。 このフレームワークは、モデル不確実性を堅牢なトレーニング信号に変換し、より正確で信頼性の高い自動診断システムを開発するための有望な経路を提供する。
  論文  参考訳（メタデータ） (2025-06-18T04:16:28Z)
• Towards Practical Alzheimer's Disease Diagnosis: A Lightweight and Interpretable Spiking Neural Model [7.289867430801027]
  アルツハイマー病 (AD) の早期診断は, 主観的評価やマルチモーダル画像モダリティの高コストにより, 極めて困難である。 脳にインスパイアされたパラダイムとして、スパイキングニューラルネットワーク(SNN)は本質的にADにおける神経変性のスパースでイベント駆動パターンをモデル化するのに適している。 我々は、生物にインスパイアされたLIFニューロンと、領域適応的畳み込みとマルチスケールのスパイク注意を統合するハイブリッドニューラルネットワークであるFasterSNNを提案する。
  論文  参考訳（メタデータ） (2025-06-11T13:10:49Z)
• GL-ICNN: An End-To-End Interpretable Convolutional Neural Network for the Diagnosis and Prediction of Alzheimer's Disease [0.9910295091178368]
  本稿では,アルツハイマー性認知症(AD)の診断と予測のために,CNNとEMMを組み合わせた新しいモデルを提案する。 このモデルは、画像データを入力として、予測と解釈可能な特徴重要度の両方を提供する。
  論文  参考訳（メタデータ） (2025-01-20T19:55:50Z)
• Domain Adaptive Diabetic Retinopathy Grading with Model Absence and Flowing Data [45.75724873443564]
  ドメインシフトは、糖尿病網膜症などの臨床応用において重要な課題である。 本稿では,データ中心の観点から適応可能なGUES(Generative Unadversarial Examples)を提案する。
  論文  参考訳（メタデータ） (2024-12-02T07:14:25Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
  慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。 人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。 我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
  論文  参考訳（メタデータ） (2024-06-07T12:01:37Z)
• 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)
• Application of federated learning techniques for arrhythmia classification using 12-lead ECG signals [0.11184789007828977]
  この作業では、フェデレートラーニング(FL)プライバシ保護方法論を使用して、高定義のECGの異種集合上でAIモデルをトレーニングする。 CL, IID, 非IIDアプローチを用いて訓練したモデルと比較した。
  論文  参考訳（メタデータ） (2022-08-23T14:21:16Z)
• A Simple Fine-tuning Is All You Need: Towards Robust Deep Learning Via Adversarial Fine-tuning [90.44219200633286]
  我々は,$textitslow start, fast decay$ learning rate schedulingストラテジーに基づく,単純かつ非常に効果的な敵の微調整手法を提案する。 実験の結果,提案手法はCIFAR-10, CIFAR-100, ImageNetデータセットの最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-25T20:50:15Z)

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。