論文の概要: From Kellgren-Lawrence to Calcium Pyrophosphate Crystal Deposition: A Soft-Labelling Framework for Knee Osteoarthritis Assessmen

• arxiv url: http://arxiv.org/abs/2605.28176v1
• Date: Wed, 27 May 2026 08:57:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.915015
• Title: From Kellgren-Lawrence to Calcium Pyrophosphate Crystal Deposition: A Soft-Labelling Framework for Knee Osteoarthritis Assessmen
• Title（参考訳）: Kellgren-LawrenceからCalcium Pyrophosphate Crystal Deposition: a Soft-labelling Framework for Kneearthritis Assessmen
• Authors: Francisco Bérchez-Moreno, Riccardo Rosati, Maria Chiara Fiorentino, Víctor M. Vargas, Edoardo Cipolletta, Emilio Filippucci, Luca Romeo, Pedro A. Gutiérrez, César Hervás-Martínez,
• Abstract要約: 変形性膝関節症に対する従来の深層学習法は, 臨床実習で観察された2つの尺度の非対称な関係を捉えられなかった。 ソフトラベリングに基づく枠組みが開発され,アノテートグレード上の一重項分布に置き換わる。 両項,ベータ,三角形,指数分布の4つの定式化について検討した。
• 参考スコア（独自算出の注目度）: 4.79962284636527
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Background and objective. Conventional Deep Learning (DL) approaches for Knee Osteoarthritis (KOA) grading rely on one-hot labels, which fail to capture both the ordinal uncertainty of Kellgren--Lawrence (KL) and Calcium Pyrophosphate Deposition Disease (CPPD) severity scores and the asymmetric relationship between the two scales observed in clinical practice. Methods. We retrospectively collected 2172 knee X-ray images, including 968 radiographs jointly annotated for KL and CPPD severity. An ordinal DL framework based on soft-labelling was developed for both tasks, replacing one-hot targets with unimodal probability distributions centred on the annotated grade. Four formulations were investigated: binomial, beta, triangular, and exponential. Results. All soft-labelling strategies consistently outperformed the nominal baseline. For CPPD grading, the triangular formulation achieved the highest Quadratic Weighted Kappa (QWK) and the lowest Mean Absolute Error (MAE) (QWK = 0.796; MAE = 0.438), while the beta formulation yielded the most balanced class-wise performance considering Average MAE (AMAE) and Maximum MAE (MMAE) across classes (AMAE = 0.458; MMAE = 0.573). For KL grading, the beta-based approach provided the best overall performance, achieving the highest QWK together with the lowest MAE and class-wise errors (QWK = 0.777; MAE = 0.529; AMAE = 0.523; MMAE = 0.775). Statistical analysis demonstrated significant improvements over conventional one-hot supervision (p < 0.001).
• Abstract（参考訳）: 背景と目的。 変形性膝関節症に対する経時的深層学習(DL)は,Kelgren-Lawrence(KL)とCalcium Pyrophosphate Deposition Disease(CPPD)の経時的不確実性と,臨床で観察された2つの尺度の非対称性の両方を捉えることができない1ホットラベルに頼っている。 メソッド。 KLおよびCPPD重症度を併用した968個のX線写真を含む2172個の膝X線像を回顧的に収集した。 いずれのタスクにもソフトラベリングに基づく順序DLフレームワークが開発され,アノテートグレードを中心とした一ホットターゲットを非モーダル確率分布に置き換えた。 両項, ベータ, 三角形, 指数の4つの定式化について検討した。 結果。 すべてのソフトラベリング戦略は、名目上のベースラインを一貫して上回った。 CPPDグレーディングでは、三角形の定式化は、QWK(Quadratic Weighted Kappa)の最高値、MAE(Mean Absolute Error)の最低値(QWK = 0.796; MAE = 0.438)を達成し、ベータの定式化はAverage MAE(AMAE)とMaximum MAE(MMAE)(AMAE = 0.458; MMAE = 0.573)を考慮した最もバランスのとれたクラスレベルのパフォーマンスを得た。 KLグレーディングでは、ベータベースのアプローチが最高のパフォーマンスを提供し、最も低いMAEとクラスレベルのエラー(QWK = 0.777; MAE = 0.529; AMAE = 0.523; MMAE = 0.775)とともに最高QWKを達成した。 統計分析の結果,従来型の1時間監視(p< 0.001。

関連論文リスト

• Self-Supervised Learning for Knee Osteoarthritis: Diagnostic Limitations and Prognostic Value of Hospital Data [44.60673645733936]
  自己教師あり学習(SSL)は、診断と予後のための膝関節症(OA)モデルを改善する。 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,(ii)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。 Kellgren-Lawrence (KL)グレードの診断では、SSLは混合結果を得た。
  論文  参考訳（メタデータ） (2026-03-26T00:33:55Z)
• Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning [6.302369456012738]
  胸部CTボリュームからの多型肺疾患診断のためのフェアネス・アウェア・フレームワークについて検討した。 この課題は、CTスキャンを健康、新型コロナウイルス、腺癌、扁平上皮癌という4つのカテゴリに分類する必要がある。 我々のアプローチは、何百ものスライスにまたがるまばらな病理信号と、病気の階級と性別にまたがる深刻な人口不均衡の2つの問題に対処する。
  論文  参考訳（メタデータ） (2026-03-13T13:42:52Z)
• Diabetic Retinopathy Grading with CLIP-based Ranking-Aware Adaptation:A Comparative Study on Fundus Image [7.6889618752994595]
  糖尿病性網膜症重症度評価のためのCLIPベースの3つのアプローチについて検討した。 ランキング認識プロンプトモデルは、DR進行の順序構造を符号化する。 実験により、ランキングアウェアモデルが最も高い総合的精度(93.42%、AUROC 0.9845)を達成し、臨床的に致命的な重篤な症例に対する強いリコールが達成された。
  論文  参考訳（メタデータ） (2026-03-12T06:49:32Z)
• 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)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Addressing Uncertainty in Imbalanced Histopathology Image Classification of HER2 Breast Cancer: An interpretable Ensemble Approach with Threshold Filtered Single Instance Evaluation (SIE) [0.0]
  早期診断は、患者が効率的な治療決定を行うのを助けることで死亡率を軽減することができる。 HER2は乳癌の最も致命的な亜型である。 DenseNet201とXceptionは単一の分類器にまとめられた。
  論文  参考訳（メタデータ） (2023-08-01T19:44:31Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。