X線画像を用いた骨粗鬆症検出のためのフラクタル勾配発散調整型ディープビリーフネットワーク

• 骨粗鬆症・骨疾患予測に関する2020年1月〜2026年6月30日発表の58件の研究を統合した系統的レビューが公表された。
• ディープラーニングがAUC 0.82–0.96の高い予測精度を達成し、XAIが臨床的解釈可能性を、生成モデルがデータ不足を補い、マルチモーダル学習が画像と臨床データの統合で性能を向上させた。
• 外部検証の限界、後向きデータへの依存、一般化可能性の低さ、規制準備の不足が実用化上の課題として残っている。

• ハイブリッド事前学習済み量子畳み込みニューラルネットワーク(HP-QCNN)が関節リウマチのX線画像分類で精度92.41%を達成し、古典的なVGG16ベースラインを上回った。

本研究は、12,446枚の腎臓CT画像を用いて、腎異常の正確な分類とデータプライバシーの両立を目指す、新しい連合転移学習フレームワークを提案する。CT画像はリサイズ、正規化、ランダム回転、水平フリップ、カラージッターなどのデータ拡張を経て、MobileNetV2、EfficientNetV2-S、ResNet50、DenseNet121、InceptionResNetV2の5つの事前学習済みモデルが7つの連合クライアントで訓練された。モデルパラメータの集約には連合重み付け平均が用いられ、クライアントとサーバー間の通信にはAES-256暗号化が適用された。MobileNetV2が最も高い性能を…

• 熱画像、超音波、音響、光学、X線CTベースの非破壊検査(NDT)と機械学習を組み合わせた50の研究を横断レビューし、熱画像ベースのアプローチが文献の大部分を占めると報告
• CNNベースの深層学習モデルが最も高い分類精度(90%〜99%)を示し、物理情報学習・ハイブリッドMLはプロセス制御の汎化性能を向上させる
• 実用化の課題として標準化されたデータセットの制限、一貫性のない適格性フレームワーク、リアルタイム展開時の計算負荷を指摘

• 糖尿病性足潰瘍画像解析のための7クラス重症度認識型マルチタスクAIフレームワークが開発され、精度95.5%(95% CI、94.7–96.1)、マクロF1スコア0.953を達成した。
• 4つの公開データソース(DFUC 2020/2021、AZH、Medetec、IWGDF準拠リポジトリ)を統合し、24,925枚の画像からなる分析コーパスと3,739枚のホールドアウトテストセットで検証が行われた。
• 臨床医監査コホートでのモデルと臨床医の重症度一致は加重Cohenのκ=0.952、モデル支援レビューは27.6%のケースで記録された管理意図の変化と関連した。