ノイズのある階層ラベル下での変形性膝関節症表現のcoarse-to-fine学習
arXiv cs.CV / 2026/5/4
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、変形性膝関節症（OA）の評価において、粗い二値のOA有無ラベルと、細かなKellgren–Lawrence（KL）重症度グレードという臨床的階層を用いる点を扱います。
- OA有無とKL重症度を別々のタスクとして扱うのではなく、その階層が表現学習の「教師あり事前（supervisory prior）」として機能し得るかを検証します。
- 著者らは共有エンコーダ＋2つのタスクヘッドからなるシンプルなデュアルヘッドモデルを採用し、同一の評価プロトコルのもとで複数の3Dバックボーンに対して単一タスク学習とデュアルヘッド学習を比較します。
- 結果として、デュアルヘッド学習はバックボーン依存の改善をもたらし、特定のバックボーンではKL関連の指標が明確に向上します。
- 精度面だけでなく、粗い-to-細かい（coarse-to-fine）の潜在表現がより秩序立つことや、注意（サリシー）の領域が軟骨により強く一致することが示され、ノイズのあるラベル下で重症度推定に有効な帰納バイアスになり得ることを示唆します。
