この研究は、膝の負傷の評価に不可欠なMRI読み取りの効率と客観性を向上させるために、深い学習と説明可能なAI（xAI）技術を利用した自動関心領域（ROI）検出システムを提供します。 ResNet50、InceptionV3、Vision Transformers(ViT)、多様なU-Netバリアントなどの多様な深層学習アーキテクチャを監督学習や自己監督学習方式で評価し、Grad-CAMやSaliency MapsなどのxAI技術を統合して解析力を高めました.パフォーマンス評価は、AUC（分類）、PSNR / SSIM（再構成品質）、定性的ROI可視化によって行われ、ResNet50はMRNetデータセットベースのTransformerベースモデルよりも優れた分類とROI識別性能を示しました。 U-Net+MLP結合モデルは再構成と解釈力の向上の可能性を示したが,分類性能は低く,Grad-CAMはすべてのアーキテクチャで最も臨床的に意味のある説明を提供した。結論として、CNNベースの移行学習はこの研究データセットに最も効果的であり、将来の大規模な事前学習によるTransformerモデルのパフォーマンスの向上が期待されます。
