早期変形性膝関節症のリハビリテーション効果を治療前に予測できれば，治療対象者や治療法の選定において有益な情報となる．本研究では複数のCNNモデルによる早期変形性膝関節症のリハビリテーション効果を単純X線画像から予測し，判定理由をGrad-CAMで可視化することで，複数モデルの画像分類の正答率と注目特徴量を比較した．64例の立位正面X線画像から，各膝関節を中心としたクロップ画像の128枚を作成し，学習：検証：テスト＝44：10：10（症例）に分割した．そのうち，学習データにのみデータ拡張を適用し，4回の交差検定を行った．使用モデルはAlexNet，DenseNet-201，Inception-ResNet-v2，NASNet-Large，ResNet-50である．正解率はNASNet-Largeの62.5％が最も高く，Grad-CAMでは膝蓋骨，関節裂隙が着目点となり，最も高い分類精度を示した．
