Deep Learning for Rheumatoid Arthritis: Joint Detection and Damage Scoring in X-rays

要約

近年のコンピュータビジョンの進歩により、医療画像解析の自動化が期待されています。関節リウマチは自己免疫疾患の一つであり、直接的なマーカーが知られていないため、医師はX線画像の手動検査に頼らざるを得ないため、コンピュータによる診断が有益であると考えられる。本研究では、X線画像上の関節の位置特定と2種類の関節損傷（狭窄と侵食）の診断を同時に学習するマルチタスク深層学習モデルを提示する。さらに、ラベルスムージングの修正を提案し、分類と回帰の手がかりを単一の損失にまとめ、標準的な損失関数と比較して5%の相対誤差低減を達成しました。我々の最終モデルは、グローバルRA2 DREAMチャレンジにおいて、関節空間狭窄で4位、関節浸食で5位を獲得しました。

要約(オリジナル)

Recent advancements in computer vision promise to automate medical image analysis. Rheumatoid arthritis is an autoimmune disease that would profit from computer-based diagnosis, as there are no direct markers known, and doctors have to rely on manual inspection of X-ray images. In this work, we present a multi-task deep learning model that simultaneously learns to localize joints on X-ray images and diagnose two kinds of joint damage: narrowing and erosion. Additionally, we propose a modification of label smoothing, which combines classification and regression cues into a single loss and achieves 5% relative error reduction compared to standard loss functions. Our final model obtained 4th place in joint space narrowing and 5th place in joint erosion in the global RA2 DREAM challenge.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL