Self-accumulative Vision Transformer for Bone Age Assessment Using the Sauvegrain Method

要約

この研究は、Sauvegrain 法に基づくマルチビュー、マルチタスク分類モデルを使用した、骨年齢評価 (BAA) への新しいアプローチを提示します。
肘の各ランドマークの成熟度スコアを評価し、骨年齢を予測する Sauvegrain メソッドを自動化するための簡単な解決策は、分類器を個別にトレーニングして各関心領域 (RoI) をスコアリングすることですが、このアプローチではアクセス可能な情報がローカルに制限されます。
形態が変化し、計算コストが増加します。
その結果、この作業は、通常、マルチビュー、マルチタスクの問題で発生し、トークン リプレイと地域の注意バイアスを適用することにより、ビジョン トランスフォーマーの有効性を制限する異方性動作を軽減する自己蓄積型ビジョン トランスフォーマー (SAT) を提案します。
.
多くの実験は、SAT がランドマーク間の関係をうまく活用し、グローバルな形態学的特徴を学習することを示しており、BAA の平均絶対誤差は以前の研究よりも 0.11 低くなります。
さらに、提案された SAT は、以前の研究の個々の分類器のアンサンブルよりも 4 分の 1 に縮小されたパラメーターを持っています。
最後に、この作業は、臨床診療に有益な意味をもたらし、青少年の異常な成長を診断する際の BAA の精度と効率を向上させます。

要約(オリジナル)

This study presents a novel approach to bone age assessment (BAA) using a multi-view, multi-task classification model based on the Sauvegrain method. A straightforward solution to automating the Sauvegrain method, which assesses a maturity score for each landmark in the elbow and predicts the bone age, is to train classifiers independently to score each region of interest (RoI), but this approach limits the accessible information to local morphologies and increases computational costs. As a result, this work proposes a self-accumulative vision transformer (SAT) that mitigates anisotropic behavior, which usually occurs in multi-view, multi-task problems and limits the effectiveness of a vision transformer, by applying token replay and regional attention bias. A number of experiments show that SAT successfully exploits the relationships between landmarks and learns global morphological features, resulting in a mean absolute error of BAA that is 0.11 lower than that of the previous work. Additionally, the proposed SAT has four times reduced parameters than an ensemble of individual classifiers of the previous work. Lastly, this work also provides informative implications for clinical practice, improving the accuracy and efficiency of BAA in diagnosing abnormal growth in adolescents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google