Doctor Imitator: Hand-Radiography-based Bone Age Assessment by Imitating Scoring Methods

要約

タイトル：Doctor Imitator：スコアリング方法の模倣による手のレントゲンを基にした骨年齢評価

要約：
– 骨年齢評価は複雑であるため、臨床の現場での課題となっている。
– 現在の自動骨年齢評価方法は、診断ロジックを考慮せずに設計されているため、ある種の解釈できない隠れた状態や出力を生成する場合がある。
– この問題を解決するため、本研究は診断者のスコアリング方法（Tanner-Whitehouse法など）を学習する新しいグラフベースの深層学習フレームワークDI（Doctor Imitator）を提案する。
– DIは、手のレントゲン画像上で解剖学的に興味のある領域（ROI）の局所特徴をキャプチャし、骨年齢評価のためにROIスコアを予測するアナトミーベースのグループ畳み込みによってROIスコアを予測するアーキテクチャを持っている。
– また、患者ごとのROI特徴量やROIスコアの文脈注意を計算する新しいデュアルグラフベースのアテンションモジュールを開発した。
– DIは、完全に監視された手のレントゲン画像を必要とせず、評点法に従って自動的に骨年齢評価を行う初めてのフレームワークである。
– 骨年齢のみの監視手のレントゲン画像を用いた実験により、DIは、疎なパラメーターを備えて優れた性能を実現し、より解釈可能性の高い評価を提供できることが確認された。

要約(オリジナル)

Bone age assessment is challenging in clinical practice due to the complicated bone age assessment process. Current automatic bone age assessment methods were designed with rare consideration of the diagnostic logistics and thus may yield certain uninterpretable hidden states and outputs. Consequently, doctors can find it hard to cooperate with such models harmoniously because it is difficult to check the correctness of the model predictions. In this work, we propose a new graph-based deep learning framework for bone age assessment with hand radiographs, called Doctor Imitator (DI). The architecture of DI is designed to learn the diagnostic logistics of doctors using the scoring methods (e.g., the Tanner-Whitehouse method) for bone age assessment. Specifically, the convolutions of DI capture the local features of the anatomical regions of interest (ROIs) on hand radiographs and predict the ROI scores by our proposed Anatomy-based Group Convolution, summing up for bone age prediction. Besides, we develop a novel Dual Graph-based Attention module to compute patient-specific attention for ROI features and context attention for ROI scores. As far as we know, DI is the first automatic bone age assessment framework following the scoring methods without fully supervised hand radiographs. Experiments on hand radiographs with only bone age supervision verify that DI can achieve excellent performance with sparse parameters and provide more interpretability.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI