Comparative Analysis of Machine Learning Approaches for Bone Age Assessment: A Comprehensive Study on Three Distinct Models

要約

放射線科医や医師は、子供や幼児の利き手ではない手の X 線画像を利用して、遺伝的疾患や成長異常の可能性を評価します。
これは、X 線を使用して発見された実際の成長の程度と対象の実年齢との差異を評価することによって行われます。
評価は従来、Greulich Pyle (GP) または Tanner Whitehouse (TW) アプローチを使用して行われていました。
これらのアプローチには高度な専門知識が必要であり、多くの場合、観察者の偏見につながる可能性があります。
したがって、X 線の評価プロセスを自動化し、その精度と効率を高めるために、いくつかの機械学習モデルが開発されました。
これらの機械学習モデルには精度と効率にいくつかの違いがあるため、ニーズと利用可能なリソースに応じて適切なモデルを選択するのは不明確です。
方法: この研究では、骨年齢予測の自動化に最も広く使用されている 3 つのモデル (Xception モデル、VGG モデル、および CNN モデル) を分析しました。
これらのモデルは前処理されたデータセットでトレーニングされ、MAE を使用して各モデルの精度が月単位で測定されました。
これを利用してモデル間の比較を行った。
結果: 3 つのモデル、Xception、VGG、および CNN モデルの精度およびその他の関連要素がテストされました。

要約(オリジナル)

Radiologists and doctors make use of X-ray images of the non-dominant hands of children and infants to assess the possibility of genetic conditions and growth abnormalities. This is done by assessing the difference between the actual extent of growth found using the X-rays and the chronological age of the subject. The assessment was done conventionally using The Greulich Pyle (GP) or Tanner Whitehouse (TW) approach. These approaches require a high level of expertise and may often lead to observer bias. Hence, to automate the process of assessing the X-rays, and to increase its accuracy and efficiency, several machine learning models have been developed. These machine-learning models have several differences in their accuracy and efficiencies, leading to an unclear choice for the suitable model depending on their needs and available resources. Methods: In this study, we have analyzed the 3 most widely used models for the automation of bone age prediction, which are the Xception model, VGG model and CNN model. These models were trained on the preprocessed dataset and the accuracy was measured using the MAE in terms of months for each model. Using this, the comparison between the models was done. Results: The 3 models, Xception, VGG, and CNN models have been tested for accuracy and other relevant factors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google