[論文レビュー] An Application of Backpropagation Artificial Neural Network Method for Measuring The Severity of Osteoarthritis

Dian Pratiwi, Diaz D. Santika+1 more|arXiv (Cornell University)|Sep 29, 2013

Medical Imaging and Analysis参考文献 3被引用数 16

ひとこと要約

本研究では、手および手首のレントゲン画像から変形性関節症の重症度を分類するため、誤差逆伝播型人工ニューラルネットワーク（BP-ANN）システムを提案する。手法は画像前処理、統計的テクスチャ特徴量、および132個の正規化された入力ベクトルを用い、学習データで100％の正確度、学習／非学習データの組み合わせで80％の正確度を達成した。これは、自動的な変形性関節症重症度評価の可能性を示している。

ABSTRACT

The examination of Osteoarthritis disease through X-ray by rheumatology can be classified into four grade of severity. This paper discusses about the application of artificial neural network backpropagation method for measuring the severity of the disease, where the observed X-ray range from wrist to fingers. The main procedures of system in this paper is divided into three, which are image processing, feature extraction, and artificial neural network process. First, an X-ray image digital (200x150 pixels and greyscale) will be thresholded, then extracted features based on probabilistic values of the color intensity of seven bit quantization result, and statistical textures. That feature values then will be normalizing to interval [0.1, 0.9], and then the result would be processing on backpropagation artificial neural network system as input to determine the severity of disease from an X-ray had input before it. From testing with learning rate 0.3, momentum 0.4, hidden units five pieces and about 132 feature vectors, this system had had a level of accuracy of 100% for learning data, 80% for learning and non-learning data, and 66.6% for non-learning data

研究の動機と目的

• 医用画像と機械学習を用いて、変形性関節症の重症度を自動で評価するシステムを開発すること。
• 整形外科医によるレントゲン画像の重症度評価における主観性とばらつきを是正すること。
• 人工ニューラルネットワークを応用し、疾患の重症度分類における一貫性と客観性を向上させること。
• 誤差逆伝播ニューラルネットワークが手および手首のレントゲン画像に対して、どの程度の性能を示すかを評価すること。
• テクスチャおよび強度に基づく特徴量を用いた変形性関節症重症度予測の可能性を検討すること。

提案手法

• 200×150ピクセルのグレースケールレントゲン画像を、コントラストを向上させるためにしきい値処理で前処理した。
• 特徴抽出には、7ビット量子化された画素強度から得られる確率的強度値と統計的テクスチャ特徴量を計算した。
• ニューラルネットワークの収束を改善するために、抽出された特徴量を[0.1, 0.9]の範囲に正規化した。
• 学習率0.3、モーメンタム0.4を用い、隠れ層が5ユニットの誤差逆伝播型ニューラルネットワークを訓練した。
• 4段階の重症度を予測するために、132個の特徴ベクトルを入力として使用した。
• 汎化性能を評価するために、学習データおよび非学習データのサブセットの両方でネットワークを訓練およびテストした。

実験結果

リサーチクエスチョン

• RQ1 誤差逆伝播型ニューラルネットワークは、手および手首のレントゲン画像から変形性関節症の重症度を正確に分類できるか？
• RQ2 本システムは学習データと未学習（非学習）テストデータの両方でどの程度の性能を示すか？
• RQ3 特徴量の正規化およびテクスチャに基づく入力が分類正確度に与える影響は何か？
• RQ4 人工ニューラルネットワークは、変形性関節症のレントゲン画像診断における主観性をどの程度低減できるか？
• RQ5 学習率およびモーメンタムの設定が、モデルの収束性および性能に与える影響は何か？

主な発見

• 本システムは学習データセットで100％の正確度を達成しており、強力な学習能力を示している。
• 学習データおよび非学習データの両方でテストした際、80％の正確度に達した。これは中程度の汎化性能を示している。
• 非学習データのみでテストした場合、66.6％の正確度を達成した。これは、過学習または新しい症例への汎化能力の制限が生じている可能性を示している。
• 特徴量を[0.1, 0.9]に正規化することで、誤差逆伝播アルゴリズムの訓練安定性と収束性が向上した。
• 7ビット強度量子化と統計的テクスチャ特徴量の組み合わせにより、ANNに十分な識別的入力を供給できた。
• 隠れ層が5ユニットで、学習パラメータを最適化したモデルは、自動的な変形性関節症重症度分類の実現可能性を示した。