[論文レビュー] Femoral ROIs and Entropy for Texture-based Detection of Osteoarthritis from High-Resolution Knee Radiographs

Jiřı́ Hladůvka, Bui Thi Mai Phuong+5 more|arXiv (Cornell University)|Mar 27, 2017

Osteoarthritis Treatment and Mechanisms参考文献 10被引用数 4

ひとこと要約

本研究では、高分解能膝関節レントゲン撮影を用い、股関節領域の注目領域（ROIs）とシャノンエントロピーを用いたテクスチャベースのコンピュータ支援診断法を提案し、早期変形性関節症の検出を目的としている。計算効率の高いテクスチャ記述子としてシャノンエントロピーを用い、内側大腿骨のエントロピーと標準的なテクスチャ特徴量を組み合わせた五特徴量線形分類器により、AUC 0.85を達成し、最先端手法を約0.1上回る性能を発揮した。また、解釈可能性を維持したまま実現された。

ABSTRACT

The relationship between knee osteoarthritis progression and changes in tibial bone structure has long been recognized and various texture descriptors have been proposed to detect early osteoarthritis (OA) from radiographs. This work aims to investigate (1) femoral textures as an OA indicator and (2) the potential of entropy as a computationally efficient alternative to established texture descriptors. We design a robust semi-automatically placed layout for regions of interest (ROI), compute the Hurst coefficient and the entropy in each ROI, and employ statistical and machine learning methods to evaluate feature combinations. Based on 153 high-resolution radiographs, our results identify medial femur as an effective univariate descriptor, with significance comparable to medial tibia. Entropy is shown to contribute to classification performance. A linear five-feature classifier combining femur, entropic and standard texture descriptors, achieves AUC of 0.85, outperforming the state-of-the-art by roughly 0.1.

研究の動機と目的

• 大腿骨の海綿体骨のテクスチャが、早期変形性関節症（OA）のバイオマーカーとして有効であるかを検討すること。
• ハースト指数と同様のテクスチャ記述子であるシャノンエントロピーが、計算効率に優れた代替手段として有効であるかを評価すること。
• 大腿骨、エントロピー、標準的テクスチャ特徴量を組み合わせた、シンプルで解釈可能な線形分類器を構築し、OAリスク予測を行うこと。
• 大腿骨の内側および外側領域、および大腿骨頭部の上位側面におけるテクスチャ特徴量の判別能を評価すること。

提案手法

• 軟骨および軟部組織を避けるように、大腿骨頭部および上位脛骨部に半自動的に6つの長方形ROIを配置した。
• 各ROIでハースト指数（H）およびシャノンエントロピー（E）を計算し、海綿体骨のテクスチャを定量化した。
• 最適な特徴量の組み合わせを同定するために、統計的検定および機械学習（SVMベースの特徴選択）を適用した。
• 1000回のランダムな5分割交差検証スプリットを用い、AUCを主指標としてモデルの性能を評価した。
• 可視化のための低次元空間への射影の前に、データを平均0、分散1に正規化した。
• AUCと計算効率の両面から最良の特徴量サブセットを選択した。

実験結果

リサーチクエスチョン

• RQ1 大腿骨頭部から抽出したテクスチャ特徴量は、脛骨部と同等の信頼性ある早期変形性関節症の指標として機能するか？
• RQ2 シャノンエントロピーは、ハースト指数と比較して競争力があり、計算効率に優れた代替手段として有効か？
• RQ3 大腿骨、エントロピー、標準的テクスチャ特徴量を組み合わせた、少数の特徴量で構成される解釈可能な線形分類器は、既存の最先端手法を上回る性能を発揮するか？
• RQ4 どの特定のROIと特徴量の組み合わせが、OA症例と対照群を区別する上で最高の分類性能を示すか？

主な発見

• 内側大腿骨をシャノンエントロピーで分析した結果、単変量p値が2.48×10⁻⁷に達し、OA症例と対照群を区別する上で強い統計的有意性が示された。
• 最良の性能を示した五特徴量線形分類器は、AUC 0.85を達成し、最先端手法を約0.1上回った。
• エントロピー特徴量は、異なるサイズの特徴量サブセットにおいて一貫して選択されたことから、分類性能への強固な寄与が示された。
• ハースト指数とエントロピーの両方をモデルに組み込むことで性能が向上し、エントロピーがHの計算効率に優れた代替手段であることが示された。
• 内側大腿骨ROIは、最良の特徴量サブセットで一貫して選択されたことから、脛骨とは異なったバイオマーカーとしての価値が示された。
• モデルの透明性と高いAUCから、特に複雑なブラックボックスモデルと比較して解釈可能性に優れるため、臨床応用の可能性が非常に高いことが示された。