[論文レビュー] Predictive Modelling of Bone Age through Classification and Regression of Bone Shapes

Anthony Bagnall, J. Lucian Davis|arXiv (Cornell University)|Jun 18, 2014

Forensic Anthropology and Bioarchaeology Studies被引用数 4

ひとこと要約

本稿では、手部レントゲン写真の骨輪郭から抽出した形状記述子を用いた特徴ベースでモジュラーなアプローチを提案し、自動的な骨年齢評価を実現する。骨の発達段階を分類し、要約された形状特徴（特に3つの骨に限って）を用いて年齢を回帰することで、熟練した人間の評価者と同等の精度を達成するとともに、透明性、デモグラフィック要因の分析、および集団特化型のモデル適合が可能となる。

ABSTRACT

Bone age assessment is a task performed daily in hospitals worldwide. This involves a clinician estimating the age of a patient from a radiograph of the non-dominant hand. Our approach to automated bone age assessment is to modularise the algorithm into the following three stages: segment and verify hand outline; segment and verify bones; use the bone outlines to construct models of age. In this paper we address the final question: given outlines of bones, can we learn how to predict the bone age of the patient? We examine two alternative approaches. Firstly, we attempt to train classifiers on individual bones to predict the bone stage categories commonly used in bone ageing. Secondly, we construct regression models to directly predict patient age. We demonstrate that models built on summary features of the bone outline perform better than those built using the one dimensional representation of the outline, and also do at least as well as other automated systems. We show that models constructed on just three bones are as accurate at predicting age as expert human assessors using the standard technique. We also demonstrate the utility of the model by quantifying the importance of ethnicity and sex on age development. Our conclusion is that the feature based system of separating the image processing from the age modelling is the best approach for automated bone ageing, since it offers flexibility and transparency and produces accurate estimates.

研究の動機と目的

• 画像に基づく形状特徴を用いて、正確で、透明性があり、モジュラーな自動骨年齢評価システムの開発。
• 骨年齢段階を予測するための3つのアプローチ（直接的な輪郭表現、シグナルベース分類、要約形状特徴）の比較。
• 形状特徴を用いた回帰モデルの性能を評価し、年齢を予測する。
• 性別や民族といったデモグラフィック要因が骨年齢発達に与える影響を調査する。
• 多様な臨床的集団に適応可能な柔軟で説明可能で、現地に適合可能なモデルを実現する。

提案手法

• 幾何的制約を用いてセグメンテーションの妥当性を検証し、個々の骨輪郭を分離した手部レントゲン画像を処理した。
• 3種類の特徴を抽出した：一次元的輪郭表現、特徴的部分列（shapelets）、Tanner-Whitehouse（TW）記述子に基づく要約形状特徴。
• 3種類の特徴タイプを用いて分類器（Elastic Ensembleおよびシグナルベースモデルを含む）を学習し、TW骨段階カテゴリを予測した。
• 骨輪郭からの年齢予測のため、形状特徴を用いた線形および非線形回帰モデルを構築した。
• 段階的回帰と仮説検定を用い、性別や民族といったデモグラフィック変数が年齢予測に与える有意性を評価した。
• MAE、RMSE、R²の指標を用いてモデルの性能を評価し、人間の熟練評価者との結果を比較した。

実験結果

リサーチクエスチョン

• RQ1 生の輪郭、シグナル、TWに基づく要約特徴のうち、どの特徴表現が骨年齢段階分類において最も高い精度を達成するか？
• RQ2 形状特徴に基づく回帰モデルは、熟練した人間の評価者と同等の精度で、年齢を予測できるか？
• RQ3 性別や民族といったデモグラフィック要因が骨年齢発達に与える影響は何か。定量的にモデル化可能か？
• RQ4 3つの骨のみを用いても、正確な年齢予測が達成可能か。また、どの特徴が最も予測的か？
• RQ5 エンドツーエンドのディープラーニングやアトラスベース手法と比較して、特徴ベースのモジュラーなシステムは、より透明性があり、適応可能であるか？

主な発見

• TWに基づく要約形状特徴を用いたモデルは、一次元的輪郭表現やシグナル特徴を用いたモデルよりも、少なくとも1つの骨で優れた性能を示した。
• 3つの骨（指骨、骨端部）を用いた回帰モデルは、平均絶対誤差（MAE）が0.98、平均二乗誤差（RMSE）が1.67を達成し、熟練した人間の評価者と同等の精度を示した。
• 骨端部の幅と指節間距離を用いた2変数の線形モデルは、年齢の分散のおよそ80％を説明できた（R² ≈ 0.80）。
• 民族が骨年齢発達に顕著な影響を及ぼし、アジア系民族は非常に有意な予測要因であった。性別と民族を含むモデルのRMSEは0.855であり、人間の評価者（RMSE 0.89）よりわずかに優れていた。
• 性別は回帰モデルにおいて有意な予測要因であったが、交互作用項と段階的選択法によりその重要性が確認されたものの、全モデルでは性別の係数は有意にゼロとは異ならないことが判明した。
• 特徴ベースのモジュラーなシステムにより、透明性があり、説明可能で、現地に適合可能なモデルが実現可能であり、今後の地域特化型デモグラフィックデータの統合や、信頼区間を用いた仮説検定の支援が可能となった。