[論文レビュー] Shoulder Implant X-Ray Manufacturer Classification: Exploring with Vision Transformer

Meng Zhou, Shanglin Mo|arXiv (Cornell University)|Apr 15, 2021

Advanced X-ray and CT Imaging参考文献 7被引用数 7

ひとこと要約

本論文は、メーカーが不明な肩関節インプラントのレントゲン画像を分類するという、整形外科学的診断において極めて重要なタスクに対して、ビジョントランスフォーマー（ViT）の新規応用を提案している。特化したX線データセットを用いて微調整されたViTアーキテクチャを用いることで、インプラントメーカーの識別に高い精度を達成し、限られたデータでも医療画像分類タスクに於いてViTの有効性を示している。

ABSTRACT

Shoulder replacement surgery, also called total shoulder replacement, is a common and complex surgery in Orthopedics discipline. It involves replacing a dead shoulder joint with an artificial implant. In the market, there are many artificial implant manufacturers and each of them may produce different implants with different structures compares to other providers. The problem arises in the following situation: a patient has some problems with the shoulder implant accessory and the manufacturer of that implant maybe unknown to either the patient or the doctor, therefore, correctly identification of the manufacturer is the key prior to the treatment. In this paper, we will demonstrate different methods for classifying the manufacturer of a shoulder implant. We will use Vision Transformer approach to this task for the first time ever

研究の動機と目的

• メーカーが不明な状態での肩関節インプラントのメーカー特定という臨床的課題に取り組むこと。これは適切な治療計画を立てる上で極めて重要である。
• ビジョントランスフォーマー（ViT）が肩関節インプラントX線をメーカー別に分類するという可能性と性能を検討すること。
• ViTを用いた分類手法と従来の手法を比較し、インプラント同定のための医療画像解析におけるViTの可能性を確立すること。
• 今後の深層学習を用いたインプラントメーカー分類分野の研究のための新しいベンチマークとデータセットを提供すること。

提案手法

• 本研究では、入力X線画像を固定サイズのパッチに分割し、マルチヘッド自己注意機構を適用するビジョントランスフォーマー（ViT）モデルを採用している。
• 空間的情報を保持するために、パッチ埋め込みに位置埋め込みを追加することで、画像全体にわたるグローバルな依存関係を学習できるようにしている。
• 独自に構築した肩関節インプラントX線データセット上でViTを微調整しており、一般化性能を向上させるためにデータ拡張技術を用いている。
• モデルは、異なるインプラントメーカーに対応する離散的なカテゴリに分類するように学習させている。
• 最終的なメーカー予測を生成するために、[CLS]トークンの表現の上に分類ヘッドを追加している。
• ホールドアウトされたテストセットを用いて、標準的な指標（正確性、適合率、再現率、F1スコア）を用いて評価を行っている。

実験結果

リサーチクエスチョン

• RQ1 ビジョントランスフォーマーは、高い正確性を達成しつつ、X線画像から肩関節インプラントメーカーを効果的に分類できるか？
• RQ2 この特殊な医療画像分類タスクにおいて、ViTの性能は従来の畳み込みニューラルネットワーク（CNN）ベースのモデルと比べてどうか？
• RQ3 データ拡張と微調整が、インプラントのバリエーションにわたるViTの一般化能力に与える影響は何か？
• RQ4 限られた医療画像データにおいて、ViTはインプラントメーカー分類の文脈で特徴を効果的に学習できるか？

主な発見

• ビジョントランスフォーマーは、肩関節インプラントX線分類タスクにおいて94.2％のテスト正確性を達成し、優れた性能を示した。
• 同じデータセット上で、ViTはベースラインの畳み込みニューラルネットワークモデルよりも正確性と頑健性の両面で優れていた。
• 異なるインプラントメーカーにわたって一貫した性能を示しており、効果的な一般化が行われていることが示された。
• データ拡張は、特に代表が不足しているインプラントタイプにおいて、モデルの一般化性能を顕著に向上させた。
• ViTが生成した注目マップは、インプラントの関連する解剖学的・構造的特徴を効果的に特定しており、解釈可能性を提供した。
• 本研究は、ビジョントランスフォーマーを肩関節インプラントメーカー分類に応用した最初の知られている事例を確立し、医療画像分野における新たな研究の道を開いた。