[논문 리뷰] Predictive Modelling of Bone Age through Classification and Regression of Bone Shapes

Anthony Bagnall, J. Lucian Davis|arXiv (Cornell University)|2014. 06. 18.

Forensic Anthropology and Bioarchaeology Studies인용 수 4

한 줄 요약

이 논문은 손 뼈의 윤곽에서 유도된 형태 기술자로부터 유도된 기능 기반의 모듈식 접근 방식을 제안한다. 수작업으로 뼈 단계를 분류하고 연령을 회귀 분석함으로써, 단지 세 개의 뼈에서 유도된 요약 형태 기능을 사용하여 전문가 수준의 정확도를 달성하면서도 투명성, 인구 통계 분석, 그리고 인구에 특화된 모델 적응이 가능하다.

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.

연구 동기 및 목표

• 이미지 기반의 형태 기능을 사용하여 정확하고 투명하며 모듈식인 자동 뼈 연령 평가 시스템을 개발한다.
• 직접 윤곽 표현, 형태렛 기반 분류, 요약 형태 기능의 세 가지 접근 방식을 비교하여 뼈 연령 단계를 예측한다.
• 형태 기능을 사용한 회귀 모델의 성능을 평가하여 연령을 예측한다.
• 성별 및 민족과 같은 인구 통계적 요인이 뼈 연령 발달에 미치는 영향을 조사한다.
• 다양한 임상 인구 집단에 맞는 융통성 있고 설명 가능하며 현지에 적응 가능한 모델을 가능하게 한다.

제안 방법

• 기하학적 제약 조건을 사용하여 개별 뼈 윤곽을 분리하고 분할의 정확성을 검증했다.
• 일차원 윤곽 표현, 형태렛(구분 가능한 부분 수열), Tanner-Whitehouse(TW) 기반 요약 형태 기능의 세 가지 유형의 기능을 추출했다.
• 세 가지 기능 유형에 대해 분류기(예: 엘라스틱 엔semble 및 형태렛 기반 모델)를 훈련시어 TW 뼈 단계 카테고리를 예측했다.
• 형태 기능을 사용하여 선형 및 비선형 회귀 모델을 구축하여 뼈 윤곽에서 연령을 예측했다.
• 단계적 회귀 분석 및 가설 검정을 통해 인구 통계 변수(성별, 민족)가 연령 예측에 미치는 영향을 평가했다.
• MAE, RMSE, R² 지표를 사용하여 모델 성능을 평가하고 인간 전문가의 추정치와 비교했다.

실험 결과

연구 질문

• RQ1 원시 윤곽, 형태렛, TW 기반 요약 기능 중 어느 기능 표현 방식이 가장 정확한 뼈 연령 단계 분류를 제공하는가?
• RQ2 형태 기능 기반의 회귀 모델이 전문가 인간 평가자 수준의 정확도로 연령을 예측할 수 있는가?
• RQ3 성별 및 민족과 같은 인구 통계적 요인이 뼈 연령 발달에 미치는 영향은 어떻게 영향을 미치며, 이를 정량적으로 모델링할 수 있는가?
• RQ4 오직 세 개의 뼈만으로 정확한 연령 예측을 얼마나 달성할 수 있으며, 어떤 기능이 가장 예측력이 있는가?
• RQ5 기능 기반의 모듈식 시스템은 종합적인 딥 러닝 또는 애틀라스 기반 방법보다 더 투명하고 적응 가능한가?

주요 결과

• TW 기반 요약 형태 기능을 사용한 모델이 최소한 한 개의 뼈에서 일차원 윤곽 표현 및 형태렛을 사용한 모델보다 성능이 뛰어났다.
• 세 뼈(손가락 뼈, 골단위)만을 사용한 회귀 모델이 평균 절대 오차(MAE) 0.98과 루트 평균 제곱 오차(RMSE) 1.67을 기록하여 전문가 수준의 정확도를 달성했다.
• 골단위 너비와 손가락 뼈까지의 거리에 기반한 이변량 선형 모델이 약 80%의 연령 분산을 설명했다(R² ≈ 0.80).
• 민족이 뼈 연령 발달에 유의미하게 영향을 미쳤으며, 아시아계는 매우 유의미한 예측 변수였다. 성별 및 민족을 포함한 모델의 RMSE는 0.855로 인간 평가자(0.89)보다 略로 높은 정확도를 보였다.
• 성별은 회귀 모델에서 중요한 예측 변수였으며, 상호작용 항 및 단계적 선택을 통해 그 중요성이 확인되었지만, 전체 모델에서 성별 계수는 유의미하게 0과 다를 수 없었다.
• 기능 기반의 모듈식 시스템은 투명하고 설명 가능하며 현지에 적응 가능한 모델을 가능하게 하여, 향후 지역 인구 통계 데이터 통합 및 신뢰구간 기반 가설 검정을 지원한다.