심층학습 기반의 사춘기 연령 골연령 측정 방법에 관한 연구

arxiv의 A Study on Deep Learning Based Sauvegrain Method for Measurement of Puberty Bone Age의 원문과 국문 번역본이다.

Abstract

This study applies a technique to expand the number of images to a level that allows deep learning. And the applicability of the Sauvegrain method through deep learning with relatively few elbow X-rays is studied.  The study was composed of processes similar to the physicians' bone age assessment procedures. The selected reference images were learned without being included in the evaluation data, and at the same time, the data was extended to accommodate the number of cases. In addition, we adjusted the X-ray images to better images using U-Net and selected the ROI with RPN + so as to be able to perform bone age estimation through CNN. The mean absolute error of the Sauvegrain method based on deep learning is 2.8 months and the Mean Absolute Percentage Error (MAPE) is 0.018. This result shows that X - ray analysis using the Sauvegrain method shows higher accuracy than that of the age group of puberty even in the deep learning base. This means that deep learning of the Suvegrain method can be measured at a level similar to that of an expert, based on the extended X-ray image with the image data extension technique. Finally, we applied the Sauvegrain method to deep learning for accurate measurement of bone age at puberty. As a result, the present study is based on deep learning, and compared with the evaluation results of experts, it is possible to overcome limitations of the method of measuring bone age based on machine learning which was in TW3 or Greulich & Pyle due to lack of X- I confirmed the fact. And we also presented the Sauvegrain method, which is applicable to adolescents as well.

개요

본 연구는 학습 가능한 수준으로 이미지의 수를 확장하는 기법을 응용해 적은 수의 팔꿈치 X선 사진만으로도 심층학습을 통한 Sauvegrain 방법의 적용 가능성을 연구한다. 연구는 일반적인 의사들의 골 연령 평가 절차와 유사하게 프로세스를 구성하였다. 선정된 기준 사진을 평가 데이터에 포함시키지 않고 학습하는 동시에 많은 경우의 수에 대응하기 위해 데이터를 확장시키는 방법으로 대안을 마련하였으며 U-Net을 이용해 X선 사진을 보다 학습하기 좋게 조절하고 RPN+로 ROI를 선정해 CNN을 통한 골 연령 추정을 수행할 수 있게끔 구성하였다.  심층 학습을 기반으로 작동하는 Sauvegrain 방법의 절대 오차의 평균은 2.8개월이며 MAPE(Mean Absolute Percentage Error)는 0.018이다. 이 결과는 심층 학습 기반에서도 Sauvegrain 방법이 적용된 X선 분석이 사춘기 연령에 해당되는 연령대에서 보다 높은 정확도를 나타내고 있음을 알 수 있다. 이는 이미지 데이터 확장 기법으로 확장된 X선 사진을 토대로 Suvegrain 방법의 심층 학습이 전문가와 유사한 수준에서 측정이 가능하다는 것을 의미한다. 최종적으로 우리는 사춘기에 해당되는 골 연령의 정확한 측정을 위해 Sauvegrain 방법을 심층학습에 적용했다. 심층 학습을 기반으로 골 연령을 측정하고 전문가들의 평가 결과와 비교함으로서 X선 사진의 부족을 문제로 TW3나 Greulich & Pyle에 머물렀던 기계학습 기반의 골 연령 측정 방법의 한계를 넘어 사춘기 연령에도 적용할 수 있는 Sauvegrain 방법을 최초로 제시했다.

A Study on Deep Learning Based Sauvegrain Method for Measurement of Puberty Bone Age_한글.pdf

원문 링크: https://arxiv.org/abs/1809.06965