مذكرة لى فنغ الشبكة: هذا المقال من المتوسطة، وقد تم تجميعها من قبل شبكة لى فنغ.

طوال الوقت، ملتزمون NeuroNuggets وسلسلة بحوث Neuromation لتقديم فريق المتميز من الباحثين الذكاء الاصطناعي.

اليوم هو الفائز Kaggle ماجستير الكسندر Rakhlin لإدخالها. وكان الكسندر خبير التعلم العميق، وتخصصت في قضايا تتعلق التصوير الطبي، بما في ذلك تقسيم الصورة، مجال الكشف عن وجوه والتفاف الشبكة العصبية بالمعنى الواسع.

في "وجرى تقييم عمر العظام للأطفال باستخدام الشبكات العصبية التفاف العمق" ليتم تضمينها التعلم العميق المؤتمر الرابع للجمعية العامة لتحليل الصور الطبية (DLMIA 2018) مؤخرا أوراق الكسندر شارك في تأليفه. ليست هذه هي المادة الأولى الأوراق البحثية التصوير الطبي المتخصصة Neuromation، يمكننا أن مجرد استخدام هذه الفرصة لمناقشة التفاصيل في هذا العمل.

والشخص الذي العظام: تقييم عمر العظام

سن العظام، وعمر العظام أو يقول، هو أساسا كيف القديمة تبدو عظامك.

كما نما الطفل، وسوف له / عظامها تنمو وتنضج، وهذا يعني أن من خلال مراقبة عظام الطفل، يمكننا تقدير متوسط عمر الأطفال لها بعض العظام لفهم عمر الطفل. هذه المرة، قد ترغب في طرح هذا المقال ليس عن علم الآثار: الأطفال الذين يعيشون عادة لا تبادل لاطلاق النار الأشعة السينية، ما لم يعرف أي واحد عندما ولدوا فيها.

وليس. إذا كان الطفل ينمو بشكل طبيعي، يجب أن يكون عمر العظام في حدود 10 من العمر الفعلي، ولكن هناك استثناءات. بعض الاستثناءات غير ضارة، ولكن أفضل نعلم جيدا: على سبيل المثال، طفلك عن نمو العظام وسن السريع البلوغ. لذلك، إذا بضع سنوات أقدم من عمر العظام الفعلي، وسوف يتوقف نمو الأطفال في وقت سابق، إن العظام من عمرهم الحقيقي، و"الشباب" قبل بضع سنوات، والنمو السريع تأخير وصول. وبالإضافة إلى ذلك، مع الأخذ بعين الاعتبار الارتفاع والعظام العصر الحالي، يمكن أن يتنبأ بالفعل النهائي الأطفال ارتفاع الكبار إلى حد ما وبدقة، والتي يمكن أن تأتي في متناول اليدين: إذا كان طفلك يحب كرة السلة، قد تنمو إلى 7 أقدام اذا كان مهتما.

استثناءات أخرى إلى أكثر خطورة بكثير: وبشكل كبير بين العمر الحقيقي والعمر العظام لا يطابق تشير إلى وجود العديد من المشاكل، بما في ذلك فشل النمو ومشاكل الغدد الصماء. واحدة قراءات سن العظام يقول الطبيب المريض السريرية النضج النسبي في غضون فترة زمنية محددة، جنبا إلى جنب مع النتائج السريرية الأخرى، فإنه يمكن تمييزها عن المعتاد، وسريع نسبيا أو يتباطأ منطقة شخص. النمو المتواصل في سن العظام وسيلة قيمة الاتجاه القراءات أن الأطفال و / أو عرض له أو لها التقدم في العلاج. من خلال تقييم سن العظام، ويمكن أن طبيب الأطفال تشخيص اضطرابات الغدد الصماء ومشاكل التمثيل الغذائي في عملية نمو الطفل، مثل عسر تصنع الهيكل العظمي، أو التغذية، والتمثيل الغذائي أو عيوب النمو التي تؤثر على الكردوس أو العظام نضوج عوامل غير معروفة. في حالة هذا تأخر النمو، وتأخر سن العظام وارتفاع يكون من الممكن تقريبا بنفس القدر، ومع ذلك، من خلال المعالجة، للوصول العادية إمكانية ارتفاع الكبار لا يزال موجودا.

لكل هذه الأسباب، نفذت طبيب الأطفال اليد أشعة X الطفل لتقدير له / عمر العظام لها هو شائع جدا ...... لذلك من الطبيعي، والتشغيل الآلي هو محاولة كبيرة.

النخيل القراءة: تقييم عمر العظام بواسطة اليدين والمعصمين

نضج الهيكل العظمي في المقام الأول لتقييم درجة التطور ودرجة التحجر مركز التعظم المشاش من الثانوية. على مدى عقود، وعادة ما يتم تقييم النضج العظام بصريا والمعارضين للنمو العظام في الرسغ تحدد. ما يلي هو طبيب الأشعة في الوقت للتحقق من يدك X-راي يبحثون عن:

تقدر حاليا نوعين من العمر العظام الأكثر شيوعا هو تقنية فوتوغرافية Greulich وبايل وتانر البيت الأبيض (TW2). كلتا الطريقتين استخدام اليد اليسرى والرسغ X-راي لتقييم نضج العظام، والذي يقوم على أساس مؤشر النضج، أي العظام التحجر مشاشي تغير من مرحلة مبكرة إلى ظهور أشعة X الانصهار العظام، أو حتى أصبح الناس العظام تغيير شكل شقة عظم ...... لا تقلق، سمعنا أيضا هذه الكلمات. دعونا ننظر صورة:

تقنية التقييم نضج الهيكل العظمي التقليدية، مثل GP أو TW2، طويلة جدا، وقتا طويلا جدا، وبعض ذاتية ما، حتى الأشعة خبرة لا تتفق دائما مع نتائج التقييم. ولذلك، فإن استخدام نظام التشخيص بمساعدة الحاسوب لتحسين دقة تقدير العمر العظمي، وزيادة إعادة استخدام الطبيب والكفاءة جذابة جدا.

في السنوات الأخيرة، أظهر عمق طريقة أساس التعلم وتحسين الأداء خلال أساليب التعلم آلة التقليدية في العديد من القضايا في الطب الحيوي. في مجال التصوير الطبي، وقد استخدمت الشبكة العصبية التلافيف (CNN) بنجاح في فحص السكري اعتلال الشبكية، وتحليل سرطان الثدي الأنسجة صورة، والتنبؤ أمراض العظام وغيرها الكثير، ويمكنك معرفة هذه الأمراض وغيرها من التطبيقات من مقالاتنا السابقة التحقيق.

لذلك، ونحن نحاول بطبيعة الحال إلى عمق البنية العصبية الحديث ينطبق أيضا على تقييم عمر العظام. هنا، ونحن نستخدم (RSNA) نظمت جمعية الطب الاشعاعي الأطفال سن عظم التحدي (Pediatic العظام العمر التحدي) بيانات من أمريكا الشمالية، وصفت عمق تعلم طريقة مؤتمتة بالكامل من التقييم سن العظام. حين تحقيق أعلى درجة ممكنة من الدقة هو الهدف الأساسي، ولكن صمم النظام لدينا ليست كافية لجودة وتنوع المراكز المختلفة الأشعة الطبية المنتجة على أجهزة مختلفة ويكون لا يزال قويا.

معطيات

مجموعة البيانات التي تقدمها جمعية الطب الاشعاعي في أمريكا الشمالية (RSNA)، كما نظمت RSNA عمر العظم 2017 أطفال التحدي. وقد تم الحصول على هذه الصور من مستشفى ستانفورد للأطفال ومستشفى الأطفال في ولاية كولورادو، وأخذوا أجهزة مختلفة في أوقات مختلفة وظروف مختلفة. هذه الصور عن طريق الأشعة طب الأطفال المهنية مسؤولة عن تفسير، أنها سجلت سن العظام في تقرير الأشعة، على أساس المقارنة بين جهة تسجيلها ونمو العظام في الرسغ التوضيح إشعاع فوتوغرافية Greulich وبايل الرؤية. وبالإضافة إلى ذلك، توقع لجنة استخراج تلقائيا من سن العظام الإشعاعي التقرير باعتباره الركيزة الأساسية للتدريب نموذج.

تصوير شعاعي حجم والتوجيه، وتختلف عن بعضها التعرض، وعادة ما يكون سمة محددة. RSNA كامل مجموعة التدريب البيانات تضم 12611 مرة، 1425 مرات و 200 صور اختبار التحقق. منذ بيانات الاختبار مجموعة من الواضح صغيرة جدا، وأثناء وضع تسميته غير معروفة، ونحن تم اختبار النموذج فقط على مجموعة التدريب 1000 الأشعة محفوظة.

تدريب البيانات بما في ذلك 5778 النساء والرجال 6833 صور. العمر 1-228 أشهر، لا سيما بالنسبة للأطفال الذين تتراوح أعمارهم بين 5-15 سنة.

المعالجة I: الإنقسام ومقارنة

واحدة من إسهام كبير من عملنا هو خط المعالجة صارم. لمنع صورة نموذج التشويه ويحدث الخطأ التعلم المرتبطة بها، علينا أولا إزالة الخلفية مقسمة باليد.

لتجزئة صورة، ونحن نستخدم البنية العميقة U-صافي. منذ اخترع عام 2015، أصبح U-نت العلاج التيار المهام تجزئة. وهو يتألف من سياق مسار القبض على الانكماش ويتيح تحديد المواقع بدقة من تكوين متناظرة مسير الانتشار، وهذا ليس لأن موضوع هذا المقال، ونحن سوف تظهر لك نوصي فقط لقراءة بنية الورق ويمكن الحصول على تفاصيل:

ونحن أيضا استخدام تطبيع دفعة، من أجل تحسين التقارب من عملية التدريب. في خوارزمية لدينا، ونحن نستخدم خسارة المعمم من وظيفة.

ثنائية عبر وظيفة فقدان الكون

بين

القيمة الحقيقية للبكسل

هذا هو الاحتمال المتوقع من بكسل، و

مؤشر JACCARD يمكن أن يكون تعزيز الصغير:

ونحن نفعل ذلك من خلال تقسيم خطوة إزالة مكونات متصلة صغيرة مستقلة من التباين والتوازن. هنا هو مبدأ عمل خط المعالجة لدينا:

كما ترون، جودة X-ray و المقابل هو في الواقع تحسنت كثيرا. هنا يمكنك التوقف لتدريب التفاف معيار الشبكة العصبية تصنيف / الانحدار، مع شركائنا في مرحلة ما قبل المعالجة وتوحيد التكنولوجيا (مثل التوسع والتناوب) لتوسيع مجموعة التدريب. حاولنا ذلك بهذه الطريقة، ولكن ليس جيدة مثل نتائج النموذج النهائي لدينا بدقة، ولكن لا يزال هو مرضية تماما.

ومع ذلك، فإن التركيز في البداية على طريقة GP وTW محددة Shougu، بما في ذلك السلاميات، الرسغ والمشط. قررنا في محاولة لاستخدام هذه المعلومات وعالية الدقة نموذج القطار وحدها على بضعة مجالات محددة، من أجل تقييم قيمة ومقارنة أدائها. إلى الموضع الصحيح لهذه المناطق، لدينا كل نفس تحويل الصورة إلى حجم وموضع، أي أنهم جميعا تقديمهم إلى نفس تنسيق الفضاء، وهي عملية تعرف باسم تسجيل الصورة.

ما قبل المعالجة: تسجيل صورة الرئيسي

لدينا مخطط تسجيل صورة بسيطة: نحن بحاجة فقط للكشف عن إحداثيات نقاط سمة من سمات أيدي قلة قليلة. فإننا سوف تكون قادرة على حساب أفيني المعلمات التحول (التحجيم، والتناوب، والترجمة، ومرآة) لتناسب الصورة إلى موقف موحد.

لإنشاء مجموعة تدريب النماذج الرئيسية، ونحن نستخدم VGG صورة الحواشي (VIA) علامات اليدوية 800 صورة. اخترنا ثلاث نقاط ميزة: مركز ثالث طرف الإصبع السلاميات البعيدة من الإبهام وغيض من السلاميات البعيدة من الجمجمة. إحداثيات بكسل من النقاط الرئيسية كهدف للتدريب على نموذج الانحدار لدينا.

ويتم تنفيذ النقطة الرئيسية كنموذج مرة أخرى عمق الشبكة العصبية الإلتواء، مستوحاة من عائلة نموذجية VGG شعبية، ولكن مع إخراج العودة. VGG حدة الإلتواء وتتكون من طبقتين، وجود وحدة خطية ينشط مؤشر، وتوحيد الحد الأقصى دفعة والمجمعة. هنا هو هيكل:

خسارة التدريب مربع نموذج الخطأ يعني (MSE) وآدم محسن:

من أجل تحسين التعميم، سنقوم بتوسيع معيار تطبيقها على المدخلات، بما في ذلك تناوب، والتكبير. إخراج نموذج 6 الإحداثيات.

بعد العثور على النقاط الرئيسية، ونحن حساب لتحويل تآلفي جميع الصور الشعاعية (التحجيم، والتناوب، والترجمة). هدفنا هو الحفاظ على نسبة الارتفاع صورة، ولكن يناسب قبل أن تتحول إلى موقف موحد، كل صورة شعاعية صحيحا:

1. غيض من المحاذاة الأفقية المتوسطة وضعه تحت الحافة العلوية من الصورة من حوالي 100 بكسل.

2. محاذاة الجمجمة وتقع على مستوى حوالي 480 بكسل فوق الحافة السفلية من الصورة.

تقليديا، تم تقييم عمر العظام باستخدام صورة أشعة X من اليد اليسرى، ولكن في بعض الأحيان سوف تنعكس مجموعة بيانات الصورة. من أجل الكشف عن هذه الصور وتعديلها بشكل مناسب، ونحن نستخدم النقطة الرئيسية من الإبهام.

لنرى كيف عملنا صورة نموذج التسجيل. كما ترون، وقد تناوب من ناحية بنجاح لوضع معيارنا المفضل:

هناك العديد من الحالات في جميع أنحاء خط المعالجة. بما في ذلك نتائج تجزئة، يتم عرض التقييس والتسجيل في السطر الرابع.

عظم نموذج تقييم عمر

ومن ناحية عمر العظام وتابع Gilsanz راتب من: نضج الهيكل العظمي أطلس رقمي، اخترنا من تسجيل صور الأشعة السينية في ثلاثة مجالات محددة، وتدريب نموذج منفصل لكل المنطقة:

1. كل ناحية

2. الرسغ

3. المشط والداني كتيبة.

وهذا هو المجال من الأشعة الحقيقية وبعض العينات شرائح تقسيم المقابلة:

وتستخدم الشبكات العصبية التلافيف للقيام بمهام تصنيف، ولكن التقييم سن العظام هي في جوهرها مشكلة الانحدار: علينا أن نتوقع من العمر، بل هو متغير مستمر. لذلك، ونحن نريد لمقارنة مجموعتين من CNN الهندسة المعمارية، والانحدار والتصنيف، لذلك حققنا على حد سواء. مشاركة المعلمات نموذج مماثلة، وبروتوكول التدريب، وتختلف فقط في اخر طبقتين.

لدينا أول نموذج هو بنية على غرار VGG العرف، مع العودة إلى الإنتاج. وتتألف الشبكة من ست وحدات الإلتواء وجود 32،64،128،128،256،384 المرشحات، تليها طبقتين مرتبطة ارتباطا كاملا، كل طبقة 2048 وتكوين الخلايا العصبية الإخراج (نحن سوف في الصورة المبينة أدناه). وبالنظر إلى حجم يختلف باختلاف المنطقة المدخلات من الصورة. من أجل أفضل التعميم، طبقة طبقة التطبيقات العادية قبل أن مرتبطة ارتباطا كاملا. سنعود الأهداف، وهي لتعديل الفئة العمرية العظام . من أجل تجنب الإفراط في المناسب، فإننا سوف تضخيم وعلى نطاق ووقت التدريب، وتناوب التحول. آدم يتم تدريب شبكة محسن عن طريق التقليل من الخطأ المطلق يعني (MAE):

ويستخدم النموذج الثاني للتصنيف، بالإضافة إلى اثنين من طبقات النهائية، ونموذج الانحدار هي مشابهة جدا. يتم تعيين واحد الفرق الرئيسي لكل فئة عمرية مختلفة العظام. في مجموعة البيانات، عمر العظام في أشهر، لذلك نحن نعتبر كل فئة 240، وطبقة قبل الأخيرة تصبح طبقة softmax وجود 240 النواتج. ناقلات احتمال انتاج احتمال طبقة، حيث الطبقة هي في حدود جلب القيم الحقيقية. في الطبقة الأخيرة، وناقلات الاحتمالات ناقلات مختلفة حسب العمر العظام . وفقا لذلك، واحدة إخراج نموذج التوقعات سن العظام. نحن نستخدم نفس النموذج بروتوكول الانحدار لتدريب النموذج.

هذه هي بنية نموذجية للتصنيف، بالإضافة إلى ذلك softmax إلى طبقة عدم binning وخارجها، هو نفس نموذج الانحدار:

نتيجة

قمنا بتقييم 1000 النموذج على مجموعة التحقق من صحة مجموعة التدريب الأشعة. ووفقا للنظر GP بين الجنسين وأساليب TW لكل منطقة من الفضاء، كنا التدريب لنموذج معين من النساء والرجال بين الجنسين، ومقارنتها مع نموذج الملحد بين الجنسين لجميع السكان من التدريب. وفيما يلي ملخص للنتائج، فإننا سوف مناقشة ما يلي:

وتبين أنه بعد زيادة الجنس حد كبير في تحسين دقة المدخلات، وبمتوسط 1.4 أشهر. أداء ممثلين من كلا الجنسين أقصى اليسار عمود من نموذج الانحدار. كان المشط القريب والمنطقة سلاميات (منطقة C) الخطأ المطلق يعني (MAE) 8.42 شهرا، كانت يد كاملة (A منطقة) الخطأ المطلق يعني (MAE) 8.08 شهرا. وهناك مجموعة من ثلاث مناطق الخطية يزيد من دقة الشاملة 7.52 شهرا (الصف التالي في الجدول).

سوف نموذج جنس محدد الانحدار (العمود الثاني والعمود الثالث) زاد MAE إلى 6.30 شهرا للرجال والنساء و6.49 شهرا. علما بأن ليصطف النساء والمشط ومنطقة السلامية بالقرب MAE توازي 6.79 أشهر، بل وأكثر دقة من ناحية بأكملها، MAE فقط 7.12 أشهر!

نموذج التصنيف حسب نوع الجنس محددة (الأعمدة الرابع والخامس) أداء أفضل قليلا من نموذج الانحدار، على التوالي، وأظهر 6.16 أشهر وأشهر من 6.39 MAE (المصب).

وأخيرا، في العمود السادس، نقدم مجموعة من كافة نماذج محددة بين الجنسين (التصنيف والانحدار). في المجموعة التحقق من صحة البيانات، وصلت إلى دقة جديدة 6.10 شهرا، من حيث التحدي تقييم عمر العظام أو من الناحية العملية، وهذا هو نتيجة رائعة.

استنتاج

لتلخيص: في هذه المادة، وتبين لنا كيفية تطوير نظام تقييم عمر العظام الآلي، والتي هي قادرة على تقييم دقة مذهلة من النضج الهيكلي، على غرار أو أفضل من الأشعة المهنية. قمنا بتقييم مناطق مختلفة من يد الطرق العددية، وتقييم عمر العظام يمكن العثور على المشط والسلامية القريبة، وحدها، من دون خسائر كبيرة من الدقة. ومن أجل التغلب على تنوع الأشعة الجودة، لدينا عرض تنظيف وتوحيد عملية صارمة، ويحسن بشكل كبير من قوة ودقة النموذج.

نموذج لديها امكانات كبيرة لتطبيقها في بيئة السريرية، فإنه يمكن أن يساعد الأطباء على اتخاذ قرارات دقيقة في الوقت الحقيقي وتقييم عمر العظام، وحتى لتوسيع حدود لا يمكن الوصول إليها الطبي. وهذا يضمن التشخيص في الوقت المناسب وعلاج قصور النمو في مرضاهم قليلا. لى فنغ لى فنغ صافي صافي