Doctor Imitator：基于手部 X 光片并通过模仿评分方法进行骨龄评估
摘要
由于骨龄评估过程复杂，其在临床实践中具有挑战性。当前的自动骨龄评估方法在设计时很少考虑诊断流程，因此可能产生某些不可解释的隐藏状态和输出。 Consequently，医生难以与此类模型和谐协作，因为很难核查模型预测的正确性。在本工作中，我们提出一种基于图的深度学习新框架，用于手部 X 光片的骨龄评估，称为 Doctor Imitator (DI)。DI 的架构旨在通过学习医生使用评分方法（例如 Tanner-Whitehouse 方法）进行骨龄评估的诊断流程来设计。具体而言，DI 的卷积捕获手部 X 光片上解剖感兴趣区域（ROI）的局部特征，并通过我们提出的解剖分组卷积预测 ROI 分数，求和得到骨龄预测。此外，我们开发了一种新颖的基于双图的注意力模块，用于计算 ROI 特征的患者特定注意力和 ROI 分数的上下文注意力。据我们所知，DI 是首个遵循评分方法且无需全监督手部 X 光片的自动骨龄评估框架。在仅有骨龄监督的手部 X 光片上的实验验证了 DI 能够以稀疏参数实现优异性能并提供更强的可解释性。
引用
@article{arxiv.2102.05424,
title = {Doctor Imitator: Hand-Radiography-based Bone Age Assessment by Imitating Scoring Methods},
author = {Jintai Chen and Bohan Yu and Biwen Lei and Ruiwei Feng and Danny Z. Chen and Jian Wu},
journal= {arXiv preprint arXiv:2102.05424},
year = {2023}
}
备注
Original Title: "Doctor Imitator: A Graph-based Bone Age Assessment Framework Using Hand Radiographs" @inproceedings{chen2020doctor, title={Doctor imitator: A graph-based bone age assessment framework using hand radiographs}, author={Chen, Jintai and Yu, Bohan and Lei, Biwen and Feng, Ruiwei and Chen, Danny Z and Wu, Jian}, booktitle={MICCAI}, year={2020} }