Pediatric Bone Age Prediction Using Deep Learning

Resumen Técnico: Predicción de la Edad Ósea Pediátrica mediante Aprendizaje Profundo

Planteamiento del Problema
La predicción de la edad ósea pediátrica es una tarea clínica crítica utilizada para diagnosticar trastornos endocrinos y evaluar el crecimiento y desarrollo de un niño. Tradicionalmente, este proceso depende del análisis radiológico manual, donde los expertos comparan las radiografías de los pacientes con atlas específicos por edad o utilizan sistemas de puntuación. Estos métodos convencionales requieren mucha mano de obra, consumen mucho tiempo y son propensos al error humano. Aunque existen soluciones automatizadas como BoneXpert, persisten desafíos relacionados con la baja calidad de las imágenes y la necesidad de enfoques computacionales más eficientes y precisos. Este artículo aborda la necesidad de un método automatizado y de alta precisión para estimar la edad ósea a partir de imágenes de radiografías de la mano.

Metodología
El estudio utiliza el conjunto de datos RSNA Bone Age Assessment, que comprende más de 12,000 imágenes de radiografías de manos con metadatos asociados de edad y género. El marco propuesto sigue un flujo de trabajo de tres etapas:

1. Preprocesamiento: Las imágenes de rayos X originales se someten a normalización, reducción de ruido e igualación de histogramas. Para abordar las variaciones en la resolución de la imagen (que oscilan entre 800 y 2200 píxeles) y el tamaño, las imágenes se redimensionan y transforman en entradas de tres canales adecuadas para Redes Neuronales Convolucionales (CNN). Se aplican técnicas de aumento de datos, incluyendo rotación, zoom y volteo, para expandir el conjunto de datos y prevenir el subajuste. El conjunto de datos se divide en un 70% para entrenamiento/validación y un 30% para pruebas.
2. Extracción de Características y Arquitectura del Modelo: El núcleo del enfoque emplea variaciones de la arquitectura EfficientNet, específicamente EfficientNetB0 y EfficientNetB4, preentrenadas en ImageNet.
   • EfficientNetB0: Utilizada como un modelo base compacto con 5.3 millones de parámetros, empleando el escalado compuesto para equilibrar profundidad, anchura y resolución.
   • EfficientNetB4: Una variante más grande utilizada para una extracción de características mejorada.
   • EN-AA (EfficientNetB4 con Atención Aditiva): Una adaptación novedosa donde el mecanismo de Atención Aditiva, utilizado tradicionalmente en el Procesamiento de Lenguaje Natural (NLP), se integra en la arquitectura EfficientNetB4.
3. Integración del Modelo: El sistema procesa dos flujos de entrada:
   • Flujo de Imagen: La imagen de rayos X (tamaño de entrada 256x256x1) pasa por la red dorsal (backbone) de EfficientNet, resultando en un vector aplanado que es procesado por capas densas (128, 64, 32 neuronas).
   • Flujo de Género: Los datos de género se procesan a través de una red densa separada (64, 32 neuronas).
   • Concatenación y Atención: Los tensores de salida de ambos flujos se concatenan. En el modelo EN-AA, se aplica un mecanismo de Atención Aditiva a este tensor combinado para enfatizar selectivamente las características esenciales. La suma ponderada resultante se pasa a través de capas densas adicionales (32, 16 neuronas) antes de llegar a una capa de salida lineal final que predice la edad ósea en meses.

Contribuciones Clave
El artículo describe tres contribuciones primarias:

• Aplicación de Modelos Preentrenados: Investiga la eficacia de los modelos EfficientNet preentrenados (B0 y B4) en el dominio específico de la predicción de la edad ósea pediátrica, demostrando su utilidad en el diagnóstico por imágenes médicas.
• Análisis Comparativo: Proporciona un análisis de rendimiento comparativo de diferentes variantes de EfficientNet, ofreciendo perspectivas sobre cómo la escala del modelo impacta la precisión de la estimación de la edad ósea.
• Adaptación Innovadora: Introduce la adaptación del mecanismo de Atención Aditiva al modelo EfficientNetB4 para tareas de regresión de imágenes, creando el modelo mejorado EN-AA adaptado a las demandas de las imágenes médicas.

Resultados
El estudio evaluó los modelos utilizando el conjunto de datos RSNA, empleando aprendizaje por transferencia (transfer learning) y ajuste de hiperparámetros.

• Comparación de Rendimiento: Los resultados indican que EfficientNetB4 y el modelo EN-AA superan al modelo base EfficientNetB0. El modelo B4, de mayor escala, y la variante mejorada con atención demostraron una precisión superior en la predicción de edades óseas cercanas a la realidad en comparación con el modelo B0 más pequeño.
• Predicciones Específicas: Los estudios de caso ilustraron que, mientras B0 mostró desviaciones (por ejemplo, prediciendo 115.9 meses para un caso de 96 meses), B4 y EN-AA proporcionaron predicciones mucho más cercanas a las edades reales (por ejemplo, prediciendo 15 meses para un caso de 17 meses).
• Curvas de Aprendizaje: Las curvas de pérdida de entrenamiento y validación para EfficientNetB4 y EN-AA mostraron un descenso constante a lo largo de las épocas, confirmando un aprendizaje efectivo sin un sobreajuste o subajuste significativo.

Significancia y Reivindicaciones
El artículo sostiene que el enfoque de Aprendizaje Profundo propuesto ofrece una solución más efectiva y precisa para la predicción de la edad ósea pediátrica en comparación con los métodos manuales. Al aprovechar el equilibrio entre profundidad, anchura y resolución de EfficientNet e integrar un mecanismo de atención, el estudio demuestra un camino viable hacia la evaluación automatizada y precisa de la edad ósea. Los autores posicionan este trabajo como un paso para ayudar en el diagnóstico de enfermedades endocrinas pediátricas. Sugieren modestamente que el trabajo futuro debería centrarse en el despliegue de versiones avanzadas de EfficientNet con módulos de atención especializados para apuntar mejor a las regiones de interés y extender las épocas de entrenamiento para refinar aún más la precisión del modelo para una aplicación clínica más amplia.