Pediatric Bone Age Prediction Using Deep Learning

Resumo Técnico: Predição da Idade Óssea Pediátrica Usando Deep Learning

Definição do Problema
A predição da idade óssea pediátrica é uma tarefa clínica crítica utilizada para diagnosticar distúrbios endócrinos e avaliar o crescimento e o desenvolvimento de uma criança. Tradicionalmente, este processo depende de análise radiológica manual, onde especialistas comparam os raios-X dos pacientes com atlas específicos para a idade ou utilizam sistemas de pontuação. Estes métodos convencionais são laboriosos, demorados e propensos ao erro humano. Embora soluções automatizadas como o BoneXpert existam, persistem desafios em relação a imagens de baixa qualidade e à necessidade de abordagens computacionais mais eficientes e precisas. Este artigo aborda a necessidade de um método automatizado e de alta precisão para estimar a idade óssea a partir de imagens de raio-X de mãos.

Metodologia
O estudo utiliza o conjunto de dados RSNA Bone Age Assessment, composto por mais de 12.000 imagens de raio-X de mãos com metadados associados de idade e gênero. O framework proposto segue um pipeline de três estágios:

1. Pré-processamento: As imagens de raio-X brutas passam por normalização, redução de ruído e equalização de histograma. Para lidar com as variações na resolução e tamanho das imagens (variando de 800 a 2200 pixels), as imagens são redimensionadas e transformadas em entradas de três canais adequadas para Redes Neurais Convolucionais (CNNs). Técnicas de aumento de dados, incluindo rotação, zoom e inversão, são aplicadas para expandir o conjunto de dados e evitar o subajuste (underfitting). O conjunto de dados é dividido em 70% para treinamento/validação e 30% para teste.
2. Extração de Características e Arquitetura do Modelo: O núcleo da abordagem emprega variações da arquitetura EfficientNet, especificamente EfficientNetB0 e EfficientNetB4, pré-treinadas no ImageNet.
   • EfficientNetB0: Utilizada como um modelo compacto de linha de base com 5,3 milhões de parâmetros, utilizando escalonamento composto para equilibrar profundidade, largura e resolução.
   • EfficientNetB4: Uma variante maior utilizada para extração de características aprimorada.
   • EN-AA (EfficientNetB4 com Atenção Aditiva): Uma adaptação inovadora onde o mecanismo de Atenção Aditiva, tradicionalmente utilizado em Processamento de Linguagem Natural (NLP), é integrado à arquitetção EfficientNetB4.
3. Integração do Modelo: O sistema processa dois fluxos de entrada:
   • Fluxo de Imagem: A imagem de raio-X (tamanho de entrada 256x256x1) passa pelo backbone EfficientNet, resultando em um vetor achatado que é processado por camadas densas (128, 64, 32 neurônios).
   • Fluxo de Gênero: Os dados de gênero são processados através de uma rede densa separada (64, 32 neurônios).
   • Concatenação & Atenção: Os tensores de saída de ambos os fluxos são concatenados. No modelo EN-AA, um mecanismo de Atenção Aditiva é aplicado a este tensor combinado para enfatizar seletivamente as características essenciais. A soma ponderada resultante é passada por camadas densas adicionais (32, 16 neurônios) antes de atingir uma camada de saída linear final que prediz a idade óssea em meses.

Principais Contribuições
O artigo delineia três contribuições primárias:

• Aplicação de Modelos Pré-treinados: Investiga a eficácia de modelos EfficientNet pré-treinados (B0 e B4) no domínio específico da predição da idade óssea pediátrica, demonstrando sua utilidade em imagens médicas.
• Análise Comparativa: Fornece uma análise de desempenho comparativa de diferentes variantes da EfficientNet, oferecendo insights sobre como a escala do modelo impacta a precisão da estimativa da idade óssea.
• Adaptação Inovadora: Introduz a adaptação do mecanismo de Atenção Aditiva ao modelo EfficientNetB4 para tarefas de regressão de imagem, criando o modelo aprimorado EN-AA adaptado às demandas de imagens médicas.

Resultados
O estudo avaliou os modelos usando o conjunto de dados RSNA, empregando transferência de aprendizado (transfer learning) e ajuste de hiperparâmetros.

• Comparação de Desempenho: Os resultados indicam que a EfficientNetB4 e o modelo EN-AA superam a linha de base EfficientNetB0. O modelo B4, maior, e a variante com atenção demonstraram precisão superior na predição de idades ósseas próximas ao valor real (ground truth) em comparação ao menor modelo B0.
• Predições Específicas: Estudos de caso ilustraram que, enquanto o B0 apresentou desvios (ex: predizendo 115,9 meses para uma criança de 96 meses), o B4 e o EN-AA forneceram predições muito mais próximas das idades reais (ex: predizendo 15 meses para uma criança de 17 meses).
• Curvas de Aprendizado: As curvas de perda de treinamento e validação para EfficientNetB4 e EN-AA mostraram um declínio consistente ao longo das épocas, confirmando um aprendizado eficaz sem overfitting ou underfitting significativos.

Significância e Alegações
O artigo afirma que a abordagem de Deep Learning proposta oferece uma solução mais eficaz e precisa para a predição da idade óssea pediátrica em comparação com os métodos manuais. Ao aproveitar o equilíbrio de profundidade, largura e resolução da EfficientNet e integrar um mecanismo de atenção, o estudo demonstra um caminho viável para a avaliação da idade óssea automatizada e precisa. Os autores posicionam este trabalho como um passo para auxiliar no diagnóstico de doenças endócrinas pediátricas. Eles sugerem modestamente que trabalhos futuros devem focar na implementação de versões avançadas da EfficientNet com módulos de atenção especializados para visar melhor as regiões de interesse e estender as épocas de treinamento para refinar ainda mais a precisão do modelo para aplicações clínicas mais amplas.