Computerized bone age assessment for zero-to-seven age interval

Abstract

Bu tezin amacı, el ve bilek X-ray görüntülerinden sinir ağları kullanımıyla radyolojik kemik yaşı değerlendirmesi yapmaktır. Kemik yaşı tespiti için karpal kemikler kullanılmaktadr. Yarı otomatik ve manuel olarak belirlenen karpal kemik özellikleri otomatik sisteme girdi olarak verilirken, bilgisayarlı kemik yaşı çıkış olarak alınır. Ayrıca, kronolojik yaş, radyolog değerleri ve cinsiyet bilgileri de karpal kemiklere ek olarak kullanılmış ve sonuçlar incelenmiştir. Bu çalışmada gerçek veri setleri kullanılmış olup, literatürdeki karmaşık yöntemlere kıyasla, yedi karpal kemik kullanılarak çok basit ve etkili bir yöntem geliştirilmiştir. Bu yarı otomatik yöntem çokça kullanılan GP ve TW2 yöntemlerine kıyasla zaman açısından avantajlıdır.Çocukların kemik yaşı değerlendirmesinde karpal kemiklerin dahil edilmesi zorunludur. Bununla beraber, belirsiz sayıda kemik gözükmesi, yumuşak dokunun değişken olması, kemik yapısı ve yumuşak doku arasındaki düşük kontrast, karpal kemik sınırlarının otomatik segmentasyonu ve belirlenmesi gibi faktörlerden ötürü gerçekten zor bir iştir. Bu çalışmada, yarı otomatik karpal kemik segmentasyonu ve yaş tespiti için bilgi temelli bir yöntem geliştirildi ve uygulandı. Ardından, karpal kemik özelliklerine bağlı olarak sinir ağları uygulamasıyla kemik yaşı tespit edilmiştir. Uygulamada 236 Xray görüntüsü eğitim amaçlı, 58 görüntü ise test amaçlı kullanılmıştır. Uygulamanın sonunda, yarı otomatik sistem ile elde edilen sonuçların kronolojik yaş ve iki radyoloğun okumalarıyla karşılaştırılabilir olduğu sonucu elde edilmiştir. Sonuç olarak, geliştirdiğimiz sistem manüel yöntemlerin yerini gelişmiş hız ve benzer doğruluk oranlarıyla alabilir.

The goal of this thesis is to study the use of neural networks for radiological bone age assessment from hand and wrist x-ray images. Carpal bones have been considered for bone age assessment. Semi-automatically and manually marked carpal bone features are sent to the system as inputs, and bone age is produced as the output. Additionally, radiologist readings, chronological age, and sex information are used besides carpal bones. Finally, the results are investigated. Real data sets have been used. This study is important because a very simple and e cient method by using all 7 carpal bones is developed for assessing the bone age of children instead of the complicated methods in the literature. This semi-automated method also improves the time e ciency compared to the widely used manual methods such as GP, TW2.Inclusion of carpal bones for assessing bone age of children is mandatory. However, factors such as low contrast between the bony structure and soft tissue, including several number of bonesappearing, non-uniformity of soft tissue are reasons that automatic segmentation and identi cation of carpal bone boundaries is a hard endeavor. Thus, semi-automated carpal bone segmentation and age assessment software is developed and implemented. Also, neural network classi cation is used to assess the bone age depending on the selected features from carpal bones. In our application, 236 training images and 58 test images are used for 0 to 7 age group. It is illustrated that results are considerably comparable with both chronological bone age and the two radiologist readings. We therefore conclude that the developed system may replace the manual methods for improved speed and comparable accuracy.