Estimativa Automática da Forma Esquelética da Mão a partir de Radiografias

A artrite reumatoide (AR) é uma doença autoimune cuja manifestação comum envolve a destruição lenta do tecido articular, um dano que é visível em uma radiografia. Com o tempo, esse dano causa dor e perda de funcionalidade, que depende, em certa medida, da deformação espacial induzida pelo dano articular. Construir um modelo preciso da deformação atual e prever potenciais deformações futuras são componentes importantes do planejamento do tratamento. Infelizmente, atualmente esse é um processo manual que consome muito tempo e mão de obra. Para resolver esse problema, propomos uma abordagem totalmente automatizada para ajustar um modelo de forma aos ossos longos da mão a partir de uma única radiografia. Criticamente, nosso modelo de forma permite flexibilidade suficiente para ser útil para pacientes em vários estágios de AR. Nossa abordagem utiliza uma rede neural convolucional profunda para extrair características de baixo nível e um campo aleatório condicional (CRF) para apoiar a inferência de forma. Nossa abordagem é significativamente mais precisa do que trabalhos anteriores que usaram características engenheiradas manualmente. Fornecemos uma avaliação abrangente para várias escolhas de hiperparâmetros da rede, uma vez que as melhores práticas atuais carecem significativamente neste domínio. Avaliamos a precisão de nosso pipeline em dois grandes conjuntos de dados de radiografias de mão e destacamos a importância das características de baixo nível, a contribuição relativa de diferentes funções potenciais no CRF e a precisão das estimativas finais de forma. Nossa abordagem é quase tão precisa quanto a de um radiologista treinado e, porque requer apenas alguns segundos por radiografia, pode ser aplicada a grandes conjuntos de dados para permitir uma melhor modelagem da progressão da doença.