뼈 나이 측정은 소아의 내분비계 관련 질병 진단을 위해 소아과에서 널리 사용되는 방법이다. 그러나 전문 인력이 부족하여 자동화된 측정 방법에 대한 꾸준한 요구가 있었다. 따라서 본 논문에서는 패턴 인식기법을 이용한 자동화된 뼈 나이 측정 알고리즘을 제안한다. 제안하는 알고리즘은 X-ray 영상에서 손가락뼈의 각 부분을 자동으로 분류하는 과정과 분류된 뼈 영상으로부터 정규화된 형상 모델을 추출하는 과정, 그리고 정규화된 형상 모델로부터 뼈 나이를 측정하는 과정으로 구성된다. 제안하는 알고리즘은 능동 형상 모델(Active Shape Model: ASM)을 이용하여 나이 측정에 사용되는 특정값 추출의 정확도를 향상시켰으며, 뼈 나이 분류를 위해 사용된 Support Vector Machine(SVM)의 입력으로 정규화된 형상 모델로부터 얻어진 각 뼈의 크기와 비율을 특징값으로 사용하였다. 성능 평가를 위해서 한양대학교 부속병원에서 제공한 영상에 대해 전문가가 평가한 나이와 제안한 알고리즘을 이용하여 측정된 나이를 통계적으로 비교 분석하였다. 실험을 통하여 본 논문에서 제안한 특징값과 알고리즘으로 뼈 나이를 진단한 결과, 전문가에 의한 결과와 평균 0.679살의 오차 이내의 뛰어난 뼈 나이 측정 성능을 보였다.
Bone age assessment has been widely used in pediatrics to identify endocrine problems of children. Since the number of trained doctors is far less than the demands, there has been numerous requests for automatic estimation of bone age. Therefore, in this paper, we propose an automatic bone age assessment method that utilizes pattern classification techniques. The proposed method consists of three modules; a finger segmentation module, a normalized shape model generation module and a bone age estimation module. The finger segmentation module segments fingers and epiphyseal regions by means of various image processing algorithms. The shape model abstraction module employ ASM to improves the accuracy of feature extraction for bone age estimation. In addition, SVM is used for estimation of bone age. Features for the estimation include the length of bone and the ratios of bone length. We evaluated the performance of the proposed method through statistical analysis by comparing the bone age assessment results by clinical experts and the proposed automatic method. Through the experimental results, the mean error of the assessment was 0.679 year, which was better than the average error acceptable in clinical practice.
