2019 Fiscal Year Annual Research Report
Decision support for total hip arthroplasty surgery by integration of deep learning, simulations, and statistical models
| Project/Area Number |
19H01176
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
佐藤 嘉伸 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (70243219)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大竹 義人 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (80349563)
SOUFI MAZEN 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (80823525)
日朝 祐太 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (00848997)
菅野 伸彦 大阪大学, 医学系研究科, 寄附講座教授 (70273620)
高尾 正樹 大阪大学, 医学系研究科, 講師 (30528253)
三木 秀宣 独立行政法人国立病院機構大阪医療センター(臨床研究センター), その他部局等, 研究員 (10335391)
鍵山 善之 山梨大学, 大学院総合研究部, 准教授 (30506506)
高木 周 東京大学, 大学院工学系研究科(工学部), 教授 (30272371)
田中 正夫 大阪大学, 基礎工学研究科, 教授 (40163571)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 筋肉セグメンテーション / 金属アーチファクト削減 / 筋萎縮 / 筋変性 / 関節可動域 |
|---|
| Outline of Annual Research Achievements |
1. 人工股関節手術の過去症例DBを構築した。具体的には、以下のDBを整備した。(1)原画像DB (術前術後・経過観察CT・X線画像)、(2)臨床情報DB (インプラント術前計画、術中設置データ)、(3)解剖情報DB (原画像DBから、深層学習に基づく画像認識による筋骨格と人工関節モデルデータ)
2. 患者解剖の自動認識：原画像DBから解剖情報DBを自動構築するため、深層学習を最大限活用した以下のツールの第１バージョンを開発した。(1)術前CT画像からの筋骨格認識および不確実性の出力、(2)金属アーチファクトを含む術後CT画像からの人工関節・筋骨格認識、(3) CT画像からの解剖学的特徴点検出、(4) 2次元X線画像からの筋骨格3次元復元（これにより、2次元X線画像のみから3次元解剖に基づく手術計画・関節機能解析を行う）
3. 疾患モデル構築：新規患者の術前解剖から疾患進行に伴う解剖変化（ 骨変形・筋萎縮変性・走行変化 ）を予測する疾患モデルを開発するため、解剖情報DB中の疾患股関節の左右で疾患進行度の異なる股関節CTデータを学習データとして準備した。
4. 手術モデル構築：手術モデルを構成する (1)手術暗黙知統計モデル、(2)術後関節機能評価モデル、(3)術後経過予測モデルを開発するため、解剖情報DB中の術前術後の筋骨格解剖、および臨床情報DB中の手術計画・ログ（人工関節機種、サイズ、位置・角度、ネック長・角度等の手術パラメータのデータ）の学習データ整備を進めた。機能計測に向けて、手術計画時、術後の関節可動域計測ツールの開発を進めた。
5. 意思決定支援：新規患者の術前データと復元された解剖データから、手術暗黙知統計モデルにより手術パラメータの範囲を得て、その中から多目的最適化でパレート解（最適解候補）を得る方法を検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
術前CT画像からの筋肉セグメンテーションだけでなく不確実性を出力するBayesian U-net 法を開発し、不確実性がセグメンテーション精度の予測に有用であることを実証できた。この成果は、IEEE Transactions on Medical Imaging (IF 7.816) に採択された。術前画像のみならず、術後の金属アーチファクトにより乱された術後画像からも、既存手法とU-net を組み合わせることで高精度の筋骨格認識を可能にし、手術モデル開発のための術後データ整備の基盤技術が整った。この成果は、Journal of Signal Processing Systemsに採択された。さらに、疾患モデル開発の基盤となる疾患進行データとして、CT画像からセグメンテーションされた個別の筋肉の萎縮と変性を計測し、罹患側と非罹患側で有意な変化を明らかにした。この成果は、Journal of Orthopaedic Scienceに採択された。本研究を進めるにあたり、基盤となる３つの成果が１年目で雑誌論文として採択されたことは、当初の計画以上の進展と言える。
|
| Strategy for Future Research Activity |
1. 症例DB：人工股関節手術の過去症例DBを拡充する。倫理審査更新、新承認を得て、大阪大学病院の2015年以降の症例追加、国立大阪医療センターの新規DB構築を行う。それぞれ500～1000例程度を予定する。
2. 患者解剖の自動認識：深層学習を最大限活用した以下の方法を拡張、検証する。 (1)大腿骨下端までであった術前CT画像からの筋骨格認識を下肢全体に拡張する。(2)金属アーチファクトを含む術後CT画像からの人工関節・筋骨格認識精度および不確実性との相関を実画像で検証する。(3) 2次元X線画像からの筋骨格3次元情報復元について、各解剖構造の分離、および骨密度分布の推定を行う方法を開発する。
3. 疾患モデル構築：疾患モデルについて、左右で疾患進行度の異なる股関節の各筋肉の体積の左右差計測から、筋肉・骨の形状とCT値分布に基づく左右差統計モデルに拡張する。左右差の統計モデルから、股関節全体の疾患進行モデルを構築する方法を検討する。これらのモデルに基づき疾患進行に基づく筋骨格形状・CT値分布の変化（骨変形、筋萎縮変性・走行変化）を予測する方法を検討する。
4. 手術モデル構築：術後CT画像からの推定した人工関節パラメータ、関節可動域に加えて、術後経過データ（QOLスコア、機能計測、合併症等）を関連づけたDBを整備する。これらのDBを用いて、術前データから手術（人工関節パラメータ）および術後の解剖・関節機能（関節可動域等）を予測するモデルを構築する。
5. 意思決定支援：疾患進行の予測、手術および術後解剖・機能の予測を組み合わせた手術に関する意思決定支援の設計方針を検討する。疾患進行に伴う骨変形や筋萎縮、人工関節の耐用年数、術後の運動機能・リハビリなどを総合的に評価し、患者にも意思決定のための情報提供を行える方式を検討する。
|
