2022 Fiscal Year Annual Research Report
筋骨格・骨のイメージベース力学解析の有機的連携構築と骨疾患の治療戦略抽出への展開
| Project/Area Number |
19H02032
|
|---|
| Research Institution | Ryukoku University |
|---|
Principal Investigator |
田原 大輔 龍谷大学, 先端理工学部, 教授 (20447907)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
稲葉 裕 横浜市立大学, 医学研究科, 教授 (40336574)
小野 景子 同志社大学, 理工学部, 准教授 (80550235)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 生体力学 / 筋骨格シミュレーション / 有限要素解析 / セグメンテーション / 変形性関節症 / 歩行解析 / 歩容異常 / 個体別モデリング |
|---|
| Outline of Annual Research Achievements |
個体別筋骨格解析と骨の有限要素解析（FEA）手法の開発，高速・高精度な骨のCT画像の新規セグメンテーション手法の確立の目的の下，2022年度は，開発中のセグメンテーション技術に改良を加えて有用性検証を継続し，変形性股関節症患者の歩行中の筋力・関節反力の算出と，それらを荷重条件とした骨のFEAを行った．主な概要を以下に示す．
1．患者の筋骨格モデルに対し，身長・体重，骨形状，筋強度の反映の有無の組み合わせで，歩行動作に対する個体別筋骨格解析とFEAを行った．その結果，筋強度の変化に起因する股関節反力の変化が定量的に示され，個体別の下肢の筋強度の考慮が特に重要であることが示された．また，筋断面積の反映による筋強度の変化に起因した大腿骨内の応力分布の変化を確認できた．
2. 人工骨とオープンデータのDICOM画像から，脊椎の骨部分のみを抽出するセマンティックセグメンテーションを行った．手法として，深層学習モデル（U-net）とBoosting手法ベース手法（Textonboost）の改良を行った．深層学習モデルでは，U-netに画像の局所特徴量と大域特徴量を同時に取得できる畳み込み（Spatial Pyramid Convolution）を適用し，Textonboost手法では，近傍の連続情報を取り入れる手法（CRF）を適用し，性能向上を図った．
3. 開発したセグメンテーション法により得た骨の外形状から構築したモデルの抽出精度の評価のため，椎体模擬骨の試験片を対象に，CT撮影とセグメンテーションを行った上で，FEAとモデル体積の定量化を行った．また，圧縮試験の実挙動と，開発・既存両手法のセグメンテーション後のFEAの圧縮主ひずみの分布を比較した．その結果，開発手法は既存手法と同等の抽出精度を維持した上で，抽出時間の削減に有用であることが示された．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
