2022 Fiscal Year Research-status Report
三次元動作解析と深層学習を用いた歩行解析に基づいた高齢者の腰痛症の病態解明
| Project/Area Number |
22K16733
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
三浦 紘世 筑波大学, 医学医療系, 講師 (40818051)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 深層学習 / 歩行解析 / 腰痛 |
|---|
| Outline of Annual Research Achievements |
過去の研究より慢性腰痛を有する成人脊柱変形患者の歩行動作を評価することは、臨床的に有用な情報が得られる。しかし、三次元動作解析は機器が高価であることから、一般的な検査とするのは困難であり、歩行動作評価をより一般的に行えるように、歩行中の動画を深層学習を用いた評価することで慢性腰痛症の病態診断を試みた。
整形外科専門医が、成人脊柱変形ASD、腰部脊柱管狭窄症LCS、首下がり症候群（DHS）、変形性股関節症（HipOA）の４種類の疾患の診断のラベリングを行い、入院中に得られた患者の歩行動画より、短時間での入力動画から正確に疾患を分類できるシステムの構築を目指した。まずは、ASDとnon-ASDの2つのクラスに分類するために、2段階の解析手法を用いた。物体検出と姿勢推定法を用いて、患者の位置を特定し、患者がいる領域を抽出した。患者の歩行姿勢の動きは、ビデオフレーム全体の小さな領域を占めるため、また、患者の中には、転倒防止のために医師が付き添い歩くが必要があり、分類精度の悪化に繋がり得るため、これらの手法を用いた。この手法では、患者のおおよその位置を特定し、患者の体幹に関する重要な特徴を含むフレームを確保可能であった。続いて、3次元CNNネットワークを用いて、抽出したフレームから空間的・時間的情報（動的運動）を取得し、患者の歩行姿勢からASDとnon-ASDを判定した。
81症例のビデオデータセットについて、CNNがRGB動画においてASDとnon-ASDを区別できるかを検証した結果、1秒8フレームの動画から整形外科専門医のラベリングと比べて75.53%の診断精度という比較的に信頼できる結果を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
歩行動画から患者動作の抽出を行うことができ、整形外科専門医の診断ラベリングとの比較検証まで行えたことから、おおむね順調に進展している。一方で、脊柱変形症状を有する患者か否という単純な病態診断の検証における診断精度が75%であり、わずか1秒8フレームの動画からの診断としては比較的信頼はできるが、一般臨床として遠隔診断などに用いるには不十分といえるので、改善の余地がある。
|
| Strategy for Future Research Activity |
今回の脊柱変形症状か否かを歩容から推定するプログラムの、一般臨床における使用を目指して、さらなる学習とプログラム改変により診断精度の更なる改善を試みる。また、医師が実臨床で動画を用いて判定できるようなGraphical User Interfaceを構築していく。さらには成人脊柱変形ASD、腰部脊柱管狭窄症LCS、首下がり症候群（DHS）、変形性股関節症（HipOA）の4種類についてラベリングできるようなプログラムの構築を試みる。
|
| Causes of Carryover |
パンデミックのために、国際学会など学会発表や情報収集の機会がweb開催などにより支出が抑制された。今年度は現地開催がパンデミック前の状況に戻りつつあり、繰越分を国際学会での情報収集や学会発表に用いる予定である。
|
Research Products
(4 results)
