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

点击翻译按钮获取中文摘要

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。