FlexiScale：幾何学的および生体力学的に正確な下肢筋骨格モデルのためのハイブリッドマーカーベーススケーリング法

科学分野:

• 生体力学
• 医用画像処理
• 計算モデリング

背景:

• 被験者固有の筋骨格（MSK）モデルは、個々のばらつきのため、正確な生体力学的解析に不可欠です。
• マーカーベースのスケーリングは、非侵襲的に汎用のMSKモデルを個別化しますが、信頼性と精度の検証がさらに必要です。

研究 の 目的:

• 線形スケーリングとラジアル基底関数（RBF）モーフィングを組み合わせたハイブリッドMSKモデルスケーリングアプローチであるFlexiScaleを導入および評価すること。
• 幾何学的および生体力学的予測の精度と信頼性の点で、FlexiScaleのパフォーマンスを単純な線形スケーリング方法と比較すること。

主な方法:

• セグメントごとの線形スケーリングとグローバルな非線形RBFモーフィングを統合し、セグメントの向きと骨格の幾何学的形状を同時に調整するFlexiScaleを開発しました。
• 均一な線形スケーリングとセグメント線形スケーリングの2つのベースラインモデルを構築しました。
• インビボ膝関節接触力を装着したプロテーゼから検証して信頼性を検証しました。
• 医療画像ベースのモデルと多様な活動および被験者を比較することにより、予測された力を検証して精度を検証しました。

主要な成果:

• FlexiScaleは、従来の線形スケーリング方法と比較して、幾何学的および生体力学的予測において優れた精度と信頼性を示しました。
• このハイブリッドアプローチは、さまざまな日常活動（歩行、階段昇降）および被験者の人口統計（男性/女性）全体で、ベースラインモデルを常に上回りました。

結論:

• 提案されたハイブリッドスケーリングアプローチ（FlexiScale）は、従来の線形方法よりも幾何学的および生体力学的に正確で堅牢なMSKモデルを生成します。
• FlexiScaleは、医療用画像の必要なしに被験者固有のMSKモデリングに実行可能な代替手段を提供し、より広範な臨床および研究アプリケーションを促進します。