相关实验视频
Updated: May 5, 2026

10:53
A Novel Application of Musculoskeletal Ultrasound Imaging
Published on: September 17, 2013
24.1K
通过使用深度学习神经网络模型,从皮肤标记物中估计三维脚骨动力学
Yuka Matsumoto1, Satoshi Hakukawa2, Hiroyuki Seki3
1Department of Biological Sciences, The University of Tokyo, Tokyo, Japan; Graduate Course of Health and Social Services, Graduate School of Saitama Prefectural University, Saitama, Japan.
Journal of biomechanics
|August 8, 2024
概括
研究人员开发了一种新的AI模型,使用皮肤标记器跟踪人类脚骨的运动. 这种非侵入性方法准确地估计了3D脚骨动力学,有助于理解运动和脚部疾病.
科学领域:
- 生物力学 生物力学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人类脚的26个骨头使复杂的运动能够稳定地移动.
- 精确测量脚骨动力学是至关重要的,但由于缺乏非侵入性技术而受到限制.
研究的目的:
- 开发和验证一个神经网络模型,以非侵入性地估计人类脚骨动力学.
- 为了确定表面标记物位置和内部骨运动之间的相关性.
主要方法:
- 利用计算机断层扫描 (CT) 用41个表面标记器在各种姿势下扫描脚部.
- 开发了一个四层神经网络模型,将标记数据映射到九个脚骨的位置和方向.
- 使用11名健康成年人和13名尸体样本的数据验证了该模型.
主要成果:
- 神经网络在骨头位置上实现了0.5毫米的平均误差,在方向上达到0.6度的误差.
- 在估计脚骨的3D动力学方面表现出很高的准确性.
结论:
- 拟议的神经网络模型提供了一种准确且非侵入性的方法来评估脚骨动力学.
- 这一进步可以提高对足部功能和足部疾病机制的理解.

