CN110660137B - 一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法 - Google Patents
一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法 Download PDFInfo
- Publication number
- CN110660137B CN110660137B CN201910824901.5A CN201910824901A CN110660137B CN 110660137 B CN110660137 B CN 110660137B CN 201910824901 A CN201910824901 A CN 201910824901A CN 110660137 B CN110660137 B CN 110660137B
- Authority
- CN
- China
- Prior art keywords
- femur
- different angles
- human body
- femoral
- lateral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,属于生物力学领域。包括以下步骤:⑴分离股骨组织和周围软组织图像;⑵建立与实际股骨尺寸相等的三维股骨模型;⑶模拟人体不同角度侧向跌倒冲击载荷下股骨的受力;⑷分析人体不同角度侧向跌倒股骨应力、应变、刚度等力学参数以及观察应力分布、应力集中区域,在力学角度分析探讨不同角度侧向跌倒时股骨在冲击载荷下的微观力学属性的变化。本发明运用μMRI‑FEA技术手段,探究不同角度侧向跌倒股骨冲击载荷下的微观生物力学行为,对不同角度侧向跌倒姿态下股骨强度差异以及应力集中区域差异的探究和骨折机制的明确具有重要意义。
Description
技术领域
本发明属于生物力学领域,涉及一种基于μMRI(micro-Magnetic ResonanceImaging;μMRI)评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法。
背景技术
我国是世界上中老年人口最多的国家,老龄化问题日益严峻。骨质疏松症是与老龄化密切相关的重大慢病,其最严重的后果是引发骨折,致死率可达50%。老年人骨折最易发生部位为髋部,65岁以上老人的髋部骨折占50%以上,90%以上由侧向跌倒引起。骨质疏松性骨折严重威胁我国居民健康和生命,成为影响国家经济和社会发展的重大公共卫生问题。临床上,如果能在人体骨骼未发生骨折时准确预测股骨骨折风险并及时给予药物治疗和日常防范措施,即可有效减少居民骨折发生率,降低其危害性。因此,研究人体不同角度侧向跌倒状况下股骨骨折机制对骨折风险评价和骨折的防治有重要意义。
骨折的本质是一个生物力学问题,由于微结构破坏导致整骨承载力下降、不足以承受外力进而破坏。股骨骨折最常出现在股骨颈、股骨头、Ward三角区、转子间部位。目前双能X线吸收测定法(Dual Energy X-ray Absorptiometry;DXA)检测BMD是临床评价骨质疏松性骨折风险的金标准,但单一BMD不能完全反映骨微结构特性及抗骨折能力。近年来,由于成像器场强的增加和射频线圈技术的改进,增加了信噪比,使股骨近端微结构的磁共振成像成为可能。显微磁共振影像(micro-Magnetic Resonance Imaging;μMRI)可以显示股骨近端微结构且没有X射线辐射,具有较大的临床应用潜力。
骨微结构是骨折强度的关键决定因素,本项目将利用μMRI骨小梁微结构成像优势,通过数字图像处理提取含有骨小梁微观结构信息的断层影像和三维数值化建模过程,利用显微有限元分析(micro-Finite Element Analysis;μFEA),探究人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学行为,对不同角度侧向跌倒姿态下股骨强度差异以及应力集中区域差异的探究和骨折机制的明确具有重要意义。
发明内容
本发明提供了一种基于μMRI评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,实现无创采集人体股骨μ-MRI,结合显微有限元分析(micro-Finite Element Analysis;μFEA),探究人体不同角度侧向跌倒冲击载荷下的股骨微观生物力学行为,评估股骨在人体不同角度侧向跌倒时的骨折风险。基于显微磁共振影像(micro-Magnetic Resonance Imaging;μMRI)评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法包括:医学图像处理、三维重建、有限元分析计算,从而实现股骨组织和周围软组织的分离,实际股骨尺寸相等的三维股骨模型的建立,人体不同角度侧向跌倒股骨实际受力的模拟,股骨应力、应变、刚度等力学参数的分析以及应力分布、应力集中区域的观察等目的,在力学角度分析探讨侧向跌倒时股骨微观力学属性的变化。骨折问题的实质可归结于一个力学的问题,股骨因骨量减少、骨微观组织退化而不足以承受外力而断裂。本发明利用μMRI具有呈现股骨微结构的优势,运用μMRI-FEA技术手段,以15°、30°、45°、60°、75°五个角度侧向跌倒为代表,探究人体不同角度侧向跌倒股骨冲击载荷下的微观生物力学变化。
为达到上述目的,本发明通过以下技术方案来实现:
一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,该方法包括以下步骤:
步骤A1:采集人体股骨显微磁共振影像;
步骤A2:运用医学图像处理技术手段,将股骨组织和周围软组织分离;
步骤A3:以步骤A2图像分割得到的股骨医学二维影像为基础,然后三维重建得到与实际股骨尺寸相等的三维股骨模型;
步骤A4:运用有限元分析方法,将步骤A3得到的三维股骨模型网格化,建立多个不同角度侧向跌倒股骨有限元分析边界条件,设置分析步数、给定力学参数输出;
步骤A5:编写计算机Python语言,从结果文件中提取相关力学参数进行数据分析,探究人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学行为;
步骤A6:从解剖云图上,对比多个不同角度侧向跌倒时冲击载荷作用下股骨应力集中区域的差异,可进一步预测估计骨折风险或提前预防。
作为本发明进一步的技术方案,步骤A1中所述特征,人体股骨显微磁共振影像的采集,可根据临床上使用的1.5T和3.0T甚至7.0T磁共振扫描仪,通过调节脉冲序列和相关扫描参数,拍摄出最佳分辨率、对比度和信噪比的医学图像,得到人体股骨高质量显微磁共振影像。
作为本发明进一步的技术方案,步骤A2、A3中所述特征,医学图像处理技术和三维重建实现方式,可以运用现有商业软件进行图像分割和三维建模,也可以基于计算机语言识别并处理。
作为本发明进一步的技术方案,步骤A4中所述有限元计算,对股骨不同角度模型在力学角度分析包括以下步骤:
步骤B1:基于二维医学μMR影像划分与体素大小尺寸相等的六面体网格;
步骤B2:设定股骨模型非均匀材料属性:基于医学图像设定杨氏模量为0-15GPa,泊松比为0.3;
步骤B3:设定分析步:最大增量步数默认100,增量步最小为0.1,最大为1。设定场输出和历程输出力学参数;
步骤B4:边界条件:股骨远端设定约束,股骨头与股骨凹陷接触位置施加冲击载荷,模拟不同角度侧向跌倒过程;
步骤B5:提交有限元分析作业,依据硬件设备条件,启动多个CPU进行多线程操作计算;
本发明中假设股骨侧向跌倒时中部冠状面在矢状面上的投影与地面接触为跌倒角度0°,随着人体跌倒位置后倾角度逐渐增加,最大为90°。以15°、30°、45°、60°、75°五个角度侧向跌倒为代表角度,评估。基于无创伤、无辐射的医学影像,利用工程原理有限元思想计算分析,探究人体不同角度侧向跌倒冲击载荷下的股骨微观生物力学行为,对不同角度侧向跌倒姿态下股骨强度差异以及应力集中区域差异的探究和骨折机制的明确具有重要意义。
附图说明
图1本发明基于μMRI的人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法实施流程图
图2本发明中通过图像处理技术手段,股骨组织和周围软组织分离示意图;
图3本发明中二维图像重建后,股骨三维模型示意图
图4本发明股骨模型20种材料属性分布示意图
图5本发明在人体15°角度下侧向跌倒股骨模型边界条件示意图
图6本发明股骨模型中部冠状面最大主应变云图(左)和最大主应力云图(右);
具体实施方式
下面结合基于μMRI的人体在15°角度侧向跌倒下股骨实施方式和附图对本发明进行详细的描述。
步骤A1:采集人体股骨显微磁共振影像;
步骤A2:运用医学图像处理技术手段,将股骨组织和周围软组织分离;
步骤A3:以图像分割到的股骨医学二维影像为目标,三维重建得到与实际股骨尺寸相等的三维股骨模型;
步骤A4:运用有限元思想,采用Abaqus13.4,将股骨模型网格化,建立15°、30°、45°、60°、75°角度侧向跌倒下股骨有限元分析边界条件,设置分析步数、给定力学参数输出;
步骤A5:编写计算机Python语言,从结果文件中提取相关力学参数进行数据分析,探究人体不同角度侧向跌倒冲击载荷下的股骨微观生物力学行为;
步骤A6:从解剖云图上,对比不同角度侧向跌倒时冲击载荷作用下股骨应力集中区域的差异。
作为本发明进一步的技术方案,步骤A1中所述人体股骨显微磁共振影像的采集,可根据临床上使用的1.5T和3.0T甚至7.0T磁共振扫描仪,通过调节脉冲序列和相关扫描参数,拍摄出最佳分辨率、对比度和信噪比的医学图像,得到人体股骨高质量显微磁共振影像。
作为本发明进一步的技术方案,步骤A2、A3中所述医学图像处理技术和三维重建实现方式,可以运用现有商业软件进行图像分割和三维建模,也可以基于计算机语言识别并处理。本发明中图像分割效果如图2所示,三维股骨模型如图3所示。
作为本发明进一步的技术方案,步骤A4中所述有限元计算,对股骨模型在力学角度分析包括以下步骤:
步骤B1:基于二维医学μMR影像的体素大小(0.1875×0.1875×1.3mm)划分尺寸相等的六面体网格将股骨模型网格化(大约含有9百万网格);
步骤B2:设定股骨模型非均匀材料属性(20种),设定杨氏模量范围为0-15GPa,泊松比为0.3,如图4所示;
步骤B3:设定分析步:最大增量步数默认100,增量步最小为0.1,最大为1。设定场输出和历程输出位移、反作用力、等效应力、最大(小)主应力、最大(小)主应变等力学参数;
步骤B4:边界条件:股骨远端设定完全约束,股骨头与股骨凹陷接触位置施加冲击载荷,模拟15°角度下人体侧向跌倒过程。其中,侧向跌倒身体对股骨头施加的冲击载力与个体身高(body height,BH)、体重(body height,BH)和髋部软组织厚度(soft tissuethickness,STT)有关,拟合公式为 (Masoud Nasiri Sarvi etal.,2019)。如图5所示;
步骤B5:提交有限元分析作业,依据现有实验室条件,启动多个CPU进行多线程操作计算;
基于显微磁共振影像的评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法步骤一般包括:采集人体股骨μMRI,基于医学图像处理分离股骨组织和周围软组织;建立与实际股骨尺寸相等的三维股骨模型;运用μFEA思想,划分网格、赋予股骨材料属性、设置边界条件、设定分析步数、给定力学参数输出;根据有限元计算结果,分析股骨应力、应变、刚度等力学参数以及观察应力分布、应力集中区域,在力学角度分析探讨不同角度侧向跌倒时股骨微观力学属性的变化。采集一例63岁3.0T股骨近端μMRI数据,侧向跌倒时对髋部的冲击力为300N,模拟近端股骨15°角度侧向跌倒下的股骨有限元分析,得到冠状面内部最大主应变、最大主应力云图如图6所示。同理得到其他角度的冠状面内部最大主应变、最大主应力云图,然后进行比较,可以推断预测跌倒风险,并采取临床手段进一步预防。
Claims (3)
1.一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,其特征在于,该方法是基于μMRI的人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,包括以下步骤:
步骤A1:采集人体股骨显微磁共振影像;
步骤A2:运用医学图像处理技术手段,将股骨组织和周围软组织分离;
步骤A3:以步骤A2图像分割得到的股骨医学二维影像为基础,然后三维重建得到与实际股骨尺寸相等的三维股骨模型;
步骤A4:运用有限元分析方法,将步骤A3得到的三维股骨模型网格化,建立多个不同角度侧向跌倒股骨有限元分析边界条件,设置分析步数、给定力学参数输出;
步骤A5:编写计算机Python语言,从结果文件中提取相关力学参数进行数据分析,探究人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学行为;
步骤A6:从解剖云图上,对比多个不同角度侧向跌倒时冲击载荷作用下股骨应力集中区域的差异,预测估计骨折风险或提前预防;
多个不同角度侧向跌倒选自15°-75°多个不同的角度,其中选15°、30°、45°、60°、75°五个角度侧向跌倒为代表;其中,假设股骨侧向跌倒时中部冠状面在矢状面上的投影与地面接触为跌倒角度0°;
步骤A4中所述有限元计算,对股骨不同角度模型在力学角度分析包括以下步骤:
步骤B1:基于二维医学μMR影像划分与体素大小尺寸相等的六面体网格;
步骤B2:设定股骨模型非均匀材料属性:基于医学图像设定杨氏模量为0-15GPa,泊松比为0.3;
步骤B3:设定分析步:最大增量步数默认100,增量步最小为0.1,最大为1,设定场输出和历程输出力学参数;
步骤B4:边界条件:股骨远端设定约束,股骨头与股骨凹陷接触位置施加冲击载荷,模拟不同角度人体侧向跌倒过程;
步骤B5:提交有限元分析作业,依据硬件设备条件,启动多个CPU进行多线程操作计算。
2.按照权利要求1所述的一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,其特征在于,步骤A1中所述特征,人体股骨显微磁共振影像的采集,根据临床上使用的1.5T、3.0T或7.0T磁共振扫描仪,通过调节脉冲序列和相关扫描参数,拍摄出最佳分辨率、对比度和信噪比的医学图像,得到人体股骨高质量显微磁共振影像。
3.按照权利要求1所述的一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法,其特征在于,步骤A2、A3中所述特征,医学图像处理技术和三维重建实现方式,运用现有商业软件进行图像分割和三维建模,或基于计算机语言识别并处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910824901.5A CN110660137B (zh) | 2019-09-02 | 2019-09-02 | 一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910824901.5A CN110660137B (zh) | 2019-09-02 | 2019-09-02 | 一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660137A CN110660137A (zh) | 2020-01-07 |
CN110660137B true CN110660137B (zh) | 2023-03-31 |
Family
ID=69038008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910824901.5A Active CN110660137B (zh) | 2019-09-02 | 2019-09-02 | 一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660137B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515875B (zh) * | 2021-07-20 | 2023-12-29 | 北京工业大学 | 基于多模态图像的骨生物力学建模方法、系统及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080139922A1 (en) * | 2006-07-21 | 2008-06-12 | Jean-Pierre Pelletier | Evaluation of cartilage of the hip using MRI images |
CN103310072B (zh) * | 2013-06-28 | 2015-12-23 | 哈尔滨理工大学 | 基于力反馈的股骨生物力学有限元分析系统 |
CN108921832A (zh) * | 2018-06-26 | 2018-11-30 | 陈卫衡 | 股骨头图像分析方法、装置、服务器和介质 |
-
2019
- 2019-09-02 CN CN201910824901.5A patent/CN110660137B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110660137A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Goel et al. | Medical image processing: A review | |
Varga et al. | Validation of an HR-pQCT-based homogenized finite element approach using mechanical testing of ultra-distal radius sections | |
US8374414B2 (en) | Method and system for detecting ischemic stroke | |
van den Munckhof et al. | How accurately can we predict the fracture load of the proximal femur using finite element models? | |
KR101632120B1 (ko) | 골격계 영상 재구성 장치 및 방법 | |
Wani et al. | Computer-aided diagnosis systems for osteoporosis detection: a comprehensive survey | |
US11915420B2 (en) | Method for obtaining an image biomarker that quantifies the quality of the trabecular structure of bones | |
EP3424017B1 (en) | Automatic detection of an artifact in patient image data | |
Roque et al. | Mechanical competence of bone: a new parameter to grade trabecular bone fragility from tortuosity and elasticity | |
Buccino et al. | The synergy of synchrotron imaging and convolutional neural networks towards the detection of human micro-scale bone architecture and damage | |
GB2436980A (en) | Apparatus for assisting diagnosis of osteoporosis | |
CN110660137B (zh) | 一种评估人体不同角度侧向跌倒冲击载荷下股骨骨折风险的微观生物力学研究方法 | |
Camp et al. | System for the analysis of whole-bone strength from helical CT images | |
Zhu et al. | 3D automatic MRI level set segmentation of inner ear based on statistical shape models prior | |
Gong et al. | The relationship between orthopedic clinical imaging and bone strength prediction | |
Harrar et al. | The fractal dimension correlated to the bone mineral density | |
Aventaggiato et al. | Validation of an automatic segmentation method to detect vertebral interfaces in ultrasound images | |
CN111951241B (zh) | 一种水生动物运动过程中肌肉形变的测定与显示方法 | |
CN108065934A (zh) | 基于lme模型的减重手术引起大脑结构变化的影像学统计分析方法 | |
Golemati et al. | Bilateral asymmetry in ultrasound-image-based mechanical and textural features in subjects with asymptomatic carotid artery disease | |
Ivanovska et al. | Automatic pharynx segmentation from mri data for analysis of sleep related disorders | |
Banerjee | Automatic Assessment of Scoliosis Using 3D Ultrasound Imaging and Convolutional Neural Network | |
Lahari et al. | Finite element analysis of femur in the evaluation of Osteoporosis | |
Soman et al. | A novel algorithm for earlier down syndrome detection in fetal ultrasound images | |
Incatasciato | Development of a 3D finite element model of trabecular bone: quantitative validation against 3D full-field strain measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |