Assessment of hip deformities during childhood: a combined approach of Machine Learning and Finite Element Analysis

Abstract

Osteoarthritis is a degenerative disease that will cause pain and stiffness in the joint if not treated. One cause of early osteoarthritis in the hip joint is pediatric hip deformities. Hip deformities can occur in different stages of childhood and cause the bones to be misshapen or the hip joint to be dislocated.

This thesis aimed to build subject-specific computer models of the hip joint to find a biomechanical connection between pediatric hip deformities and osteoarthritis. The aim was approached through three main tasks:
- Automatically detect anatomical landmarks on two-dimensional X-ray images. This can be used to automate three-dimensional reconstructions of the femur.
- Predict the effects of common loading scenarios in the hip joint cartilage using subject-specific numerical models developed using X-ray Computed Tomography (CT) images. The model can later be customized to fit a reconstructed femur.
- Assess the feasibility of obtaining a three-dimensional subject-specific numerical model of the hip joint from a two-dimensional X-ray image to predict the mechanical effect of common loading scenarios in the cartilage.

For the methodology, Dual-energy X-ray Absorptiometry images of hip joints were used to evaluate and refine a machine learning based method for automatic landmark detection. Additionally, a finite element model was developed based on a CT image and it modeled one-leg-stance and walking. Finally, three-dimensional reconstructions of the femur were made based on automatically detected landmarks on two-dimensional X-ray images and used to scale the finite element model to match the size of each reconstructed femur.

Results showed that the method for automatic landmark detection was able to identify eight anatomical landmarks in the hip joint with an average error of 0.33 mm when compared to manually annotated landmarks. The finite element model of the hip joint agreed well with literature when calculating the contact pressure in the cartilage during standing and walking. Finite element models scaled in three directions based on reconstructed femurs were able to predict hip joint cartilage mechanics.

As this project showed that the concept of creating a three-dimensional finite element model based on two-dimensional X-ray images was successful, future research should focus on automating the process further and making it applicable to children to be more clinically relevant. This could enable the possibility to gain information on how pediatric hip deformities affects the cartilage in the hip joint without additional radiation exposure.

Popular Abstract (Swedish)

Kan simuleringsmodeller förbättra diagnostik av förändringar i höftens anatomi hos barn?

Anatomiska förändringar i höftleden kan drabba barn i olika åldrar. En följd av detta kan vara att belastningen i höften ändras, vilket kan öka risken för artros. Att undersöka och behandla förändringar i höftens anatomi hos barn är viktigt för att förhindra komplikationer senare i livet.

Höftleden är en viktig del av kroppen som möjliggör rörelse och är nödvändig för att kunna gå. Ledbrosket gör så att skelettdelarna (lårbenet och bäckenbenet) glider lätt mot varandra och det fungerar som stötdämpare. Anatomiska förändringar gör att belastningen genom höften ändras. Förändrade belastningsmönster kan leda till lokala kraftändringar i brosket vilket gör att det kan skadas. Detta kan senare i livet leda till sjukdomen artros som innebär att brosket i leden bryts ner.

Förändringar i anatomin är viktiga att utvärdera för att ge rätt behandling och förebygga nedbrytning av brosket. Idag är 2D röntgenbilder rutinmetoden för att diagnostisera anatomiska förändringar i höften. Dessa 2D bilder skulle kunna användas för att skapa numeriska 3D modeller som ger mer information om brosket i höftleden. En av fördelarna med att återskapa 3D modeller från 2D röntgenbilder är att det minskar mängden strålning som barnen utsätts för eftersom det inte behöver tas en 3D datortomografibild av höften.

Numeriska modeller kan användas för att prediktera hur brosket i höften påverkas vid olika vardagliga situationer. Resultatet från dessa modeller skulle kunna användas som stöd för läkare när de väljer en lämplig behandling. Baserat på tidigare forskning vet vi att ett antal specifika punkter i en 2D röntgenbild av höften kan användas för att initiera återskapning av en 3D modell av höftleden. Punkterna i röntgenbilden kan placeras för hand men för att göra det mer exakt och spara tid kan det göras automatiskt. Detta har vi gjort genom att använda en maskininlärningsalgoritm.

I detta examensarbete togs ett arbetsflöde fram för att skapa 3D modeller av höftleden baserade på röntgenbilder. Maskininlärningsalgoritmen användes för att automatiskt placera ut punkter i röntgenbilder. Punkterna användes för att återskapa lårben med hjälp av en tidigare utvecklad algoritm. Parallellt så användes finita elementmetoden för att skapa en simuleringsmodell av höftleden som beräknar kraftöverföringen genom höften och hur brosket påverkas vid olika belastnings- situationer. Simuleringsmodellen skalades sedan till samma storlek som det återskapade lårbenen då modellen innehåller både lårben, bäckenben och brosk. Den skalade modellen skulle kunna användas för att visa påverkan på brosket hos specifika individer. Detta gör det möjligt att prediktera effekten på ledbrosket vid anatomiska förändringar i höften baserat på röntgenbilder.

Det långsiktiga målet med studien är att simuleringsmodeller av höftleden ska kunna underlätta för läkare vid beslut om behandling, vilket då kan minska risken för artros och därmed öka livskvaliteten hos de drabbade.

• author: Eriksson, Klara and Fahrman, Jonna
• supervisor: Lorenzo Grassi; Hèctor Dejea Velardo; Gustavo Alejandro Orozco Grajales; Hanna Isaksson
• organization: Department of Biomedical Engineering
• alternative title: Utvärdering av anatomiska förändringar i höften hos barn: en tvärvetenskaplig studie baserad på maskininlärning och finita elementmetoden
• course: BMEM01 20221
• year: 2022
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• keywords: Biomechanics, Hip joint, Cartilage, Osteoarthritis, Machine learning, Finite element analysis
• language: English
• additional info: 2022-11
• id: 9090346
• date added to LUP: 2022-06-30 12:07:00
• date last changed: 2023-06-17 03:42:12