JoVE Logo
Autori
Contattaci

Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

Abbiamo analizzato la cinematica congiunta da dati di tomografia computerizzata quadridimensionali. Il metodo di registrazione 3D-3D sequenziale fornisce semiautomatica la cinematica dell'osso in movimento rispetto all'osso del soggetto dai dati di tomografia calcolata quadridimensionali.

Abstract

La tomografia computerizzata quadridimensionale (4DCT) fornisce una serie di dati di volume e visualizza i movimenti articolari. Tuttavia, l'analisi numerica dei dati 4DCT rimane difficile perché la segmentazione in tutti i fotogrammi volumetrici richiede molto tempo. Abbiamo cercato di analizzare la cinematica articolare utilizzando una tecnica di registrazione 3D-3D sequenziale per fornire la cinematica dell'osso in movimento rispetto all'osso fisso in modo semiautomatico utilizzando i dati DICOM 4DCT e il software esistente. I dati di superficie degli ossi di origine vengono ricostruiti da 3DCT. I dati di superficie tagliati vengono rispettivamente abbinati ai dati di superficie del primo fotogramma in 4DCT. Queste superfici tagliate vengono abbinate in sequenza fino all'ultimo fotogramma. Questi processi forniscono informazioni di posizione per le ossa bersaglio in tutti i frame del 4DCT. Una volta decisi i sistemi di coordinate delle ossa di destinazione, è possibile calcolare gli angoli di traslazione e rotazione tra due ossa qualsiasi. Questa analisi di 4DCT offre vantaggi nelle analisi cinematiche di strutture complesse come le ossa carpale o tarsale. Tuttavia, i movimenti veloci o su larga scala non possono essere tracciati a causa di artefatti di movimento.

Introduzione

La cinematica congiunta è stata descritta utilizzando una serie di metodologie, come sensori di motion capture, registrazione 2D-3D e studi cadaverici. Ogni metodo presenta vantaggi e svantaggi specifici. Ad esempio, i sensori di motion capture possono misurare movimenti veloci su larga scala utilizzando telecamere a infrarossi con o senza sensori sul soggetto1,2. Tuttavia, questi metodi misurano il movimento della pelle per dedurre la cinematica articolare e quindi contengono errori di movimento cutaneo3.

Studi Cadaverici sono stati utilizzati per valutare intervalli di movimento, instabilità, e le aree di contatto4,5,6. Questo approccio può misurare piccoli cambiamenti in piccoli giunti utilizzando sensori TC o ottici collegati direttamente all'osso utilizzando perni o viti. I modelli cadaverici possono principalmente valutare i movimenti passivi, anche se sono stati utilizzati più attuatori per applicare forze esterne ai tendini per simulare il movimento dinamico7. Il movimento congiunto attivo può essere misurato con tecniche di registrazione 2D-3D, abbinando immagini 3DCT a immagini fluoroscopia 2D. Anche se l'accuratezza del processo di registrazione rimane controversa, l'accuratezza riportata è generalmente abbastanza alta per la cinematica congiunta di grandidimensioni 8,9. Tuttavia, questo metodo non può essere applicato a piccole ossa o ossa multiple in spazi ristretti.

Al contrario, 4DCT è un metodo CT dinamico che ottiene una serie di dati volumetrici. I movimenti articolari attivi possono essere analizzati con questo approccio10. Questa tecnologia fornisce dati di posizione 3D precisi di tutte le sostanze all'interno della gantry CT. I movimenti articolari 3D sono chiaramente visualizzati in uno spettatore. Tuttavia, descrivere la cinematica congiunta da una tale serie di dati di volume è ancora difficile, perché tutte le ossa si muovono e nessun punto di riferimento può essere rintracciato durante i movimenti attivi in vivo.

Abbiamo sviluppato un metodo per l'analisi 4DCT che fornisce la cinematica articolare in vivo di intere ossa intorno all'articolazione durante i movimenti attivi. Lo scopo di questo articolo è quello di presentare il nostro metodo, la tecnica di registrazione 3D-3D sequenziale per l'analisi 4DCT e mostrare risultati rappresentativi ottenuti con questo metodo.

Protocollo

Tutti i metodi qui descritti sono stati approvati dall'Institutional Review Board della Keio University School of Medicine.

NOTA: la cinematica congiunta viene misurata ricostruendo il movimento di un osso in movimento intorno a un osso fisso. Per la cinematica articolare del ginocchio, il femore è definito come l'osso fisso e la tibia è definita come l'osso in movimento.

1. Protocollo di imaging CT

  1. Impostare la macchina TAC. Acquisire esami TC con un sistema CT a 320-rivelatore-fila per consentire più fasi di dati di volume 3D con copertura craniocaudale 160 mm. Ad esempio, nell'analisi della cinematica del ginocchio, l'acquisizione dell'immagine è costituita da 51 scansioni di volume con un tempo di rotazione di 0,275 s e tutte le immagini vengono ricostruite utilizzando la metà ricostruzione, in modo che la risoluzione temporale sia di circa 0,16 s.
  2. Utilizzare i seguenti parametri di scansione: tensione del tubo di picco : 100 kVp; corrente del tubo: 40 mA; copertura di scansione: 160 mm; dimensione della matrice: 512 x 512 pixel; e lo spessore della sezione di ricostruzione e l'intervallo di sezione: 0,5 mm.
  3. Posizionare l'articolazione target del soggetto all'interno del gantry CT nella posizione iniziale dell'esame 4DCT (Figura 1).
  4. Prima dell'esame TC, provare i movimenti dell'articolazione dalla posizione iniziale alla posizione finale entro il tempo di esame richiesto. Chiedere al soggetto di spostare il giunto durante il tempo di scansione 10.275 s e di ottenere una serie di dati di volume. Archiviare i dati di volume sequenziali in formato DICOM.
  5. Eseguire 3DCT statico di tutti gli ossa di destinazione e archiviare i dati in formato DICOM.

2. Ricostruzione delle superfici

  1. Eseguire la segmentazione semiautomatica dei dati 3DCT (Figura 2A).
    1. Caricare i dati DICOM CT selezionando tutti i file DICOM dei dati 3DCT statici.
    2. Aprire il campo etichetta facendo clic su Modifica nuovo campo etichetta e verificare quale soglia il valore di attenuazione CT sia appropriato per estrarre l'osso corticale dall'osso di origine. Selezionare i materiali con valori di attenuazione CT superiori alla soglia. Ad esempio, la soglia della corteccia ossea per un soggetto giovane è impostata su 250. Controllare l'etichetta per la selezione della corteccia ossea e modificare manualmente la demarcazione utilizzando uno strumento di modifica per coerenza con la forma dell'osso.
    3. Generare i dati di superficie (meglie triangolari) dai dati della posizione della corteccia ossea etichettati (nuvola di punti nel software). Archiviare i dati della superficie esportando i dati in formato STL (Standard Triangulated Language).
    4. Fare clic su Genera superficie. Applicare sull'etichetta dell'osso corticale. Fare clic su File Esportazione dei dati come STL binario Little Endian per salvare i dati di superficie in formato STL.
  2. Eseguire la segmentazione automatica dei dati di volume 4DCT (Figura 2B).
    NOTA: ogni fotogramma dei dati DICOM include la distribuzione dei valori di attenuazione TC nel gantry CT.
    1. Impostare la soglia della corteccia ossea come in CT statica ed estrarre i dati geometrici che mostrano i valori di attenuazione CT al di sopra della soglia da tutti i 51 fotogrammi dei dati 4DCT utilizzando il modulo di lettura DICOM nel software di programmazione. Regolare la soglia in base alla densità ossea dell'osso di origine. Ad esempio, per l'osso osteoporotico, impostare la soglia più bassa.
    2. Tradurre tutti i dati posizionali che sono già stati ottenuti nel passaggio precedente in un formato che può essere interpretato dal software di elaborazione delle immagini (ad esempio, Avizo). Nel software di elaborazione delle immagini, ricostruire tutti i dati di superficie della nuvola di punti con valori di attenuazione CT più elevati rispetto alla soglia per tutti i frame 4DCT utilizzando uno script di elaborazione batch. Il software di elaborazione delle immagini contiene la funzione per leggere lo script ed esportare automaticamente i dati di superficie dai dati della serie DICOM. Lo script batch viene visualizzato nel file di codifica supplementare.

3. Registrazione dell'immagine

NOTA: In questa fase, ricostruire i movimenti dell'osso in movimento rispetto all'osso fisso dai dati DICOM 4DCT grezzi.

  1. Eseguire la registrazione della superficie da 3DCT statico al primo frame del 4DCT.
    1. Tagliare le ossa in un 3DCT statico in dati di segmento parziale inclusi in tutti i frame di 4DCT per l'utilizzo con l'algoritmo iterativo del punto più vicino (ICP)11 nel software di modifica mesh 3D utilizzando la funzione Selecting Face (Figura 3A) facendo riferimento ai dati del film 4DCT. I dati di superficie di 4DCT sono solo segmenti parziali inclusi in ogni immagine del volume, poiché la registrazione della superficie richiede che un punto dati di superficie sia incluso in un'altra superficie.
    2. Selezionare tre punti di riferimento nei ossa fisse e in movimento che possono essere facilmente identificabili dalla superficie 3DCT tagliata e dai dati di superficie del primo frame di 4DCT nel software di modifica mesh 3D utilizzando la funzione PickPoints (Figura 3B).
    3. Corrisponde approssimativamente alle ossa fisse e mobili parziali sul primo fotogramma dei dati di superficie 4DCT (Figura 3C) in base ai punti di riferimento selezionati nella 3.1.2. Eseguire quindi la registrazione della superficie utilizzando l'algoritmo ICP11 utilizzando il software open source (ad esempio, VTK).
      NOTA: questo processo fornisce matrici di trasformazione omogenee dei ossa fisse e mobili dal 3DCT statico al primo frame di 4DCT (Figura 3D). Queste matrici sono 4 x 4 matrici costituite da rotazione e traslazione, come illustrato nella Figura 4. È inoltre possibile calcolare la matrice di trasformazione che causa l'azione inversa.
  2. Eseguire la registrazione sequenziale della superficie (Figura 5).
    1. Abbinare le superfici parziali dell'osso fisso e in movimento nel primo telaio 4DCT sui dati di superficie del secondo telaio. Successivamente, abbinare le superfici parziali del telaio ith sul telaio (i - 1)th di 4DCT in sequenza. Ripetere questo processo fino all'ultimo frame del 4DCT programmando con l'uso del modulo ICP nel software open source.
  3. Calcolare le matrici di trasformazione dal 3DCT statico a tutti i frame in 4DCT in base ai risultati di 3.1 e 3.2.
  4. Ricostruire il movimento osseo in movimento rispetto all'osso fisso (Figura 6).
    1. Ricostruire la cinematica dell'osso in movimento rispetto all'osso fisso dalle matrici che rappresentano la trasformazione dal 3DCT statico a ogni telaio 4DCT. Definire i sistemi di coordinate degli ossi fissi e in movimento quando vengono misurati i parametri di rotazione (ad esempio, l'angolo di flessione o l'angolo di rotazione calcolato dall'angolo Eulero/Cardan)12,13,14.

Risultati

Descriviamo il movimento della tibia durante l'estensione del ginocchio. L'articolazione del ginocchio era posizionata nel gantry CT. Un cuscino a triangolo è stato utilizzato per sostenere il femore nella posizione di partenza. Il ginocchio è stato esteso in una posizione dritta nel corso di 10 s. È stata misurata l'esposizione alle radiazioni. Oltre al 4DCT, è stato eseguito statico 3DCT dell'intero femore, tibia e rotula. Sono stati ricostruiti i dati di superficie dell'intero femo...

Discussione

Il nostro metodo consente la visualizzazione e la quantificazione dei movimenti di ossa intere e fornisce dati numerici di posizione dell'osso in movimento rispetto all'osso fisso dai dati 4DCT. Sono stati suggeriti molti strumenti per misurare la cinematica articolare. I marcatori della pelle di movimento possono analizzare i movimenti totali del corpo per un lungo periodo di tempo. Tuttavia, questo metodo contiene gli errori di movimento della pelle3. La cinematica articolare deve essere stimata...

Divulgazioni

Gli autori non hanno interessi finanziari concorrenti.

Riconoscimenti

Questo studio è stato approvato dall'Institutional Review Board del nostro istituto (numero di approvazione: 20150128).

Materiali

NameCompanyCatalog NumberComments
4DCT scannerCanon medical systems (Tochigi, Japan)N/A4DCT scan, Static 3DCT scan
AVIZO(9.3.0)*Thermo Fisher Scientific (OR, USA)Image processing software.
Surface reconstruction from CT DICOM data and point cloud data.
* Ryan, T. M. & Walker, A. Trabecular bone structure in the humeral and femoral heads of anthropoid primates. Anat Rec (Hoboken). 293 (4), 719-729, doi:10.1002/ar.21139, (2010).
Meshlab**ISTI (Pisa, Italy)N/ASurface trimming and landmark picking
** MeshLab: an Open-Source Mesh Processing Tool. Sixth Eurographics Italian Chapter Conference, page 129-136, 2008.
P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia
VTK(6.3.0)***Kitware (New York, USA)N/AIterative Closest Points algorithm. Used in python language programming.
*** https://vtk.org
Python(3.6.1)Python Software FoundationN/ADICOM file processing to extract the point cloud from the bone cortex ('dicom.py' module).
Calculation of the rotation matrices. (Numpy module)
Sequential image regestration using ICP algorithm

Riferimenti

  1. Andriacchi, T. P., Alexander, E. J., Toney, M. K., Dyrby, C., Sum, J. A point cluster method for in vivo motion analysis: applied to a study of knee kinematics. Journal of Biomechanical Engineering. 120 (6), 743-749 (1998).
  2. Corazza, S., et al. A markerless motion capture system to study musculoskeletal biomechanics: visual hull and simulated annealing approach. Annals of Biomedical Engineering. 34 (6), 1019-1029 (2006).
  3. Reinschmidt, C., van den Bogert, A. J., Nigg, B. M., Lundberg, A., Murphy, N. Effect of skin movement on the analysis of skeletal knee joint motion during running. Journal of Biomechanics. 30 (7), 729-732 (1997).
  4. Burgess, R. C. The effect of a simulated scaphoid malunion on wrist motion. Journal of Hand Surgery. 12 (5 Pt 1), 774-776 (1987).
  5. Shoemaker, S. C., Markolf, K. L. Effects of joint load on the stiffness and laxity of ligament-deficient knees. An in vitro study of the anterior cruciate and medial collateral ligaments. Journal of Bone and Joint Surgery (American Volume). 67 (1), 136-146 (1985).
  6. Eckstein, F., Lohe, F., Muller-Gerbl, M., Steinlechner, M., Putz, R. Stress distribution in the trochlear notch. A model of bicentric load transmission through joints. Journal of Bone and Joint Surgery (British Volume). 76 (4), 647-653 (1994).
  7. Omid, R., et al. Biomechanical analysis of latissimus dorsi tendon transfer with and without superior capsule reconstruction using dermal allograft. Journal of Shoulder and Elbow Surgery. 28 (8), 1523-1530 (2019).
  8. Tsai, T. Y., Lu, T. W., Chen, C. M., Kuo, M. Y., Hsu, H. C. A volumetric model-based 2D to 3D registration method for measuring kinematics of natural knees with single-plane fluoroscopy. Medical Physics. 37 (3), 1273-1284 (2010).
  9. Ohnishi, T., et al. Three-dimensional motion study of femur, tibia, and patella at the knee joint from bi-plane fluoroscopy and CT images. Radiological Physics and Technology. 3 (2), 151-158 (2010).
  10. Dobbe, J. G. G., de Roo, M. G. A., Visschers, J. C., Strackee, S. D., Streekstra, G. J. Evaluation of a Quantitative Method for Carpal Motion Analysis Using Clinical 3-D and 4-D CT Protocols. IEEE Transactions on Medical Imaging. 38 (4), 1048-1057 (2019).
  11. Besl, P. J., McKay, N. D. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
  12. Wu, G., et al. ISB recommendation on definitions of joint coordinate system of various joints for the reporting of human joint motion--part I: ankle, hip, and spine. Journal of Biomechanics. 35 (4), 543-548 (2002).
  13. Wu, G., et al. ISB recommendation on definitions of joint coordinate systems of various joints for the reporting of human joint motion--Part II: shoulder, elbow, wrist and hand. Journal of Biomechanics. 38 (5), 981-992 (2005).
  14. Crawford, N. R., Yamaguchi, G. T., Dickman, C. A. A new technique for determining 3-D joint angles: the tilt/twist method. Clinical Biomechanics (Bristol, Avon). 14 (3), 153-165 (1999).
  15. Sato, T., Koga, Y., Omori, G. Three-dimensional lower extremity alignment assessment system: application to evaluation of component position after total knee arthroplasty. Journal of Arthroplasty. 19 (5), 620-628 (2004).
  16. Ishii, Y., Terajima, K., Terashima, S., Koga, Y. Three-dimensional kinematics of the human knee with intracortical pin fixation. Clinical Orthopaedics and Related Research. (343), 144-150 (1997).
  17. Asano, T., Akagi, M., Tanaka, K., Tamura, J., Nakamura, T. In vivo three-dimensional knee kinematics using a biplanar image-matching technique. Clinical Orthopaedics and Related Research. (388), 157-166 (2001).
  18. Saltybaeva, N., Jafari, M. E., Hupfer, M., Kalender, W. A. Estimates of effective dose for CT scans of the lower extremities. Radiology. 273 (1), 153-159 (2014).
  19. Mat Jais, I. S., Tay, S. C. Kinematic analysis of the scaphoid using gated four-dimensional CT. Clinical Radiology. 72 (9), e791-e799 (2017).
  20. Tanaka, M. J., Elias, J. J., Williams, A. A., Demehri, S., Cosgarea, A. J. Characterization of patellar maltracking using dynamic kinematic CT imaging in patients with patellar instability. Knee Surgery, Sports Traumatology, Arthroscopy. 24 (11), 3634-3641 (2016).
  21. Troupis, J. M., Amis, B. Four-dimensional computed tomography and trigger lunate syndrome. Journal of Computer Assisted Tomography. 37 (4), 639-643 (2013).
  22. Kakar, S., et al. The Role of Dynamic (4D) CT in the Detection of Scapholunate Ligament Injury. Journal of Wrist Surgery. 5 (4), 306-310 (2016).
  23. Zhao, K., et al. A technique for quantifying wrist motion using four-dimensional computed tomography: approach and validation. Journal of Biomechanical Engineering. 137 (7), (2015).
  24. Breighner, R., et al. Relative accuracy of spin-image-based registration of partial capitate bones. in 4DCT of the wrist. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization. 4 (6), 360-367 (2016).
  25. Goto, A., et al. In vivo pilot study evaluating the thumb carpometacarpal joint during circumduction. Clinical Orthopaedics and Related Research. 472 (4), 1106-1113 (2014).
  26. Zhang, X., Jian, L., Xu, M. Robust 3D point cloud registration based on bidirectional Maximum Correntropy Criterion. PloS One. 13 (5), e0197542 (2018).
  27. Baker, R. ISB recommendation on definition of joint coordinate systems for the reporting of human joint motion-part I: ankle, hip and spine. Journal of Biomechanics. 36 (2), 300-302 (2003).
  28. Qiu, B., et al. Automatic segmentation of the mandible from computed tomography scans for 3D virtual surgical planning using the convolutional neural network. Physics in Medicine and Biology. , (2019).
  29. Hemke, R., Buckless, C. G., Tsao, A., Wang, B., Torriani, M. Deep learning for automated segmentation of pelvic muscles, fat, and bone from CT studies for body composition assessment. Skeletal Radiology. , (2019).
  30. Lee, S., et al. Impact of scanning parameters and breathing patterns on image quality and accuracy of tumor motion reconstruction in 4D CBCT: a phantom study. Journal of Applied Clinical Medical Physics. 16 (6), 195-212 (2015).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

BioingegneriaNumero 1534DCTanalisi delle immaginianalisi del movimentotomografia computerizzatacinematica congiuntaregistrazione della superficie

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Contattaci

SUGGERISCI JOVE ALLA BIBLIOTECA

Newsletter di JoVE

Ricerca

Didattica

Autori

Personale delle biblioteche

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati