JoVE Logo

サインイン

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

ここでは、コンピューター断層撮影に基づいて心臓モデルをゼロから構築し、3次元(3D)印刷と複合現実技術を使用して医学生に解剖学を学ぶためのプロトコルについて説明します。

要約

複合現実技術と3次元(3D)印刷は、医療の分野でますます一般的になっています。COVID-19のパンデミックの間、そして制限が緩和された直後、将来の医師の教育に多くの革新が実施されました。また、解剖学の教育における没入型技術や3Dプリント技術にも関心が寄せられていました。ただし、これらは一般的な実装ではありません。2023年には、心臓の構造に焦点を当てた授業のために、複合現実技術による3Dプリントとホログラムが準備されました。これらは、エンジニアのサポートを受けて、心臓の詳細な構造について学び、人間の死体での学習の従来のモデルをサポートする新しい技術に慣れることができる学生に教えるために使用されました。学生は、この可能性に非常に価値があると感じています。この記事では、クラスの資料を準備するプロセスと、さらなる実装の可能性について説明します。著者らは、提示された技術がさまざまな教育レベルでの学生の教育における開発の機会と、ますます普及する実装の正当化を見出しています。

概要

3次元(3D)印刷技術と複合現実は、医療でますます一般的に使用される技術的成果です。さまざまな分野の多くの専門家の日常の臨床診療だけでなく、研修医や将来の医師、つまり医学生の教育にも応用が見出されています1,2,3,4,5,6。

3D印刷技術は、主に商業団体が提供する解剖学的モデルの印刷によく使用されますが、この種の学習準備に対する学生の関心の高まりは、医科大学の解剖学部門に革新を導入するための衝動です7。調製物は、解剖学的アトラス、図面および彫刻からのデータに基づいて作成することができるが、コンピュータ断層撮影または磁気共鳴画像法1,8,9のような画像研究にも基づいて作成することができる。3Dプリンターで解剖学的準備をさまざまなスケールで印刷することが可能であり、色、マーカー、およびその他のバリエーションを使用して、教材のアクセシビリティを高めることができます10,11。資料の入手可能性が高まっているにもかかわらず、ポーランドの医学生は、まだ完全に実装されていない新しい技術の追加を伴う、人間の死体の準備に基づく現在の古典的な教育モデルを支持する意欲が宣言されているにもかかわらず、このタイプの準備に広くアクセスすることはできません。

Mixed Reality テクノロジは、仮想世界と現実世界の統合です。ゴーグルのおかげで、事前に準備されたホログラムの視覚化を可能にするため、現実世界の周囲のオブジェクトに「重ね合わせる」ことができます12。ホログラムは、拡大、縮小、回転など、空間内で操作できるため、表示される画像がより視覚化され、アクセスしやすく、より便利になります。Mixed Reality は、心臓外科 3,13、整形外科 14,15,16,17、腫瘍学 18 など、外科分野のオペレーターによってますます使用されています。特にCOVID-19のパンデミック後の期間に、基礎医学の分野の教育者は、それらを将来の医師の教育に実装するために、複合現実を含む新しいテクノロジーにますます興味を持っています19,20,21。通常の解剖学を教えるアカデミックな教師も、自分の分野に複合現実を導入する余地を見つけています22,23,24,25,26。ホログラムの作成には、イメージング研究、ほとんどの場合はコンピューター断層撮影が必要であり、エンジニアが専用のソフトウェアを使用してレンダリングおよび処理し、ゴーグルで使用できるホログラフィックバージョンにします。

私たちは、医学の初年度の解剖学の授業の一環として、学生が人間の心臓の解剖学を学ぶための有用な資料を作成することにしました。この目的のために、心臓の血管CTスキャンが使用され、データの事前の完全な匿名化後に心臓病科から利用可能になりました。私たちは2つのチームに分かれてホログラムと3Dプリントを作成し、パイロットレッスンの一環として生徒たちに提供しました。学生は資料のアクセシビリティと正確性を非常に高く評価しましたが、このトピックに関する詳細な研究は後で発表されます-結果は現在評価中です。

ここでは、コンピュータ断層撮影から、教育実習に実装された既製のモデルを提示するまでのモデルを作成するプロセスを示します。

プロトコル

このプロトコルは、シレジア医科大学のヒト研究倫理委員会のガイドラインに従っています。患者の画像データは、完全な匿名化後に使用されました。

1. 3D プリンティング - 3D心臓モデルのセグメンテーションと再構築

  1. 画像のアップロードと前処理
    1. 3Dスライサー5.6.0を開き、データモジュール27に移動します。
    2. データの追加 」をクリックし、DICOM形式の患者様専用のCT画像を選択します。画像が正しい向きでアップロードされていることを確認してください。
    3. Slice Viewer で軸方向、矢状方向、および冠状ビューを検査することにより、画像の品質を評価します。心筋と心腔を区別するのに十分なコントラストを確認します。
    4. コントラストが不十分な場合は、ボリュームモジュールを使用してWindow/Level設定を調整し、組織の分化を強化します。開始点として [ウィンドウ] を 350 HU に、[レベル] を 40 HU に設定し、必要に応じて変更します。
    5. 心筋や心腔内など、解剖学的関心領域(ROI)の可視性を確認します。
  2. しきい値ベースのセグメンテーション
    1. セグメント エディター モジュールに移動し、[追加] をクリックして新しいセグメンテーションを作成します。
    2. セグメンテーション ツールから [しきい値 ] を選択します。 [Lower Threselled ] を 100 HU に、[ Upper Threshold ] を 300 HU に設定して、軟組織を分離します。
      注:これらの値は、画質と患者固有の特性によって異なる場合があります。
    3. 閾値範囲を手動で調整し、心筋と心腔が明確に分離されるまでスライダーをドラッグするか値を入力してROIを改善します。軸方向、矢状方向、および冠状方向のビューで目視検査を使用して、適切な選択を確認します。
    4. 関連するすべての解剖学的領域がキャプチャされていることを確認します。必要に応じて、 ペイント ツールに切り替えて、しきい値処理によって適切にキャプチャされなかったセグメンテーションの領域を手動で追加または削除します。
    5. [Apply] をクリックして、しきい値ベースの選択のセグメンテーションを確定します (図 1)
  3. スライスごとの手動修正
    1. セグメントエディターハサミツールまたは消去ツールを使用して、CTデータセットの各スライスを手動で検査します。アーティファクトやコントラストの低下などによる不正確さを修正するには、必要に応じてセグメント化された領域を削除または追加します。
    2. 各スライスについて、心筋と内部の心腔を正確に特定することに焦点を当てます。あいまいさが生じた場合は、正確性を確保するために、医療専門家または解剖学の参照に相談してください。
    3. 心臓を心筋用と内腔用の2つの異なるセグメントに分けます。 「新規セグメントを作成」 ボタンを使用して、これらの構造を区別します。
    4. 軸面、矢状面、冠状面のすべてのスライスが修正され、セグメント化されるまで、スライスごとの検査と補正を続けます。
  4. ポストプロセッシングとモデルのエクスポート
    1. エクスポートしたSTLファイルをMeshMixerにインポートします(図2、プロトタイプ設計ソフトウェアと呼ばれます)。
      1. まず、小さなアーティファクトを排除し、モデルの均一性を確保するために、[ 編集]>[ソリッド化]を選択します。
      2. ポップアップ ウィンドウで、[精度] として [ソリッド タイプ] を選択して、セグメンテーションの正確な詳細を保持します。[ソリッド精度] スライダーを 0.8 から 1.0 の間の値に調整すると、最適な忠実度が得られます。
    2. モデルを固化した後、手動のアーティファクト除去に進みます。 [消去と塗りつぶし ] ツールを使用して、乱れたサーフェス領域を再構築します。アクセスするには、 Select > Modify > Erase & Fill でアクセスできます。
    3. クリックしてドラッグし、問題のある領域を選択し、[ 塗りつぶし] オプションを使用してサーフェスの連続性を復元します。塗りつぶされた領域が周囲のジオメトリと滑らかにブレンドされていることを確認します。
    4. 一般的なサーフェスの細分化では、 選択 ツールを使用して、スムージングが必要なモデルの特定の領域をハイライトします。選択したら、[ 変更] > [スムーズ ] に移動し、ツールを繰り返し適用します。
    5. [スムーズ強度]スライダーを10〜50%の間で調整します。これは、表面の凹凸の深刻度によって異なります。スムージング中に解剖学的精度を維持するように注意してください。Shift + 左クリックを使用して、変更の必要がない領域の選択を解除します。
    6. スムージングが完了したら、 インスペクタ ーツールを使用して、メッシュに残っている穴を自動的に特定して埋めます。モデルを目視で確認して、大きなアーティファクトや表面の凹凸がないことを確認します。
    7. 心筋と内部心腔を 1 つのまとまりのあるモデルに統合するには、 ブール 演算を適用します。 [Edit > Boolean Union ]に移動し、2つの別々のパーツ(心筋とチャンバー)を選択してマージします。
    8. 操作が内部穴やオーバーラップを作成せずに構造を正常に結合することを確認します。交差を検査し、必要に応じて 、[消去して塗りつぶし] または [スムーズ ]を使用してマージ領域を手動で調整して調整します(図 3)。
    9. モデルが統一され、洗練されたら、[3D プリント準備のために STL >エクスポート ] を選択して、最終的な STL ファイルをエクスポートします。
  5. 3Dプリントのためのモデル準備
    1. 材料の選択とプリンターの設定
      1. アクリロニトリルブタジエンスチレン(ABS)フィラメントを使用すると、アセトンスムージングなどの後処理が容易になります。
        注意: ABSは温度変動に弱いため、印刷中は安定した環境を確保してください。
      2. 温度制御を改善するために、密閉型の3Dプリンターを選択してください。
    2. プリンターとスライサーの設定
      1. プリンターモデル:適切なプリンターを使用してください。ここでは、カスタムメイドの金属筐体を備えたCreality Ender 3が使用されました。
      2. フィラメント素材:ABSを使用してください。
      3. Curaまたは同様のスライシングソフトウェアで次の設定を構成します。
        ノズル径:0.5 mm
        ノズル温度:~240°C(フィラメントのブランドに基づいて調整)
        ベッド温度:~100°C
        レイヤーの高さ:0.24 mm
        印刷速度:~100 mm/s(高品質化のために50-60 mm/sに縮小)
        インフィル密度:25%(強度と材料使用量のバランスをとるため)
        サポート:自動サポートを有効にします(ツリーサポートなど)
        冷却ファン:反りを防ぐためにオフにしてください
        接着補助剤:つばまたはいかだを使用して、ベッドの接着を改善します
      4. プリンターのキャリブレーションを確認し、(a)プリンター固有の公差、(b)ABSフィラメントの特性、および(c)印刷速度と表面品質の間の望ましいトレードオフに基づいて設定を調整します。
    3. サポート構造と後処理
      1. サポート構造:組み込みツール(Curaなど)を使用してスライスソフトウェアでサポートを生成し、印刷中に張り出したフィーチャーを安定させます。サポートが繊細な解剖学的詳細を妨げないことを確認します。
      2. サポートの取り外し:サポートの取り外し中の損傷を防ぐために、印刷されたモデルを完全に冷まします。サポートを慎重に取り外します。ラジオペンチを使用すると、より広範なサポートが得られます。小さい部分やデリケートな部分の場合は、手でサポートをそっと取り外します。
      3. 表面仕上げ:印刷されたモデルに粗い領域、特にサポートが取り付けられていた場所がないか調べます。ファイングリットサンドペーパー(200〜400グリットなど)、小さなヤスリを使用して正確なディテールを使用してこれらの領域を滑らかにし、解剖学的精度を高めるために清潔で連続した表面を目指します。
      4. 高度な後処理(オプション):研磨仕上げが必要な場合は、アセトンを含む蒸気平滑化チャンバーを準備し、モデルをアセトン蒸気に~9分間さらし(この手順は、適切な安全対策(手袋、ゴーグルなど)を備えた換気の良い場所で実行してください)、モデルを完全に乾かしてから取り扱います。
  6. ポイントを一時停止します。
    1. 手順 1.3.1 の各スライス修正後に、プロジェクトを 3D スライサーで保存して、プロトコルを一時停止します。データを失うことなく、後でセグメンテーションを再開します。
    2. 手順 1.4.1 では、STL ファイルをエクスポートした後、必要に応じて、連続性を必要としないため、後処理手順を一時停止します。

2. 複合現実

注:CarnaLife Holo(複合現実ソフトウェアと呼ばれる)を使用して、ハートCT DICOMファイルをホログラフィック表現に処理します。

  1. ハードウェアを準備します。
    1. ラップトップ の電源を入れ 、電源コンセントに差し込みます。Mixed Reality ヘッドセット の電源を入れます
    2. ルーターをラップトップに接続します。
  2. 取得した CT DICOM ファイルから CT 画像を Mixed Reality ヘッドセットに読み込みます。
    1. Mixed Reality ソフトウェアを開き、ログインします (図 4)。
    2. CTスキャンのある適切なフォルダを選択します。正しい一連のCTデータを選択します(図5)。
    3. ヘッドセットの電源をONにしたときに表示されるIPアドレスを確認し、複合現実ソフトウェア内の指定の場所に入力します。
    4. [ 接続 ] ボタンをクリックして、Mixed Reality ヘッドセットの視覚化を確認します。
  3. 利用可能なプリセットのリストから、心臓構造の可視化に適した事前定義されたプリセット(カラービジュアライゼーションパラメータ)を選択します: CT CARDIAC HOLLOW
    1. 必要に応じて、右クリックして押したまま カーソルを3Dビューで移動し、ウィンドウを変更して視覚化を調整します。
  4. 左心室と右心室、心房の3D表面モデルを読み込みます。
    1. Mixed Reality ソフトウェアの 3D モデル セクションをクリックします。 Load Models ボタンをクリックします。
    2. サーフェス モデルを含むフォルダに移動します。4 つのファイルをすべて選択し、[ 開く] をクリックして確定します。視覚化されたモデルの色を調整します (図 7)。
      1. 3Dモデルリストの 鉛筆 アイコンをクリックします。表示されているポップアップの [アスペクト] タブをクリックします。
      2. [カラー]ラベルの横にある白い四角をクリックします。カラーピッカーポップアップで適切な色を選択します。[OK]ボタンをクリックして確認します。[3D View]を左クリックします。
      3. 残りのサーフェスモデルに対してすべての手順を繰り返します。
  5. 3つの2Dビュー(軸方向、矢状、冠状)を利用して2Dビューに解剖学的構造のアノテーションを作成し、アノテーションポイントを適切な場所に配置します。
    1. ソフトウェアの[ 注釈 ]セクションをクリックします。
    2. アプリ ウィンドウの右側 (既定のアプリ レイアウト) には、再構築されたデータの 3 つの 2D ビューがあります。
      1. スライスを移動するには、各 2D ビューの右側にあるスライダーの横にある 1 つまたは 2 つの矢印 アイコンをクリックします。
      2. スライスを変更するには、 左の Shift ボタンを押したままマウス ホイールでスクロールします。
      3. 青、赤、または緑の線 (2D 平面表現) をドラッグしてスライスを変更します。
    3. 選択した2Dビューに正しいスライスを設定したら、マウスホイールでズームし、左クリックして注釈ポイントを配置します。クリックした場所にアノテーションが作成されます。
    4. [注釈]セクションに戻り、注釈リストの注釈に対応するID番号の鉛筆アイコンをクリックします。
    5. ポップアップの下部に、注釈のテキストを入力します(例:「左心室」)。
    6. このポップアップでアノテーションの色、太さ、サイズを調整します。注釈を配置した 2Dビュー に戻ります。
    7. 注釈のラベルをつかんで、2D平面の外側の適切な場所に移動します。
    8. アノテーションが必要なすべての解剖学的構造について、すべての手順を繰り返します。
  6. 可視化状態を読み込んで、解剖学的構造の保存されたアノテーションを可視化で取得します。
    1. 3D ビューの右上隅にあるフロッピー ディスク アイコンの横にある Load File アイコンをクリックします。ポップアップで [フォルダ] アイコンをクリックし、視覚化状態ファイルが保存されたディレクトリに移動して、[フォルダの選択] をクリックします。
    2. 正しく選択され、この特定のデータに有効なファイルがある場合、該当する視覚化状態ファイルの一覧は、ファイルが見つかりません という免責事項をユーザーが読み込める状態の名前に置き換えます。
    3. 適切な視覚化状態を左クリックして選択し、[読み込み] ボタンをクリックして確認します。読み込み後、ユーザーには視覚化状態の読み込みステータスが表示されます。
  7. ホログラフィック空間で準備された視覚化を表示するには、ヘッドセットを装着し、音声コマンドを使用して ここ を検索 3D ホログラフィック CT スキャン再構成を目の前に表示します。 回転、ズーム、カットスマートなどの音声コマンドを使用して調整し、手のジェスチャーと組み合わせてください(図8)。
  8. カットスマート音声コマンドを使用して、視線に対して垂直なカット面を適用および調整します。
  9. ヘッドを移動および回転させて、適用された切断面の動きと方向を平行移動します。ホログラムに近づいて、切断面をホログラフィック再構成の奥深くに移動します。ヘッドを時計回りに90°回転させて、切断面を時計回りに90°回転させます。
  10. これらの動きを実行して、心臓構造の内部、ホログラフィック視覚化、以前にロードされた表面モデル、解剖学的構造の注釈を確認します。

結果

セグメンテーションと 3D 再構成プロトコルにより、解剖学トレーニングの 2 つの主要な出力 (3D プリントされた心臓モデルと心臓の 3D MR 視覚化) が得られました。これらの結果は、患者固有のCTデータを活用しており、学生が実践的で没入型の学習体験に取り組むための補完的なツールを提供します。

3Dプリントされた心臓モデルにより、学生は心臓の解剖学的構造の具体的な表現と物理的に対話することができます。このモデルは、心筋などの明確な外部特徴と、チャンバーやバルブなどの内部構造を示します。成功した実験では、解剖学的精度が高く、特徴が明確に定義され、後処理後のアーティファクトが最小限に抑えられていました。 図9 は、心筋と内部心室を明確に区別した、完全に処理された3Dプリントモデルを示しています。CT画像のコントラストが最適ではない場合、セグメンテーションエラーにより、チャンバーサイズが不規則になったり、バルブ構造が不完全であったりするなど、モデルの精度が不正確になりました。これらの問題は、 図 10 で強調されているように、多くの場合、追加のスムージングやアーティファクトの除去など、手動による介入で修正できました。

対照的に、3D Mixed Reality ビジュアライゼーションは、学生が仮想空間で心を探索できるダイナミックでインタラクティブな体験を提供します。MR環境は、回転、ズーム、さまざまな解剖面による切片作成などのリアルタイムのインタラクションを提供し、冠状動脈や中隔壁などの複雑な構造をより詳細に理解することができます。MRビジュアライゼーションの実装が成功したことで、外部と内部の両方の解剖学的構造を非常に正確に表現することができました。しかし、最適でない可視化(セグメンテーションに欠陥がある場合など)は、内部構造のビューが歪むことになり、MRモデルのリアリズムと教育効果に影響を及ぼしました(図11)。複雑な解剖学的構造の場合、セグメンテーションアプローチでは不十分な場合があります。ボリュメトリックレンダリングの可能性により、解剖学的構造を理解するために重要なさまざまな密度(ハウンズフィールドユニットで表される)を視覚化することができます(12)。

この手法は、正確で操作可能なモデルを提供することで学習体験を向上させる堅牢で補完的なツールを提供しますが、その成功はプロトコルの初期ステップでのセグメンテーションと再構築の品質にかかっています。全体として、これらの結果は、患者固有のCTデータから正確な心臓モデルを作成する上でのプロトコルの有効性を示しています。これらの結果は、患者固有のCTデータから正確な心臓モデルを作成する上でのプロトコルの有効性を示しています。

解剖学教育、特に心臓の構造の学習における複合現実技術に対する学生の認識を評価するための予備研究が行われました。この研究には、エンジニアの監督の下でホログラムを学習目的で利用することができた106人の学生が参加しました。セッションの最後には、「Mixed Reality テクノロジは、心臓の構造というトピックをよりよく理解するのに役立ちましたか?」という質問がありました。すべての回答者(100%)が「はい」と回答しました。学生の知識は、セッションの直後に、心臓の形態に関連する3つの解剖学的構造を説明することを要求する短い筆記試験を通じて評価されました。平均スコアは、合計スコア3に対して2.037でした(表1)。

figure-results-1850
図1:心臓のCTセグメンテーション。 3D SlicerソフトウェアでのCTセグメンテーションの軸方向(左上)、冠状(左下)、矢状面(右下)、および3D(右上)のビュー。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-2264
図2:後処理。 プロトタイプ設計ソフトウェア上のセグメンテーション3Dモデルのビュー。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-2636
図3:後処理後。 プロトタイプ設計ソフトウェア上のセグメンテーション3Dモデルのビュー。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-3009
図 4: Mixed Reality ソフトウェアのビュー。 アプリケーションの起動画面。明確でアクセス可能なログインパネル。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-3401
図 5: Mixed Reality ソフトウェアで正しいシリーズを選択する。 ホログラフィック視覚化のための利用可能なコンピューター断層撮影画像の選択。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-3807
図 6: Mixed Reality ソフトウェアで視覚化の一部を切り抜くためのはさみオプション。 ユーザーのニーズに合わせてホログラムをリアルタイムで調整できるツール。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-4221
図 7: Mixed Reality ソフトウェアでのホログラフィック視覚化の色の調整。 視覚化に色を追加すると、ホログラムのアクセシビリティと明瞭さが向上します。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-4632
図 8: Mixed Reality ソフトウェアで作成されたホログラフィック空間での視覚化。 強調表示された色と、空間での向きを助けるためのコンピューター断層撮影マーカーを備えた3次元ホログラム。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-5060
図9:後処理とブール演算の「X線」プレビュー後。 プロトタイプ設計ソフトウェアでの3Dモデルのビュー。完全に処理された3Dプリントモデルで、心筋と内部の心室を明確に区別しています。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-5479
図10:モデルを4チャンバー投影でカットした後、最終的な3Dプリントされたパーツのプレビュー。 プロトタイプ設計ソフトウェアでの3Dモデルのビュー。追加のスムージングとアーティファクトの除去。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-5905
図 11: Mixed Reality ソフトウェアでの CT データの視覚化。 サーフェスレンダリングは、過剰なセグメンテーションの結果を表します。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-6310
図12:複合現実ソフトウェアでのCTデータの例示的な視覚化。 ボリュームレンダリング:さまざまな密度を視覚化します。 この図の拡大版を表示するには、ここをクリックしてください。

総生徒数(n)106
学習目的でホログラムを使用した生徒の数 (n)106
「Mixed Reality テクノロジは、トピック (心臓の構造) をよりよく理解するのに役立ちましたか?」という質問に「はい」と答えた学生の数(n)106
「Mixed Reality テクノロジは、トピック (心臓の構造) をよりよく理解するのに役立ちましたか?」という質問に「いいえ」と答えた学生の数(n)0
最低スコア0
最高得点3
心臓の形態に関連する3つの解剖学的構造を説明するための短い筆記試験を受けた学生の平均スコア2.037
合計スコア3

表1:研究の予備データ。

ディスカッション

現代の解剖学は、主に何百年も前から知られている古典的で実績のある方法に基づいています。人間の死体は、将来の医師を教えるための基礎であり、解剖学者は、人体の構造を理解するだけでなく、倫理的態度を形成する上でもその役割を強調しています28,29。技術の開発は、日常の臨床手順だけでなく、教育においても広範囲に及んでいるため、3Dプリンティング7,30,31,32、および解剖学教育33,34,35,36に複合現実を実装する試みが行われています。現在、医師の仕事は主に最新のソリューション、機器、および広く理解されているデジタル化に基づいており、自動化、ロボット化、革新的なソリューションの実装の割合の増加は、長年にわたって続いている傾向を考慮に入れると進行します。

従来の教育形態を3Dプリント、複合現実(MR)を使用した授業、または超音波で補完することは、より多くの知識を習得し、さまざまなタイプのイメージング技術での視覚化を比較する機会だけでなく、新しいテクノロジーとの接触により、将来の医師の専門職への準備に非常にプラスの影響を与える可能性があります。 それらの使用に精通し、特に関心のある分野で新しいアプリケーションについて考える衝動を与える37

3D プリント技術でモデルを準備し、複合現実技術でホログラムを作成するには、標準以上の取り組み、作成の計画、およびそれらを使用した授業の自由を得る必要があります。これらは高価なソリューションであり、特に複合現実では、ホログラム(ゴーグル)を表示できるデバイス、エンジニアリング施設(アプリケーションとその操作を含む)が必要であることを付け加えておく必要があります。3D印刷は、その人気が高く、コストが低いため38、実装が簡単ですが、解剖学部門が独自のモデルをゼロから作成したい場合は、プリンターとフィラメントの購入を計画し、DICOMイメージング研究から印刷する準備ができている画像を作成するためのソフトウェアが必要です。

CarnaLife Holoは、CTデータとセグメンテーション結果の両方をアップロードできる、MR領域ではあまり適用されない独自のアプローチを提供します。現在の最先端の技術は、通常、STLまたはOBJファイル39,40に基づく表面レンダリングを使用して3Dモデルを視覚化します。その結果、ユーザーはセグメンテーション結果にのみアクセスでき、元のデータを直接表示できる機能は限られています。これは、セグメンテーションの精度が重要な石灰化などの小さな構造や病状を分析する際に課題となる可能性があります。

生データの可視化(ボリュームレンダリング)により、ジオメトリだけでなく、構造物内のハウンズフィールド単位(密度)の分布を解析することで、構造物を評価することができます。自動心臓セグメンテーションは、手動セグメンテーションの面倒な作業を容易にする一般的な手法であるが、その限界がある41。セグメント化できる構造の数によって制約され、特に病状が存在する場合は、効率的な処理のために高性能なハードウェアが必要です。

これらの課題に対処するために、ボリュームレンダリングとサーフェスレンダリングの2つの視覚化方法の組み合わせが提案されています。このハイブリッドアプローチにより、セグメント化された構造と分析されたデータ内の値の分布を同時に視覚化できるため、ユーザーはデータ解釈のためのより包括的なツールを利用できます。

心臓の解剖学の場合、プログラムの標準的な自動ツールでは、サイズ、形状、解剖学的構造の位置、アーティファクトの存在、隣接する組織間の境界のぼやけた(低コントラスト)などの不均一性により、フルイメージから心臓組織を抽出するには不十分であるため、3Dモデルの作成は複雑になります。したがって、閾値セグメンテーションに加えて、「スライス・バイ・スライス」メカニズムで医師が監督するセグメンテーションを実施する必要があります。次の段階は、モデルを3Dプリンティングに適合させることで、これには、画像取得中のノイズから生じる歪みのさらなる除去が含まれます。印刷後、モデルをアセトンに穏やかに溶解して、表面を滑らかにします。学生による既製のモデルの使用は簡単です-人間の死体の準備を見て議論するのに似ています。複合現実の場合、毎回、テクノロジーの使用(ゴーグルの頭への正しい取り付け、音声とジェスチャーの制御)のトレーニングが必要です。利用可能な設備が限られているため、同時により多くの生徒が参加することはできません。画像化された材料のアクセシビリティを高めるために、特定の解剖学的構造のマーカーを使用して、調製物(ホログラム)の迅速な議論を促進しました。

3D Slicerでのセグメンテーションと3D再構築のプロセスをマスターすることは、複数の機能とワークフローを学ぶ必要があるため、初心者にとっては難しい場合があります。習熟度を高めるには、通常、かなりの練習と経験が必要です。私たちの観察では、ソフトウェアで信頼性を得るには、少なくとも5〜7の異なる心臓モデルのセグメント化を含む、約20〜30時間の専用作業が必要でした。3D Slicer は、強力なオンライン コミュニティの恩恵を受けるオープンソース プラットフォームです。広範なトラブルシューティング リソース、問題解決フォーラム、豊富なチュートリアルとユース ケースを提供します。これらのリソースは、アクセス可能なガイダンスを提供することにより、学習プロセスを促進します。さらに、ChatGPTやGeminiなどの大規模言語モデル(LLM)などのツールを利用することで、ソフトウェアとその機能の理解を深めることができます。学習段階では、医用画像と解剖学の経験を持つメンターまたはスーパーバイザーへのアクセスが非常に有利であることが証明されています。セグメンテーション戦略と精度に関する即時フィードバックにより、スキル開発が加速し、解剖学的精度が維持されます。初心者は、最初の試行に時間がかかり、エラーが発生しやすい可能性があることを予期する必要があります。しかし、一貫した実践により、セグメンテーションとリファインメントのプロセスが大幅に直感的で効率的になります。この学習曲線には忍耐強く取り組むことが不可欠であり、ツールをしっかりと使用することで速度と精度が大幅に向上します。

提示されたプロトコルの重要なステップは、3Dプリントおよび複合現実技術に役立つ3次元モデルを作成するために、イメージング研究からの心臓組織の適切なセグメンテーションと抽出でした。

3Dプリントと複合現実技術を使用した心臓解剖学の授業は、学生から非常に好評を博し、大多数は技術的なサポートが有用であると感じています。著者によると、新しいテクノロジーは、既存の古典的な教訓的なソリューションをサポートし、ますます広く使用する必要があります。

開示事項

Maciej Stanuch、Marcel Pikuła、Oskar Trybus、Andrzej SkalskiはMedApp S.A.の従業員です。MedApp S.A.は、CarnaLifeHoloソリューションを製造している会社です。

謝辞

この研究は、非営利協力の一環として実施されました。

資料

NameCompanyCatalog NumberComments
3D SlicerThe Slicer Communityhttps://www.slicer.orgVersion 5.6.0
CarnaLifeHolo MedApp S.A.https://carnalifeholo.com3D visualization software
MeshmixerAutodesk Inc.https://www.research.autodesk.com/projects/meshmixer/prototype design software
Ender 3 Creality https://www.creality.com/products/ender-3-3d-printer3D printer
CuraUltiMaker https://ultimaker.com/software/ultimaker-cura/3D printing software

参考文献

  1. Marconi, S., et al. Value of 3D printing for the comprehension of surgical anatomy. Surg endosc. 31, 4102-4110 (2017).
  2. Bernhard, J. C., et al. Personalized 3D printed model of kidney and tumor anatomy: a useful tool for patient education. World J Urol. 34 (3), 337-345 (2016).
  3. Gehrsitz, P., et al. Cinematic rendering in mixed-reality holograms: a new 3D preoperative planning tool in pediatric heart surgery. Front Cardiovasc Med. 8, 633611 (2021).
  4. Vatankhah, R., et al. 3D printed models for teaching orbital anatomy, anomalies and fractures. J Ophthalmic Vis Res. 16 (4), 611-619 (2021).
  5. O'Reilly, M. K., et al. Fabrication and assessment of 3D printed anatomical models of the lower limb for anatomical teaching and femoral vessel access training in medicine. Anat Sci Educ. 9 (1), 71-79 (2016).
  6. Garas, M., et al. 3D-Printed specimens as a valuable tool in anatomy education: A pilot study. Ann Anat. 219, 57-64 (2018).
  7. AbouHashem, Y., et al. The application of 3D printing in anatomy education. Med Educ Online. 20, 29847 (2016).
  8. Wu, A. M., et al. The addition of 3D printed models to enhance the teaching and learning of bone spatial anatomy and fractures for undergraduate students: a randomized controlled study. Ann Transl Med. 6 (20), 403 (2018).
  9. McMenamin, P. G., et al. The production of anatomical teaching resources using three-dimensional (3D) printing technology. Anat Sci Educ. 7 (6), 479-486 (2014).
  10. Tan, L., et al. Full color 3D printing of anatomical models. Clin Anat. 35 (5), 598-608 (2022).
  11. Garcia, J., et al. 3D printing materials and their use in medical education: a review of current technology and trends for the future. BMJ Simul Technol Enhanc Learn. 4 (1), 27-40 (2018).
  12. Milgram, P., et al. Augmented reality: A class of displays on the reality-virtuality continuum. Proceedings of the International Society for Optical Engineering. (SPIE 1994), Photonics for Industrial Applications; Boston, MA. , (1994).
  13. Brun, H., et al. Mixed reality holograms for heart surgery planning: first user experience in congenital heart disease. Eur Heart J Cardiovasc Imaging. 20 (8), 883-888 (2019).
  14. Lu, L., et al. Applications of mixed reality technology in orthopedics surgery: A pilot study. Front Bioeng Biotechnol. 22 (10), 740507 (2022).
  15. Condino, S., et al. How to build a patient-specific hybrid simulator for orthopaedic open surgery: benefits and limits of mixed-reality using the Microsoft HoloLens. J Healthc Eng. 2018, 5435097 (2018).
  16. Wu, X., et al. Mixed reality technology launches in orthopedic surgery for comprehensive preoperative management of complicated cervical fractures. Surg Innov. 25, 421-422 (2018).
  17. Łęgosz, P., et al. The use of mixed reality in custom-made revision hip arthroplasty: A first case report. J Vis Exp. (186), e63654 (2022).
  18. Wierzbicki, R., et al. 3D mixed-reality visualization of medical imaging data as a supporting tool for innovative, minimally invasive surgery for gastrointestinal tumors and systemic treatment as a new path in personalized treatment of advanced cancer diseases. J Cancer Res Clin Oncol. 148 (1), 237-243 (2022).
  19. Wish-Baratz, S., et al. Assessment of mixed-reality technology use in remote online anatomy education. JAMA Netw Open. 3 (9), e2016271 (2020).
  20. Owolabi, J., Bekele, A. Implementation of innovative educational technologies in teaching of anatomy and basic medical sciences during the COVID-19 pandemic in a developing country: The COVID-19 silver lining. Adv Med Educ Pract. 8 (12), 619-625 (2021).
  21. Xiao, J., Evans, D. J. R. Anatomy education beyond the Covid-19 pandemic: A changing pedagogy. Anat Sci Educ. 15 (6), 1138-1144 (2022).
  22. Robinson, B. L., Mitchell, T. R., Brenseke, B. M. Evaluating the use of mixed reality to teach gross and microscopic respiratory anatomy. Med Sci Educ. 30 (4), 1745-1748 (2020).
  23. Ruthberg, J. S., et al. Mixed reality as a time-efficient alternative to cadaveric dissection. Med Teach. 42, 896-901 (2020).
  24. Stojanovska, M., et al. Mixed reality anatomy using microsoft hololens and cadaveric dissection: a comparative effectiveness study. Med Sci Educ. 30, 173-178 (2020).
  25. Zhang, L., et al. Using Microsoft HoloLens to improve memory recall in anatomy and physiology: a pilot study to examine the efficacy of using augmented reality in education. J Educ Tech Dev Exch. 12 (1), 17-31 (2020).
  26. Vergel, R. S., et al. Comparative evaluation of a virtual reality table and a HoloLens-based augmented reality system for anatomy training. IEEE Trans Hum Mach Syst. 50 (4), 337-348 (2020).
  27. Fedorov, A., et al. 3D slicer as an image computing platform for the quantitative imaging network. Magn Reson Imaging. 30 (9), 1323-1341 (2012).
  28. Boulware, L. E., et al. Whole body donation for medical science: a population-based study. Clin Anat. 17 (7), 570-577 (2004).
  29. Arráez-Aybar, L. A., Bueno-López, J. L., Moxham, B. J. Anatomists' views on human body dissection and donation: An international survey. Ann anat. 196 (6), 376-386 (2014).
  30. Vaccarezza, M., Papa, V. 3D printing: a valuable resource in human anatomy education. Anat Sci Int. 90 (1), 64-65 (2015).
  31. Smith, C. F., Tollemache, N., Covill, D., Johnston, M. Take away body parts! An investigation into the use of 3D-printed anatomical models in undergraduate anatomy education. Anat Sci Educ. 11 (1), 44-53 (2018).
  32. Lim, K. H., et al. Use of 3D printed models in medical education: A randomized control trial comparing 3D prints versus cadaveric materials for learning external cardiac anatomy. Anat Sci Educ. 9 (3), 213-221 (2016).
  33. Richards, S. Student engagement using HoloLens mixed-reality technology in human anatomy laboratories for osteopathic medical students: an instructional model. Med Sci Educ. 33 (1), 223-231 (2023).
  34. Veer, V., Phelps, C., Moro, C. Incorporating mixed reality for knowledge retention in physiology, anatomy, pathology, and pharmacology interdisciplinary education: a randomized controlled trial. Med Sci Educ. 32 (6), 1579-1586 (2022).
  35. Romand, M., et al. Mixed and augmented reality tools in the medical anatomy curriculum. Stud Health Technol Inform. 270, 322-326 (2020).
  36. Birt, J., et al. Mobile mixed reality for experiential learning and simulation in medical and health sciences education. Information. 9 (2), 31 (2018).
  37. Kazoka, D., Pilmane, M., Edelmers, E. Facilitating student understanding through incorporating digital images and 3D-printed models in a human anatomy course. Educ Sci. 11 (8), 380 (2021).
  38. Shen, Z., et al. The process of 3D printed skull models for anatomy education. Comput Assist Surg (Abingdon). 24 (1), 121-130 (2019).
  39. Ye, W., et al. Mixed-reality hologram for diagnosis and surgical planning of double outlet of the right ventricle: a pilot study. Clin Radiol. 76 (3), 237.e1-237.e7 (2021).
  40. Bonanni, M., et al. Holographic mixed reality for planning transcatheter aortic valve replacement. Int J Cardiol. 412, 132330 (2024).
  41. Chen, L., et al. Automatic 3D left atrial strain extraction framework on cardiac computed tomography. Comput Methods Programs Biomed. 252, 108236 (2024).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

218

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

研究

教育

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved