JoVE Logo
저자
연락처

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

우리는 4차원 컴퓨터 단층 촬영 데이터에서 관절 운동학을 분석했습니다. 순차적 3D-3D 등록 방법은 4차원 컴퓨터 단층 촬영 데이터로부터 피사체 뼈에 대하여 움직이는 뼈의 운동학을 반자동으로 제공한다.

초록

4차원 컴퓨터 단층 촬영(4DCT)은 일련의 볼륨 데이터를 제공하고 관절 움직임을 시각화합니다. 그러나 모든 체적 프레임의 세분화는 시간이 많이 걸리기 때문에 4DCT 데이터의 수치 분석은 여전히 어렵습니다. 우리는 순차적 3D-3D 등록 기술을 사용하여 관절 운동학을 분석하여 4DCT DICOM 데이터와 기존 소프트웨어를 사용하여 고정 된 뼈에 대하여 움직이는 뼈의 운동학을 반자동으로 제공하는 것을 목표로했습니다. 원본 골격의 표면 데이터는 3DCT에서 재구성됩니다. 트리밍된 표면 데이터는 각각 4DCT의 첫 번째 프레임의 표면 데이터와 일치합니다. 이러한 잘린 서피스는 마지막 프레임까지 순차적으로 일치합니다. 이러한 프로세스는 4DCT의 모든 프레임에서 대상 골격에 대한 위치 정보를 제공합니다. 대상 골격의 좌표계가 결정되면 두 골격 간의 변환 및 회전 각도를 계산할 수 있습니다. 이 4DCT 분석은 손목 뼈 또는 타르살 뼈와 같은 복잡한 구조의 운동학적 분석에서 이점을 제공합니다. 그러나 모션 아티팩트로 인해 빠른 모션또는 대규모 모션을 추적할 수 없습니다.

서문

관절 운동학은 모션 캡처 센서, 2D-3D 등록 및 시체 연구와 같은 여러 가지 방법론을 사용하여 설명되었습니다. 각 방법에는 특정 장점과 단점이 있습니다. 예를 들어 모션 캡처 센서는 피사체1,2에센서가 있거나 없는 적외선 카메라를 사용하여 빠르고 대규모의 모션을 측정할 수 있습니다. 그러나 이러한 방법은 관절 운동학을 추론하기 위해 피부 운동을 측정하므로 피부 운동 오류3을포함합니다.

시체 연구는 운동, 불안정성 및 접촉 영역4,5,6의범위를 평가하는 데 사용되었습니다. 이 접근법은 핀이나 나사를 사용하여 뼈에 직접 부착된 CT 또는 광학 센서를 사용하여 작은 관절의 작은 변화를 측정할 수 있습니다. 카다브릭 모델은 주로 수동 모션을 평가할 수 있지만 여러 액추에이터가 동적 모션7을시뮬레이션하기 위해 힘줄에 외부 힘을 적용하는 데 사용되었습니다. 액티브 조인트 모션은 2D-3D 등록 기술로 측정할 수 있으며 3DCT 이미지를 2D 형광 투시 영상과 일치시킬 수 있습니다. 등록 과정의 정확성은 여전히 논란의 여지가 있지만, 보고된 정확도는 일반적으로 대형 관절 운동학8,9에대해 충분히 높다. 그러나 이 방법은 좁은 공간에서 작은 골격이나 여러 골격에 적용할 수 없습니다.

반면, 4DCT는 일련의 체적 데이터를 가져오는 동적 CT 방법입니다. 액티브 조인트 모션은 이러한 접근법10을사용하여 분석될 수 있다. 이 기술은 CT 갠트리 내부의 모든 물질의 정확한 3D 위치 데이터를 제공합니다. 3D 조인트 모션은 뷰어에서 명확하게 시각화됩니다. 그러나 이러한 일련의 볼륨 데이터에서 관절 운동학을 설명하는 것은 모든 골격이 움직이고 생체 내에서 활성 운동 중에 랜드마크를 추적할 수 없기 때문에 여전히 어렵습니다.

우리는 활성 운동 중에 관절 주위의 전체 뼈의 생체 내 관절 운동학을 제공하는 4DCT 분석을위한 방법을 개발했습니다. 이 문서의 목적은 4DCT 분석을 위한 순차적 3D-3D 등록 기법을 제시하고 이 방법을 사용하여 얻은 대표적인 결과를 보여주는 것입니다.

프로토콜

여기에 설명된 모든 방법은 게이오 대학 의과 대학의 기관 검토 위원회에 의해 승인되었습니다.

참고: 관절 운동학은 고정된 골격 주위의 움직이는 뼈의 모션을 재구성하여 측정됩니다. 무릎 관절 운동학의 경우 대퇴골은 고정 된 뼈로 정의되고 경골은 움직이는 뼈로 정의됩니다.

1. CT 화상 진찰 프로토콜

  1. CT 컴퓨터를 설정합니다. 320검출기-로우 CT 시스템으로 CT 검사를 획득하여 160mm 의 두개내경 커버리지를 가진 3D 부피 데이터의 여러 단계를 허용합니다. 예를 들어, 무릎 운동학의 분석에서 이미지 수집은 0.275 s의 회전 시간을 가진 51 개의 볼륨 스캔으로 구성되며 모든 이미지는 절반 재구성을 사용하여 재구성되어 시간 해상도가 약 0.16 s가되도록합니다.
  2. 피크 튜브 전압 = 100 kVp : 다음 스캐닝 매개 변수를 사용; 튜브 전류 = 40 mA; 스캔 범위 = 160mm; 매트릭스 크기 = 512 x 512 픽셀; 및 재건 섹션 두께 및 단면 간격 = 0.5 mm.
  3. 4DCT 시험의 시작 위치에 CT 갠트리 내부에 피험자의 표적 조인트를 놓습니다(그림1).
  4. CT 시험 전에 필요한 시험 시간 내에 시작 위치에서 끝 위치로 관절의 움직임을 연습합니다. 피사체에게 10.275 s 스캔 시간 동안 조인트를 이동하고 일련의 볼륨 데이터를 구한다. 순차 볼륨 데이터를 DICOM 형식으로 저장합니다.
  5. 모든 대상 골격의 정적 3DCT를 수행하고 데이터를 DICOM 형식으로 저장합니다.

2. 표면 재건

  1. 3DCT 데이터의 반자동 세분화를수행합니다(그림 2A).
    1. 정적 3DCT 데이터의 모든 DICOM 파일을 선택하여 CT DICOM 데이터를 로드합니다.
    2. 새 레이블 편집 필드를 클릭하여 레이블 필드를 열고 소스 골격에서 피질 골격을 추출하는 데 적합한 임계값 CT 감쇠 값을 확인합니다. 임계값을 초과하는 CT 감쇠 값이 있는 재질을 선택합니다. 예를 들어, 젊은 피험자의 골피질 임계값은 250으로설정됩니다. 골격 피질 선택 레이블을 확인하고 편집 도구를 사용하여 골격의 모양과 일관성을 위해 수동으로 경계를 수정합니다.
    3. 레이블이 지정된 골격 피질 위치 데이터(소프트웨어의 점 구름)에서 지표면 데이터(삼각형 메시)를 생성합니다. STL(표준 삼각언어) 형식으로 데이터를 내보내 서피스 데이터를 저장합니다.
    4. 서피스 생성 | 피질 뼈의 라벨에 바하십시오. 파일 | 클릭 데이터 내보내기 | STL 바이너리 리틀 엔디안은 STL 형식으로 표면 데이터를 저장합니다.
  2. 4DCT 볼륨 데이터의 자동 세분화를 수행합니다(그림2B).
    참고: DICOM 데이터의 각 프레임에는 CT 갠트리에서 CT 감쇠 값의 분포가 포함됩니다.
    1. 정적 CT에서와 같이 골 피질의 임계값을 설정하고 프로그래밍 소프트웨어의 DICOM 판독 모듈을 사용하여 4DCT 데이터의 모든 51프레임에서 CT 감쇠 값을 보여주는 기하학적 데이터를 추출합니다. 소스 골격의 골밀도에 따라 임계값을 조정합니다. 예를 들어, 골다공증 뼈의 경우 임계값을 낮게 설정합니다.
    2. 이전 단계에서 이미 얻은 모든 위치 데이터를 이미지 처리 소프트웨어(예: Avizo)로 해석할 수 있는 형식으로 변환합니다. 이미지 처리 소프트웨어에서 일괄 처리 스크립트를 사용하여 모든 4DCT 프레임에 대한 임계값보다 높은 CT 감쇠 값으로 포인트 클라우드의 모든 표면 데이터를 재구성합니다. 이미지 처리 소프트웨어에는 스크립트를 읽고 DICOM 시리즈 데이터에서 표면 데이터를 자동으로 내보내는 기능이 포함되어 있습니다. 일괄 처리 스크립트는 보충 코딩 파일에표시됩니다.

3. 이미지 등록

참고: 이 단계에서는 원시 4DCT DICOM 데이터에서 고정된 골격과 관련하여 움직이는 골격의 모션을 재구성합니다.

  1. 정적 3DCT에서 4DCT의 첫 번째 프레임까지 표면 등록을 수행합니다.
    1. 정적 3DCT의 골격을 4DCT 동영상 데이터를 참조하여 3D 메쉬 편집 소프트웨어에서 반복적 가장 가까운 점(ICP)알고리즘(11)과 함께사용하기 위해 4DCT의 모든 프레임에 포함된 부분 세그먼트 데이터로 트리밍합니다. 4DCT의 표면 데이터는 각 볼륨 이미지에 포함된 부분 세그먼트일 뿐이므로 표면 등록을 위해서는 하나의 표면 데이터 포인트가 다른 표면에 포함되어야 합니다.
    2. PickPoints 함수를 사용하여 3D 메시 편집 소프트웨어에서 트리밍된 3DCT 표면과 4DCT의 첫 번째 프레임의 표면 데이터에서 쉽게 식별할 수 있는 고정 및 이동 골격에서 세 개의랜드마크를선택합니다(그림 3B).
    3. 3.1.2에서 선택된 랜드마크에 따라 4DCT 표면데이터(그림 3C)의첫 번째 프레임에서 부분 고정 및 이동 골격을 대략 일치시다. 다음으로, 오픈 소스 소프트웨어(예를 들어, VTK)를 사용하여 ICP알고리즘(11)을 사용하여 표면 등록을 수행한다.
      참고: 이 프로세스는 정적 3DCT에서 4DCT의 첫 번째 프레임까지 고정 및 이동 골격의 균일한 변환 행렬을제공합니다(그림 3D). 이러한 행렬은 그림 4와같이 회전 및 변환으로 구성된 4 x 4 행렬입니다. 역동작을 일으키는 변환 행렬도 계산할 수 있습니다.
  2. 순차적 표면 등록을 수행합니다(그림5).
    1. 첫 번째 4DCT 프레임에서 고정 및 이동 골격의 부분 표면을 두 번째 프레임의 표면 데이터와 일치시다. 다음으로,ith 프레임의 부분 표면을 4DCT의 (i + 1)th 프레임에 순차적으로 일치시다. 오픈 소스 소프트웨어에서 ICP 모듈을 사용하여 프로그래밍하여 4DCT의 마지막 프레임까지 이 프로세스를 반복합니다.
  3. 3.1 및 3.2의 결과에 따라 정적 3DCT에서 4DCT의 모든 프레임으로 변환 행렬을 계산합니다.
  4. 고정된 골격에 대해 움직이는 골격 모션을 재구성합니다(그림6).
    1. 정적 3DCT에서 각 4DCT 프레임으로의 변환을 나타내는 행렬에서 고정된 골격에 대해 이동 골격의 운동학을 재구성합니다. 회전 매개변수가 측정될 때 고정 및 이동 골격의 좌표계를 정의합니다(예: 오일러/카르단 각도에 의해 계산된 굴곡 각도 또는 회전 각도)12,13,14.

결과

우리는 무릎 확장 중 경골의 움직임을 설명합니다. 무릎 관절은 CT 갠트리에 위치시켰다. 삼각형 베개는 시작 위치에서 대퇴골을 지원하기 위해 사용되었다. 무릎은 10s. 방사선 노출의 과정을 통해 직선 위치로 확장되었다. 4DCT 이외에, 전체 대퇴골, 경골 및 슬개골의 정적 3DCT가 수행되었다. 전체 대퇴골과 경골의 표면 데이터를 재구성했습니다. 골 피질의 HU 수에 대한 임?...

토론

우리의 방법은 전체 뼈의 움직임을 시각화하고 정량화 할 수 있으며 4DCT 데이터에서 고정 된 뼈에 대해 움직이는 뼈의 수치 위치 데이터를 제공합니다. 관절 운동학을 측정하기 위해 많은 도구가 제안되었습니다. 모션 스킨 마커는 오랜 시간 동안 전체 신체 움직임을 분석할 수 있습니다. 그러나이 방법은 피부 모션 오류3을포함합니다. 관절 운동학은 인접한 뼈의 움직임에서 추?...

공개

저자는 경쟁적인 재정적 이해관계가 없습니다.

감사의 말

이 연구는 우리 기관의 기관 검토 위원회 (승인 번호 : 20150128)에 의해 승인되었습니다.

자료

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

참고문헌

  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).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

1534DCT

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연락처

사서에게 추천하기

JoVE 뉴스레터

연구

교육

저자

사서

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유