JoVE Logo
АВТОРЫ
СВЯЖИТЕСЬ С НАМИ

Войдите в систему

Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

Мы проанализировали совместную кинематику из четырехмерных данных компьютерной томографии. Последовательный метод регистрации 3D-3D полуавтоматически обеспечивает кинематику движущейся кости по отношению к предметной кости из четырехмерных данных компьютерной томографии.

Аннотация

Четырехмерная компьютерная томография (4DCT) обеспечивает ряд объемных данных и визуализирует совместные движения. Однако численный анализ данных 4DCT остается сложным, поскольку сегментация во всех объемах занимает много времени. Мы стремились проанализировать совместную кинематику с использованием последовательной техники 3D-3D регистрации, чтобы обеспечить кинематику движущейся кости по отношению к фиксированной кости полуавтоматически с использованием данных 4DCT DICOM и существующего программного обеспечения. Поверхностные данные исходных костей реконструируются из 3DCT. Данные об сотвечки поверхности соответственно сопоставляются с поверхностными данными из первого кадра в 4DCT. Эти обрезанные поверхности последовательно сопоставляются до последнего кадра. Эти процессы предоставляют позиционную информацию для целевых костей во всех кадрах 4DCT. Как только системы координат костей цели определены, углы перевода и вращения между любыми 2 косями можно вычислить. Этот анализ 4DCT предлагает преимущества в кинематический анализ сложных структур, таких как запястья или смолы костей. Однако быстрые или крупномасштабные движения невозможно отследить из-за артефактов движения.

Введение

Совместные кинематические были описаны с использованием ряда методологий, таких как датчики захвата движения, 2D-3D регистрации, и трупных исследований. Каждый метод имеет свои преимущества и недостатки. Например, датчики захвата движения могут измерять быстрые крупномасштабные движения с помощью инфракрасных камер с датчиками или без датчиков на объекте1,2. Тем не менее, эти методы измеряют движение кожи, чтобы сделать вывод о суставной кинематике, и, следовательно, содержат ошибки движения кожи3.

Cadaveric исследования были использованы для оценки диапазонов движения, нестабильности, и контактные области4,5,6. Этот подход может измерять небольшие изменения в небольших суставах с помощью КТ или оптических датчиков, прикрепленных непосредственно к кости с помощью булавок или винтов. Cadaveric модели могут в основном оценить пассивные движения, хотя несколько приводов были использованы для применения внешних сил к сухожилиям для имитации динамического движения7. Активное совместное движение может быть измерено с помощью 2D-3D методов регистрации, сопоставляя 3DCT изображения с 2D флюороскопии изображений. Хотя точность процесса регистрации остается спорным, сообщили точность, как правило, достаточно высока для больших совместных кинематики8,9. Однако этот метод не может быть применен к мелким костям или множественным костям в узких пространствах.

В отличие от этого, 4DCT является динамическим методом КТ, который получает ряд объемных данных. Активные совместные движения могут быть проанализированы с помощью этого подхода10. Эта технология обеспечивает точные 3D позиционные данные всех веществ внутри КТ gantry. 3D совместные движения четко визуализированы в зрителе. Однако описать совместную кинематику из такой серии объемных данных по-прежнему сложно, так как все кости движутся и во время активных движений in vivo не прослеживается никаких ориентиров.

Мы разработали метод для анализа 4DCT, который обеспечивает инвиво суставной кинематики целых костей вокруг сустава во время активных движений. Целью данной статьи является представление нашего метода, последовательной 3D-3D метод регистрации для анализа 4DCT, и показать репрезентативные результаты, полученные с помощью этого метода.

протокол

Все методы, описанные здесь, были одобрены Институциональным наблюдательным советом Медицинской школы Университета Кейо.

ПРИМЕЧАНИЕ: Совместные кинематические измеряются путем реконструкции движения движущейся кости вокруг фиксированной кости. Для кинематики коленного сустава бедренная кость определяется как фиксированная кость, а голени определяется как движущаяся кость.

1. Протокол визуализации КТ

  1. Настройка КТ-машины. Приобретение КТ-экзаменов с 320-детектор-ряд КТ системы, чтобы обеспечить несколько фаз 3D объем данных с 160 мм черепно-мозговой покрытия. Например, при анализе коленной кинематики приобретение изображения состоит из 51 тома сканирования со временем вращения 0,275 с, и все изображения реконструируются с помощью половины реконструкции, так что временное разрешение составляет примерно 0,16 с.
  2. Используйте следующие параметры сканирования: пиковое напряжение трубки - 100 кВт; ток трубки 40 мА; покрытие сканирования 160 мм; размер матрицы 512 x 512 пикселей; и толщина раздела реконструкции и интервал секции - 0,5 мм.
  3. Поместите целевой стык предмета внутри КТ gantry в исходное положение экзамена 4DCT(рисунок 1).
  4. Перед кТ-экзаменом репетировать движения сустава от стартовой позиции до конечной позиции в течение необходимого времени экзамена. Попросите субъекта переместить соединение во время сканирования 10.275 и получить ряд данных об объемах. Храните данные о последовательном объеме в формате DICOM.
  5. Выполните статический 3DCT всех целевых костей и храните данные в формате DICOM.

2. Реконструкция поверхности

  1. Выполните полуавтоматическую сегментацию данных 3DCT(рисунок 2A).
    1. Загрузите данные CT DICOM, выбрав все файлы DICOM статических данных 3DCT.
    2. Откройте поле метки, нажав на новое поле этикетки и проверьте, какой порог овое затухания подходит для извлечения корковой кости из исходной кости. Выберите материалы со значениями затухания КТ выше порога. Например, порог костной коры для молодого субъекта установлен как 250. Проверьте этикетку для выбора костной коры и вручную изменить демаркацию с помощью инструмента редактирования для согласованности с формой кости.
    3. Создание данных о поверхности (треугольных сетках) из помеченных данных о положении костной коры (облако точек в программном обеспечении). Храните данные поверхности, экспортируя данные в формате Standard Triangulated Language (STL).
    4. Нажмите На поверхность для создания Нанесите на этикетку корковой кости. Нажмите файл Экспортные данные как STL Binary Little Endian для сохранения поверхностных данных в формате STL.
  2. Выполните автоматическую сегментацию данных объема 4DCT(рисунок 2B).
    ПРИМЕЧАНИЕ: Каждый кадр данных DICOM включает в себя распределение значений затухания КТ в кТ gantry.
    1. Установите порог костной коры, как в статической КТ, и извините геометрические данные, показывающие значения затухания КТ выше порога из всех 51 кадров данных 4DCT с помощью модуля чтения DICOM в программном обеспечении программирования. Отрегулируйте порог в соответствии с плотностью костной ткани исходной кости. Например, для остеопоротической кости установите порог ниже.
    2. Переведите все позиционные данные, которые уже были получены на предыдущем этапе, в формат, который может быть интерпретирован программным обеспечением обработки изображений (например, Avizo). В программном обеспечении для обработки изображений реконструируют все поверхностные данные облака точечных облаков с более высокими значениями затухания КТ, чем порог для всех кадров 4DCT с помощью сценария пакетной обработки. Программное обеспечение для обработки изображений содержит функцию для чтения скрипта и экспорта поверхностных данных из данных серии DICOM автоматически. Пакетный скрипт отображается в дополнительном файле кодирования.

3. Регистрация изображений

ПРИМЕЧАНИЕ: На этом этапе реконструируют движения движущейся кости по отношению к фиксированной кости из необработанных данных 4DCT DICOM.

  1. Выполните регистрацию поверхности от статического 3DCT до первого кадра 4DCT.
    1. Обрезать кости в статических 3DCT в частичный сегмент данных, которые включены во все кадры 4DCT для использования с итеративной ближайшей точки (ICP) алгоритм11 в 3D сетки редактирования программного обеспечения с использованием функции выбора лица (Рисунок 3A), ссылаясь 4DCT данные о фильмах. Поверхностные данные 4DCT являются лишь частичными сегментами, которые включены в каждое изображение тома, поскольку для регистрации поверхности требуется, чтобы одна точка данных поверхности была включена в другую поверхность.
    2. Выберите три ориентира в фиксированных и движущихся костях, которые можно легко идентифицировать по обрезаемной поверхности 3DCT и поверхностным данным первого кадра 4DCT в программном обеспечении для редактирования 3D-сетки с использованием функции PickPoints (Рисунок 3B).
    3. Матч частичных фиксированных и движущихся костей примерно на первом кадре 4DCT поверхности данных(Рисунок 3C) в соответствии с выбрали ориентиры в 3.1.2. Затем выполняйте регистрацию поверхности с помощью алгоритма ICP11 с помощью программного обеспечения с открытым исходным кодом (например, VTK).
      ПРИМЕЧАНИЕ: Этот процесс обеспечивает однородную трансформацию матриц фиксированных и движущихся костей от статического 3DCT к первому кадру 4DCT(рисунок 3D). Эти матрицы 4 х 4 матрицы, состоящие из вращения и перевода, как показано на рисунке 4. Матрица преобразования, вызывающая обратное действие, также может быть рассчитана.
  2. Выполните последовательную регистрацию поверхности(рисунок 5).
    1. Сопоставить частичные поверхности фиксированной и движущейся кости в первом кадре 4DCT на поверхностные данные второго кадра. Далее, сопоставить частичные поверхностиi-й кадра на (i q 1)th кадр 4DCT последовательно. Повторите этот процесс до последнего кадра 4DCT, запрограммировав с помощью модуля ICP в программном обеспечении с открытым исходным кодом.
  3. Рассчитайте матрицы преобразования от статического 3DCT к всем рарам в 4DCT по результатам 3.1 и 3.2.
  4. Реконструкция движущегося движения костей по отношению к фиксированной кости(рисунок 6).
    1. Реконструкция кинематики движущейся кости по отношению к фиксированной кости из матриц, которые представляют собой преобразование от статического 3DCT к каждому кадру 4DCT. Определите системы координат фиксированных и движущихся костей при измерении параметров вращения (например, угол сгибания или угол вращения, рассчитанный по углу Euler/Cardan)12,13,14.

Результаты

Мы описываем движение голени во время выдвижения колена. Коленный сустав был расположен в КТ gantry. Треугольная подушка использовалась для поддержки бедренной кости в исходном положении. Колено было расширено до прямого положения в течение 10 с. Радиационное облучение б...

Обсуждение

Наш метод позволяет визуализировать и количественно извизить движения целых костей и предоставляет численные позиционные данные движущейся кости по отношению к фиксированной кости из данных 4DCT. Было предложено множество инструментов для измерения совместной кинематики. Маркеры кож...

Раскрытие информации

Авторы не имеют конкурирующих финансовых интересов.

Благодарности

Это исследование было одобрено Институциональным наблюдательным советом нашего учреждения (номер одобрения: 20150128).

Материалы

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

Ссылки

  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).

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

1534DCT

This article has been published

Video Coming Soon

JoVE Logo

Конфиденциальность

Условия эксплуатации

Политика

СВЯЖИТЕСЬ С НАМИ

РЕКОМЕНДОВАТЬ БИБЛИОТЕКЕ

НОВОСТИ JoVE

Исследования

Образование

АВТОРЫ

Библиотекарь

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены