Summary
Denne studien tar sikte på å lage en 3D-printet modell av en pasientspesifikk lumbale vertebra, som inneholder både vertebra- og spinalnervemodellene smeltet sammen fra høyoppløselig computertomografi (HRCT) og MR-Dixon-data.
Abstract
Selektiv dorsal rhizotomi (SDR) er en vanskelig, risikabel og sofistikert operasjon, der en laminektomi ikke bare skal utsette et tilstrekkelig kirurgisk synsfelt, men også beskytte pasientens spinalnerver mot skade. Digitale modeller spiller en viktig rolle i pre- og intraoperasjonen av SDR, fordi de ikke bare kan gjøre leger mer kjent med operasjonsstedets anatomiske struktur, men også gi presise kirurgiske navigasjonskoordinater for manipulatoren. Denne studien tar sikte på å lage en 3D digital modell av en pasientspesifikk lumbal vertebra som kan brukes til planlegging, kirurgisk navigasjon og trening av SDR-operasjonen. 3D-utskriftsmodellen er også produsert for mer effektivt arbeid under disse prosessene.
Tradisjonelle ortopediske digitale modeller stole nesten helt på computertomografi (CT) data, som er mindre følsomme for bløtvev. Fusjon av beinstrukturen fra CT og nevralstrukturen fra magnetisk resonanstomografi (MR) er nøkkelelementet for modellrekonstruksjonen i denne studien. Pasientens spesifikke digitale 3D-modell er rekonstruert for det kirurgiske områdets virkelige utseende og viser nøyaktig måling av interstrukturelle avstander og regional segmentering, noe som effektivt kan hjelpe til med preoperativ planlegging og trening av SDR. Det gjennomsiktige beinstrukturmaterialet i den 3D-printede modellen gjør det mulig for kirurger å tydelig skille det relative forholdet mellom ryggnerven og vertebralplaten til det opererte segmentet, og forbedre deres anatomiske forståelse og romlige følelse av strukturen. Fordelene med den individualiserte digitale 3D-modellen og dens nøyaktige forhold mellom spinalnerve og beinstrukturer gjør denne metoden til et godt valg for preoperativ planlegging av SDR-kirurgi.
Introduction
Spastisk cerebral parese påvirker over halvparten av alle barn med cerebral parese1, noe som fører til senekontrakturer, unormal skjelettutvikling og nedsatt mobilitet, noe som i stor grad påvirker livskvaliteten til berørte barn. Som den viktigste kirurgiske metoden for behandling av spastisk cerebral parese, har selektiv dorsal rhizotomi (SDR) blitt fullstendig validert og anbefalt av mange land 3,4. Imidlertid presenterer den intrikate og høyrisikokarakteren av SDR-kirurgi, inkludert presis kutting av lamina, posisjonering og dissosiasjon av nerverøtter og kutting av nervefibre, en betydelig utfordring for unge leger som nettopp begynner å engasjere seg med SDR i klinisk praksis; Videre er læringskurven til SDR veldig bratt.
I tradisjonell ortopedisk kirurgi må kirurger mentalt integrere alle preoperative todimensjonale (2D) bilder og lage en 3D-kirurgisk plan5. Denne tilnærmingen er spesielt vanskelig for preoperativ planlegging som involverer komplekse anatomiske strukturer og kirurgiske manipulasjoner, som SDR. Med fremskritt innen medisinsk bildebehandling og datateknologi kan 2D-aksiale bilder, for eksempel computertomografi (CT) og magnetisk resonansavbildning (MRI), behandles for å lage virtuelle 3D-modeller med pasientspesifikk anatomi6. Med forbedret visualisering kan kirurger analysere denne behandlede informasjonen for å gjøre mer detaljerte diagnoser, planlegging og kirurgiske inngrep skreddersydd for pasientens tilstand. De siste årene har anvendelsen av multimodal bildefusjonsteknologi i ortopedi gradvis fått oppmerksomhet7. Denne teknologien kan smelte CT- og MR-bilder, noe som forbedrer nøyaktigheten til den digitale 3D-analoge modellen. Imidlertid har anvendelsen av denne teknikken i preoperative modeller av SDR ikke blitt undersøkt ennå.
Nøyaktig posisjonering av lamina og spinalnerven og presis skjæring under SDR-kirurgi er avgjørende for vellykkede resultater. Vanligvis er disse oppgavene avhengige av ekspertenes erfaring og bekreftes gjentatte ganger av en C-arm under operasjonen, noe som resulterer i en kompleks og tidkrevende kirurgisk prosess. Den digitale 3D-modellen fungerer som grunnlag for fremtidig SDR-kirurgisk navigasjon og kan også brukes til preoperativ planlegging av laminektomiprosedyrer. Denne modellen smelter sammen beinstrukturen fra CT og spinalnervestrukturen fra MR, og tildeler forskjellige farger til lumbale vertebraseksjoner merket for kutting i henhold til kirurgisk plan. Slike holografiske 3D-utskriftsmodeller for SDR letter ikke bare preoperativ planlegging og simulering, men sender også nøyaktige 3D-navigasjonskoordinater til den intraoperative robotarmen for presis skjæring.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle data kommer fra den kliniske pasienten, hvis SDR-operasjon ble utført på BJ Dongzhimen Hospital. Protokollen følger retningslinjene til og ble godkjent av Dongzhimen Hospital forskningsetiske komité.
MERK: Hele kartet over modellrekonstruksjonsprotokollen er vist i figur 1. HRCT-data (High Resolution Computed Tomography) og Dixon-data er råmaterialer for modellering; Deretter består opprettelsen av 3D-modellen av bilderegistrering og fusjon. Den endelige digitale 3D-modellen skrives ut av PolyJet-teknologi, som er en 3D-utskriftsprosess med høy presisjon som produserer glatte og nøyaktige deler ved hjelp av et bredt spekter av materialer. For å beskrive det romlige forholdet mellom ryggvirvelen og spinalnerven nøyaktig, brukes HRCT-data og Dixon-bildeserier. Dixon-skanningen kan identifisere vann- og fettseparasjonsbilder, der Dixon-vannfasebildeserien kan brukes til å trekke ut strukturen til spinalnervene, og Dixon-fasebildeserien kan brukes til å kontrollere registreringen av beinstrukturen.
Figur 1: Hele kartet over protokollen. Forskningsmetodikken i denne studien innebærer fusjon av CT og magnetisk resonans Dixon-sekvenser. Spesielt er CT-ryggvirvlstrukturen registrert med den identiske ryggvirvelstrukturen inneholdt i Dixon-in-sekvensen, etterfulgt av fusjon med Dixon-w-sekvensen for spinalnerven. Klikk her for å se en større versjon av denne figuren.
1. Datainnsamling og klargjøring
- Høyoppløselig CT for ryggvirvler
MERK: Parameterforskjellen er ikke følsom for forskningsmetoden.- Angi dataressursene fra CT-maskinstasjonen.
MERK: Her brukes SIEMENS-CTAWP73396 CT-maskinen. - Åpne Syngo CT 2012B-programvaren for å motta data fra skanneprotokollen SpineRoutine_1. Velg bildepunktstørrelsen og stykketykkelsen (ST) for datasettet for å tilpasse seg størrelsen på ryggvirvlene som skal representeres i den digitale 3D-modellen.
- Bruk en ST på 1 mm med en matrisestørrelse på 512 piksler x 512 piksler, der pikselavstanden er 0,3320 mm. Den faktiske størrelsen på 3D-volumet oppnådd er 512 x 512 x 204 voxels.
- Angi dataressursene fra CT-maskinstasjonen.
- Dixon-sekvens for spinalnerven
MERK: En 1,5 T MR-maskin brukes i denne studien.- Angi Dixon-bildeoppløsningen som 290 piksler x 320 piksler, pikselavstand som 0,9375 mm og skivetykkelse som 3 mm for å få nøyaktige data.
- Sett repetisjonstiden som 5,160 ms og ekkotiden som 94 ms.
- Forsikre deg om at hvert skannede lag består av firefasebilder, som er Dixon-in, Dixon-opp, Dixon-F og Dixon-w.
- Forbered datalagringsfiler for modellrekonstruksjon.
MERK: En veldefinert datalagringsstruktur er mer praktisk for oppfølgingsarbeid.- Lag en prosjektmappe som inneholder alle dataene som tilhører pasienten.
- Forbered forskjellige filbaner for HRCT- og MR-Dixon-data ved å lage forskjellige mapper for data fra digital bildebehandling og kommunikasjon i medisin (DICOM).
- Lag en egen mappe under prosjektet for alle analyseresultatene.
2. Den digitale ryggvirvelmodellen i 3D
MERK: Alle delprosessfunksjoner kommer fra programvareverktøy, hvis eiendom tilhører Beijing Intelligent Entropy Science & Technology Co Ltd.
- Kall Dicom2Mat-delprosessen på MATLAB-arbeidsplassen for å hente 3D-volumet fra DICOM-filene som er lagret i HRCT-datamappen.
- Etter å ha gjennomgått Dicom2Mat-delprosessen , kan du se hvert stykke i 3D-volumet gjennom det grafiske brukergrensesnittet (GUI), som vist i figur 2.
- Deretter visualiserer du intensitetsfordelingen av ryggvirvlene HRCT-data med hist-funksjonen (figur 3).
- Kall NoiseClean-delprosessen for å slette signalstøy dannet av enheten under HRCT-datafilbanene.
- Bruk delprosessen Vertebrae-funksjonen under samme bane for å få ryggvirvelmodellen, som også er et 3D-volum, men bare med beinstrukturen (figur 4). Høypassfilterparametrene, intensiteten varierer fra 190 til 1,656.
3. Den digitale spinalnervemodellen i 3D
MERK: Dixon-in inneholder beinstruktur, mens Dixon-w beskriver nevral struktur.
- Bruk Dicom2Mat-delprosessen i begge banene til Dixon-in- og Dixon-w-sekvensene og få 3D-volumet.
- Videre visualiserer du hvert enkelt stykke som utgjør et 3D-volum ved hjelp av GUI presentert i figur 5. Få tilgang til denne visualiseringen når Dicom2Mat-delprosessen er fullført.
- Bruk Spinal_Nerve funksjonen til å rekonstruere spinalnervemodellen med høypassfilterparametere, intensiteten varierer fra 180 til 643. Fordi signalene til nerven i Dixon-w-sekvensen er svært høye, trekker du ut spinalnervens 3D-volum ved å filtrere ut punkter med lav intensitet.
- Når den Spinal_Nerve delprosessen er ferdig, kontrollerer du modellen som genereres i GUI-en vist i figur 6.
4. Registrering og fusjon
MERK: Den viktigste innsikten er at beinarkitektur er tilstede i både HRCT og Dixon-in bildesekvens.
- Kopier de tre 3D-volumene som er oppnådd så langt, til filbanen til prosjektet som ble gjort i trinn 3.1. Modellene fra HRCT og Dixon-in har samme ryggvirvelstruktur, og modellene fra Dixon-in og Dixon-w har de samme koordinatene.
- Deretter legger du de tre modellenes filnavn inn i den vertebra_fusion delprosessen som en inngang for å generere fusjonsmodellen. Dette kan visualiseres i figur 7.
- Fusjonen er vanligvis godt utført. Hvis finjustering er nødvendig fra legens perspektiv, legg til koordinatparametere i alle retninger til samme funksjon for å korrigere fusjonsmodellen. Hvis det observeres små feil i fusjon fra et klinisk perspektiv, bruk vertebra_fusion-funksjonen til å finjustere fusjonskoordinatene. Denne prosessen innebærer parameterjusteringer til de seks dimensjonene av koordinatretning (XYZ-koordinater og deres rotasjon).
- Lag en egen mappe i prosjektkatalogen for å sende ut resultatet av fusjonsmodellen.
5. Digitale modellfiler for 3D-utskrift
MERK: Et fullt utviklet 3D-utskriftsapparat benyttes til produksjon av den nevnte digitale modellen, med implementering av Delaunay-trianguleringer. Her ble Stratasys J55 Prime 3D-printer brukt.
- Eksporter fusjonsmodellene som skal brukes til 3D-utskrift i DICOM-formatsekvensene under filbanen til fusjonskatalogen. Bruk Mat2Dicom-algoritmen til å utføre eksportoperasjonen ved å legge inn fusjonsmodellen.
- Åpne DICOM-filsekvensen som ble eksportert tidligere ved hjelp av Materialise Mimics V20. For å utføre eksportoperasjonen, naviger til Eksporter-menyen under Fil-fanen og velg VRML-formatet. Filbanen for eksporten kan fritt tilpasses i henhold til brukerens krav.
- Siden gjennomsiktig fargerik 3D-utskrift er en profesjonell tjeneste, komprimerer og pakker du VRML-filene og sender dem til tjenesteleverandøren. 3D-utskriftsresultatet er vist i figur 8.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Basert på lumbale CT / MR-bildefusjonsdata hos barn med cerebal parese, laget vi en representativ modell av lumbale ryggraden kombinert med spinale nerver. Høypassfiltrering ble brukt til å trekke ut det høye signalet i CT-verdiområdet 190-1,656 fra HRCT, for å oppnå rekonstruksjon av beinstrukturen i lumbale ryggraden i operasjonsområdet. Spinale nervestrukturer ble rekonstruert ved høypassfiltrering av Dixon-w-sekvenser i MR. Den digitale modellen og punktskydatakoordinatene for lumbalvirvelstrukturen og spinalnervefusjonen ble oppnådd gjennom stiv registrering, og filen ble lagret i STL-format (stereolitografi) for datamåling og videre utskriftsbehandling. De digitale STL-modellfilene konverteres til VRML-format for overføring til Stratasys J55 Prime 3D-skriveren. For aktivt å demonstrere operasjonsstedets anatomi under SDR-kirurgi, trykte vi beinene i gjennomsiktig harpiks og trykte de andre delene i forskjellige farger. Den 3D-printede modellen kan deretter avsløre det romlige forholdet mellom viktige kirurgiske steder i SDR for kirurger og pasienter under preoperativ planlegging og opplæring.
Den oppnådde personlige 3D lumbale ryggradsmodellen gir mulighet for preoperativ planlegging og trening av SDR. Ulike fargestoffer brukes til å flekke og skille strukturer, for eksempel bein og nerver. Som vist i figur 8 er spinalnervestrukturen farget gul, og lamina av L4- og L5-segmenter i det tilsvarende operasjonsområdet er preget av henholdsvis rød og blå farging. Benstrukturen er trykt ved hjelp av et gjennomsiktig harpiksmateriale, som har et godt perspektiv, slik at leger kan observere nervestrukturen under lamina gjennom beinstrukturen. Den personlige, tilpassede modellen gjenoppretter virkelig det tilsvarende forholdet mellom lumbalbenstrukturen i operasjonsområdet og spinalnerveanatomien, slik at leger bedre kan definere riktig skjæreretning og rekkevidde før operasjonen.
Figur 2: GUI for stykker i volumet fra HRCT-data. Gjennom GUI vist på figuren, kan kirurger se ryggradstrukturen som finnes i alle CT-dataene. Klikk her for å se en større versjon av denne figuren.
Figur 3: Intensitetsfordelingen av ryggvirvler HRCT-data. Denne kvantitative informasjonen er nyttig for å bestemme filtreringsområdet for ryggvirvlstrukturen. Klikk her for å se en større versjon av denne figuren.
Figur 4: GUI for 3D-volumet på ryggvirvlene. Figuren viser de tre visningene av ryggvirvlene og 3D-volumet samtidig. Gjennom dette GUI-et kan kirurger observere ryggvirvlene til pasienter fra et hvilket som helst ønsket perspektiv. Klikk her for å se en større versjon av denne figuren.
Figur 5: GUI for skiver i volumet fra Dixon-in og Dixon-w. Dixon-avbildning kan raskt leses, og bildene av pasientens ryggvirvler og spinalnerver kan kontrolleres. Klikk her for å se en større versjon av denne figuren.
Figur 6: GUI for 3D-volumet i spinalnerven. 3D-rekonstruksjonen av Dixon-w-sekvensen til pasienten for å observere 3D-strukturen til pasientens spinalnerve. Klikk her for å se en større versjon av denne figuren.
Figur 7: GUI-en til fusjonsmodellen (digitalt 3D-volum). 3D-volumet inneholder både vertebral strukturen fra CT-dataene og 3D-strukturen til spinalnerven fra magnetisk resonans. Klikk her for å se en større versjon av denne figuren.
Figur 8: 3D-utskriftsmodellen for SDR-planlegging og opplæring. Den gjennomsiktige fargerike 3D-utskriftsmodellen viser den anatomiske strukturen i området der SDR-kirurgi må utføres på pasienten. Klikk her for å se en større versjon av denne figuren.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Denne studien gir en arbeidsflyt for å etablere en preoperativ 3D-utskriftsmodell av korsryggen hos pasienter med cerebral parese, med sikte på å legge til rette for preoperativ planlegging for SDR-kirurgi og forbedre anatomisk trening basert på pasientens spesifikke modell. Studien tar sikte på å etablere en svært pålitelig 3D-printet modell som nøyaktig demonstrerer pasientens lumbale vertebrale og nervestrukturer. Ved å måle posisjonen til lamina og spinalnerven i modellen før kirurgi, kan nøyaktig planlegging av laminaskjæringen oppnås, noe som fører til optimalisering av kirurgiske prosedyrer og oppkjøp av mestring i SDR-kirurgisk teknologi.
Det primære nøkkeltrinnet som ble undersøkt i denne studien var fusjon av CT- og Dixon-sekvenser. Fusjonen stod på tilstedeværelsen av de samme beinstrukturene i både CT-dataene og Dixon-in-sekvensene, samt det faktum at Dixon-in- og Dixon-w-dataene var i samme koordinatsystem. Dette tillot den endelige fusjonen av spinalnervene og vertebrale beinstrukturer. Det andre viktige trinnet var bruken av fargetransparent utskriftsteknologi for å produsere den digitale 3D-modellen. Denne utskriftsteknologien var i stand til å fremheve pasientens anatomiske strukturer, den nøyaktige plasseringen av laminektomi og den relative plasseringen av intervertebral foramina og nerverøtter.
I de siste tiårene har mange kirurgiske team utviklet innovative teknikker for SDR8,9, med hovedfokus på å minimere ryggmargsskader under prosedyren. Dette skyldes den veletablerte effekten av langsegmentkirurgi ved spasmlindring, sammen med bekymringer angående virkningen av omfattende laminektomi på spinalstabilitet10. Vellykket SDR-kirurgi krever en kritisk laminektomi, noe som krever både tilstrekkelige snitt av lamina for å muliggjøre ytterligere nevrokirurgisk manipulasjon og bevaring av nok lamina for å unngå spinal destabilisering. Presis laminær skjæring uten skade eller negative effekter under operasjonen krever en omfattende forståelse av posisjonen, størrelsen og snittet av skjæringen. For tiden er preoperativ SDR-evaluering primært avhengig av CT / MR-avbildning og klinisk erfaring, som kanskje ikke fullt ut oppfyller kravene til presise skjæreoperasjoner. De siste årene har anvendelsen av multimodal bildefusjon i ryggkirurgi vist stor potensiell verdi, samtidig som relevant forskning fortsatt er sjelden. Dermed hadde denne studien som mål å smelte sammen preoperativ lumbale ryggrad CT og MR for å rekonstruere en 3D digital modell som nøyaktig representerer både beinstrukturen og spinalnervene. Den rekonstruerte digitale 3D-modellen ble ytterligere 3D-printet og kunne brukes til effektiv lege-pasient-kommunikasjon og preoperativ planlegging. Modellens nøyaktige plassering av lumbale nerverotutløp muliggjorde en bedre forståelse av det romlige forholdet mellom ryggvirvlene og nerveroten, noe som muliggjorde en effektiv operasjon for både kirurger og kirurgiske roboter.
Videre viser barn med cerebral parese tydelig spinal og skjelettutvikling, preget av en hypoplastisk trabekulær beinmikrostruktur, tynn cortex og lav beinstyrke11. Disse unike anatomiske egenskapene og komplekse manipulasjonene gjør SDR-kirurgi utfordrende å mestre. Derfor brukte vi 3D-utskriftsteknologi for å fremstille anatomisk presise lumbale ryggvirvelmodeller av virkelige pasienter, og tilby en objektiv referanse for kirurgisk læring. Denne teknikken er ideell for mindre erfarne kirurger og kan potensielt redusere læringstiden12. I tillegg gir individuelt tilpassede modeller den ekstra fordelen av å fullstendig gjenopprette pasientens unike struktur, noe som gir verdifull innsikt for de med komplekse anatomiske variasjoner13,14.
Innledende bildeopptak av høy kvalitet er avgjørende for vellykket 3D-utskrift15. I denne studien ble en realistisk og nøyaktig 3D-utskriftsmodell oppnådd gjennom registrering av HRCT- og MR-data. Transparent utskrift av beinstrukturen og farging av planleggingsområdet til laminae forbedret modellens intuitive representasjon av kirurgisk anatomi ytterligere. Tradisjonelt tilegner kirurger seg kirurgiske ferdigheter først og fremst på operasjonsstuen, noe som øker risikoen for kirurgi når yngre kirurger først forsøker å tilegne seg slike ferdigheter i praksis12. Med objektive fysiske 3D-utskriftsmodeller kan seniorkirurger lettere kommunisere sin kirurgiske erfaring til yngre leger. I tillegg kan 3D-utskriftsmodellene unikt gi enkeltpersoner simulert kirurgisk trening basert på en reell pasientstrukturell rekonstruksjon, som potensielt akselererer legens læringsprosess for SDR, samtidig som sikkerheten til medisinske prosedyrer forbedres. Samlet sett har denne tilnærmingen stort løfte om å forbedre kirurgisk trening og forbedre pasientens utfall.
For tiden forblir anvendelsen av 3D-utskrift i ortopedi i letestadiet, og eksisterende biomaterialteknologi kommer til kort når det gjelder nøyaktig å representere materialene i forskjellige menneskelige vev og simulere leddets biomekanikk5. Under en laminektomi er de elastiske modellene av forskjellige vev komplekse og utsatt for forstyrrelse ved skivebevegelse og respiratorisk bevegelse16,17. Derfor kan denne studien ikke fullt ut replikere den virkelige tilstanden til den intraoperative pasienten under skjæreoperasjonen, noe som krever videre forskning på 3D-utskriftsmodellen i biomekanikk og materialvitenskap. Videre kan fusjonsprosedyren som brukes i denne studien forbedres ytterligere hvis en koordinatregistreringsmetode kan utarbeides under de medisinske bildeprosedyrene for både CT- og MR-utstyret, noe som potensielt øker nøyaktigheten.
Hvis en koordinatregistreringsmetode kan utformes under bildediagnostiske prosedyrer for både CT- og MR-utstyr, kan fusjonsprosedyren i denne studien forbedre nøyaktigheten ytterligere. Den forventede gradvise forbedringen i denne delen av forskningen pågår. Foreløpig kan modellen ikke fullt ut vise informasjon om spinal nervefiberbunter. I det kommende vitenskapelige arbeidet vil diffusjonstensoravbildning bli videre brukt til å spore spinalnervefiberbunter og smeltet sammen for å oppnå en mer detaljert 3D digital modell for SDR.
Avslutningsvis gir 3D-utskriftsmodellen for SDR i denne studien ikke bare detaljerte og nøyaktige data for preoperativ planlegging, men gir også et kjernemedium for SDR-trening. Modellen smelter sammen beinstruktur fra CT med bløtvevsstruktur fra MR. Suksessen til dette bildegruppefusjonsparadigmet utnytter de respektive fordelene med to viktige medisinske bildekilder for å danne et komplement. Dette forskningsparadigmet vil også spille en like viktig rolle i andre felt av medisinsk bildediagnostikk, behandling og prognoseevaluering.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De digitale modellene i denne studien er rekonstruert av medforfatter Fangliang Xing.
Acknowledgments
Denne publikasjonen ble støttet av Beijing Municipal Natural Science Foundation (L192059).
Materials
| Name | Company | Catalog Number | Comments |
| J55 Prime 3D-Printer | Stratasys | J55 Prime | Manufacturing the model |
| MATLAB | MathWorks | 2022B | Computing and visualization |
| Mimics | Materialise | Mimics Research V20 | Model format transformation |
| Tools for volum fusion | Intelligent Entropy | VolumeFusion V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
References
- Rosenbaum, P., et al. A report: the definition and classification of cerebral palsy April 2006. Developmental Medicine and Child Neurology. Supplement. 109, 8-14 (2007).
- Krigger, K. W.
- Davidson, B., Fehlings, D., Milo-Manson, G., Ibrahim, G. M. Improving access to selective dorsal rhizotomy for children with cerebral palsy. Canadian Medical Association Journal. 191 (44), E1205-E1206 (2019).
- Buizer, A. I. Selective dorsal rhizotomy in children with cerebral palsy. The Lancet. Child & Adolescent Health. 3 (7), 438-439 (2019).
- Wong, K. C.
- Wong, K. C., Kumta, S. M., Geel, N. V., Demol, J. One-step reconstruction with a 3D-printed, biomechanically evaluated custom implant after complex pelvic tumor resection. Computer Aided Surgery. 20 (1), 14-23 (2015).
- Zhu, R., Li, X., Zhang, X., Ma, M. MRI and CT medical image fusion based on synchronized-anisotropic diffusion model. IEEE Access. 8, 91336-91350 (2020).
- Park, T. S., Gaffney, P. E., Kaufman, B. A., Molleston, M. C. Selective lumbosacral dorsal rhizotomy immediately caudal to the conus medullaris for cerebral palsy spasticity. Neurosurgery. 33 (5), 929-934 (1993).
- Sindou, M., Georgoulis, G. Keyhole interlaminar dorsal rhizotomy for spastic diplegia in cerebral palsy. Acta Neurochirurgica. 157 (7), 1187-1196 (2015).
- Peacock, W. J., Staudt, L. A. Selective posterior rhizotomy: evolution of theory and practice. Pediatric Neurosurgery. 17 (3), 128-134 (1991).
- Vitrikas, K., Dalton, H., Breish, D.
- Niikura, T., et al. Tactile surgical navigation system for complex acetabular fracture surgery. Orthopedics. 37 (4), 237-242 (2014).
- Lepisto, J., Armand, M., Armiger, R. S. Periacetabular osteotomy in adult hip dysplasia-developing a computer aided real-time biome-chanical guiding system (BGS). Finnish Journal of Orthopaedics and Traumatology. 31 (2), 186-190 (2008).
- Armiger, R. S., Armand, M., Tallroth, K., Lepisto, J., Mears, S. C. Three-dimensional mechanical evaluation of joint contact pressure in 12 periacetabular osteotomy patients with 10-year follow-up. Acta Orthopaedica. 80 (2), 155-161 (2009).
- Rengier, F., et al. 3D printing based on imaging data: review of medical applications. International Journal of Computer Assisted Radiology and Surgery. 5 (4), 335-341 (2010).
- Jiang, Z., et al. Model-based compensation of moving tissue for state recognition in robotic-assisted pedicle drilling. IEEE Transactions on Medical Robotics and Bionics. 2 (3), 463-473 (2020).
- Setton, L. A., Chen, J. Mechanobiology of the intervertebral disc and relevance to disc degeneration. The Journal of Bone and Joint Surgery. American. 88, 52-57 (2006).
