需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

一种利用数字图像相关法在骨折测试期间估算尸体股骨皮质应变的方法

6.9K 次观看

⸱

DOI：

10.3791/54942

⸱

2017年9月14日

 ,  ,  ,  ,  ,  ,  ,  , 
1Division of Engineering, Mayo Clinic, 2Department of Physiology and Biomedical Engineering, Mayo Clinic, 3Department of Orthopedic Surgery, Mayo Clinic, 4Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign

本文内容

摘要

在本实验方案中，采用数字图像相关技术估算股骨表面在骨折测试过程中的应变。该方法的创新之处在于股骨表面应用了高对比度的随机散斑图案，并结合了精确设定的照明条件、高速视频采集以及数字图像相关分析来进行应变计算。

摘要

本方案描述了一种利用数字图像相关技术，通过机械测试获得的尸体股骨表面高速视频图像来估算皮质应变的方法。该光学方法要求在纯白色背景上具有大量高对比度的基准标记纹理，以便在对样本施加载荷时精确追踪表面变形。测试前，需先用基于水的白色底漆对相机视野内的目标表面进行喷涂，并静置数分钟使其完全干燥。随后，需特别注意液滴大小和形状的均匀性，将黑色涂料小心地喷涂至白色背景上形成斑点图案。照明系统经过精心设计和设置，以确保这些标记具有最佳对比度，同时通过使用滤光片尽量减少反光。通过高速视频采集获取图像，帧率最高可达12,000帧/秒。提取骨折事件发生前及发生时的关键图像，并在指定感兴趣区域内的适当大小的 interrogation window（查询窗口）中，逐帧估算连续图像之间的变形。这些变形数据随后用于计算骨折测试过程中表面应变的时间演变。应变数据对于识别股骨内骨折起始点，以及最终验证基于定量计算机断层扫描的有限元分析（QCT/FEA）所建立的近端股骨骨折强度模型具有重要价值。

引言

数字图像相关法（Digital Image Correlation, DIC）是一种图像后处理方法，本实验方案中用于根据力学断裂测试过程中获取的时间序列图像，估算尸体股骨测试样本表面的全场应变。该技术最初于20世纪80年代在实验应力分析领域开发并应用，近年来使用迅速增加1,2,3。与在结构上安装应变片等传统方法相比，DIC具有多项关键优势，包括更高的应变场空间分布分辨率、通过提高相机分辨率实现更精细的标距长度，以及避免了应变片胶粘附性或顺应性方面的问题。对于骨等生物组织而言，DIC的一个主要优势是可应用于具有高度非均质材料特性的不规则几何结构4,5。相较于传统应变测量方法，其主要缺点在于需要昂贵的高速摄像机，并具备足够的分辨率，以对感兴趣区域进行充分的空间和时间采样，从而准确估算应变场。

通过数字图像相关法（DIC）分析骨骨折获得的时间应变场，其主要应用在于验证基于定量计算机断层扫描/有限元分析（QCT/FEA）的股骨强度模型中的应变估算结果5。此类验证是许多骨科研究团队的研究重点，这些团队主要依赖来自载荷传感器和位移传感器的远程力和位移测量数据6,7,8。此外，骨折后的骨折形态图像分析也已与这些远程测量手段结合，作为进一步验证模型的方法9。最近，数字图像相关法被用于验证近端股骨骨折及裂纹扩展的有限元分析模型10。通过利用模型与实验之间的应变相关性，将能进一步提高对近端股骨计算模型有效性的信心，从而推动QCT/FEA诊断方法更接近临床应用。

本研究详细阐述了一种在股骨近端骨折测试中进行数字图像相关（DIC）分析的完整实验方案。该方案包括骨骼准备步骤：在骨表面喷涂白色涂料，待其干燥后在白色表面上喷涂黑色斑点；采用高速摄像机获取具有足够空间和时间分辨率图像的方法；以及我们用于从这些图像计算应变场的具体流程和工具。此外，我们还说明了若干可能影响测量质量的注意事项。

访问受限。请登录或开始试用以查看此内容。

方案

所有实验均经机构审查委员会批准后进行。样本系通过合作方式从解剖学研究实验室获取。

1. 准备待测样本

  1. 在室温下解冻股骨 24 小时。
  2. 当股骨准备进行测试时，移除冷冻前包裹的任何包覆材料，并用干毛巾擦拭股骨，以去除残留的水分、脂肪沉积物或软组织。将大转子用骨水泥固定于预制的铝杯中。
  3. 使用盒子尽可能地收集颗粒，用白色塑料底漆喷涂骨骼，形成一层薄而均匀的涂层。注意确保骨骼表面被一层均匀的油漆覆盖，以获得最佳对比度和与股骨表面的牢固粘附。
    注意：未测量涂层厚度。
  4. 让油漆至少干燥 5 分钟。此步骤至关重要，可避免在第 2 节中与散斑液滴发生意外混合。
  5. 用湿布包裹骨骼，以防止组织干燥。

2. 斑点化过程

  1. 为了在骨头上获得最佳的斑点效果，大约按1份水兑2份颜料的比例进行调配。将水逐渐加入丙烯颜料中（以获得更均匀的混合），调制成黑色。
  2. 将干净的牙刷浸入黑色颜料调色板中，使其吸收颜料，然后弹动刷毛，使黑色斑点均匀溅落在白色涂层上。
  3. 继续操作前，让颜料静置干燥5分钟。

3. 图像采集

  1. 将制备好的斑驳股骨安装到力学试验机上，方法是将远端包埋部分插入夹具中，并拧紧两个螺钉以固定试样。
  2. 调节两个高强度放电光源的反射镜，使股骨表面获得尽可能高的照明度，同时避免相机图像中出现反射光。随后迅速进行第3节中的以下步骤，以避免试验前光照辐射导致试样意外升温。
  3. 缩小前后视角高速摄像机镜头的光圈，使视场内股骨的兴趣区域整体处于焦点范围内。
  4. 重新调整光源反射镜，以进一步改善照明效果并减少眩光。
  5. 设置图像采集软件，以每秒6000帧 、1024 × 512像素的分辨率进行采集。设置在接收到触发信号后总共采集12288帧。当测试系统发出触发信号时，启动高速摄像软件进行图像采集。测试完成后，视频将存储在相机的缓冲内存中。
  6. 使用图像采集软件，通过指定目标路径和文件名并点击"保存"，将视频保存至磁盘。根据需保存的帧数多少，此过程可能需要等待5至40分钟，请做好准备。

4. 图像准备

  1. 为股骨的前视图和后视图分别创建独立的工作目录。
  2. 使用视频分析软件打开相应的高速视频记录，并记录以下两个关键帧的参考编号：1）加载框架驱动器运动的起始帧，以及 2）骨折事件发生后的下一帧。
  3. 要对高速视频中的未压缩 TIFF 图像序列进行降采样，请在对应股骨侧的工作目录中打开并运行"mov_frames.m"脚本。
    1. 在弹出的对话框中，输入步骤 4.2 中确定的结束帧编号，步长设置为 25 - 40。点击"Extract Frames"，然后检查工作目录，确保 *.tiff 文件已正确提取。

5. 有限元网格创建

  1. 使用外部有限元网格生成程序创建有限元网格。利用有限元方法，根据微分位移矢量计算二维应变。将初始提取的*.tiff图像导入有限元软件的前处理器中，作为样条曲线创建的模板。
  2. 在图像中找到两个易于识别的基准点，这两个点应位于框架的对角位置，并记录其 X 和 Y 坐标（这些坐标将在第 6.1 步中使用）。这些坐标的取值取决于有限元分析（FEA）软件导入 *.tiff 图像时所采用的坐标约定。这些点的坐标将在第 6.2 步中用于将有限元网格的节点与视频图像中的对应像素进行配准。
  3. 在图像编辑软件中，打开之前导入有限元软件前处理器的同一幅图像，记录与步骤5.2中确定的点相对应的像素在X和Y方向上的数值。这些数值最终将在步骤6.1中使用。
  4. 在 "草图" 在有限元网格划分程序的模块中，使用样条工具勾勒出代表感兴趣区域的闭合截面。验证该区域不宜过大，以免因旋转导致骨折前骨表面移出该区域。
  5. 准备第 5.4 步中创建的封闭区域，通过在菜单下将全局网格尺寸设为 1 mm 对边进行网格 seeding，以进行网格划分 "种子部分实例".
  6. 下 "分配网格控制"，将单元形状设置为四边形。
  7. 对闭合区域进行网格划分。
  8. 将网格导出为由节点坐标和单元定义组成的网格数据库的ASCII文件。
  9. 打开生成的有限元输入文件并用文本编辑器打开后，将包含节点编号和坐标的节点块复制到一个新文本文件中，并保存为 "nodes.txt"。对元素块重复此操作，并将新文本文件另存为 "元素.txt".

6. 将有限元网格与高速视频图像配准并进行数字图像相关分析

  1. 在新会话中，创建名为 ab1 和 ab2 的二维行向量，其值采用第 5.2 步中确定的数值；在命令行中输入这些向量名称，创建 px1 和 px2，其值采用第 5.3 步中确定的数值。将工作区保存为 "points.mat"。
  2. 运行脚本 "convert_imagesize.m"，将有限元网格中的点与提取的高速视频图像进行配准。
  3. 运行脚本 "rrImageTrackGui.m"。加载第一张图像（"p01.tif"），并将提取的最后一个 *.tiff 文件的编号输入为待处理图像的总数。
  4. 通过将网格选项设置为 "Read from file"，加载第 5.7 步中创建的网格，然后点击 "Accept"。有限元网格应叠加显示在骨骼图像上。
  5. 根据以下“跟踪参数”指南设定跟踪值，然后点击 "Proceed"（需注意，参数值取决于图像尺寸、纹理特征以及发生的变形程度，需针对具体案例仔细测试）。
    1. 初始核大小设为 21。核大小 n 表示用于互相关计算的 n×n 窗口（n 为奇数）的像素尺寸，该窗口用于确定该区域的变形矢量，进而用于应变计算。
    2. 初始亚像素大小设为 4。亚像素大小 m 表示用于计算亚像素变形的 (2m+1)×(2m+1) 子窗口尺寸，该计算基于子窗口内应变均匀的假设。
    3. 初始平滑因子设为 2。平滑因子表示在计算应变前，对跟踪点位移场施加的平滑程度。
    4. 初始最大移动因子设为 10。最大移动因子表示任一节点相对于其邻近节点轨迹所能偏离的最大像素数，有助于避免因变形过大导致的跟踪错误。
    5. 初始平滑网格因子设为 15。平滑网格因子表示用于平滑处理的网格尺寸（略粗于跟踪节点的网格）。
  6. 选择一个周围对比度明显的引导点，避免选择存在反光或模糊的区域。通过点击 "Check guide" 检查该点，确认其相关峰强度显著（至少是邻近区域的两倍）。确认无误后，点击 "Accept" 和 "Perform Tracking"。此过程可能耗时较长，需对时间序列图像计算微分位移。
  7. 第 6.6 步完成后，点击 "Animate"。动画生成结束后，点击 "Write strains (post processing software)"，输入 *.exe，然后选择 writeStrainRR_simple.exe11。系统将据此计算应变值。完成后关闭图形用户界面。

7. 位移与应变数据的后处理

  1. 为了获得应变Vs.帧编号，从命令行运行"analyzeFailurePrecursor.m"，并输入步长参数（选择20–30）。峰值表示骨损伤，最大峰值对应接近骨整体失效的帧。
  2. 要创建应变的视频文件，请在命令窗口中运行"makeMovies.m"，输入参数为（numVars, endstep, flag）。
    注意：参数numVars的定义如下：1–3为位移，4–6为xx、yy和xy应变分量，7 & 8为两个主应变和冯·米塞斯应变，9为应变能。参数endstep是视频中包含的最后帧编号。
    1. 将可选参数flag设为1，仅创建由numVars参数指定的变量的视频；设为0则创建所有变量的视频。

8. 结果的精细调节与优化

  1. 如果DIC追踪结果较差，例如出现不连续的应变场，超出了连续介质力学假设的范围，应确定问题发生的原因及追踪失败的机制。重复第6节操作，特别注意追踪参数的调整。另一种可选方案是返回有限元软件，生成更均匀且可能更精细的网格。
  2. 如果DIC追踪结果合理，则需为DIC生成更精细的图像序列。利用步骤4.2中的关键帧参考编号及视频对应的帧率，结合每帧间位移不超过6个像素的要求，确定裂纹试验中三个不同关注阶段的帧间隔。
    注意：在测试的初始阶段，当股骨中的应变增长较慢时，帧间隔相对较大（例如，对于100 mm/s的位移速率，该阶段的帧间隔为3333 μs）。在测试的中间阶段，接近骨折帧时，应变增长加快，需要更小的帧间隔（对于100 mm/s的位移速率，帧间隔为1667 μs）。在骨折前的最后阶段，帧间隔达到最小（在100 mm/s的位移速率下为16.7 μs）。
  3. 仅用于记录目的：根据步骤8.2中的信息，在一个名为 "步骤.txt" 包含每一帧间距对应的一行数据。每行的格式为：该区段的起始帧，后跟根据步骤8.2确定的跳过帧数，两者之间用冒号分隔，随后为该区段的结束帧即 一种格式 "1:20:200" 将指示提取软件以20为步长提取第1帧至第200帧。
    1. 紧接着该标识，在其后插入一个制表符，并注明图像提取编号范围（对于 "1:20:200" 例如，完整的行标识将是 "1:20:200 <按 Tab 键>1:11" 另外两种测试方案也进行相同操作，最终将得到三行信息 "步骤.txt" 文件。该文件记录了图像从原始高速视频中提取的方法。
  4. 再次运行 mov_Frames.m 代码，此次在对话框中指定多个帧间隔方案。输入第 8.2 步中确定的帧编号和步长，以确定工具对话框中所需的起始帧、结束帧和帧跳过参数。请确保在新的目录中进行此操作，否则原始图像将被覆盖。
  5. 重复第6和第7部分，并审查结果以进一步优化。每根股骨可能需要不同次数的额外迭代，具体取决于骨折情况、散斑图案和光照条件。重复第6.5步时，除将maxMove从10减小至6外，其余设置保持不变。

访问受限。请登录或开始试用以查看此内容。

结果

在进行散斑处理前，需将股骨上的多余脂肪和软组织清理干净，并将大转子部分置于铝杯中固定。在聚甲基丙烯酸甲酯（PMMA）固化过程中，用生理盐水浸湿的布包裹骨骼，以防止组织干燥。待PMMA完全固化后，在喷涂前再次清洁骨骼表面(图1)。随后，使用水性白色塑料涂料对骨骼表面进行喷涂或刷涂。待白色涂层干燥后，再喷洒黑色颜料，使白色背景上形成随机分布的黑色斑点图案(图2)。当骨骼被安置于测试夹具中后，调节光源和高速视频相机，并在测试前检查图案的对比度以及相机的聚焦效果(图3)。数字图像相关法（DIC）要求具有高对比度的散斑图案和充足的照明条件；否则，结果可能受到多种因素的影响，例如表面过饱和、对比度差或图像模糊(图4)

访问受限。请登录或开始试用以查看此内容。

讨论

我们介绍了一种用于在骨折测试期间制备股骨样本以实现高对比度成像的标准化方案，随后利用该方案通过数字图像相关法（DIC）估算了全场应变分布。该方案通过在骨表面形成白色背景上均匀分布的黑色追踪斑点，确保了适当的对比度纹理。遵循此方案，我们成功地对八十九个股骨样本进行了DIC应变估算的重复实验。

DIC 是一种光学方法，通过在高速摄像机捕获的一系列图像上覆盖网格，并利用互相关算法追踪帧间像素强度的变化。在实验过程中，我们发现为确保该方法的准确性和稳健性，需考虑若干因素，这些细节已在本方案中详细说明。首先，我们发现相机的灵敏度和分辨率对于感兴趣的空间应变测量至关重要。其次，应避免在白色表面上使用过细的黑色对比标记纹理，因为这些标记可能无法被相机清晰识别。第三，相机和照明设备应设置在适当的距离，以确保获得最佳的景深光圈大小以及图像的质量和对比度。过强的照明可能导致图像饱和，从而降低对比度。最后，图像之间的时间间隔需设置得当，使表面散斑在相邻帧之间的移动不超过 6 个像素，以确保在互相关过程中能够准确追踪。

如本研究所示，DIC 能够为股...

访问受限。请登录或开始试用以查看此内容。

披露

作者无相关披露信息。

致谢

作者谨此感谢梅奥诊所材料与结构测试中心在开展断裂测试过程中提供的技术支持。此外，我们还要感谢Ramesh Raghupathy和Ian Gerstel在梅奥诊所工作期间对数字图像相关（DIC）脚本的开发以及DIC实验方案具体细节提供的帮助，同时感谢明尼苏达大学Victor Barocas研究团队提供的开源软件，该软件是实现数字图像相关应变计算核心功能的基础11。本研究由格兰杰基金会格兰杰创新基金提供资金支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Krylon 塑料底漆白色Krylon, Peoria, AZ, USAN/A用作骨表面光滑白色涂层的底漆
水性丙烯酸白色和黑色涂料 Plaid Enterprises (Ceramcoat), Norcross, GA, USAN/A提供白色和黑色颜料来源
调色碗无特定品牌（通用）N/A用于混合和准备涂料
泡沫刷Linzer Products, Wyandanch, NY, USAN/A用于将涂料涂抹于骨表面
牙刷Colgate-Palmolive, New York, NY, USA硬毛用于产生适当大小和分布的斑点图案
Hygenic 正畸树脂（PMMA）Patterson Dental, St Paul, MN, USAH02252受控物质，需经适当批准后方可购买
Kenmore 冰柜Sears Holdings, Hoffman Estates, IL, USAN/A用于维持骨样本在 -20oC 的储存环境
生理盐水（0.9% 氯化钠）Baxter Healthcare, Deerfield, IL, USANDC 0338-0048-04用于保持样本湿润
手术刀和刮刀Aspen Surgical (Bard-Parker), Caledonia, MI, USA N/A用于去除骨样本上的软组织
通风橱Hamilton Laboratory Solutions, Manitowoc, WI, USA70532在制备用于样本封装的 PMMA 时提供通风
照明设备ARRI, Munich, GermanyN/A为图像采集提供目标照明
高速摄像机Photron Inc., San Diego, CA, USAPhotron Fastcam APX-RS 用于记录骨折事件的高速视频
Photron FASTCAM 成像与查看软件Photron Inc., San Diego, CA, USAVer.3392(x64)用于记录和查看高速视频
相机镜头Zeiss, Oberkochen, GermanyZeiss Planar L4/50 ZF 镜头为获得适当的图像分辨率所必需
ABAQUS CAEDassault Systemès, Waltham, MA, USA版本 6.13-4用于定义感兴趣区域并创建有限元网格
MATLABMathworks, Natick, MA, USA版本 2015b用于图像处理和数字图像相关（DIC）分析
TecPlotTecPlot Inc., Bellevue, WA用于应变场的后处理
应变计算器软件Victor Barocas 研究组，明尼苏达大学，明尼阿波利斯，明尼苏达州，美国http://license.umn.edu/technologies/20130022_robust-image-correlation-based-strain-calculator-for-tissue-systems用于计算应变场
mov_frames.mMatlab 脚本，梅奥诊所，罗切斯特，明尼苏达州，美国N/A用于对高速视频文件中的未压缩图像进行降采样
convert_imagesize.mMatlab 脚本，梅奥诊所，罗切斯特，明尼苏达州，美国N/A用于将图像像素坐标与网格坐标对齐
rrImageTrackGui.mMatlab 脚本，梅奥诊所，罗切斯特，明尼苏达州，美国N/A用于执行图像互相关以获取变形数据并运行应变计算器
analyzeFailurePrecursor.mMatlab 脚本，梅奥诊所，罗切斯特，明尼苏达州，美国N/A用于在时间上追踪峰值应变分量
makeMovies.mMatlab 脚本，梅奥诊所，罗切斯特，明尼苏达州，美国N/A用于创建变形分量、应变分量、主应变、von Mises 应变和应变能的可移植 *.avi 视频

参考文献

  1. Peters, W., Ranson, W. Digital imaging techniques in experimental stress analysis. Opt Eng. 21 (3), 213427-213427 (1982).
  2. Kwon, O., Hanna, R. The Enhanced Digital Image Correlation Technique for Feature Tracking During Drying of Wood. Strain. 46 (6), 566-580 (2010).
  3. Sutton, M. A., Orteu, J. J., Schreier, H. W. Image Correlation for Shape, Motion and Deformation Measurements. Adv of Opt Methods in Exp Mech. 3, (2009).
  4. Grassi, L., et al. How accurately can subject-specific finite element models predict strains and strength of human femora? Investigation using full-field measurements. J Biomech. 49 (5), 802-806 (2016).
  5. Den Buijs, J. O., Dragomir-Daescu, D. Validated finite element models of the proximal femur using two-dimensional projected geometry and bone density. Comput Methods Programs Biomed. 104 (2), 168-174 (2011).
  6. Keyak, J. H., Rossi, S. A., Jones, K. A., Skinner, H. B. Prediction of femoral fracture load using automated finite element modeling. J Biomech. 31 (2), 125-133 (1998).
  7. Lotz, J. C., Cheal, E. J., Hayes, W. C. Fracture Prediction for the Proximal Femur Using Finite-Element Models . 1Linear-Analysis. J Biomech Eng-T Asme. 113 (4), 353-360 (1991).
  8. Cody, D. D., et al. Femoral strength is better predicted by finite element models than QCT and DXA. J Biomech. 32 (10), 1013-1020 (1999).
  9. Dragomir-Daescu, D., et al. Robust QCT/FEA models of proximal femur stiffness and fracture load during a sideways fall on the hip. Ann Biomed Eng. 39 (2), 742-755 (2011).
  10. Bettamer, A., Hambli, R., Allaoui, S., Almhdie-Imjabber, A. Using visual image measurements to validate a novel finite element model of crack propagation and fracture patterns of proximal femur. Comput Methods Biomech Biomed Eng Imaging Vis. , 1-12 (2015).
  11. Raghupathy, R., Barocas, V. Robust Image Correlation Based Strain Calculator for Tissue Systems. , http://license.umn.edu/technologies/20130022_robust-image-correlation-based-strain-calculator-for-tissue-systems (2016).
  12. Taddei, F., et al. Subject-specific finite element models of long bones: An in vitro evaluation of the overall accuracy. J Biomech. 39 (13), 2457-2467 (2006).
  13. Grassi, L., et al. Accuracy of finite element predictions in sideways load configurations for the proximal human femur. J Biomech. 45 (2), 394-399 (2012).
  14. Gerstel, I., Raghupathy, R., Dragomir-Daescu, D. Digital Image Correlation Identifies Quantitative Characteristics in Proximal Femur Fracture Crack. ORS Annual Mtg. , (2012).

访问受限。请登录或开始试用以查看此内容。

重印与许可

探索更多文章

股骨骨折测试皮质应变估计高速视频分析表面散斑图案有限元网格应变场计算骨强度验证QCT/FEA比较力学试验机
一种利用数字图像相关法在骨折测试期间估算尸体股骨皮质应变的方法
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。