基于连续三维到三维配准的四维CT分析

摘要

我们通过四维计算机断层扫描数据来分析关节运动学。该连续三维-三维配准方法可从四维计算机断层扫描数据中半自动地获取运动骨相对于固定骨的运动学参数。

摘要

四维计算机断层扫描（4DCT）可提供一系列体积数据，并可视化关节运动。然而，由于对所有体积帧进行分割耗时较长，4DCT数据的数值分析仍然困难。本研究旨在利用连续的3D-3D配准技术，基于4DCT DICOM数据及现有软件，半自动地分析关节运动学，以提供活动骨相对于固定骨的运动信息。源骨的表面数据由3DCT重建获得。经裁剪的表面数据分别与4DCT中第一帧的表面数据进行匹配。随后，这些裁剪后的表面依次与后续各帧匹配，直至最后一帧。该过程可提供目标骨在4DCT所有帧中的位置信息。一旦确定目标骨的坐标系，即可计算任意两块骨之间的平移和旋转角度。这种4DCT分析方法在腕骨或跗骨等复杂结构的运动学分析中具有优势。然而，由于运动伪影的存在，快速或大范围的运动难以被准确追踪。

引言

关节运动学已通过多种方法进行描述，例如动作捕捉传感器、2D-3D配准以及尸体研究。每种方法都有其特定的优缺点。例如，动作捕捉传感器可以利用红外相机（无论是否在受试者身上放置传感器）来测量快速、大范围的运动^1,2。然而，这些方法通过测量皮肤运动来推断关节运动学参数，因此存在皮肤运动误差³。

尸体研究已被用于评估关节活动范围、不稳定性及接触面积^4,5,6。该方法可通过将CT或光学传感器直接用针或螺钉固定在骨骼上，测量小关节的微小变化。尸体模型主要可用于评估被动运动，尽管已有研究使用多个致动器对肌腱施加外力以模拟动态运动⁷。主动关节运动可通过2D-3D配准技术进行测量，即将3DCT图像与2D透视图像进行匹配。尽管配准过程的准确性仍存在争议，但报道的准确性通常足以满足大关节运动学分析的需求^8,9。然而，该方法无法应用于狭窄空间内的小骨或多块骨骼。

相比之下，4DCT 是一种动态CT方法，可获取一系列容积数据。该方法可用于分析主动关节运动¹⁰。该技术可提供CT扫描架内所有物质精确的三维位置信息，关节的三维运动可在图像查看器中清晰呈现。然而，从这一系列容积数据中描述关节运动学特征仍然存在困难，因为在体内主动运动过程中，所有骨骼均在移动，且无法追踪任何解剖标志点。

我们开发了一种用于4DCT分析的方法，可提供关节活动过程中关节周围完整骨骼的体内关节运动学数据。本文旨在介绍我们的方法——用于4DCT分析的序列式3D-3D配准技术，并展示使用该方法获得的代表性结果。

方案

本文所描述的所有方法均已获得庆应义塾大学医学院机构审查委员会的批准。

注意：关节运动学通过重建活动骨相对于固定骨的运动来测量。对于膝关节运动学，股骨定义为固定骨，胫骨定义为活动骨。

1. CT成像方案

1. 设置CT设备。使用320排探测器CT系统进行CT检查，以实现160 mm头尾方向覆盖范围的多时相3D容积数据采集。例如，在膝关节运动学分析中，图像采集包括51次容积扫描，旋转时间为0.275 s，所有图像均采用半重建方法重建，因此时间分辨率为约0.16 s。
2. 采用以下扫描参数：管电压峰值 = 100 kVp；管电流 = 40 mA；扫描范围 = 160 mm；矩阵大小 = 512 × 512 像素；重建层厚和层间距 = 0.5 mm。
3. 将受试者的目标关节置于CT机架内，处于4DCT检查的起始位置（图1）。
4. 在CT检查前，在规定的检查时间内，预演关节从起始位置到终末位置的运动。要求受试者在10.275 s的扫描时间内移动关节，并获取一系列容积数据。将连续的容积数据以DICOM格式存储。
5. 对所有目标骨骼进行静态3DCT扫描，并将数据以DICOM格式存储。

2. 表面重构

1. 对3DCT数据进行半自动分割（图2A）。
   1. 通过选择静态3DCT数据的所有DICOM文件来加载CT DICOM数据。
   2. 单击编辑 新建标签域打开标签域，检查合适的CT衰减值阈值以从源骨中提取皮质骨。选择CT衰减值高于该阈值的材料。例如，年轻受试者的骨皮质阈值设为250。勾选骨皮质选择标签，并使用编辑工具手动修改边界，使其与骨的形状保持一致。
   3. 根据标记的骨皮质位置数据（软件中的点云）生成表面数据（三角网格）。通过将数据导出为标准三角语言（STL）格式来存储表面数据。
   4. 在皮质骨标签上单击生成表面|应用，然后单击文件|另存为|STL二进制小端，以STL格式保存表面数据。
2. 对4DCT体数据进行自动分割（图2B）。
   注：每帧DICOM数据均包含CT机架内CT衰减值的分布。
   1. 设定与静态CT相同的骨皮质阈值，利用编程软件中的DICOM读取模块，从4DCT数据的全部51帧中提取CT衰减值高于该阈值的几何数据。根据源骨的骨密度调整阈值。例如，对于骨质疏松骨，应将阈值设得更低。
   2. 将前一步骤中已获得的所有位置数据转换为图像处理软件（如Avizo）可识别的格式。在图像处理软件中，使用批处理脚本重建所有4DCT帧中CT衰减值高于阈值的点云的全部表面数据。该图像处理软件具备读取脚本并自动从DICOM序列数据导出表面数据的功能。批处理脚本见补充代码文件。

3. 图像配准

注意：在此步骤中，需从原始的 4DCT DICOM 数据重建活动骨相对于固定骨的运动过程。

1. 将静态3DCT与4DCT的第一帧进行表面配准。
   1. 将静态3DCT中的骨骼修剪为部分片段数据，使其包含在4DCT的所有帧中，以用于迭代最近点（ICP）算法¹¹ 在3D网格编辑软件中使用 选择面部 功能（图3A通过参考4DCT电影数据进行。由于表面配准要求一个表面的数据点包含在另一个表面中，因此来自4DCT的表面数据仅为包含在每个容积图像中的部分片段。
   2. 在3D网格编辑软件中，从经裁剪的3DCT表面以及4DCT第一帧的表面数据中选取固定骨与活动骨上三个易于识别的解剖标志点 PickPoints 功能（图3B).
   3. 在四维CT表面数据的第一帧上，大致匹配部分固定的和移动的骨骼图3C）根据3.1.2节选取的标志点进行操作。接下来，使用ICP算法执行表面配准¹¹ 使用开源软件（例如 VTK）。
      注意：此过程可提供从静态3DCT到4DCT第一帧的固定骨和移动骨的齐次变换矩阵图3D）。这些矩阵为包含旋转和平移的 4 × 4 矩阵，如下所示 图4引起逆向作用的变换矩阵也可以被计算出来。
2. 执行连续表面配准（图5).
   1. 将第一帧4DCT中固定骨和移动骨的局部表面与第二帧的表面数据进行配准。接着，将第i帧中固定骨和移动骨的局部表面^th 帧到 (i + 1)^th 使用开源软件中的ICP模块进行编程，依次对4DCT的每一帧进行处理，重复此过程直至4DCT的最后一帧。
3. 根据3.1和3.2的结果，计算从静态3DCT到4DCT各帧的变换矩阵。
4. 根据固定骨重建活动骨的运动图6).
   1. 根据代表从静态3DCT到每个4DCT帧的变换矩阵，重建运动骨相对于固定骨的运动学参数。在测量旋转参数时（例如，通过欧拉/卡尔丹角计算的屈曲角度或旋转角度），定义固定骨和运动骨的坐标系。^12,13,14.

结果

我们描述了膝关节伸展过程中胫骨的运动。将膝关节置于CT扫描仪的机架内，使用三角形枕头在起始位置支撑股骨。膝关节在10秒内伸展至伸直位置。测量了辐射暴露剂量。除4DCT外，还对整个股骨、胫骨和髌骨进行了静态3DCT扫描。重建了整个股骨和胫骨的表面数据。骨皮质的HU值阈值设定为250 HU，并重建了全部51帧的表面数据。

通过目视检查预设的4DCT软件生成的4DCT动态影像数据，将股骨和胫骨修剪为部分表面数据，并将其包含在所有4DCT帧中。在静态3DCT表面及4DCT的第一帧中，标定了各节段的解剖标志点。在股骨上，确定了内侧和外侧髁以及髁间窝作为标志点；在胫骨上，同样确定了关节面的内侧和外侧端点以及胫骨结节作为对应的解剖标志点。根据这三个标志点，将股骨和胫骨的部分表面数据与4DCT数据的第一帧进行粗略匹配，随后使用ICP算法完成精确匹配。

讨论

我们的方法能够实现对完整骨骼运动的可视化和量化，并基于4DCT数据提供运动骨骼相对于固定骨骼的数值位置信息。目前已有多种工具被用于测量关节运动学。皮肤标记物可用于分析长时间内的全身运动，但该方法存在皮肤运动误差³。关节运动学应根据相邻骨骼的运动来估算。2D-3D配准方法利用透视成像，通过连续的2D图像推断3D运动学参数。尽管分析软件已不断改进以减少误差，但仍存在平移误差。许多尸体研究通过对尸体在不同体位下进行CT扫描来测量关节运动学¹⁹。然而，这些数据来源于连续的静态3D图像，反映的是被动运动，因此在性质上与主动运动存在差异。

本方案中有若干关键步骤。应精确生成3DCT的表面数据，因为该数据的质量会影响初始表面配准至4DCT第一帧的准确性。在关节区域附近，骨皮质的阈值可能与骨干部分不同。当骨皮质边界不清晰时，需要调整阈值。完成所有帧的表面配准后，应检查重建的运动情况。若某一帧的表面配准失败，可通过在下一帧中选取标志点并重复本方案，从下一帧重新启动自动表面配准。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
4DCT 扫描仪	Canon medical systems (Tochigi, Japan)	N/A	4DCT 扫描，静态 3DCT 扫描
AVIZO(9.3.0)*	Thermo Fisher Scientific (OR, USA)		图像处理软件。 基于 CT DICOM 数据和点云数据进行表面重建。 * Ryan, T. M. & Walker, A. 灵长类动物肱骨头和股骨头的骨小梁结构。Anat Rec (Hoboken). 293 (4), 719-729, doi:10.1002/ar.21139, (2010)。
Meshlab**	ISTI (Pisa, Italy)	N/A	表面修剪与标志点选取 ** MeshLab：一款开源的网格处理工具。第六届 Eurographics 意大利分会会议，第 129-136 页，2008 年。 P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia
VTK(6.3.0)***	Kitware (New York, USA)	N/A	最近点迭代算法。用于 Python 语言编程。 *** https://vtk.org
Python(3.6.1)	Python Software Foundation	N/A	处理 DICOM 文件以从骨皮质提取点云（'dicom.py' 模块）。 旋转矩阵的计算（Numpy 模块） 使用 ICP 算法进行序列图像配准