Method Article

使用顺序 3D-3D 注册进行四维 CT 分析

DOI:

10.3791/59857

November 23rd, 2019

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们从四维计算机断层扫描数据中分析了关节运动学。顺序 3D-3D 注册方法半自动地提供运动骨骼相对于主体骨骼的运动学,从四维计算机断层扫描数据。

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

四维计算机断层扫描 (4DCT) 提供一系列体积数据,并可视化关节运动。但是,对 4DCT 数据的数值分析仍然很困难,因为在所有体积帧中分割都非常耗时。我们旨在使用顺序 3D-3D 注册技术分析关节运动学,使用 4DCT DICOM 数据和现有软件提供运动骨相对于固定骨骼的运动学。源骨骼的表面数据从 3DCT 重建。修剪的表面数据与 4DCT 中第一帧的表面数据分别匹配。这些修剪曲面按顺序匹配,直到最后一帧。这些过程为 4DCT 的所有帧中的目标骨骼提供位置信息。确定目标骨骼的坐标系后,可以计算任意两个骨骼之间的平移和旋转角度。此 4DCT 分析在复杂结构(如腕骨或牙质骨骼)的运动学分析方面提供了优势。但是,由于运动伪影,无法跟踪快速或大规模运动。

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

联合运动学已经使用许多方法来描述,例如运动捕获传感器、2D-3D注册和尸体研究。每种方法都有特定的优缺点。例如,运动捕捉传感器可以使用红外摄像机测量快速、大规模运动,无论是否对主体1、2进行传感器。然而,这些方法测量皮肤运动,以推断关节运动学,因此包含皮肤运动误差3。

卡达韦里克研究已被用来评估运动范围,不稳定性,和接触区域4,5,6。这种方法可以使用CT或光学传感器直接连接到骨头使用针脚或螺钉测量小关节的微小变化。Cadaveric模型可以主要评估被动运动,尽管已使用多个执行器将外力应用于肌腱以模拟动态运动7。主动关节运动可以通过 2D-3D 配准技术进行测量,将 3DCT 图像与 2D 荧光镜图像相匹配。虽然注册过程的准确性仍然存在争议,但报告的准确性一般足够高,适用于大型关节运动学8、9。但是,此方法不能应用于狭窄空间中的小骨骼或多个骨骼。

相比之下,4DCT 是一种动态 CT 方法,用于获取一系列体积数据。可以使用这种方法10进行分析有源关节运动。该技术提供 CT 龙门内所有物质的精确 3D 位置数据。3D 关节运动在查看器中清晰显示。然而,从这样一系列体积数据中描述关节运动学仍然很困难,因为所有的骨骼都在移动,在体内的主动运动中无法追踪到任何地标。

我们开发了一种4DCT分析方法,在活动运动过程中提供关节周围整个骨骼的体内关节运动学。本文旨在介绍4DCT分析的连续3D-3D配准技术,并展示该方法取得的代表性结果。

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

这里描述的所有方法都已获得庆应大学医学院机构审查委员会的批准。

注:通过重建移动骨骼围绕固定骨骼的运动来测量关节运动学。对于膝关节运动学,股骨被定义为固定骨骼,而骨质被定义为移动骨骼。

1. CT成像协议

  1. 设置 CT 机器。使用 320 探测器行 CT 系统进行 CT 检查,以允许具有 160 mm 颅骨覆盖的多个阶段的 3D 体积数据。例如,在膝关节运动学分析中,图像采集包括 51 次体积扫描,旋转时间为 0.275 s,所有图像均使用半重构重建,因此时间分辨率约为 0.16 s。
  2. 使用以下扫描参数:峰值管电压 = 100 kVp;管电流 = 40 mA;扫描覆盖范围 = 160 mm;矩阵大小= 512 x 512 像素;和重建截面厚度和截面间隔 = 0.5 mm。
  3. 将学科的目标关节置于 CT 龙门内的 4DCT 考试的起始位置(图1)。
  4. 在 CT 考试之前,在规定的考试时间内排练关节从起始位置到结束位置的动作。要求受试者在 10.275 s 扫描时间内移动接头,并获取一系列体积数据。以 DICOM 格式存储顺序卷数据。
  5. 对所有目标骨骼执行静态 3DCT,并将数据存储在 DICOM 格式中。

2. 表面重建

  1. 对 3DCT 数据执行半自动分段 (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. 通过单击"编辑新标签字段"打开标签字段,并检查哪个阈值 CT 衰减值适合从源骨骼中提取皮质骨骼。选择 CT 衰减值高于阈值的材料。例如,年轻受试者的骨皮层阈值设置为250。检查标签的骨骼皮层选择,并使用编辑工具手动修改分界,以确保与骨骼形状保持一致。
    3. 从标记的骨皮层位置数据(软件中的点云)生成曲面数据(三角形线)。通过以标准三角语言 (STL) 格式导出数据来存储曲面数据。
    4. 单击"生成曲面"*贴在皮质骨骼的标签上。单击"文件"*导出数据为*STL 二进制小 Endian以 STL 格式保存曲面数据。
  2. 对 4DCT 体积数据执行自动分割 (图 2B)。
    注: DICOM 数据的每一帧都包括 CT 龙门中的 CT 衰减值分布。
    1. 设置静态 CT 中骨皮层的阈值,并使用编程软件中的 DICOM 读取模块从 4DCT 数据的所有 51 帧中提取显示高于阈值的 CT 衰减值的几何数据。根据源骨骼的骨骼密度调整阈值。例如,对于骨质疏松骨,将阈值设置为较低。
    2. 将上一步中已经获得的所有位置数据转换为图像处理软件(例如 Avizo)可以解释的格式。在图像处理软件中,使用批处理脚本重建点云的所有表面数据,CT衰减值高于所有 4DCT 帧的阈值。图像处理软件包含读取脚本和自动从 DICOM 系列数据导出曲面数据的功能。批处理脚本显示在补充编码文件中。

3. 图像注册

注: 在此步骤中,从原始 4DCT DICOM 数据重建移动骨骼相对于固定骨骼的运动。

  1. 执行从静态 3DCT 到 4DCT 第一帧的表面配准。
    1. 通过引用 4DCT 影片数据,将静态 3DCT 中的骨骼修剪成包含在 4DCT 所有帧中的部分段数据,以便与 3D 网格编辑软件中的迭代最近点(ICP) 算法11一起使用。来自 4DCT 的表面数据只是每个体积图像中包含的部分线段,因为曲面配准需要将一个曲面数据点包含在另一个曲面中。
    2. 使用PickPoints函数(图 3B)在 3D 网格编辑软件中,从修剪过的 3DCT 曲面和 4DCT 第一帧的表面数据中,选择固定和移动骨骼中的三个地标。"
    3. 根据 3.1.2 中选取的地标,在 4DCT 曲面数据的第一帧(图 3C)上大致匹配部分固定和移动的骨骼。接下来,使用开放源码软件(例如 VTK)使用 ICP 算法11执行表面配准。
      注:此过程提供固定和移动骨骼从静态 3DCT 到 4DCT 第一帧的均匀变换矩阵(图 3D)。这些矩阵是 4 x 4 矩阵,由旋转和平移组成,如图4所示。也可以计算导致反向操作的变换矩阵。
  2. 执行顺序表面配准 (图 5)。
    1. 将第一个 4DCT 帧中的固定和移动骨骼的部分曲面匹配到第二帧的表面数据上。接下来,按顺序将i帧的部分曲面匹配到 4DCT 的 (i = 1)第 1帧上。重复此过程,直到使用开源软件中的 ICP 模块进行编程,直到 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 中所有帧的变换矩阵。
  4. 重建相对于固定骨骼的运动骨骼运动 (图 6)。
    1. 从表示从静态 3DCT 到每个 4DCT 帧的变换的矩阵中,重建移动骨骼的运动学。在测量旋转参数时定义固定和移动骨骼的坐标系(例如,由欧拉/卡丹角计算的弹性角度或旋转角度) 12、13、14 。

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们描述了在膝盖延长期间,tibia的运动。膝关节位于CT龙门。三角形枕头用于支撑股骨在起始位置。膝盖在10s的过程中被延长到一个直的位置。除4DCT外,还进行了整个股骨、头骨和骨骨的静态3DCT。重建了整个股骨和头骨的表面数据。骨皮层HU数的阈值设置为250胡,并重建所有51帧的表面数据。

股骨和股骨被修剪成部分表面数据,包括所有4DCT帧通过目视检查4DCT电影数据,这是在预设的4DCT软件中创建。在静态 3DCT 曲面和 4DCT 的第一帧中,绘制了每个段的地标。在股骨上,确定了内侧和侧体和间质切口。在头骨上,关节表面的中端和侧端和骨质管状也被确定为相应的地标。根据这三个地标,股骨和头骨的部分表面数据与4DCT数据的第一帧大致匹配。然后,使用 ICP 算法完全匹配这些曲面。

第一帧股骨和头骨的部分部分与第二帧的整个表面相匹配。...

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们的方法允许可视化和量化整个骨骼的运动,并从 4DCT 数据提供移动骨骼相对于固定骨骼的数值位置数据。已建议使用许多工具测量关节运动学。运动皮肤标记可以分析身体的整体运动很长一段时间。但是,此方法包含皮肤运动错误3。应从相邻骨骼的运动量估算关节运动学。2D-3D 配准方法使用荧光镜和从顺序 2D 图像推断 3D 运动学。尽管分析软件已经发展到可以解释这一点,但转换错误仍然存在。许多尸体研究已经测量关节运动学通过采取CT图像在不同的尸体位置19。但是,这些代表来自连续静态 3D 图像的被动运动,因此与主动运动在质量上有所不同。

此协议中有几个关键步骤。应精确创建来自 3DCT 的表面数据,因为此质量会影响 4DCT 第一帧的初始曲面配准的准确性。在关节区域周围,骨皮层的阈值可能与骨轴不同。当骨皮层的边界不清楚时,需要进行阈值调整。完成所有帧的表面配准后,应检查重建运动。如果一帧的表面注册失败,则可以通过选取下一帧中的地标并重复协议,从下一帧重新启动自动曲面注册。

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有相互竞争的经济利益。

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

这项研究得到了我们机构机构审查委员会的批准(批准文号:20150128)。

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
4DCT 扫描仪佳能医疗系统(日本栃木)N/A4DCT 扫描,静态 3DCT 扫描
AVIZO(9.3.0)*Thermo Fisher Scientific(美国俄勒冈州)图像处理软件
根据 CT DICOM 数据和点云数据重建表面。
* Ryan, TM &Walker, A. 类人灵长类动物肱骨和股骨头的小梁骨结构。Anat Rec(霍博肯)。293 (4), 719-729, doi:10.1002/ar.21139, (2010).
Meshlab**ISTI(意大利比萨)N/A表面修剪和地标拾取
** MeshLab:开源网格处理工具。第六届欧洲图形意大利分会会议,第 129-136 页,2008 年
P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia
VTK(6.3.0)***Kitware (美国纽约)N/A迭代最近点算法。用于 python 语言编程.
*** https://vtk.org
Python(3.6.1)Python Software FoundationN/ADICOM 文件处理,以从骨皮层("dicom.py"模块)中提取点云。
旋转矩阵的计算。(Numpy 模块)
使用 ICP 算法进行顺序图像配准

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Four Dimensional CTSequential 3D 3D RegistrationJoint Kinematics AnalysisSurface Registration TechniqueIterative Closest Point AlgorithmBone Surface Reconstruction4DCT DICOM DataTranslation Rotation CalculationCarpal Tarsal AnalysisMotion Artifact Limitation

Related Articles