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

双平面视频放射摄影法研究腕关节和远端桡尺关节

2.1K 次观看

⸱

DOI：

10.3791/62102

⸱

2021年2月4日

 ,  ,  , 
1Center for Biomedical Engineering, Brown University, 2Department of Orthopedics, The Warren Alpert Medical School of Brown University and Rhode Island Hospital

本文内容

摘要

双平面视频放射照相术（BVR）是一种先进的成像技术，用于研究骨骼和植入物的三维运动。通过结合基于密度的图像体数据与上肢远端的视频放射图像，BVR 可用于研究腕关节和远端桡尺关节的体内运动，以及关节成形术后的运动情况。

摘要

准确测量骨骼运动学参数对于理解关节的正常功能、病理影响、疾病进展以及治疗效果至关重要。in vivo 然而，使用皮肤表面标记物来推断骨骼运动的测量系统虽已为正常和病理状态下的运动学研究提供了重要见解，但这些系统无法精确获取关节内运动（arthrokinematics），尤其是在动态活动中。在过去二十年中，双平面视频放射照相（BVR）系统使许多研究人员能够直接研究日常活动中关节的骨骼运动学。为将BVR系统应用于上肢远端，需在受试者执行特定任务时，利用两个经过校准的X射线源采集桡骨远端与手部的视频放射图像。通过将三维（3D）模型投影与每个BVR视图进行最佳拟合配准，可从视频放射图像中计算出三维刚体位置。 这些3D模型是基于独立获取的计算机断层扫描数据所生成的特定骨组织密度图像体。结合图形处理器单元和高性能计算系统，这种基于模型的追踪方法在评估腕关节及桡尺远侧关节生物力学方面已被证明快速且准确。本研究中，我们首先总结了既往研究结果，这些研究已证实BVR在评估腕关节和桡尺远侧关节运动学时，与in vitro 光学运动捕捉系统之间具有亚毫米级和亚度级的一致性。此外，我们应用BVR技术计算了腕关节旋转中心的变化行为，分析了假体各组件之间的相互接触模式，并评估了前臂旋前-旋后过程中尺骨变异的动态变化。未来，随着平板X射线探测器的应用、更多X射线源（即多平面视频放射照相）的引入，或先进计算机视觉算法的发展，腕骨结构有望被更精细地捕捉。

引言

准确测量骨骼运动学体内参数对于理解健康关节和置换关节的功能、病理影响、疾病进展以及治疗效果至关重要。在关节面无创量化骨骼运动学（即关节运动学）对于理解骨关节炎等关节病理状态和疾病至关重要，但在技术上具有挑战性。以往采用皮肤表面标记物推断骨骼运动的技术已为理解正常和病理状态下的运动学提供了重要见解。 然而，这些技术无法获得准确的关节运动学数据，尤其是在步行等日常生活活动的动态过程中。由于皮肤相对于深层骨骼的移动，这类光学系统在精度上存在固有局限，而皮肤移动正是人体运动分析中主要的误差来源1,2。

目前用于量化三维（3D）骨骼运动学的先进方法是基于图像的追踪技术，主要包括双平面视频放射照相（BVR）3 以及连续的计算机断层扫描（CT）体积成像4 和磁共振成像（MRI）5。尽管常规的3D CT和基于MRI的技术在全球许多医院中具有高精度和广泛可及性，但它们无法测量关节的动态运动。近年来，已开发出4D CT扫描6和动态MRI7等成像技术以解决这一局限；然而，这些方法要么使患者暴露于高剂量辐射，要么存在时间分辨率低的问题。

结合新型计算机视觉算法与传统X射线系统，BVR在动物和人类多个关节的测量中已显示出准确性，可通过基于标记物或基于模型的追踪算法实现。基于标记物的方法通过追踪植入骨骼或软组织中的钽珠进行，适用于动物实验及体外研究。 检测。然而，它们具有极强的侵入性，难以实施 体内 人体研究。幸运的是，基于模型的追踪算法的改进提供了一种可行的替代方案。在人体中应用基于模型的BVR追踪方法，涉及对通过CT或MRI在静态姿势下获取的容积图像数据集进行预处理，并实现对动态过程的捕捉 两个X射线视野中感兴趣区域的运动。大多数基于模型的跟踪应用随后会从静态CT或MR图像生成骨骼或植入物的数字重建放射图像（DRR），并利用能够体现DRR与增强特征的视频放射图像之间相似性的度量方法，将二者进行匹配8此过程称为 "追踪" 骨或植入物

追踪骨骼或植入物的主要输出变量是刚体运动学，由此可计算出关节运动学、韧带伸长量9，10、作为软骨厚度替代指标的关节间距11、关节接触12，13以及其他生物标志物。近期，我们已记录了基于模型的BVR追踪技术在计算腕关节生物力学、全腕关节置换术（TWA）以及下尺桡关节（DRUJ）运动中的准确性14，15。在下文中，我们将详细介绍这一经过验证的方法的操作流程，用于研究骨骼腕关节、全腕关节置换术以及下尺桡关节在不同任务中的运动情况。我们从CT图像体积中分割出基于密度的骨骼和植入物图像体积，在视频放射图像中追踪这些部分图像体积，并确定诸如旋转中心、接触模式和尺骨变异等结果，以展示该方法的优势与局限性。

访问受限。请登录或开始试用以查看此内容。

方案

本研究已获得经AAHRPP认证的Lifespan - 罗德岛医院机构审查委员会（IRB）批准。共有16名患者根据机构指南签署了知情同意书。

1. 数据采集

  1. 计算机断层扫描（CT）
    1. 为CT检查准备样本或受试者。
      注意：用于准确性评估14,15，使用了来自4具完整尸体标本的6个完整前臂（70.5 ± 12.3岁，4个右侧，2名女性）以及1个接受全腕关节置换术的前臂（49岁，右侧，女性）。对于 体内 研究1610名腕关节健康的志愿者（57.0 ± 5.2岁，女性8名，右利手9名）和6名接受全腕关节置换术的患者（74.7 ± 5.6岁，女性2名，右侧腕关节优势2名，左侧腕关节优势4名）被纳入研究。
    2. 对每位受试者进行成像4使用16排临床CT扫描仪，以25 cm的数据采集直径对前臂远端进行CT扫描，并采用Bone Plus卷积算法重建，重建视野为20 cm。管电压和管电流设置为80 kVp和80 mA。扫描范围限于桡骨远端关节面近端约7 cm处至远端指骨。
      注意：本研究中，图像的体素尺寸为 0.39 × 0.39 mm2 在前臂的横断面平面内，以及沿前臂长轴方向 0.625 mm。
    3. 使用符合健康保险可携性和责任法案（HIPAA）规定的协议，将以医学数字成像和通信（DICOM）格式获取的CT图像传输至实验室计算机。
  2. 双平面视频射线照相术（BVR）
    1. 实验装置 (图1）。为了获得能够覆盖桡骨远端、尺骨远端、腕骨及掌骨的视野直径，同时提供一个可尽量减少不同腕部体位下骨性遮挡的视角，应将影像增强器（IIs）置于前臂下方，并将二者之间的夹角设置为 110° （X射线源向下对准相应的II） 55° 相对于地面的方向。
      1. 以连续模式生成X射线，曝光参数根据骨骼/植入物的可见度设定在65至75 kV之间，电流为80 mA。将两组X射线-II系统的源-像距离调整至约130 cm，源-手距离调整至90 cm。
        注意：在本研究中，受试者在实验室中穿戴了X射线防护铅围裙、甲状腺护颈罩以及数字剂量计。实验期间，所有研究人员均站在铅玻璃屏蔽后方。
      2. 在两个 IIs 之间放置一个支架或类似结构，并用其放置供受试者使用的物品（例如，门把手、锤子、水壶）。

XROMM 装置示意图；射线束夹角约 110°，光路对准，成像过程。
图 1．实验装置。请点击此处查看此图的放大版本。

  1. 去畸变网格（图2A）。由于外部电磁场会影响X射线束的行为（即电子路径），放射图像会出现非线性的枕形畸变和S形畸变17。为消除这些畸变，需使用一块精密穿孔金属板的图像（即去畸变网格）18,19。将去畸变网格放置在影像增强器（IIs）上，并在视频放射摄影数据采集前后分别拍摄其图像。将这两组图像均保存为8位TIFF格式，分别对应两个X射线源。
  2. 校准（图2B）。必须对X射线源进行校准，以计算物体（骨骼或植入物）的三维坐标20。使用一个具有已知几何结构的三维物体的图像，该物体上具有规则排列的X射线不透性小球，以建立X射线源在三维空间中的位置与方向和图像空间（即放射图像）之间的对应关系。由丙烯酸板和间隔物构成、内含钢球的立方体结构（即校准立方体）在双视角放射摄影（BVR）设置中具有良好的效果和精度19。
    1. 在实验开始前和结束后，各进行4次不同方向的校准立方体放射图像采集18。实验后的校准用于确认整个实验过程中实验装置未发生改变。将所有图像均保存为8位TIFF格式，分别对应两个X射线源。

显微成像模式分析；（A）点阵列，（B）标记的形状（DOME、PYRAMID、HELIX、JACK）
图 2．A）去畸变网格。B）校准立方体及其参考项目。请点击此处查看该图的放大版本

  1. 任务描述。 定义多种任务以捕捉腕关节在屈伸、桡尺偏移及环转运动过程中的活动情况16描述下尺桡关节（DRUJ）运动任务为：以前臂旋转的方式，从持握姿势旋转至完全旋前或完全旋后，定义为T型手柄门锁在顺时针和逆时针方向上的旋转。21. 采集腕关节处于中立位姿势（即中立静态任务）时的视频X线图像。采集时使手背与前臂背侧共面。
    注意：所有任务的起始姿势为肩关节内收，肘关节支撑于关节水平位置，前臂不受限制且处于中立旋转位。屈伸任务和桡尺偏转任务分别定义为手掌相对于手部掌背侧和桡尺侧的旋转。环转运动定义为旨在各个方向上达到最大主动活动范围的腕关节运动。
  2. 视频X线透视图像采集以200 Hz的频率采集视频X线图像，相机快门速度设置为 500 µs. 每项任务记录两秒成像，以获取2次重复。将从每个X射线源获取的视频放射图像以8位格式存储为CINE视频。
    注意：本研究中，X线片的图像尺寸为1760×1760像素，分辨率为每像素约0.22 mm×0.22 mm。
    注意：当前的X射线源具备放大视场（FOV）的选项。然而，在本研究中并未使用硬件提供的放大模式。根据任务描述，该功能可能使您获得更高分辨率的输出结果。若使用此功能，则必须在该模式下完成去畸变网格和校准步骤的采集。
  1. 光学运动捕捉（OMC）——准确性研究
    1. 采用先前研究中描述的光学运动捕捉（OMC）数据采集方案14,15。将两个标记簇直接附着在第三掌骨和桡骨上，每个标记簇包含四个直径为9.5 mm的反光标记球。使用8个光学运动捕捉相机采集标记的运动数据。通过低电平外部触发信号同步OMC数据采集与BVR的开始时间。

2. 数据处理

  1. 计算机断层扫描（CT）
    1. DICOM 去标识化. 对DICOM文件进行匿名化处理，并将其导入图像处理软件以进行三维建模（例如，Mimics Materialise）。在Mimics Materialise软件中，从 文件 工具栏，打开 匿名化 窗口。新窗口打开后，选择 对所有图像进行匿名化处理 从左侧标签栏，然后按压 匿名化 右下角的按钮
    2. 分割 (图3）。根据先前描述的方法，对感兴趣的骨骼或植入物进行分割16,22,23.
      1. 简而言之，从 片段 工具栏，选择 阈值 选项，并选择预定义的阈值集 骨骼 窗口打开后。创建阈值掩膜后，使用 分隔掩膜 选项，并手动绘制 区域 骨骼或植入物组件。
      2. 当所有区域都着色后，单击 好的 并等待软件自动为每块骨骼和植入物组件生成掩膜。检查所有掩膜，确保其完全覆盖预期区域。若未完全覆盖，请使用 编辑遮罩 手动逐个修改区域的选项。
        注意：为了研究腕关节，2nd，以及 3rd 掌骨和桡骨应从其余骨骼中分割并分离出来。可选择性地对头状骨及其他骨骼进行分割，以用于后续处理阶段。
        注意：为了研究桡尺远侧关节（DRUJ），应将桡骨和尺骨从其余骨骼中分割并分离出来。
        注意：对于植入物，应分割出径向组件以及带有其螺钉的腕骨组件。

三维可视化的人类腕骨CT扫描图，用于骨科研究和解剖学展示。
图3。 腕部的计算机断层扫描图像，以及桡骨、第三掌骨和尺骨的重建模型。请点击此处查看此图的放大版本。

  1. 分割——仅径向部件。由于CT图像中径向部件表面存在基于密度的条纹伪影，无法直接从图像中分割出径向部件模型。因此，需使用CAD模型或3D表面扫描仪生成取出的径向部件的三维模型，并利用Mimics Materialise的默认方法将该模型与径向部件的粗略分割结果进行配准。
    注：本研究中使用了分辨率为0.1 mm的表面扫描仪。将假体放置于桌面上，手动移动3D扫描仪围绕假体以捕获其所有外表面。
  2. 部分图像体数据。追踪软件要求将感兴趣结构的分割结果以基于密度的图像体数据形式输入。为创建此类部分体数据，首先在分割工具栏中选择阈值选项，生成包含所有灰度值的全掩膜图像体数据，并将阈值范围调整至最小到最大灰度值。
    1. 随后使用布尔运算符选项，从生成的全掩膜中减去目标骨组织或植入物的已分割体数据。将此部分体数据掩膜的颜色更改为黑色（RGB：0.0/0.0/0.0），因为配准软件仅接受灰度图像体数据。在软件中选择导出DICOM…，将掩膜导出为DICOM格式。输出结果为孤立的骨组织或植入物的图像体数据。
  3. 三维模型。通过选择计算3D选项并设置为最佳分辨率，将已分割的掩膜转换为三角网格化的三维表面模型。以VRML格式导出这些模型，其中包含顶点（点）的三维坐标及其连接顺序。这些模型用于坐标系构建及后续可视化。
  1. 视频透视成像预处理
    1. XMALab18 导入。为每位受试者，在 XMALab 软件中创建一个新的试验。指定无畸变网格图像和 8 组标定图像的文件夹路径 新试验 对话。
      注意：如果在整个采集过程中X射线源位置发生翻转，则必须在XMALab软件中勾选翻转选项。
    2. 去畸变为校正放射影像的畸变，在创建试验后，当软件已在“畸变校正”工作区中打开网格图像时，单击 计算去畸变 按钮。XMALab 会自动确定并显示网格的去畸变图像。一旦软件检测到所有孔的中心，在左上角菜单中切换工作区至 校准 工作区。有关更多信息以及协助调试潜在问题，请参见参考文献24.
    3. 校准在此阶段，XMALab 软件确定校准矩阵。在 XMALab 中，X 射线源被建模为针孔相机，具有焦距、源中心位置和源到图像距离等内参和外参参数，而校准过程即为确定这些参数的步骤。18. 校准时，针对所有图像组和每个视角，选择校准立方体中放置的4个参考物中的每一个。在本实验设置中，这些参考物分别为金字塔（Pyramid）、杰克（Jack）、穹顶（Dome）和螺旋（Helix）图 2B）。如果软件未自动找到这些点，请按 计算校准所有校准图像完成校准后，选择 优化相机设置.
    4. 导出校准矩阵优化后，浏览全部8组校准图像（即实验前采集的4组和实验后采集的4组），选择畸变校正后误差最小的一组图像。通过点击每组校准窗口右上角的信息选项，查找该数值。在误差最小的图像组中，选择导出图像 MayaCams 2.0 选项从 文件-导出 菜单。有关更多信息及排查可能问题的方法，请参见参考文献20.
    5. 视频透视成像校正. 将工作区更改为 标记物追踪 单击“+”图标加载以CINE格式采集的视频X线图像。加载完成后，选择导出校正后的试验图像 无畸变试验图像 来自 文件-导出 菜单
  2.  基于模型的追踪（图4)
    1. 增强放射影像/数字重建影像的特征 (图4A- B）。使用滤镜增强图像特征是实现精确匹配的必要步骤。在软件中定义四种滤镜的参数，包括对比度（强度检测）、Sobel（边缘检测）、Gaussian（模糊/平滑）和Sharpen（增强边缘）。这些滤镜可通过右键单击 Rad 渲染器 或 DRR 渲染器 左上角小部件中显示的对象。
      注意：在本研究中，使用Sobel滤波器对X线片中骨骼图像的边缘进行增强，其尺度因子为3，混合值为0.4。此外，采用对比度滤波器进一步改善X线片质量，其中α值（控制图像对比度）设为2.5，β值（控制图像亮度）设为0.9。为使数字重建影像（DRR）与X线片匹配，采用射线强度值0.35，并结合Sobel滤波器，其混合值为0.1，尺度因子为1.7。
    2. 手动初始化。 使用各骨和组件的DRR进行移动 支点 尽可能实现 DRR 与放射线片之间的最佳匹配。 支点 通过左下角小部件帮助用户旋转和平移选定的数字重建影像（DRR）。此步骤必不可少，因为在进行优化之前，必须至少对第一帧中的骨骼或植入物位置进行一次初始化。按 W 在平移模式下移动 DRR 并按下 E 旋转数字重建影像（DRR）。
      注意：通常无需更改支点位置，但可以使用以下方法进行调整 移动支点 工具栏的选项。
    3. 优化。 按压 C 或点击 追踪电流 使用工具栏中的按钮，以在数字重建影像（DRR）与放射影像之间找到最佳匹配。该软件的默认流程采用归一化互相关（NCC）代价函数，并结合粒子群优化算法和单纯形下降法。26,27该过程也称为匹配或追踪步骤。优化过程也可以通过以下方式执行 追踪对话。为此，请按下 追踪对话 工具栏中的选项。新窗口打开后，更改 从帧 和 用于装框 至 0，然后按 好的.
      注意：NCC 是一种用于衡量X线片与数字重建影像（DRRs）之间相似性的函数，NCC 值越接近 0，表示匹配效果越好。然而，该数值的获取完全取决于图像滤波器和成像质量。NCC 值可在“终端窗口”中观察到。
    4. 匹配过程 - 第一次筛选第一帧自动优化后，打开 追踪对话，更换 从帧 至 0，并更改 构建框架 到最后一个帧编号（位于右下角）。该软件默认的匹配过程使用 当前帧 作为DRR配准过程的初始位置。优化过程在初始位置的3 mm和3°范围内采用粒子群优化（PSO）方法进行。
    5. 匹配过程 - 最终遍历 (图 4C）。由于自动匹配过程可能因初始化效果不佳或滤波器问题而失败，因此需手动检查所有帧，以确保优化已正确执行。如果数字重建影像（DRR）与X线片未能正确匹配，请重复第2.3.2和2.3.3节中描述的步骤。
      注意：首先使用包含第二和第三掌骨（MC2-MC3）的模型进行腕部追踪，以减少骨重叠的影响并提高匹配精度。在X线片中确定合并的DRR位置和旋转后，将匹配并优化后的MC2-MC3位置转换至MC3的局部图像体积中，并以此初始化MC3的起始位置。基于这些初始化位置对MC3进行追踪。类似地，在所有任务的视频X线图像中，桡骨、尺骨、桡骨部件和腕骨部件也均被追踪。

手骨X射线比较分析；示骨骼愈合阶段A、B、C的示意图。
图4．A）X射线源拍摄的放射影像与骨骼的数字重建放射影像（DRR）。B）增强（滤波）后的放射影像与DRR。C）优化过程后匹配的DRR。请点击此处查看该图的高清版本。

  1. 数据降维。根据帧率和X射线图像质量，可采用移动平均法（跨度为5帧）等滤波方法。具体操作为：从工具栏菜单中选择 Tracking-Advanced Dialog，然后点击 Smooth 按钮。本研究中所有图像采集均采用了该方法。
  2. 导出骨骼/植入物位置。在将每块骨骼与X射线图像匹配并对所有帧进行优化后，通过点击 Save Tracking 按钮并选择矩阵格式输出，导出数字重建射线照相（DRR）在X射线世界坐标系中的4×4变换矩阵。该变换矩阵定义了骨骼/植入物部分图像体积在标定后的X射线世界坐标系中的旋转和平移，可用于进一步处理和运动计算。为进行有意义的生物力学分析，必须将部分图像体积的坐标系转换至解剖学坐标系。

3. 数据分析

  1. 坐标系（图5）。为报告运动学数据，需根据骨骼和植入物组件的解剖学与几何学标志点建立相应的坐标系（CS）。坐标系建立完成后，使用迭代最近点算法将处于新坐标系中的模型与第2.1.4节中生成的表面模型进行配准。该一对一配准过程将计算出一个新的4×4变换矩阵，用于后续运动学计算。
    注意：本研究中，桡骨、尺骨、第三掌骨、腕骨组件、桡骨组件、聚乙烯帽、头状骨的坐标系构建方法均参考既往已发表的方法16,22,23。

假体腕关节组件示意图；桡骨、腕骨、掌骨及其XYZ轴、骨的方向。
图5．骨骼与植入物组件的坐标系。请点击此处查看该图的放大版本。

  1. 运动学。 在本研究中，将腕关节运动定义为第三掌骨（MC3）相对于桡骨的运动，运动学数据以中立位腕关节位置为参考进行报告。
    1. 对于下尺桡关节（DRUJ）分析，计算运动螺旋轴（HAM）参数28，以描述桡骨坐标系相对于尺骨坐标系的相对运动，参考位姿为中立位。
    2. 使用 HAM 分析确定腕关节在屈伸运动和桡偏-尺偏运动中的旋转中心（COR）。
    3. 为描述旋转中心的一维近-远端移动，将健康腕关节的投影旋转中心定义为头状骨长轴中心轴上距离旋转螺旋轴最短的点16。
    4. 在尺骨坐标系中，利用 HAM 螺旋轴分解 HAM 旋转，计算前臂的旋前（正值）和旋后（负值）。当中立位定义为旋前-旋后（PS）角度为零时。
    5. 最后，将尺骨变异（UV）定义为尺骨窝与桡骨乙状切迹之间的距离。
  2. 关节面接触模式
    1. 利用腕关节运动学数据和组件特异性的距离场29，计算聚乙烯帽与桡骨组件之间的接触模式。
    2. 将每个三维表面模型的距离场计算为从表面出发的体素化符号距离数组。
    3. 针对每种姿态，计算聚乙烯帽和桡骨组件表面的距离场邻近值。
    4. 为获得组件间的接触区域，将这些邻近值调整至采集系统的分辨率（本研究中距离排除阈值设为 0.70 mm）。
  3. 统计分析
    1. 采用 Bland-Altman 分析评估准确性，展示 BVR 与 OMC 之间的偏差（均值差异）及 95% 一致性极限（偏差 ± 1.96SD）14, 30。
    2. 使用广义线性模型（GLM）描述健康腕关节旋转中心的行为，并建立尺骨变异（UV）与旋前-旋后（PS）变化之间的关系（UV = p1×PS2 + p2×PS），其中 p1 和 p2 为通过线性回归优化得到的系数。采用均方根误差（RMSE）指标评估模型的准确性。

访问受限。请登录或开始试用以查看此内容。

结果

基于模型跟踪的 2D 到 3D 图像配准软件的选择，在一定程度上取决于是否可访问图形处理器单元（GPU）和高性能计算（HPC）系统。这些程序具有不同的处理流程，目前各程序之间尚无统一的方法。在本研究中，我们使用 Autoscoper，这是由布朗大学开发的一款开源 2D 到 3D 图像配准程序25。选择开源程序使得研究人员能够修改和自动化其处理流程。在该软件中，X 射线图像被称为“Rad Renderer”，数字重建射线图像被称为“DRR Renderer”。这些图像的特征通过四种类型的滤波器进行了增强，软件采用两种优化算法（粒子群优化和单纯形下降法）执行匹配过程。此外，该软件中预定义了两种相似性度量（代价函数）：归一化互相关（NCC）和绝对差之和（SAD）。

BVR 与 OMC 在腕关节、置换后的腕关节（TWA）以及下尺桡关节（DRUJ）14, 15 ...

访问受限。请登录或开始试用以查看此内容。

讨论

双平面视频放射照相术（BVR）是一种基于图像的方法，能够以亚毫米和亚度级精度测量腕关节和远端桡尺关节中骨骼与植入物的运动。在本研究所描述的实验中，BVR 被用于确定健康腕关节的投影中心（COR）的精确模式以及全腕关节置换术（TWA）的接触模式。这些发现可为下一代全腕关节假体的设计提供依据，并为计算模型的验证提供in vivo（体内）数据。通过 BVR 还观察到前臂旋前-旋后过程中尺骨变异度变化的非线性关系，这一结果可能对远端桡尺关节（DRUJ）疾病的治疗规划具有指导意义。由于 BVR 具备动态捕捉能力和高精度，可用于研究腕关节和 DRUJ 在多种运动状态下的病理机制，从而为诊断和治疗策略的制定提供支持。

为确保结果准确，在预处理和处理阶段均需对若干关键步骤给予充分关注。在整个实验过程中，研究人员必须仔细校准X射线源，因为最终输出结果依赖于校准矩阵。在实验前后多次重复校准X射线源，有助于确保校准的准确性。在处理过程中，所采用的优化方法与代价函数，以及对X光片和数字重建 radiograph（DRR）所使用的滤波器，均可能影响最终结果。因此，在单个项目中最好保持这些参...

访问受限。请登录或开始试用以查看此内容。

披露

我们声明不存在利益冲突。

致谢

作者感谢Josephine Kalshoven和Lauren Parola对实验方案的审阅。作者还感谢Erika Tavares和Rohit Badida在数据采集过程中提供的帮助，以及Kalpit Shah、Arnold-Peter Weiss和Scott Wolfe在数据分析与解释方面的支持。本研究得到了美国国立卫生研究院P30GM122732（COBRE生物工程核心）以及美国手外科基金会（AFSH）资助的支持。

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
三维表面扫描仪Artec 3DArtec Space SpiderTM卢森堡
Autoscoper布朗大学https://simtk.org/projects/autoscoperhttps://doi.org/10.1016/j.jbiomech.2019.05.040
CT扫描仪通用电气（GE）Lightspeed 16美国威斯康星州密尔沃基
Geomagic Wrap 3D3D Systems版本 2017美国南卡罗来纳州洛克希尔
图形处理器（GPU）NvidiaGeForce GTX 1080CUDA支持的GPU
高速摄像机Phantom版本 10美国新泽西州韦恩，Vision Research
图像增强器Dunlee直径40 cm美国伊利诺伊州奥罗拉
ImageJ开源软件（布朗大学）https://imagej.net/Fijihttps://doi.org/10.1038/nmeth.2019
MatlabMathWorks, Inc.R2017a 至 R2020a美国马萨诸塞州纳蒂克
MimicsMaterialise版本 19.0 至 22.0比利时鲁汶
运动捕捉相机QualisysOqus 5+ 瑞典哥德堡
脉冲X射线发生器EMD TechnologiesEPS 45–80加拿大魁北克省圣欧斯塔什
畸变校正网格McMaster-Carr9255T641钢制穿孔板交错孔，厚度0.048"，孔径0.125"，尺寸36" × 40"
腕关节植入物（体外研究）Integra LifeSciencesUniversal 2美国新泽西州普兰斯伯勒
腕关节植入物（体内研究）Integra LifeSciencesFreedom美国新泽西州普兰斯伯勒
WristViz开源软件（布朗大学）https://github.com/DavidLaidlaw/WristVisualizer/tree/master开源软件
X射线管Varian Medical Systems型号 G-1086美国加利福尼亚州帕洛阿尔托
XMALab开源软件（布朗大学）https://www.xromm.org/xmalab/https://doi.org/10.1242/jeb.145383

参考文献

  1. Leardini, A., Chiari, L., Croce, U. D., Cappozzo, A. Human movement analysis using stereophotogrammetry: Part 3. Soft tissue artifact assessment and compensation. Gait & Posture. 21 (2), 212-225 (2005).
  2. Miranda, D. L., Rainbow, M. J., Crisco, J. J., Fleming, B. C. Kinematic differences between optical motion capture and biplanar videoradiography during a jump-cut maneuver. Journal of biomechanics. 46 (3), 567-573 (2013).
  3. Tashman, S., Anderst, W. In vivo measurement of dynamic joint motion using high speed biplane radiography and CT: application to canine ACL deficiency. Journal of Biomechanical Engineering. 125 (2), 238-245 (2003).
  4. Moore, D. C., et al. Computed Tomography Image-Based Kinematic Analysis: An Overview. Handbook of Imaging in Biological Mechanics. , 115-126 (2014).
  5. Fedorov, A., et al. 3D Slicer as an Image Computing Platform for the Quantitative Imaging Network. Magnetic resonance imaging. 30 (9), 1323-1341 (2012).
  6. Choi, Y. S., et al. Four-dimensional real-time cine images of wrist joint kinematics using dual source CT with minimal time increment scanning. Yonsei medical journal. 54 (4), 1026-1032 (2013).
  7. Boutin, R. D., et al. Real-Time Magnetic Resonance Imaging (MRI) during Active Wrist Motion-Initial Observations. PLoS ONE. 8 (12), 84004(2013).
  8. Miranda, D. L., et al. Static and Dynamic Error of a Biplanar Videoradiography System Using Marker-Based and Markerless Tracking Techniques. Journal of Biomechanical Engineering. 133 (12), 121002-121008 (2011).
  9. Englander, Z. A., et al. In Vivo Anterior Cruciate Ligament Deformation During a Single-Legged Jump Measured by Magnetic Resonance Imaging and High-Speed Biplanar Radiography , In Vivo Anterior Cruciate Ligament Deformation During a Single-Legged Jump Measured by Magnetic Resonance Imaging and High-Speed Biplanar Radiography. The American Journal of Sports Medicine. 47 (13), 3166-3172 (2019).
  10. Englander, Z. A., Garrett, W. E., Spritzer, C. E., DeFrate, L. E. In vivo attachment site to attachment site length and strain of the ACL and its bundles during the full gait cycle measured by MRI and high-speed biplanar radiography. Journal of Biomechanics. 98, 109443(2020).
  11. Anderst, W. J., Les, C., Tashman, S. In vivo serial joint space measurements during dynamic loading in a canine model of osteoarthritis. Osteoarthritis and cartilage: Osteoarthritis Research Society. 13 (9), 808-816 (2005).
  12. Bey, M. J., Kline, S. K., Zauel, R., Kolowich, P. A., Lock, T. R. In Vivo Measurement of Glenohumeral Joint Contact Patterns. EURASIP journal on advances in signal processing. 2010, (2010).
  13. Anderst, W. J., Tashman, S. A method to estimate in vivo dynamic articular surface interaction. Journal of Biomechanics. 36 (9), 1291-1299 (2003).
  14. Akhbari, B., et al. Accuracy of biplane videoradiography for quantifying dynamic wrist kinematics. Journal of Biomechanics. 92, 120-125 (2019).
  15. Akhbari, B., et al. Kinematic Accuracy in Tracking Total Wrist Arthroplasty with Biplane Videoradiography using a CT-generated Model. Journal of Biomechanical Engineering. , (2019).
  16. Akhbari, B., et al. Proximal-distal shift of the center of rotation in a total wrist arthroplasty is more than twice of the healthy wrist. Journal of Orthopaedic Research: Official Publication of the Orthopaedic Research Society. 38 (7), 1575-1586 (2020).
  17. Wang, J., Blackburn, T. J. The AAPM/RSNA Physics Tutorial for Residents. RadioGraphics. 20 (5), 1471-1477 (2000).
  18. Knörlein, B. J., Baier, D. B., Gatesy, S. M., Laurence-Chasen, J. D., Brainerd, E. L. Validation of XMALab software for marker-based XROMM. The Journal of Experimental Biology. 219 (23), 3701-3711 (2016).
  19. Brainerd, E. L., et al. X-ray reconstruction of moving morphology (XROMM): precision, accuracy and applications in comparative biomechanics research. Journal of experimental zoology. Part A, Ecological genetics and physiology. 313 (5), 262-279 (2010).
  20. Knörlein, B. J. X-ray Camera Calibration. XROMM / XMALab / wiki. , Available from: https://bitbucket.org/xromm/xmalab/wiki/X-ray%20Camera%20Calibration (2020).
  21. Akhbari, B., et al. Biomechanics of the Distal Radioulnar Joint in In vivo Forearm Pronosupination. Journal of Wrist Surgery. , (2020).
  22. Akhbari, B., et al. Predicting carpal bone kinematics using an expanded digital database of wrist carpal bone anatomy and kinematics. Journal of Orthopaedic Research: Official Publication of the Orthopaedic Research Society. , (2019).
  23. Moore, D. C., et al. Three-dimensional in vivo kinematics of the distal radioulnar joint in malunited distal radius fractures. The Journal of Hand Surgery. 27 (2), 233-242 (2002).
  24. Knörlein, B. J. Correct for Fluoroscope Distortion (X-ray images). XROMM / XMALab / wiki. , Available from: https://bitbucket.org/xromm/xmalab/wiki/Correct%20for%20Fluoroscope%20Distortion%20(X-ray%20images) (2020).
  25. Akhbari, B., Knörlein, B., Loomis, A., Howison, M. Autoscoper. , Brown University. Providence, RI. Available from: https://simtk.org/projects/autoscoper (2019).
  26. Kennedy, J., Eberhart, R. Particle swarm optimization. , (1995).
  27. Nelder, J. A., Mead, R. A Simplex Method for Function Minimization. The Computer Journal. 7, 308(1965).
  28. Panjabi, M. A Mathematical Approach for three-dimensional analysis of the mechanics of the spine. J Biomechanics. 4, 203-211 (1971).
  29. Marai, G. E., et al. Estimating joint contact areas and ligament lengths from bone kinematics and surfaces. IEEE transactions on bio-medical engineering. 51 (5), 790-799 (2004).
  30. Bland, J. M., Altman, D. G. Measuring agreement in method comparison studies. Statistical methods in medical research. 8 (2), 135-160 (1999).
  31. SimTk Autoscoper Downloads Summary. Autoscoper (Bone/Implant Tracking Software). , Available from: SimTk Autoscoper Downloads Summary (2020).
  32. Camera calibration With OpenCV. , Available from: https://docs.opencv.org/master/index.html (2020).
  33. Anderst, W. J., Lee, J. Y., Kang, J. D. In Vivo Cervical Facet Joint Capsule Deformation During Flexion-Extension. Spine. 39 (8), 514-520 (2014).
  34. Anderst, W. J., Vaidya, R., Tashman, S. A technique to measure three-dimensional in vivo rotation of fused and adjacent lumbar vertebrae. The Spine Journal. 8 (6), 991-997 (2008).
  35. Mozingo, J. D., et al. Validation of imaging-based quantification of glenohumeral joint kinematics using an unmodified clinical biplane fluoroscopy system. Journal of Biomechanics. 71, 306-312 (2018).
  36. Akbari-Shandiz, M., et al. MRI vs CT-based 2D-3D auto-registration accuracy for quantifying shoulder motion using biplane video-radiography. Journal of Biomechanics. 82, 375-380 (2019).
  37. Bey, M. J., et al. In vivo shoulder function after surgical repair of a torn rotator cuff: glenohumeral joint mechanics, shoulder strength, clinical outcomes, and their interaction. The American journal of sports medicine. 39 (10), 2117-2129 (2011).
  38. Bey, M. J., Kline, S. K., Zauel, R., Kolowich, P. A., Lock, T. R. In Vivo Measurement of Glenohumeral Joint Contact Patterns. EURASIP journal on advances in signal processing. 2010, (2010).
  39. Bey, M. J., Zauel, R., Brock, S. K., Tashman, S. Validation of a New Model-Based Tracking Technique for Measuring Three-Dimensional, In Vivo Glenohumeral Joint Kinematics. Journal of biomechanical engineering. 128 (4), 604-609 (2006).
  40. Fu, E., et al. Elbow Position Affects Distal Radioulnar Joint Kinematics. The Journal of Hand Surgery. 34 (7), 1261-1268 (2009).
  41. Martin, D. E., et al. Model-Based Tracking of the Hip: Implications for Novel Analyses of Hip Pathology. The Journal of Arthroplasty. 26 (1), 88-97 (2011).
  42. Miranda, D. L., et al. Static and Dynamic Error of a Biplanar Videoradiography System Using Marker-Based and Markerless Tracking Techniques. Journal of Biomechanical Engineering. 133 (12), 121002-121008 (2011).
  43. Stentz-Olesen, K., et al. Validation of static and dynamic radiostereometric analysis of the knee joint using bone models from CT data. Bone & Joint Research. 6 (6), 376-384 (2017).
  44. Anderst, W., Zauel, R., Bishop, J., Demps, E., Tashman, S. Validation of Three-Dimensional Model-Based Tibio-Femoral Tracking During Running. Medical engineering & physics. 31 (1), 10-16 (2009).
  45. Kessler, S. E., et al. A Direct Comparison of Biplanar Videoradiography and Optical Motion Capture for Foot and Ankle Kinematics. Frontiers in Bioengineering and Biotechnology. 7, 199(2019).
  46. Maharaj, J. N., et al. The Reliability of Foot and Ankle Bone and Joint Kinematics Measured With Biplanar Videoradiography and Manual Scientific Rotoscoping. Frontiers in Bioengineering and Biotechnology. 8, 106(2020).
  47. Ito, K., et al. Direct assessment of 3D foot bone kinematics using biplanar X-ray fluoroscopy and an automatic model registration method. Journal of Foot and Ankle Research. 8, 21(2015).
  48. Wang, B., et al. Accuracy and feasibility of high-speed dual fluoroscopy and model-based tracking to measure in vivo ankle arthrokinematics. Gait & Posture. 41 (4), 888-893 (2015).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

骨骼运动学腕关节下尺桡关节三维骨运动追踪关节生物力学光学运动捕捉X射线成像基于模型的追踪旋前-旋后

本文已发表

视频即将推出

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。