Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Vierdimensionale CT-Analyse mit sequenzieller 3D-3D-Registrierung

7.7K Aufrufe

⸱

DOI:

10.3791/59857

⸱

23. November 2019

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Orthopedic Surgery, Keio University School of Medicine, 2Department of Orthopedic Surgery, Saiseikai Utsunomiya Hospital, 3Department of Radiology, Keio University School of Medicine

In diesem Artikel

Zusammenfassung

Wir analysierten die Gelenkkinematik aus vierdimensionalen Computertomographiedaten. Die sequenzielle 3D-3D-Registrierungsmethode liefert halbautomatisch die Kinematik des sich bewegenden Knochens in Bezug auf den Subjektknochen aus vierdimensionalen Computertomographiedaten.

Zusammenfassung

Die vierdimensionale Computertomographie (4DCT) liefert eine Reihe von Volumendaten und visualisiert Gelenkbewegungen. Die numerische Analyse von 4DCT-Daten bleibt jedoch schwierig, da die Segmentierung in allen volumetrischen Frames zeitaufwändig ist. Wir wollten die Gelenkkinematik mit einer sequenziellen 3D-3D-Registrierungstechnik analysieren, um die Kinematik des beweglichen Knochens in Bezug auf den festen Knochen halbautomatisch mit 4DCT DICOM-Daten und vorhandener Software bereitzustellen. Die Oberflächendaten der Quellknochen werden aus 3DCT rekonstruiert. Die getrimmten Oberflächendaten werden jeweils mit Oberflächendaten aus dem ersten Frame in 4DCT abgeglichen. Diese getrimmten Flächen werden sequenziell bis zum letzten Frame abgeglichen. Diese Prozesse liefern Positionsinformationen für Zielknochen in allen Frames des 4DCT. Sobald die Koordinatensysteme der Zielknochen festgelegt sind, können Übersetzungs- und Drehwinkel zwischen zwei beliebigen Knochen berechnet werden. Diese 4DCT-Analyse bietet Vorteile bei kinematischen Analysen komplexer Strukturen wie Karpal- oder Tarsalknochen. Schnelle oder großangelegte Bewegungen können jedoch aufgrund von Bewegungsartefakten nicht nachverfolgt werden.

Einleitung

Die Gelenkkinematik wurde mit einer Reihe von Methoden beschrieben, wie z. B. Bewegungserfassungssensoren, 2D-3D-Registrierung und kadaverische Studien. Jede Methode hat spezifische Vor- und Nachteile. Beispielsweise können Bewegungserfassungssensoren schnelle, großflächige Bewegungen mit Infrarotkameras mit oder ohne Sensoren zum Thema1,2messen. Diese Methoden messen jedoch die Hautbewegung, um Gelenkkinematik abzuleiten, und enthalten daher Hautbewegungsfehler3.

Kadaverische Studien wurden verwendet, um Bewegungsbereiche, Instabilität und Kontaktbereiche4,5,6zu bewerten. Dieser Ansatz kann kleine Veränderungen in kleinen Gelenken mit CT oder optischen Sensoren messen, die direkt am Knochen befestigt sind, indem Sie Stifte oder Schrauben verwenden. Kadaverische Modelle können hauptsächlich passive Bewegungen auswerten, obwohl mehrere Aktoren verwendet wurden, um externe Kräfte auf Sehnen anzuwenden, um dynamische Bewegung zu simulieren7. Aktive Gelenkbewegung kann mit 2D-3D-Registrierungstechniken gemessen werden, die 3DCT-Bilder mit 2D-Fluoroskopiebildern abgleichen. Obwohl die Genauigkeit des Registrierungsprozesses umstritten bleibt, ist die gemeldete Genauigkeit im Allgemeinen hoch genug für große Gelenkkinematik8,9. Diese Methode kann jedoch nicht auf kleine Knochen oder mehrere Knochen in engen Räumen angewendet werden.

Im Gegensatz dazu ist 4DCT eine dynamische CT-Methode, die eine Reihe volumetrischer Daten erhält. Aktive Gelenkbewegungen können mit diesem Ansatz analysiert werden10. Diese Technologie liefert präzise 3D-Positionsdaten aller Substanzen im CT-Portal. Die 3D-Gelenkbewegungen werden im Betrachter klar visualisiert. Die Beschreibung der Gelenkkinematik aus einer solchen Reihe von Volumendaten ist jedoch immer noch schwierig, da sich alle Knochen bewegen und während der aktiven Bewegungen in vivo keine Landmarken zurückverfolgt werden können.

Wir haben eine Methode zur 4DCT-Analyse entwickelt, die die In-vivo-Gelenkkinematik der gesamten Knochen um das Gelenk während aktiver Bewegungen liefert. Das Ziel dieses Artikels ist es, unsere Methode, die sequenzielle 3D-3D-Registrierungstechnik für die 4DCT-Analyse, vorzustellen und repräsentative Ergebnisse zu zeigen, die mit dieser Methode erzielt wurden.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Alle hier beschriebenen Methoden wurden vom Institutional Review Board der Keio University School of Medicine genehmigt.

HINWEIS: Gelenkkinematik wird gemessen, indem die Bewegung eines sich bewegenden Knochens um einen festen Knochen rekonstruiert wird. Bei der Kniegelenkkinematik ist der Oberschenkelknochen definiert als der feste Knochen und die Tibia als der bewegliche Knochen.

1. CT-Bildgebungsprotokoll

  1. Richten Sie die CT-Maschine ein. Erwerben Sie CT-Untersuchungen mit einem 320-Detektor-Reihen-CT-System, um mehrere Phasen von 3D-Volumendaten mit 160 mm Craniokaaudalabdeckung zu ermöglichen. Bei der Analyse der Kniekinematik besteht die Bildaufnahme beispielsweise aus 51 Volumenscans mit einer Rotationszeit von 0,275 s, und alle Bilder werden mit halber Rekonstruktion rekonstruiert, so dass die zeitliche Auflösung etwa 0,16 s beträgt.
  2. Verwenden Sie die folgenden Scanparameter: Spitzenrohrspannung = 100 kVp; Rohrstrom = 40 mA; Scanabdeckung = 160 mm; Matrixgröße= 512 x 512 Pixel; und Rekonstruktionsabschnitt dicke und Abschnitt Intervall = 0,5 mm.
  3. Platzieren Sie das Zielgelenk des Fachstücks im CT-Portal in der Ausgangsposition der 4DCT-Prüfung (Abbildung 1).
  4. Proben Sie vor der CT-Prüfung die Bewegungen des Gelenks von der Startposition bis zur Endposition innerhalb der erforderlichen Prüfungszeit. Bitten Sie den Betroffenen, das Gelenk während der Scanzeit von 10.275 zu bewegen und eine Reihe von Volumendaten zu erhalten. Speichern Sie die sequenziellen Volumedaten im DICOM-Format.
  5. Führen Sie statisches 3DCT aller Zielknochen aus, und speichern Sie die Daten im DICOM-Format.

2. Oberflächenrekonstruktion

  1. Halbautomatische Segmentierung von 3DCT-Daten durchführen (Abbildung 2A).
    1. Laden Sie CT DICOM-Daten, indem Sie alle DICOM-Dateien der statischen 3DCT-Daten auswählen.
    2. Öffnen Sie das Beschriftungsfeld, indem Sie auf Neues Beschriftungsfeld bearbeiten klicken, und überprüfen Sie, welcher Schwellenwert für die CT-Dämpfungswert geeignet ist, um kortikale Knochen aus dem Quellknochen zu extrahieren. Wählen Sie Materialien mit CT-Dämpfungswerten über dem Schwellenwert aus. Beispielsweise wird der Schwellenwert für den Knochenkortex für ein junges Motiv auf 250festgelegt. Überprüfen Sie die Beschriftung auf Die Knochenkortexauswahl, und ändern Sie die Abgrenzung manuell mithilfe eines Bearbeitungswerkzeugs, um die Konsistenz mit der Form des Knochens zu erhalten.
    3. Generieren Sie die Oberflächendaten (Dreiecksnetze) aus den beschrifteten Knochenkortexpositionsdaten (Punktwolke in der Software). Speichern Sie die Oberflächendaten, indem Sie Daten im Standard-STL-Format (Standard Triangulated Language) exportieren.
    4. Klicken Sie auf Oberfläche generieren| Auf das Etikett des kortikalen Knochens auftragen. Klicken Sie auf Datei| Exportdaten as| STL Binary Little Endian, um die Oberflächendaten im STL-Format zu speichern.
  2. Automatische Segmentierung von 4DCT-Volumendaten durchführen (Abbildung 2B).
    HINWEIS: Jeder Frame der DICOM-Daten enthält die Verteilung der CT-Dämpfungswerte im CT-Portal.
    1. Legen Sie den Schwellenwert des Knochenkortex wie in der statischen CT fest, und extrahieren Sie geometrische Daten, die CT-Dämpfungswerte über dem Schwellenwert zeigen, aus allen 51 Frames der 4DCT-Daten mithilfe des DICOM-Lesemoduls in der Programmiersoftware. Passen Sie den Schwellenwert an die Knochendichte des Quellknochens an. Legen Sie beispielsweise für den osteoporotischen Knochen den Schwellenwert niedriger fest.
    2. Übersetzen Sie alle Positionsdaten, die bereits im vorherigen Schritt erhalten wurden, in ein Format, das von Bildverarbeitungssoftware (z.B. Avizo) interpretiert werden kann. Rekonstruieren Sie in der Bildverarbeitungssoftware alle Oberflächendaten der Punktwolke mit höheren CT-Dämpfungswerten als der Schwellenwert für alle 4DCT-Frames mithilfe eines Batchverarbeitungsskripts. Die Bildverarbeitungssoftware enthält die Funktion, das Skript zu lesen und die Oberflächendaten aus den Daten der DICOM-Serie automatisch zu exportieren. Das Batchskript wird in der Supplemental Coding Fileangezeigt.

3. Bildregistrierung

HINWEIS: Rekonstruieren Sie in diesem Schritt die Bewegungen des beweglichen Knochens in Bezug auf den festen Knochen aus den rohen 4DCT DICOM-Daten.

  1. Führen Sie die Oberflächenregistrierung vom statischen 3DCT bis zum ersten Frame des 4DCT durch.
    1. Trimmen Sie die Bones in einem statischen 3DCT in Teilsegmentdaten, die in allen Frames von 4DCT enthalten sind, für die Verwendung mit dem iterativen Nächstgelegenen Punkt (ICP) Algorithmus11 in der 3D-Netzbearbeitungssoftware unter Verwendung der Funktion "Gesicht auswählen" (Abbildung 3A), indem Sie 4DCT-Filmdaten verweisen. Die Oberflächendaten von 4DCT sind nur Teilsegmente, die in jedem Volumenbild enthalten sind, da die Oberflächenregistrierung erfordert, dass ein Oberflächendatenpunkt in einer anderen Oberfläche enthalten ist.
    2. Wählen Sie drei Markierungen in den festen und sich bewegenden Knochen, die leicht von der getrimmten 3DCT-Oberfläche und den Oberflächendaten des ersten Frames von 4DCT in der 3D-Netzbearbeitungssoftware mit der PickPoints-Funktion identifiziert werden können (Abbildung 3B).
    3. Passen Sie die teilweise fixierten und sich bewegenden Knochen ungefähr auf dem ersten Frame der 4DCT-Oberflächendaten (Abbildung 3C) entsprechend den ausgewählten Landmarken in 3.1.2 an. Führen Sie als Nächstes die Oberflächenregistrierung mit dem ICP-Algorithmus11 mithilfe der Open-Source-Software (z. B. VTK) durch.
      HINWEIS: Dieser Prozess bietet homogene Transformationsmatrizen der festen und beweglichen Knochen vom statischen 3DCT zum ersten Frame von 4DCT (Abbildung 3D). Diese Matrizen sind 4 x 4 Matrizen, die aus Rotation und Übersetzung bestehen, wie in Abbildung 4dargestellt. Die Transformationsmatrix, die die umgekehrte Aktion verursacht, kann ebenfalls berechnet werden.
  2. Führen Sie eine sequenzielle Oberflächenregistrierung durch (Abbildung 5).
    1. Passen Sie die Teilflächen des festen und sich bewegenden Bones im ersten 4DCT-Frame an die Oberflächendaten des zweiten Frames an. Passen Sie als Nächstes die Teilflächen des ith Frames auf den (i + 1)th Frame von 4DCT nacheinander an. Wiederholen Sie diesen Vorgang bis zum letzten Frame des 4DCT, indem Sie mit dem ICP-Modul in der Open-Source-Software programmieren.
  3. Berechnen Sie Transformationsmatrizen vom statischen 3DCT zu allen Frames in 4DCT gemäß den Ergebnissen von 3.1 und 3.2.
  4. Rekonstruieren Sie bewegliche Knochenbewegung in Bezug auf den fixierten Knochen (Abbildung 6).
    1. Rekonstruieren Sie die Kinematik des sich bewegenden Knochens in Bezug auf den fixierten Knochen aus den Matrizen, die die Transformation vom statischen 3DCT zu jedem 4DCT-Frame darstellen. Definieren Sie die Koordinatensysteme der festen und sich bewegenden Knochen, wenn die Rotationsparameter gemessen werden (z. B. Flexionswinkel oder Drehwinkel berechnet durch den Euler/Cardan-Winkel)12,13,14.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Wir beschreiben die Bewegung der Tibia während der Knieverlängerung. Das Kniegelenk wurde im CT-Portal positioniert. Ein Dreieckskissen wurde verwendet, um den Oberschenkelknochen an der Startposition zu stützen. Das Knie wurde im Laufe von 10 s auf eine gerade Position verlängert. Zusätzlich zu 4DCT wurde statisches 3DCT des gesamten Oberschenkelknochens, der Tibia und der Patella durchgeführt. Die Oberflächendaten des gesamten Oberschenkelknochens und der Tibia wurden rekonstruiert. Der...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Unsere Methode ermöglicht die Visualisierung und Quantifizierung der Bewegungen ganzer Knochen und liefert numerische Positionsdaten des sich bewegenden Knochens in Bezug auf den festen Knochen aus 4DCT-Daten. Es wurden viele Werkzeuge zur Messung der Gelenkkinematik vorgeschlagen. Bewegungshautmarker können gesamtkörperbewegte Bewegungen über einen langen Zeit analysieren. Diese Methode enthält jedoch Hautbewegungsfehler3. Die Gelenkkinematik sollte aus der Bewegung benachbarter Knochen geschätzt...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren haben keine konkurrierenden finanziellen Interessen.

Danksagungen

Diese Studie wurde vom Institutional Review Board unserer Institution genehmigt (Zulassungsnummer: 20150128).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
4DCT-ScannerCanon Medical Systems (Tochigi, Japan)N/A4DCT-Scan, Statischer 3DCT-Scan
AVIZO(9.3.0)*Thermo Fisher Scientific (OR, USA)Bildverarbeitungssoftware.
Oberflächenrekonstruktion aus CT-DICOM-Daten und Punktwolkendaten.
* Ryan, T. M. & Walker, A. Trabekuläre Knochenstruktur in den Humerus- und Femurköpfen anthropoider Primaten. Anat Rec (Hoboken). 293 (4), 719-729, doi:10.1002/ar.21139, (2010).
Meshlab**ISTI (Pisa, Italien)N/AOberflächentrimmen und Landmark Picking
** MeshLab: ein Open-Source-Tool zur Verarbeitung von Netzen. Sechste Eurographics Italian Chapter Conference, Seite 129-136, 2008.
P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia
VTK(6.3.0)***Kitware (New York, USA)N/AIterativer Algorithmus für engste Punkte. Wird in der Python-Sprachprogrammierung verwendet.
*** https://vtk.org
Python(3.6.1)Python Software FoundationN/ADICOM-Dateiverarbeitung, um die Punktwolke aus der Knochenrinde zu extrahieren ('dicom.py'-Modul).
Berechnung der Rotationsmatrizen. (Numpy-Modul)
Sequentielle Bildregestration mit dem ICP-Algorithmus

Referenzen

  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).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

Gelenkkinematische AnalyseOberflächenregistrierungstechnikIterative-Closest-Point-AlgorithmusKnochenoberflächenrekonstruktion4DCT-DICOM-DatenTranslations- und RotationsberechnungKarpal-Tarsal-AnalyseBegrenzung von Bewegungsartefakten
Vierdimensionale CT-Analyse mit sequenzieller 3D-3D-Registrierung
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.