Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Análisis de TC de cuatro dimensiones mediante el registro secuencial 3D-3D

7.7K visualizaciones

⸱

DOI:

10.3791/59857

⸱

23 de noviembre de 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

En este artículo

Resumen

Analizamos la cinemática articular a partir de datos de tomografía computarizada en cuatro dimensiones. El método de registro 3D-3D secuencial proporciona semiautomáticamente la cinemática del hueso en movimiento con respecto al hueso sujeto a partir de datos de tomografía computarizada en cuatro dimensiones.

Resumen

La tomografía computarizada en cuatro dimensiones (4DCT) proporciona una serie de datos de volumen y visualiza movimientos articulares. Sin embargo, el análisis numérico de los datos 4DCT sigue siendo difícil porque la segmentación en todos los fotogramas volumétricos requiere mucho tiempo. Nuestro objetivo era analizar la cinemática articular utilizando una técnica secuencial de registro 3D-3D para proporcionar la cinemática del hueso móvil con respecto al hueso fijo de forma semiautomática utilizando datos DICOM 4DCT y software existente. Los datos de superficie de los huesos de origen se reconstruyen a partir de 3DCT. Los datos de superficie recortada se comparan respectivamente con los datos de superficie del primer fotograma de 4DCT. Estas superficies recortadas se emparejan secuencialmente hasta el último fotograma. Estos procesos proporcionan información posicional para los huesos de destino en todos los fotogramas del 4DCT. Una vez que se deciden los sistemas de coordenadas de los huesos de destino, se pueden calcular los ángulos de traslación y rotación entre dos huesos cualquiera. Este análisis 4DCT ofrece ventajas en análisis cinemáticos de estructuras complejas como huesos carpianos o tarsal. Sin embargo, los movimientos rápidos o a gran escala no se pueden rastrear debido a artefactos de movimiento.

Introducción

La cinemática conjunta se ha descrito utilizando una serie de metodologías, como sensores de captura de movimiento, registro 2D-3D y estudios cadavéricos. Cada método tiene ventajas y desventajas específicas. Por ejemplo, los sensores de captura de movimiento pueden medir movimientos rápidos a gran escala utilizando cámaras infrarrojas con o sin sensores en el sujeto1,2. Sin embargo, estos métodos miden el movimiento de la piel para inferir la cinemática articular y, por lo tanto, contienen errores de movimiento de la piel3.

Se han utilizado estudios cadavéricos para evaluar rangos de movimiento, inestabilidad y áreas de contacto4,5,6. Este enfoque puede medir pequeños cambios en las articulaciones pequeñas utilizando TC o sensores ópticos conectados directamente al hueso mediante pasadores o tornillos. Los modelos cadavéricos pueden evaluar principalmente los movimientos pasivos, aunque se han utilizado varios actuadores para aplicar fuerzas externas a los tendones para simular el movimiento dinámico7. El movimiento de las articulaciones activas se puede medir mediante técnicas de registro 2D-3D, que coinciden con las imágenes 3DCT con las imágenes de fluoroscopia 2D. Aunque la exactitud del proceso de registro sigue siendo controvertida, la precisión reportada es generalmente lo suficientemente alta para la cinemática conjunta grande8,9. Sin embargo, este método no se puede aplicar a huesos pequeños o huesos múltiples en espacios estrechos.

Por el contrario, 4DCT es un método de TC dinámico que obtiene una serie de datos volumétricos. Los movimientos de las articulaciones activas se pueden analizar utilizando este enfoque10. Esta tecnología proporciona datos posicionales 3D precisos de todas las sustancias dentro del pórtico CT. Los movimientos de las articulaciones 3D se visualizan claramente en un visor. Sin embargo, describir la cinemática articular a partir de una serie de datos de volumen de este tipo sigue siendo difícil, ya que todos los huesos se están moviendo y no se pueden rastrear puntos de referencia durante los movimientos activos in vivo.

Desarrollamos un método para el análisis 4DCT que proporciona la cinemática articular in vivo de los huesos enteros alrededor de la articulación durante los movimientos activos. El objetivo de este artículo es presentar nuestro método, la técnica de registro secuencial 3D-3D para el análisis 4DCT, y mostrar resultados representativos obtenidos utilizando este método.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Todos los métodos descritos aquí han sido aprobados por la Junta de Revisión Institucional de la Escuela de Medicina de la Universidad de Keio.

NOTA: La cinemática articular se mide reconstruyendo el movimiento de un hueso en movimiento alrededor de un hueso fijo. Para la cinemática de la articulación de la rodilla, el fémur se define como el hueso fijo y la tibia se define como el hueso en movimiento.

1. Protocolo de imágenes por TC

  1. Configure la máquina de tomografía computarizada. Adquiera exámenes de TC con un sistema de TC de 320 hileras de detectores para permitir múltiples fases de datos de volumen 3D con cobertura craneocaudal de 160 mm. Por ejemplo, en el análisis de la cinemática de rodilla, la adquisición de la imagen consta de 51 escaneos de volumen con un tiempo de rotación de 0.275 s, y todas las imágenes se reconstruyen mediante la mitad de la reconstrucción, de modo que la resolución temporal es de aproximadamente 0,16 s.
  2. Utilice los siguientes parámetros de escaneado: tensión de tubo pico a 100 kVp; Corriente del tubo a 40 mA; cobertura de escaneo de 160 mm; tamaño de la matriz 512 x 512 píxeles; y el espesor de la sección de reconstrucción y el intervalo de sección de 0,5 mm.
  3. Coloque la articulación diana del sujeto dentro del pórtico CT en la posición inicial del examen 4DCT(Figura 1).
  4. Antes del examen por TC, ensaye los movimientos de la articulación desde la posición inicial hasta la posición final dentro del tiempo de examen requerido. Pida al sujeto que mueva la articulación durante el tiempo de escaneo 10.275 y obtenga una serie de datos de volumen. Almacene los datos de volumen secuenciales en formato DICOM.
  5. Realice 3DCT estático de todos los huesos de destino y almacene los datos en formato DICOM.

2. Reconstrucción de superficie

  1. Realizar la segmentación semiautomática de datos 3DCT(Figura 2A).
    1. Cargue los datos DICOM de CT seleccionando todos los archivos DICOM de los datos 3DCT estáticos.
    2. Abra el campo de etiqueta haciendo clic en Editar nuevo campo de etiqueta y compruebe qué valor de atenuación ct de umbral es adecuado para extraer hueso cortical del hueso de origen. Seleccione materiales con valores de atenuación CT por encima del umbral. Por ejemplo, el umbral de la corteza ósea para un sujeto joven se establece como 250. Compruebe la etiqueta para la selección de corteza ósea y modifique manualmente la demarcación utilizando una herramienta de edición para comprobar la coherencia con la forma del hueso.
    3. Genere los datos de superficie (mallas triangulares) a partir de los datos de posición de la corteza ósea etiquetada (nube de puntos en el software). Almacene los datos de superficie exportando datos en formato de lenguaje triangulado estándar (STL).
    4. Haga clic en Generar superficie Aplicar sobre la etiqueta del hueso cortical. Haga clic en Archivo (File) Exportar datos como STL Binary Little Endian para guardar los datos de superficie en formato STL.
  2. Realizar la segmentación automática de datos de volumen 4DCT(Figura 2B).
    NOTA: Cada fotograma de los datos DICOM incluye la distribución de los valores de atenuación de TC en el pórtico CT.
    1. Establezca el umbral de la corteza ósea como en la TC estática y extraiga los datos geométricos que muestran los valores de atenuación de TC por encima del umbral de los 51 fotogramas de los datos 4DCT utilizando el módulo de lectura DICOM en el software de programación. Ajuste el umbral de acuerdo con la densidad ósea del hueso de origen. Por ejemplo, para el hueso osteoporótico, establezca el umbral más bajo.
    2. Traducir todos los datos posicionales que ya se han obtenido en el paso anterior a un formato que puede ser interpretado por el software de procesamiento de imágenes (por ejemplo, Avizo). En el software de procesamiento de imágenes, reconstruya todos los datos de superficie de la nube de puntos con valores de atenuación CT más altos que el umbral para todos los fotogramas 4DCT mediante un script de procesamiento por lotes. El software de procesamiento de imágenes contiene la función para leer el script y exportar los datos de superficie de los datos de la serie DICOM automáticamente. El script por lotes se muestra en archivo de codificación suplementario.

3. Registro de imágenes

NOTA: En este paso, reconstruya los movimientos del hueso móvil con respecto al hueso fijo de los datos DICOM 4DCT crudos.

  1. Realice el registro de superficie desde 3DCT estático hasta el primer fotograma del 4DCT.
    1. Recortar los huesos en un 3DCT estático en datos de segmento parcial que se incluyen en todos los fotogramas de 4DCT para su uso con el algoritmo iterativo de punto más cercano (ICP)11 en el software de edición de malla 3D mediante la función Selección de cara (Figura 3A) mediante la referencia de datos de película 4DCT. Los datos de superficie de 4DCT son solo segmentos parciales que se incluyen en cada imagen de volumen porque el registro de superficie requiere que se incluya un punto de datos de superficie en otra superficie.
    2. Elija tres puntos de referencia en los huesos fijos y móviles que se pueden identificar fácilmente desde la superficie 3DCT recortada y los datos de superficie del primer fotograma de 4DCT en el software de edición de malla 3D mediante la función PickPoints (Figura 3B).
    3. Coincide con los huesos fijos y móviles parciales aproximadamente en el primer fotograma de los datos de superficie 4DCT(Figura 3C) de acuerdo con los puntos de referencia seleccionados en 3.1.2. A continuación, realice el registro de superficie utilizando el algoritmo ICP11 utilizando el software de código abierto (por ejemplo, VTK).
      NOTA: Este proceso proporciona matrices de transformación homogéneas de los huesos fijos y móviles desde el 3DCT estático hasta el primer fotograma de 4DCT(Figura 3D). Estas matrices son 4 x 4 matrices que consisten en rotación y traducción, como se muestra en la Figura 4. También se puede calcular la matriz de transformación que provoca la acción inversa.
  2. Realizar el registro secuencial de superficies(Figura 5).
    1. Haga coincidir las superficies parciales del hueso fijo y móvil en el primer marco 4DCT en los datos de superficie del segundo fotograma. A continuación, haga coincidir las superficies parciales del fotograma ien elfotograma (i + 1) de 4DCT secuencialmente. Repita este proceso hasta la última trama del 4DCT mediante la programación con el uso del módulo ICP en el software de código abierto.
  3. Calcule las matrices de transformación del 3DCT estático a todos los fotogramas en 4DCT según los resultados de 3.1 y 3.2.
  4. Reconstruir el movimiento óseo en movimiento con respecto al hueso fijo(Figura 6).
    1. Reconstruya la cinemática del hueso móvil con respecto al hueso fijo de las matrices que representan la transformación del 3DCT estático a cada trama 4DCT. Definir los sistemas de coordenadas de los huesos fijos y móviles cuando se midan los parámetros de rotación (por ejemplo, ángulo de flexión o ángulo de rotación calculado por el ángulo Euler/Cardan)12,13,14.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Describimos el movimiento de la tibia durante la extensión de la rodilla. La articulación de la rodilla se colocó en el pórtico de TC. Se utilizó una almohada triangular para apoyar el fémur en la posición inicial. La rodilla se extendió a una posición recta en el transcurso de 10 s. Se midió la exposición a la radiación. Además del 4DCT, se realizó el 3DCT estático de todo el fémur, la tibia y la rótula. Los datos superficiales de todo el fémur y la tibia fueron reconstruidos. El umbral ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Nuestro método permite la visualización y cuantificación de los movimientos de huesos enteros y proporciona datos posicionales numéricos del hueso en movimiento con respecto al hueso fijo a partir de datos 4DCT. Se han sugerido muchas herramientas para medir la cinemática articular. Los marcadores de piel de movimiento pueden analizar los movimientos totales del cuerpo durante mucho tiempo. Sin embargo, este método contiene errores de movimiento de la piel3. La cinemática articular debe estimarse ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen intereses financieros en competencia.

Agradecimientos

Este estudio fue aprobado por la Junta de Revisión Institucional de nuestra institución (número de aprobación: 20150128).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Escáner 4DCTCanon medical systems (Tochigi, Japón)N/A Escaneo4DCT, Escaneo 3DCT estático
AVIZO(9.3.0)*Thermo Fisher Scientific (OR, EE. UU.)Software de procesamiento de imágenes.
Reconstrucción de superficies a partir de datos CT DICOM y datos de nubes de puntos.
* Ryan, T. M. & Walker, A. Estructura ósea trabecular en las cabezas humeral y femoral de primates antropoides. Anat Rec (Hoboken). 293 (4), 719-729, doi:10.1002/ar.21139, (2010).
Meshlab**ISTI (Pisa, Italia)N/ARecorte de superficies y selección de puntos de referencia
** MeshLab: una herramienta de procesamiento de malla de código abierto. Sexta Conferencia del Capítulo Italiano de Eurographics, páginas 129-136, 2008.
P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia
VTK(6.3.0)***Kitware (Nueva York, EE.UU.)N/AAlgoritmo iterativo de puntos más cercanos. Utilizado en la programación del lenguaje python.
*** https://vtk.org
Python(3.6.1)Python Software FoundationN/AProcesamiento de archivos DICOM para extraer la nube de puntos de la corteza ósea (módulo 'dicom.py').
Cálculo de las matrices de rotación. (Módulo Numpy)
Reglamentación secuencial de imágenes mediante el algoritmo ICP

Referencias

  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).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

Análisis de cinemática articulartécnica de registro de superficiesalgoritmo de punto más cercano iterativoreconstrucción de la superficie óseadatos DICOM de 4DCTcálculo de traslación y rotaciónanálisis carpiano y tarsianolimitación de artefactos de movimiento
Análisis de TC de cuatro dimensiones mediante el registro secuencial 3D-3D
Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.