Summary
우리는 4차원 컴퓨터 단층 촬영 데이터에서 관절 운동학을 분석했습니다. 순차적 3D-3D 등록 방법은 4차원 컴퓨터 단층 촬영 데이터로부터 피사체 뼈에 대하여 움직이는 뼈의 운동학을 반자동으로 제공한다.
Abstract
4차원 컴퓨터 단층 촬영(4DCT)은 일련의 볼륨 데이터를 제공하고 관절 움직임을 시각화합니다. 그러나 모든 체적 프레임의 세분화는 시간이 많이 걸리기 때문에 4DCT 데이터의 수치 분석은 여전히 어렵습니다. 우리는 순차적 3D-3D 등록 기술을 사용하여 관절 운동학을 분석하여 4DCT DICOM 데이터와 기존 소프트웨어를 사용하여 고정 된 뼈에 대하여 움직이는 뼈의 운동학을 반자동으로 제공하는 것을 목표로했습니다. 원본 골격의 표면 데이터는 3DCT에서 재구성됩니다. 트리밍된 표면 데이터는 각각 4DCT의 첫 번째 프레임의 표면 데이터와 일치합니다. 이러한 잘린 서피스는 마지막 프레임까지 순차적으로 일치합니다. 이러한 프로세스는 4DCT의 모든 프레임에서 대상 골격에 대한 위치 정보를 제공합니다. 대상 골격의 좌표계가 결정되면 두 골격 간의 변환 및 회전 각도를 계산할 수 있습니다. 이 4DCT 분석은 손목 뼈 또는 타르살 뼈와 같은 복잡한 구조의 운동학적 분석에서 이점을 제공합니다. 그러나 모션 아티팩트로 인해 빠른 모션또는 대규모 모션을 추적할 수 없습니다.
Introduction
관절 운동학은 모션 캡처 센서, 2D-3D 등록 및 시체 연구와 같은 여러 가지 방법론을 사용하여 설명되었습니다. 각 방법에는 특정 장점과 단점이 있습니다. 예를 들어 모션 캡처 센서는 피사체1,2에센서가 있거나 없는 적외선 카메라를 사용하여 빠르고 대규모의 모션을 측정할 수 있습니다. 그러나 이러한 방법은 관절 운동학을 추론하기 위해 피부 운동을 측정하므로 피부 운동 오류3을포함합니다.
시체 연구는 운동, 불안정성 및 접촉 영역4,5,6의범위를 평가하는 데 사용되었습니다. 이 접근법은 핀이나 나사를 사용하여 뼈에 직접 부착된 CT 또는 광학 센서를 사용하여 작은 관절의 작은 변화를 측정할 수 있습니다. 카다브릭 모델은 주로 수동 모션을 평가할 수 있지만 여러 액추에이터가 동적 모션7을시뮬레이션하기 위해 힘줄에 외부 힘을 적용하는 데 사용되었습니다. 액티브 조인트 모션은 2D-3D 등록 기술로 측정할 수 있으며 3DCT 이미지를 2D 형광 투시 영상과 일치시킬 수 있습니다. 등록 과정의 정확성은 여전히 논란의 여지가 있지만, 보고된 정확도는 일반적으로 대형 관절 운동학8,9에대해 충분히 높다. 그러나 이 방법은 좁은 공간에서 작은 골격이나 여러 골격에 적용할 수 없습니다.
반면, 4DCT는 일련의 체적 데이터를 가져오는 동적 CT 방법입니다. 액티브 조인트 모션은 이러한 접근법10을사용하여 분석될 수 있다. 이 기술은 CT 갠트리 내부의 모든 물질의 정확한 3D 위치 데이터를 제공합니다. 3D 조인트 모션은 뷰어에서 명확하게 시각화됩니다. 그러나 이러한 일련의 볼륨 데이터에서 관절 운동학을 설명하는 것은 모든 골격이 움직이고 생체 내에서 활성 운동 중에 랜드마크를 추적할 수 없기 때문에 여전히 어렵습니다.
우리는 활성 운동 중에 관절 주위의 전체 뼈의 생체 내 관절 운동학을 제공하는 4DCT 분석을위한 방법을 개발했습니다. 이 문서의 목적은 4DCT 분석을 위한 순차적 3D-3D 등록 기법을 제시하고 이 방법을 사용하여 얻은 대표적인 결과를 보여주는 것입니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
여기에 설명된 모든 방법은 게이오 대학 의과 대학의 기관 검토 위원회에 의해 승인되었습니다.
참고: 관절 운동학은 고정된 골격 주위의 움직이는 뼈의 모션을 재구성하여 측정됩니다. 무릎 관절 운동학의 경우 대퇴골은 고정 된 뼈로 정의되고 경골은 움직이는 뼈로 정의됩니다.
1. CT 화상 진찰 프로토콜
- CT 컴퓨터를 설정합니다. 320검출기-로우 CT 시스템으로 CT 검사를 획득하여 160mm 의 두개내경 커버리지를 가진 3D 부피 데이터의 여러 단계를 허용합니다. 예를 들어, 무릎 운동학의 분석에서 이미지 수집은 0.275 s의 회전 시간을 가진 51 개의 볼륨 스캔으로 구성되며 모든 이미지는 절반 재구성을 사용하여 재구성되어 시간 해상도가 약 0.16 s가되도록합니다.
- 피크 튜브 전압 = 100 kVp : 다음 스캐닝 매개 변수를 사용; 튜브 전류 = 40 mA; 스캔 범위 = 160mm; 매트릭스 크기 = 512 x 512 픽셀; 및 재건 섹션 두께 및 단면 간격 = 0.5 mm.
- 4DCT 시험의 시작 위치에 CT 갠트리 내부에 피험자의 표적 조인트를 놓습니다(그림1).
- CT 시험 전에 필요한 시험 시간 내에 시작 위치에서 끝 위치로 관절의 움직임을 연습합니다. 피사체에게 10.275 s 스캔 시간 동안 조인트를 이동하고 일련의 볼륨 데이터를 구한다. 순차 볼륨 데이터를 DICOM 형식으로 저장합니다.
- 모든 대상 골격의 정적 3DCT를 수행하고 데이터를 DICOM 형식으로 저장합니다.
2. 표면 재건
- 3DCT 데이터의 반자동 세분화를수행합니다(그림 2A).
- 정적 3DCT 데이터의 모든 DICOM 파일을 선택하여 CT DICOM 데이터를 로드합니다.
- 새 레이블 편집 필드를 클릭하여 레이블 필드를 열고 소스 골격에서 피질 골격을 추출하는 데 적합한 임계값 CT 감쇠 값을 확인합니다. 임계값을 초과하는 CT 감쇠 값이 있는 재질을 선택합니다. 예를 들어, 젊은 피험자의 골피질 임계값은 250으로설정됩니다. 골격 피질 선택 레이블을 확인하고 편집 도구를 사용하여 골격의 모양과 일관성을 위해 수동으로 경계를 수정합니다.
- 레이블이 지정된 골격 피질 위치 데이터(소프트웨어의 점 구름)에서 지표면 데이터(삼각형 메시)를 생성합니다. STL(표준 삼각언어) 형식으로 데이터를 내보내 서피스 데이터를 저장합니다.
- 서피스 생성 | 피질 뼈의 라벨에 바하십시오. 파일 | 클릭 데이터 내보내기 | STL 바이너리 리틀 엔디안은 STL 형식으로 표면 데이터를 저장합니다.
- 4DCT 볼륨 데이터의 자동 세분화를 수행합니다(그림2B).
참고: DICOM 데이터의 각 프레임에는 CT 갠트리에서 CT 감쇠 값의 분포가 포함됩니다.- 정적 CT에서와 같이 골 피질의 임계값을 설정하고 프로그래밍 소프트웨어의 DICOM 판독 모듈을 사용하여 4DCT 데이터의 모든 51프레임에서 CT 감쇠 값을 보여주는 기하학적 데이터를 추출합니다. 소스 골격의 골밀도에 따라 임계값을 조정합니다. 예를 들어, 골다공증 뼈의 경우 임계값을 낮게 설정합니다.
- 이전 단계에서 이미 얻은 모든 위치 데이터를 이미지 처리 소프트웨어(예: Avizo)로 해석할 수 있는 형식으로 변환합니다. 이미지 처리 소프트웨어에서 일괄 처리 스크립트를 사용하여 모든 4DCT 프레임에 대한 임계값보다 높은 CT 감쇠 값으로 포인트 클라우드의 모든 표면 데이터를 재구성합니다. 이미지 처리 소프트웨어에는 스크립트를 읽고 DICOM 시리즈 데이터에서 표면 데이터를 자동으로 내보내는 기능이 포함되어 있습니다. 일괄 처리 스크립트는 보충 코딩 파일에표시됩니다.
3. 이미지 등록
참고: 이 단계에서는 원시 4DCT DICOM 데이터에서 고정된 골격과 관련하여 움직이는 골격의 모션을 재구성합니다.
- 정적 3DCT에서 4DCT의 첫 번째 프레임까지 표면 등록을 수행합니다.
- 정적 3DCT의 골격을 4DCT 동영상 데이터를 참조하여 3D 메쉬 편집 소프트웨어에서 반복적 가장 가까운 점(ICP)알고리즘(11)과 함께사용하기 위해 4DCT의 모든 프레임에 포함된 부분 세그먼트 데이터로 트리밍합니다. 4DCT의 표면 데이터는 각 볼륨 이미지에 포함된 부분 세그먼트일 뿐이므로 표면 등록을 위해서는 하나의 표면 데이터 포인트가 다른 표면에 포함되어야 합니다.
- PickPoints 함수를 사용하여 3D 메시 편집 소프트웨어에서 트리밍된 3DCT 표면과 4DCT의 첫 번째 프레임의 표면 데이터에서 쉽게 식별할 수 있는 고정 및 이동 골격에서 세 개의랜드마크를선택합니다(그림 3B).
- 3.1.2에서 선택된 랜드마크에 따라 4DCT 표면데이터(그림 3C)의첫 번째 프레임에서 부분 고정 및 이동 골격을 대략 일치시다. 다음으로, 오픈 소스 소프트웨어(예를 들어, VTK)를 사용하여 ICP알고리즘(11)을 사용하여 표면 등록을 수행한다.
참고: 이 프로세스는 정적 3DCT에서 4DCT의 첫 번째 프레임까지 고정 및 이동 골격의 균일한 변환 행렬을제공합니다(그림 3D). 이러한 행렬은 그림 4와같이 회전 및 변환으로 구성된 4 x 4 행렬입니다. 역동작을 일으키는 변환 행렬도 계산할 수 있습니다.
- 순차적 표면 등록을 수행합니다(그림5).
- 첫 번째 4DCT 프레임에서 고정 및 이동 골격의 부분 표면을 두 번째 프레임의 표면 데이터와 일치시다. 다음으로,ith 프레임의 부분 표면을 4DCT의 (i + 1)th 프레임에 순차적으로 일치시다. 오픈 소스 소프트웨어에서 ICP 모듈을 사용하여 프로그래밍하여 4DCT의 마지막 프레임까지 이 프로세스를 반복합니다.
- 3.1 및 3.2의 결과에 따라 정적 3DCT에서 4DCT의 모든 프레임으로 변환 행렬을 계산합니다.
- 고정된 골격에 대해 움직이는 골격 모션을 재구성합니다(그림6).
- 정적 3DCT에서 각 4DCT 프레임으로의 변환을 나타내는 행렬에서 고정된 골격에 대해 이동 골격의 운동학을 재구성합니다. 회전 매개변수가 측정될 때 고정 및 이동 골격의 좌표계를 정의합니다(예: 오일러/카르단 각도에 의해 계산된 굴곡 각도 또는 회전 각도)12,13,14.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
우리는 무릎 확장 중 경골의 움직임을 설명합니다. 무릎 관절은 CT 갠트리에 위치시켰다. 삼각형 베개는 시작 위치에서 대퇴골을 지원하기 위해 사용되었다. 무릎은 10s. 방사선 노출의 과정을 통해 직선 위치로 확장되었다. 4DCT 이외에, 전체 대퇴골, 경골 및 슬개골의 정적 3DCT가 수행되었다. 전체 대퇴골과 경골의 표면 데이터를 재구성했습니다. 골 피질의 HU 수에 대한 임계값은 250 HU로 설정되었고 모든 51 프레임의 표면 데이터가 재구성되었습니다.
대퇴골과 경골은 사전 설정 된 4DCT 소프트웨어에서 생성 된 4DCT 영화 데이터를 시각적으로 검사하는 모든 4DCT 프레임에 포함 된 부분 표면 데이터로 트리밍되었습니다. 정적 3DCT 표면과 4DCT의 첫 번째 프레임에서 각 세그먼트의 랜드마크가 플롯되었습니다. 대퇴골에서 내측 및 측면 상피와 인터컨딜라 노치가 확인되었습니다. 경골에서 관절 표면과 경골 결절의 내측 및 측면 말단도 해당 랜드마크로 확인되었습니다. 대퇴골과 경골의 부분 표면 데이터는 이 3개의 랜드마크에 따라 4DCT 데이터의 첫 번째 프레임과 대략 일치시켰다. 그런 다음 이러한 표면은 ICP 알고리즘을 사용하여 완전히 일치했습니다.
제1 프레임의 대퇴골 및 경골의 부분 세그먼트를 제2 프레임의 전체 표면과 일치시켰다. ith 프레임내의 부분 적인 프래그먼트는 (i+ 1)제프레임의 전체 표면 데이터와 순차적으로 매칭되었다. ICP 알고리즘에서 반복 간의 평균 거리에 대한 수렴 기준은 0.01mm로 설정되었습니다.
대퇴골은 고정 된 뼈와 경골으로 움직이는 뼈로 정의되었습니다. 원래 CT DICOM 데이터의 전역 좌표계에서 고정 된 골격의 로컬 좌표계로의 회전과 회전을 설명하는 4 x 4 행렬이 계산됩니다. 대퇴골 및 경골의 좌표계는 이전 보고서15에따라 정의되었다. 우리는 'zxy'순서로 오일러 / 카르단 각도에서 경골의 움직임을 계산, 그 순서로 굴곡, 바루스, 내부 회전을 의미14.
우리의 방법은 전체 표면 데이터에 부분 세그먼트에서 이미지 등록의 정확성에 따라 달라집니다. 우리는 대퇴골과 경골의 길이를 20%-1%에서 긴 축을 따라 1% 점진적으로 감소시킴으로써 부분 표면 등록의 정확성을 검증했습니다. 전체 골격에 부분 세그먼트의 표면 등록은 대퇴골과 경골의 전체 길이 세트에 대해 수행되었고, 전체 골격으로부터 계산된 파라미터로부터의 회전 및 번역에 대한 오차를 평가하였다.
결과는 경골의 바루스 각도가 경골이 연장됨에 따라 서서히 감소하는 것으로나타났다(도 7). 경골 외부 회전은 확장의 끝에서 증가했다. 이 외부 회전은 이전 보고서16,17에서무릎의 "나사 홈 운동"에 해당합니다.
본 CT 프로토콜에 대한 유효 투여량 추정치는 0.075 mSv였으며, 문헌18에보고된 바와 같이 투여량 길이 제품 측정(187.5 mGy∙cm) 및 적절한 정규화된 계수(0.0004)에 의해 결정되었다.
유효성 검사에서, 번역 및 회전에 대한 오차그래프는 대퇴골 길이가 전체 길이의 9% 이상, 경골 길이가 전체 길이의 7% 이상인 것에 대해 견딜 수 있음을보여준다(도 8). 대퇴골 길이의 10%와 경골 길이의 8%에서 오차는 바루스/발거스 회전의 경우 0.02°, 내부/외부 회전은 0.02°, 확장/굴곡 회전은 0.01°, 전방/후방 변환은 0.10mm, 근위/후방 변환은 0.14mm, 이후 1mm는 0.14mm였습니다. CT 슬라이스 두께가 0.5mm이고 오차 크기를 초과하기 때문에 이러한 변환 오류는 무시할 수 있는 것으로 간주됩니다. 내부 및 외부 회전 오류는 변동하는 경향이 있었습니다. 이것은 경골 조인트 표면의 대칭 모양으로 인해 긴 축을 따라 반복 회전에 대한 로컬 최소 맞춤에 의해 발생된 것으로 생각되었다.
추가 데이터로서 슬개골 운동학도 동일한 방법을 사용하여 계산되었습니다. 경골의 분석으로부터 산출된 무릎 굴곡각에 대응하는 슬개골 표면의 규범을 추적하여 슬개골의 측면 기울기를입증하였다(보충도 1).
그림 1: 4DCT 인수. 무릎 확장을위한 4DCT 검사. 피험체는 누워서 CT 갠트리에 무릎을 놓도록 지시받습니다. 시작 위치에서 무릎은 구부러진 자세로 설정되고 검사가 시작된 후 10s 이내에 연장됩니다. 이 그림에서 피사체는 무릎을 60°의 굴곡에서 최대 10초까지 확장합니다.
그림 2: 지표면 데이터의 재구성. (A)전체 대퇴골 (고정 된 뼈)과 전체 경골 (움직이는 뼈)의 표면 데이터가 재구성됩니다. (b)4DCT로부터의 DICOM 데이터를 사용하여, 임계값 이상의 CT 감쇠 값을 나타내는 골 피질의 위치 데이터는 각 프레임에서 추출된다. 이러한 위치 데이터는 소프트웨어에 입력되고 모든 프레임의 표면 데이터가 재구성됩니다. 대퇴골은 또한 경골 (파란색 화살표)에 대하여 (녹색 화살표)를 이동합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: 표면 등록. (A)3DCT에서 고정및 이동하는 골격의 표면 데이터는 CT 갠트리에 포함된 부분 세그먼트일 뿐이므로 4DCT 프레임에 포함된 부분 세그먼트로 트리밍됩니다. (B)정적 3DCT의 부분 세그먼트와 4DCT의 첫 번째 프레임에서 세 개의 랜드마크가 선택됩니다. (C)부분 세그먼트는 랜드마크에 따라 첫 번째 프레임과 일치합니다. (D)표면 데이터와 일치하는 반복적 가장 가까운 점(ICP) 알고리즘이 적용됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4: 변형 행렬은 지표면 등록에서 계산됩니다. (a)표면 데이터의 번역 및 회전은 4 x 4 행렬(동종 변환 매트릭스)으로 설명될 수 있다. Mref는 고정 된 골격의 행렬을 나타내고 Mobj는 움직이는 골격의 행렬을 나타냅니다. 오른쪽 아래 값은 시작 위치를 나타내고 왼쪽 위 값은 대상 위치를 나타냅니다. 예를 들어, 1Mrefs는 정적 3DCT 위치에서 고정된 골격을 4DCT의 첫 번째 프레임에서 고정된 골격으로 변환합니다. (B)회전 행렬은 4 x 4 행렬입니다. R3는 회전을 정의하는 3 x 3 행렬이고 d는 변환을 정의하는 1 x 3 행렬입니다. tR3은 R 3의횡행렬입니다. (C)오른쪽 위 "inv" 역방향 동작 행렬을 의미합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5: 모든 프레임의 순차적 표면 등록 단계입니다. ith와 (i + 1)th 프레임의 차이는 매우 작습니다. ith 프레임의 부분 세그먼트는 ICP 알고리즘에 의해서만 (i+ 1)제프레임의 전체 표면 데이터와 일치시킬 수 있다. 표면 등록은 마지막 프레임까지 순차적으로 반복됩니다. 정적 3DCT에서 각프레임(iMs)으로의변환 행렬이 계산됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 6: 고정 및 이동 골격의 정의된 좌표계를 사용하여 회전 각도를 계산합니다. (A)고정 골격의 좌표계는15로정의됩니다. 정적 3DCT에서 고정 된 골격(LMrefS)의로컬 좌표계로의 회전 행렬이 계산됩니다. (B)이동 골격의 좌표계는 로컬 좌표계15에서고정된 골격 위에 정의되고 그려집니다. 로컬 이동 골격에서 고정된 골격의 로컬 좌표계로의회전 행렬이 계산됩니다(Mi). 이러한 행렬에서 고정된 골격에 대한 이동 골격의 각도는 오일러/카르단 각도를 사용하여 계산됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 7: 대표적인 결과는 무릎 연장 동안 경골의 운동학을 보여줍니다. (A)경골의 연장. 시작 프레임에서 경골은 거의 지속적으로 확장되고 확장 속도는 끝 프레임 주위로 증가합니다. (B)경골 내부 회전. 횡축은 경골 확장 각도입니다. 경골은 내부적으로 10°의 굴곡으로 회전하며 끝 프레임까지 외부에서 회전합니다. (C)무릎 연장의 모든 프레임 동안 발거 각도가 지속적으로 증가합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 8: 전체 골격에 부분 세그먼트의 표면 등록 유효성 검사. 대퇴골과 경골의 길이는 20 %-1 %에서 긴 축을 따라 1 % 점진적으로 감소합니다. 전체 골격에 대한 부분 세그먼트의 표면 등록은 대퇴골과 경골의 모든 길이 집합에 대해 수행되며 전체 골격에서 계산된 매개변수에서 회전 및 변환에 대한 오류가 평가됩니다. 교란 분석은 보충 도 2에나와 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
보충 그림 1: 무릎 확장 중 Patellar 운동학. 슬개골 운동학은 또한 동일한 방법을 사용하여 계산됩니다. (A)표면이 슬개골의 표면 데이터에 맞습니다. 전방을 가리키는 표면의 규범이 계산됩니다. 측면 기울기는 대퇴골의 좌표계에서 규범의 측면 기울기 각도로 정의됩니다. (B)무릎 연장 시 슬개골 측면 기울기는 경골 운동학에서 계산된 무릎 확장에 대응하는 플롯된다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
추가 그림 2: 섭동 분석. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
추가 코딩 파일. 이 파일을 다운로드하려면 여기를 클릭하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
우리의 방법은 전체 뼈의 움직임을 시각화하고 정량화 할 수 있으며 4DCT 데이터에서 고정 된 뼈에 대해 움직이는 뼈의 수치 위치 데이터를 제공합니다. 관절 운동학을 측정하기 위해 많은 도구가 제안되었습니다. 모션 스킨 마커는 오랜 시간 동안 전체 신체 움직임을 분석할 수 있습니다. 그러나이 방법은 피부 모션 오류3을포함합니다. 관절 운동학은 인접한 뼈의 움직임에서 추정되어야한다. 2D-3D 등록 방법은 형광투시경을 사용하고 순차적 2D 이미지에서 3D 운동학을 유추합니다. 분석 소프트웨어가 이를 고려하여 진화했지만 번역 오류는 여전히 존재합니다. 많은 시체 연구는 다른 시체 위치에서 CT 이미지를 복용하여 관절 운동학을 측정19. 그러나 이러한 모션은 순차적 정적 3D 이미지의 수동 모션을 나타내므로 활성 모션과 정성적차이가 있습니다.
이 프로토콜에는 몇 가지 중요한 단계가 있습니다. 이 품질은 4DCT의 첫 번째 프레임에 대한 초기 표면 등록의 정확도에 영향을 미치기 때문에 3DCT의 표면 데이터를 정확하게 만들어야 합니다. 관절 영역 주위에, 뼈 피질에 대한 임계값은 뼈 샤프트와 다를 수 있습니다. 골수질의 경계가 불분명할 때 임계값 조정이 필요합니다. 모든 프레임의 표면 등록이 완료되면 재구성된 모션을 확인해야 합니다. 한 프레임에 대한 표면 등록에 실패하면 다음 프레임의 랜드마크를 선택하고 프로토콜을 반복하여 다음 프레임에서 자동 표면 등록을 다시 시작할 수 있습니다.
CT DICOM 데이터는 CT 갠트리의 모든 조직의 절대 좌표 값을 포함하기 때문에 4DCT 방법은 정적 3DCT만큼 높은 정확도로 순차적 볼륨 데이터를 제공합니다. 여러 연구는 관절 운동학의 조사를 위해 4DCT를 사용20,21. 그러나 대부분의 경우 관찰자는 여러 프레임에서 랜드마크를 골라 매개 변수(예: 각도, 변환)를 계산했습니다. 이러한 데이터 분석 프로세스에는 측정 오류로 이어지는 사람의 오차가 포함되어 있습니다. 당사의 표면 등록 방법은 고정밀 이미지 매칭을 제공합니다. 플롯되면 매개 변수의 랜드마크는 각 프레임의 표면 모양에 따라 추적할 수 있습니다. 이론적으로 모든 4DCT 프레임에 대한 수동 표면 세분화는 가장 정확한 데이터를 제공하지만 이 프로세스는 너무 많은 시간이 많이 발생합니다. 최근, 4DCT는 손목 뼈가 작고 중첩된구조(22)이기때문에 손목 관절에 대한 모션 분석에 사용되고 있다. 자동화 된 뼈 추적에 대한 몇 가지 보고서가 있었다23,24. Goto 등은 두이미지(25)사이의 유사성을 검출하는 정규화된 상관계수를 사용하여 손가락 움직임을 분석했다. 우리는 뼈 피질 표면의 위치가 관절 운동학을 설명하는 가장 중요한 랜드 마크이기 때문에 표면 등록을 사용했다.
반복적인 가장 가까운 점 알고리즘을 사용하여 모든 프레임에서 표면 데이터의 모션을 추적했습니다. 반복적 가장 가까운 점 알고리즘은 두 개의 점 구름 또는 지표면 데이터와 일치하여 표면 대 지표면거리(11)를 최소화하지만 몇 가지 단점이 있습니다. 이 알고리즘은 일반적으로 두 개의 가까운 표면과 일치하는 데 사용됩니다. 따라서, 두 서피스가 서로 멀리 위치할 때, 등록은 진정한 일치위치(26)가아닌 '로컬 최소' 위치에서 발생하게 된다. 우리는 처음에 각 뼈에 세 개의 랜드 마크를 복용하여이 단점을 극복. 두 표면은 이 세 가지 랜드마크에 따라 대략 일치합니다. 이 두 위치에서 ICP는 가장 가까운 위치 역할을 합니다. 4DCT의 프레임 속도는 매우 짧고(0.2s) 현재 프레임의 표면 위치가 다음 프레임의 표면 위치에 가깝습니다. 슬로우 조인트 모션의 경우, 추가 프레임 간 순차적 표면 등록을 위해 거친 일치 단계가 필요하지 않습니다. 또한, 두 골격의 전체 간의 관계는 전체 정적 3DCT 표면 데이터를 부분 4DCT 프레임 표면 데이터에 일치시킴으로써 재생된다. 일반적으로 골격의 좌표계는 전체12,27에서정의됩니다. 따라서 전체 뼈 운동의 재구성은 관절 각도의 설명에 기여합니다. 이 정확도는 주로 전체 표면 데이터에 부분 표면의 표면 등록에 따라 달라집니다. 대표 데이터에서, 우리는 세그먼트의 10 % 이상의 가용성이 무릎 관절에 대한 충분한 정확도를 제공한다는 것을 입증했다.
CT 데이터는 CT 갠트리 영역에 포함된 모든 위치 데이터를 제공합니다. 데이터의 품질은 전적으로 CT 기계의 품질에 달려 있습니다. 이 방법은 따라서 2D-3D 등록에 의해 추적하기 어려운 손목 뼈와 같은 작은 뼈 또는 다중 뼈에 적용될 수 있습니다.
몇 가지 제한 사항이 언급되어야 합니다. 첫째, ICP는 부분 세그먼트의 모양에 따라 달라집니다. ICP는 표면에 뼈 박차 또는 피질 모서리와 같은 기하학적 특징이 있는 경우 더 정확합니다. 한편, 표면 형상이 방사형 헤드 또는 세사모이드와 같은 대칭일 때, ICP는 원래 표면의 잘못된 회전을 제공할 것이다. 또한 ICP는 표면 데이터의 품질에 따라 달라집니다. 골다공증 뼈의 경우, 표면 재건은 주로 수동 분할에 따라 달라집니다. 이로 인해 관찰자 간 오류가 발생할 수 있습니다. 최근에는 CT 슬라이스에 대한 전산화 된 조직 세분화가 개발되었습니다. 그러나, 인간의 수동 세분화는 여전히 특정 조직을 식별 할 때 더 신뢰할 수있는 것으로 간주됩니다28,29. CT 이미지의 품질은 변경할 수 없지만 수동 표면 분할 및 등록을 통해 다른 제한 을 극복할 수 있습니다. 둘째, 조인트 모션이 너무 빠르면 CT 이미지가 흐릿해지기 때문에 이 방법은 골격 모션을 추적할 수없습니다. 두 서피스가 너무 멀리 떨어져 있기 때문에 프레임 간 서피스 등록이 실패합니다. 참을 수 있는 속도는 조인트 형태가 표면 등록 성공률에 영향을 미치기 때문에 대상 조인트에 따라 달라집니다. 각 관절에 대한 속도 허용 오차에 대한 연구는 미래에 필요합니다. 또한 CT 갠트리 내부에서 관절 운동을 수행해야합니다. 따라서 로딩 운동학, 광학 센서 또는 2D-2D 등록 분석을 위해 가장 적합합니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 경쟁적인 재정적 이해관계가 없습니다.
Acknowledgments
이 연구는 우리 기관의 기관 검토 위원회 (승인 번호 : 20150128)에 의해 승인되었습니다.
Materials
| Name | Company | Catalog Number | Comments |
| 4DCT scanner | Canon medical systems (Tochigi, Japan) | N/A | 4DCT scan, Static 3DCT scan |
| AVIZO(9.3.0)* | Thermo Fisher Scientific (OR, USA) | Image processing software. Surface reconstruction from CT DICOM data and point cloud data. * Ryan, T. M. & Walker, A. Trabecular bone structure in the humeral and femoral heads of anthropoid primates. Anat Rec (Hoboken). 293 (4), 719-729, doi:10.1002/ar.21139, (2010). |
|
| Meshlab** | ISTI (Pisa, Italy) | N/A | Surface trimming and landmark picking ** MeshLab: an Open-Source Mesh Processing Tool. Sixth Eurographics Italian Chapter Conference, page 129-136, 2008. P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia |
| VTK(6.3.0)*** | Kitware (New York, USA) | N/A | Iterative Closest Points algorithm. Used in python language programming. *** https://vtk.org |
| Python(3.6.1) | Python Software Foundation | N/A | DICOM file processing to extract the point cloud from the bone cortex ('dicom.py' module). Calculation of the rotation matrices. (Numpy module) Sequential image regestration using ICP algorithm |
References
- 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).
- 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).
- 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).
- Burgess, R. C. The effect of a simulated scaphoid malunion on wrist motion. Journal of Hand Surgery. 12 (5 Pt 1), 774-776 (1987).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Mat Jais, I. S., Tay, S. C. Kinematic analysis of the scaphoid using gated four-dimensional CT. Clinical Radiology. 72 (9), e791-e799 (2017).
- 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).
- Troupis, J. M., Amis, B. Four-dimensional computed tomography and trigger lunate syndrome. Journal of Computer Assisted Tomography. 37 (4), 639-643 (2013).
- 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).
- 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).
- 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).
- 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).
- Zhang, X., Jian, L., Xu, M. Robust 3D point cloud registration based on bidirectional Maximum Correntropy Criterion. PloS One. 13 (5), e0197542 (2018).
- 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).
- 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).
- 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).
- 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).
