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

Artículo de método

Videorradiografía biplanar para estudiar la muñeca y las articulaciones radiocubital distales

2.1K visualizaciones

⸱

DOI:

10.3791/62102

⸱

4 de febrero de 2021

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

En este artículo

Resumen

La videorradiografía biplanar (BVR) es una técnica de imagen avanzada para comprender el movimiento tridimensional de los huesos esqueléticos y los implantes. Combinando volúmenes de imagen basados en la densidad y videorradiografías de la extremidad superior distal, BVR se utiliza para estudiar el movimiento in vivo de la muñeca y la articulación radiocubital distal, así como artroplastias articulares.

Resumen

La medición precisa de la cinemática esquelética in vivo es esencial para comprender la función normal de las articulaciones, la influencia de la patología, la progresión de la enfermedad y los efectos de los tratamientos. Los sistemas de medición que utilizan marcadores de la superficie de la piel para inferir el movimiento esquelético han proporcionado información importante sobre la cinemática normal y patológica, sin embargo, no se puede lograr una artrocinemática precisa con estos sistemas, especialmente durante las actividades dinámicas. En las últimas dos décadas, los sistemas de videorradiografía biplanar (BVR) han permitido a muchos investigadores estudiar directamente la cinemática esquelética de las articulaciones durante las actividades de la vida diaria. Para implementar sistemas BVR para la extremidad superior distal, las videorradiografías del radio distal y la mano se adquieren a partir de dos fuentes de rayos X calibradas mientras el sujeto realiza una tarea designada. Las posiciones tridimensionales (3D) de los cuerpos rígidos se calculan a partir de las videorradiografías a través de los registros de mejor ajuste de las proyecciones del modelo 3D en cada vista BVR. Los modelos 3D son volúmenes de imagen basados en la densidad del hueso específico derivados de datos de tomografía computarizada adquiridos de forma independiente. Utilizando unidades de procesamiento gráfico y sistemas informáticos de alto rendimiento, este enfoque de seguimiento basado en modelos ha demostrado ser rápido y preciso en la evaluación de la biomecánica de la muñeca y la articulación radiocubital distal. En este estudio, primero resumimos los estudios previos que han establecido la concordancia submilimétrica y subgrado de BVR con un sistema óptico de captura de movimiento in vitro en la evaluación de la cinemática de la muñeca y la articulación radiocubital distal. Además, utilizamos BVR para calcular el comportamiento del centro de rotación de la articulación de la muñeca, para evaluar el patrón de articulación de los componentes del implante entre sí y para evaluar el cambio dinámico de la varianza cubital durante la pronosupinación del antebrazo. En el futuro, los huesos del carpo pueden capturarse con mayor detalle con la adición de detectores de rayos X de panel plano, más fuentes de rayos X (es decir, videorradiografía multiplanar) o algoritmos avanzados de visión por computadora.

Introducción

La medición precisa de la cinemática esquelética in vivo es esencial para comprender la función articular sana y reemplazada, la influencia de la patología, la progresión de la enfermedad y los efectos de los tratamientos. Cuantificar la cinemática esquelética de forma no invasiva en la superficie articular (artrocinemática) es crucial para comprender las patologías y enfermedades articulares, como la artrosis, pero es un reto técnico. Anteriormente, las técnicas que utilizan marcadores de la superficie de la piel para inferir el movimiento esquelético han proporcionado información importante sobre la cinemática saludable y patológica. Sin embargo, no se pueden lograr artrocinemáticas precisas utilizando estas técnicas, especialmente durante actividades dinámicas como las actividades de la vida diaria. Estos sistemas ópticos están inherentemente limitados en precisión debido al movimiento de la piel en relación con los huesos subyacentes, la principal fuente de error en el análisis del movimiento humano 1,2.

Los métodos actuales de última generación para cuantificar la cinemática esquelética tridimensional (3D) son el seguimiento basado en imágenes, a saber, la videorradiografía biplano (BVR)3 y la tomografía computarizada (TC) en serie volúmenes4 y la resonancia magnética (RM)5. Aunque las tecnologías regulares basadas en TC y resonancia magnética 3D son altamente precisas y accesibles en muchos hospitales de todo el mundo, son incapaces de medir el movimiento dinámico de las articulaciones. En los últimos años se han desarrollado técnicas de imagen como la tomografía computarizada 4D6 y la resonancia magnética dinámica7 para resolver esta deficiencia; Sin embargo, estos métodos exponen a los pacientes a una dosis alta de radiación o sufren de baja resolución temporal.

Combinando nuevos algoritmos de visión por computadora y sistemas tradicionales de rayos X, BVR ha demostrado ser preciso para múltiples articulaciones en animales y humanos; Se resuelven con algoritmos de seguimiento basados en marcadores o en modelos. Los enfoques basados en marcadores rastrean las perlas de tantalio insertadas en huesos o tejidos blandos y son óptimos para pruebas en animales e in vitro. Sin embargo, son prohibitivamente invasivos para la investigación in vivo en humanos. Afortunadamente, las mejoras en los algoritmos de seguimiento basados en modelos proporcionan una alternativa viable. Los enfoques de seguimiento BVR basados en modelos en humanos implican la preparación de los conjuntos de imágenes volumétricas adquiridas por TC o RM en una postura estática y la captura de los movimientos de interés en el campo de visión de dos rayos X. La mayoría de las aplicaciones de seguimiento basadas en modelos generan radiografías reconstruidas digitalmente (RRD) del hueso o implante a partir de las imágenes estáticas de TC o RM y las comparan con las videorradiografías mejoradas utilizando métricas que demuestran la similitud entre las RRD y las videorradiografías8. Este proceso se denomina "rastreo" del hueso o implante.

Las principales variables de salida del seguimiento de huesos o implantes son la cinemática del cuerpo rígido, a partir de la cual se pueden calcular la cinemática de la articulación, las elongaciones de los ligamentos 9,10, el espaciamiento de las articulaciones como sustituto del grosor del cartílago11, el contacto de las articulaciones12,13 y otros biomarcadores. Recientemente, documentamos la precisión del seguimiento basado en modelos BVR en el cálculo de la biomecánica de la muñeca, la artroplastia total de muñeca (TWA) y la articulación radiocubital distal (DRUJ)14,15. En la siguiente sección, se presenta un protocolo detallado de este método validado para estudiar el movimiento de la muñeca esquelética, la artroplastia total de la muñeca y la articulación radiocubital distal durante diversas tareas. Segmentamos los volúmenes de imágenes basados en la densidad de los huesos e implantes a partir de los volúmenes de imágenes de TC, rastreamos estos volúmenes de imágenes parciales dentro de las videorradiografías y determinamos resultados como el centro de rotación, el patrón de contacto y la varianza cubital para demostrar las fortalezas y limitaciones de este método.

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

Protocolo

Este estudio fue aprobado por la Junta de Revisión Institucional (IRB, por sus siglas en inglés) de Lifespan - Rhode Island Hospital, un IRB acreditado por la AAHRPP. Un total de 16 pacientes proporcionaron el consentimiento informado firmado de acuerdo con las directrices institucionales.

1. Adquisición de datos

  1. Tomografía computarizada (TC)
    1. Preparar los especímenes o sujetos para la TC.
      NOTA: Para la evaluación de la precisión14,15 se utilizaron 6 antebrazos intactos de cuatro especímenes de cadáver intacto (70,5 ± 12,3 años, 4 derechos, 2 mujeres) y 1 antebrazo (49 años, derecho, mujer) con artroplastia total de muñeca. Para el estudio in vivo 16, se reclutaron 10 voluntarios con muñecas sanas (57,0 ± 5,2 años, ocho mujeres, nueve derechas dominantes) y 6 pacientes (74,7 ± 5,6 años, dos mujeres, dos derechas y cuatro muñecas dominantes) que habían sido sometidos a una artroplastia total de muñeca.
    2. Para obtener imágenes de cada sujeto4, adquiera una tomografía computarizada del antebrazo distal con un diámetro de recolección de datos de 25 cm y reconstruya con un campo de visión de 20 cm utilizando el algoritmo de convolución Bone Plus utilizando un escáner de TC clínico de 16 cortes. Utilice ajustes de tubo de 80 kVp y 80 mA. Limitar la exposición del antebrazo a aproximadamente 7 cm proximal de la superficie del radio distal a las falanges distales.
      NOTA: En este estudio, las dimensiones del vóxel de la imagen fueron de 0,39 × 0,39mm2 en el plano transversal del antebrazo, y de 0,625 mm a lo largo del eje largo del antebrazo.
    3. Transfiera las imágenes de TC adquiridas a la computadora del laboratorio utilizando un protocolo aprobado por HIPPA en formato de Imágenes Digitales y Comunicaciones en Medicina (DICOM).
  2. Videorradiografía biplanar (BVR)
    1. Configuración experimental (Figura 1). Para permitir un diámetro de campo de visión capaz de capturar el radio distal, el cúbito distal, los huesos del carpo y los metacarpianos, así como una perspectiva para minimizar las oclusiones óseas en varias posturas de la muñeca, coloque los intensificadores de imagen (II) debajo de los antebrazos y establezca el ángulo entre ellos en 110° (las fuentes de rayos X apuntan hacia abajo a los II correspondientes con una orientación de 55° en relación con el suelo).
      1. Genere las radiografías en modo continuo con un ajuste de exposición entre 65 y 75 kV, dependiendo de la visibilidad de los huesos/implante, y 80 mA. Ajuste las distancias de la fuente a la imagen de ambos pares de X-Ray-II a aproximadamente 130 cm y las distancias de la fuente a la mano a 90 cm.
        NOTA: En este estudio, los sujetos usaron un delantal de plomo protector contra rayos X, una cubierta para el cuello con protector de cuello tiroideo y un dosímetro digital en el laboratorio. Todos los investigadores estaban de pie detrás de un vidrio protector de plomo durante el experimento.
      2. Coloque un caballete o una estructura similar entre los II, y utilícelo para colocar los objetos (por ejemplo, el pomo de la puerta, el martillo, la jarra) para los sujetos.

figure-protocol-1
Figura 1. Montaje experimental. Haga clic aquí para ver una versión más grande de esta figura.

  1. Rejilla de no distorsión (Figura 2A). Debido a que los campos electromagnéticos externos afectan el comportamiento de los haces de rayos X (es decir, las trayectorias de los electrones), las imágenes radiográficas sufren de distorsiones no lineales en forma de alfiletero y en forma de S17. Para eliminar estas distorsiones, utilice una imagen de una pieza plana de chapa metálica perforada con precisión (es decir, una rejilla de no distorsión)18,19. Coloque rejillas de no distorsión en los II y capture sus imágenes antes y después de los datos de videorradiografía. Guarde estas imágenes como imágenes TIFF de 8 bits para ambas fuentes de rayos X.
  2. Calibración (Figura 2B). La calibración de las fuentes de rayos X es necesaria para calcular las coordenadas 3D de los objetos (huesos o implantes)20. Utilice imágenes de un objeto 3D con una geometría conocida, que tenga esferas radio-opacas espaciadas regularmente, para generar una relación entre la posición y orientación de la fuente de rayos X en el espacio 3D y el espacio de la imagen (es decir, radiografías). Un objeto cúbico (es decir, un cubo de calibración) hecho de láminas acrílicas y espaciadores con esferas de acero son efectivos y precisos para los ajustes BVR19.
    1. Capture radiografías del cubo de calibración18 en varias orientaciones 4 veces antes de realizar el experimento y 4 veces después del experimento. Las calibraciones posteriores al experimento sirven para confirmar que la configuración experimental permanece sin cambios durante todo el experimento. Guarde todas las imágenes como imágenes TIFF de 8 bits para ambas fuentes de rayos X.

figure-protocol-2
Figura 2. A) Rejilla de no distorsión. B) Cubo de calibración y sus elementos de referencia. Haga clic aquí para ver una versión más grande de esta figura.

  1. Descripción de las tareas. Defina varias tareas para capturar el movimiento de la muñeca durante la flexión-extensión, la desviación radial-cubital y la circunducción16. Describa las tareas de movimiento DRUJ como la rotación del antebrazo desde una postura de sujeción hasta la pronación completa o hasta la supinación completa, definida como la rotación de un pomo de puerta con manija en T en el sentido de las agujas del reloj y en el sentido contrario a las agujas del reloj21. Adquirir videorradiografías de la muñeca en su posición neutra (es decir, tarea estática neutra). Captura la postura neutra con el dorso de la mano coplanar con el dorso del antebrazo.
    NOTA: En la postura inicial para todas las tareas, el hombro estaba en aducción, el codo estaba apoyado a nivel de la articulación y el antebrazo estaba libre y en su rotación neutra. Las tareas de flexión-extensión y desviación radial-cubital se describieron como la rotación de la palma de la mano con respecto a los lados volar-dorsal y radial-cubital de la mano, respectivamente. La circunducción se describió como el movimiento de la muñeca que tenía como objetivo lograr el máximo rango de movimiento activo en todas las direcciones.
  2. Adquisición de videorradiografías. Adquiera videorradiografías a una velocidad de 200 Hz con la velocidad de obturación de la cámara ajustada a 500 μs. Graba dos segundos de imágenes para cada tarea para adquirir 2 repeticiones. Almacene las videorradiografías adquiridas de cada fuente de rayos X como vídeo CINE en un formato de 8 bits.
    NOTA: En este estudio, las radiografías tenían un tamaño de imagen de 1760×1760 píxeles y una resolución de aproximadamente 0,22 mm×0,22 mm por píxel.
    NOTA: Las fuentes de rayos X actuales tienen una opción para ampliar el campo de visión (FOV). Sin embargo, en este estudio no se utilizó el modo ampliado que ofrece el hardware. En función de la descripción de la tarea, esta capacidad podría permitirle adquirir salidas de mayor resolución. Si se utiliza esta función, los pasos de Cuadrícula de no distorsión y Calibración deben capturarse en este modo.
  1. Captura óptica de movimiento (OMC): estudio de precisión
    1. Utilizar el protocolo de adquisición de datos de captura óptica de movimiento (OMC) descrito en estudios previos14,15. Fije directamente dos grupos de marcadores, cada uno con cuatro esferas marcadoras retrorreflectantes de 9,5 mm de diámetro, a los huesos del tercer metacarpiano y del radio. Capture el movimiento del marcador mediante el uso de 8 cámaras ópticas de captura de movimiento. Sincronice el inicio de la adquisición de datos OMC con el BVR mediante un disparador externo activo de baja temperatura.

2. Tratamiento de datos

  1. Tomografía computarizada (TC)
    1. Anonimización DICOM. Anonimice los DICOM e impórtelos en un software de procesamiento de imágenes para el modelado 3D (por ejemplo, Mimics Materialise). En el software Mimics Materialise, en la barra de herramientas Archivo , abra la ventana Anonimizar . Cuando se abra la nueva ventana, seleccione Anonimizar todas las imágenes en la pestaña de la izquierda y presione el botón Anonimizar en la parte inferior derecha.
    2. Segmentación (Figura 3). Segmentar los huesos o implantes de interés siguiendo una metodología previamente descrita 16,22,23.
      1. Brevemente, en la barra de herramientas Segmento , seleccione la opción Umbral y elija los conjuntos de umbrales predefinidos para Hueso cuando se abra la ventana. Una vez creada la máscara con umbral, utilice la opción Dividir máscara y pinte manualmente las regiones de los huesos o los componentes del implante.
      2. Cuando todas las regiones estén coloreadas, haga clic en Aceptar y espere a que el software genere automáticamente las máscaras para cada hueso y el componente del implante. Revise todas las mascarillas para asegurarse de que cubran completamente las regiones previstas. De lo contrario, use la opción Editar máscaras para modificar las regiones manualmente y una por una.
        NOTA: Para estudiar la articulación de la muñeca, se deben segmentar y separar el2º y3º metacarpiano y el radio del resto de los huesos. Opcionalmente, el hueso capitado y otros huesos se pueden segmentar para las etapas de posprocesamiento.
        NOTA: Para estudiar el DRUJ, se debe segmentar el radio y el cúbito y separarlos del resto de huesos.
        NOTA: Para los implantes, se debe segmentar el componente radial y el componente carpiano con sus tornillos.

figure-protocol-3
Figura 3. Imagen de tomografía computarizada de la muñeca y modelos reconstruidos de radio, tercer metacarpiano y cúbito. Haga clic aquí para ver una versión más grande de esta figura.

  1. Segmentación: solo componente radial. Debido a los artefactos de rayas basados en la densidad de la superficie del componente radial en las imágenes CT, el modelo del componente radial no se puede segmentar a partir de las imágenes. Por lo tanto, utilice un modelo CAD o un escáner de superficie 3D para generar el modelo 3D del componente radial explantado. Registre este modelo en la segmentación aproximada del componente radial utilizando el método predeterminado de Mimics Materialise.
    NOTA: En este estudio, utilizamos un escáner de superficie con una resolución de 0,1 mm. El implante se colocó sobre una mesa y el escáner 3D se movió manualmente alrededor del implante para capturar todas las superficies externas.
  2. Volúmenes parciales de imágenes. El software de seguimiento requiere que se introduzca un cuerpo segmentado de interés como un volumen de imagen basado en la densidad. Para crear este volumen parcial, genere una máscara completa del volumen de la imagen que contenga todos los valores de gris seleccionando la opción Umbral de la barra de herramientas Segmento . Ajuste los valores de umbral desde el mínimo hasta el máximo de valores grises.
    1. A continuación, utilice la opción Operadores booleanos y reste el volumen segmentado del hueso o implante de interés de la máscara completa generada. Cambie el color de la máscara de este volumen parcial a negro (RGB: 0.0/0.0/0.0) porque el software de registro solo acepta volúmenes de imágenes en escala de grises. Exporte la máscara como DICOM seleccionando Exportar DICOM... en el software. La salida es un volumen de imagen del hueso aislado o implante.
  3. Modelos tridimensionales. Convierta las máscaras segmentadas en modelos de superficie 3D de malla triangulada seleccionando la opción Calcular 3D , con la Resolución óptima. Exporte estos modelos en formato VRML, que contiene la ubicación 3D de los vértices (puntos) y su orden de conexiones. Los modelos se generan para la construcción del sistema de coordenadas y su posterior visualización.
  1. Preprocesamiento de videorradiografía
    1. XMALab18 Importación. Para cada tema, cree una nueva versión de prueba en el software XMALab. Asigne las rutas de carpeta a las imágenes de cuadrícula de desdistorsión y a 8 conjuntos de imágenes de calibración en el cuadro de diálogo Nueva prueba .
      NOTA: Si las fuentes de rayos X se voltean a lo largo de la captura, la opción de volteo debe marcarse en el software XMALab.
    2. Eliminación de distorsiones. Para eliminar la distorsión de las radiografías, una vez creada la versión de prueba y abierta el software las imágenes de cuadrícula en el espacio de trabajo Sin distorsión, haga clic en el botón Calcular distorsión . XMALab determina y muestra automáticamente las imágenes distorsionadas de las cuadrículas. Una vez que el software haya detectado los centros de todos los orificios, cambie el espacio de trabajo en el menú superior izquierdo al espacio de trabajo Calibración . Para obtener más información y obtener ayuda para depurar posibles problemas, consulte la referencia24.
    3. Calibración. En esta etapa, el software XMALab determina las matrices de calibración. En XMALab, las fuentes de rayos X se modelan como cámaras estenopeicas con parámetros intrínsecos y extrínsecos, como la distancia focal, el centro de la fuente y las distancias entre la fuente y la imagen, y la etapa de calibración es un proceso que determina estas métricas18. Para calibrar, seleccione cada uno de los 4 elementos de referencia colocados en el cubo de calibración para todos los conjuntos de imágenes y para cada vista. En la configuración, estas referencias eran Pirámide, Jack, Cúpula y Hélice (Figura 2B). Si el software no encuentra automáticamente los puntos, presione Calcular calibración. Una vez calibradas todas las imágenes de calibración, seleccione Optimizar la configuración de la cámara.
    4. Exportación de matrices de calibración. Después de la optimización, clasifique los 8 conjuntos de calibración (es decir, los 4 conjuntos que se capturaron antes del experimento y los 4 conjuntos que se capturaron después del experimento) y seleccione el conjunto de imágenes con el menor error sin distorsionar. Encuentre este valor presionando la opción de información en la esquina superior derecha de cada ventana de calibración. En la imagen con el error más bajo, exporta las imágenes seleccionando la opción MayaCams 2.0 en el menú Exportación de archivos . Para obtener más información y depurar posibles problemas, consulte la referencia20.
    5. Videorradiografía sin distorsión. Cambie el espacio de trabajo a Seguimiento de marcadores y cargue las videorradiografías que se capturaron en formato CINE pulsando el icono +. Una vez completado el proceso de carga, exporte las imágenes de prueba sin distorsionar seleccionando Imágenes de prueba sin distorsiones en el menú Exportación de archivos .
  2. Seguimiento basado en modelos (Figura 4)
    1. Mejora de las características de las radiografías/RRD (Figura 4A-B). Mejorar las características de la imagen mediante filtros es un paso necesario para lograr una coincidencia precisa. Defina los parámetros de los cuatro filtros, incluidos el contraste (detección de intensidad), Sobel (detección de bordes), Gaussiano (desenfoque/suavizado) y Sharpen (negrita de los bordes) en el software. Estos filtros se pueden seleccionar haciendo clic con el botón derecho en los objetos Rad Renderer o DRR Renderer que se muestran en el widget superior izquierdo.
      NOTA: En este estudio, los bordes de las imágenes de los huesos en las radiografías se mejoraron utilizando un filtro Sobel con un factor de escala de 3 y un valor de mezcla de 0,4. Además, se utilizó un filtro de contraste con un alfa (para el contraste de la imagen) de 2,5 y beta (para el brillo de la imagen) de 0,9 para mejorar aún más la calidad de las radiografías. Para hacer coincidir los RRD con la radiografía, se utilizó un valor de intensidad de rayo de 0,35 con un filtro Sobel con un valor de mezcla de 0,1 y un factor de escala de 1,7.
    2. Inicialización manual. Mueva la DRR de cada hueso y componente utilizando su punto de pivote para lograr la mejor coincidencia posible entre la DRR y las radiografías. El punto de pivote ayuda a los usuarios a rotar y trasladar el DRR seleccionado desde el widget inferior izquierdo. Este paso es necesario porque la posición del hueso o implante debe inicializarse al menos una vez, y al menos durante el primer fotograma, antes de realizar la optimización. Presione W para mover el DRR en modo de traslación y presione E para rotar el DRR.
      NOTA: Por lo general, no es necesario cambiar la ubicación del punto de pivote, pero es posible usar la opción Mover pivote de la barra de herramientas.
    3. Optimización. Presione C o haga clic en el botón Rastrear corriente de la barra de herramientas para encontrar la mejor coincidencia entre el DRR y las radiografías. El procedimiento predeterminado del software utiliza la función de costo de correlación cruzada normalizada (NCC) y tanto el método de optimización de enjambre de partículas como los procedimientos simples cuesta abajo26,27. Este proceso también se denomina paso de coincidencia o seguimiento. El procedimiento de optimización también se puede ejecutar a través del cuadro de diálogo de seguimiento. Para hacerlo, presione la opción Diálogo de seguimiento de la barra de herramientas. Cuando se abra la nueva ventana, cambie De marco y A marco a 0 y presione OK.
      NOTA: NCC es una función que mide la similitud entre las radiografías y las RRD, y un valor de NCC más cercano a 0 demostró una mejor coincidencia. Sin embargo, lograr este valor depende completamente de los filtros de imagen y las cualidades de captura. El valor de NCC se puede observar en la "Ventana del terminal".
    4. Proceso de emparejamiento - Primer paso. Después de que el primer fotograma se optimice automáticamente, abra el cuadro de diálogo de seguimiento, cambie el De fotograma a 0 y cambie el Fotograma a fin al último número de fotograma (se puede encontrar en la parte inferior derecha). El proceso de coincidencia predeterminado del software utiliza la trama actual como posición inicial de la DRR para el proceso de coincidencia. El proceso de optimización utiliza el método de optimización de enjambre de partículas (PSO) dentro de una región de 3 mm y 3° de la posición inicial.
    5. Proceso de emparejamiento - Pasada final (Figura 4C). Dado que el proceso de coincidencia automatizado puede fallar debido a una inicialización o filtros deficientes, compruebe todos los fotogramas manualmente para asegurarse de que la optimización se ha ejecutado correctamente. Si la RRD y las radiografías no coinciden correctamente, repita los pasos descritos en las secciones 2.3.2 y 2.3.3.
      NOTA: El seguimiento de la muñeca se realizó por primera vez con un modelo que incluía el segundo y tercer metacarpiano (MC2-MC3) para reducir los efectos de la superposición ósea y mejorar la precisión de la coincidencia. Después de ubicar la posición y rotación combinadas de DRR en las radiografías, las ubicaciones MC2-MC3 coincidentes y optimizadas se transformaron en el volumen de imagen parcial de MC3, y se sembraron las posiciones iniciales de MC3. Usando estas posiciones de cabezas de serie, se realizó un seguimiento del MC3. Al igual que en MC3, también se realizó un seguimiento del radio, el cúbito, el componente radial y el componente carpiano en las videorradiografías durante todas las tareas.

figure-protocol-4
Figura 4. A) Radiografía capturada de una fuente de rayos X con radiografías reconstruidas digitalmente (DRR) de los huesos. B) Radiografía mejorada (filtrada) y RRD. C) DRR coincidentes después del proceso de optimización. Haga clic aquí para ver una versión más grande de esta figura.

  1. Reducción de datos. Sobre la base de la velocidad de fotogramas y la calidad de las imágenes radiográficas, se pueden utilizar enfoques de filtrado como el método de la media móvil (con un intervalo de 5 fotogramas). Para hacerlo, en el menú de la barra de herramientas, seleccione Seguimiento-Cuadro de diálogo avanzado y haga clic en el botón Suavizar . Este enfoque se utilizó para todas las capturas en este estudio.
  2. Exportación de posiciones de hueso/implante. Después de que cada hueso se empareje con las radiografías y se optimicen todos los fotogramas, exporte las matrices de transformación 4x4 de los DRR en el mundo de los rayos X haciendo clic en el botón Guardar seguimiento y seleccionando la salida del formato de matriz. Esta matriz de transformación define la rotación y la traslación del volumen parcial de la imagen del hueso/implante en el sistema de coordenadas del mundo de rayos X calibrado y se puede utilizar para el procesamiento adicional y el cálculo del movimiento. El sistema de coordenadas del volumen parcial de la imagen debe transferirse al sistema de coordenadas anatómicas para un análisis biomecánico significativo.

3. Análisis de datos

  1. Sistemas de coordenadas (Figura 5). Para informar sobre la cinemática, construya sistemas de coordenadas (CS) para los huesos y los componentes del implante en función de sus puntos de referencia anatómicos y geométricos. Una vez construidos estos CS, registre los modelos que se encuentran en el nuevo CS en los modelos de superficie que se generaron en la Sección 2.1.4 utilizando el algoritmo iterativo del punto más cercano. Este registro uno a uno calcula una nueva matriz de transformación 4x4 que se utilizará para los cálculos cinemáticos.
    NOTA: En este estudio, se crearon los SC para el radio, el cúbito, el tercer metacarpiano, el componente carpiano, el componente radial, el casquete de polietileno y el capitado, utilizando métodos que han sido descritos anteriormente 16,22,23.

figure-protocol-5
Figura 5. Sistemas de coordenadas de los huesos y componentes del implante. Haga clic aquí para ver una versión más grande de esta figura.

  1. Cinemática. En este estudio, se definió el movimiento de la muñeca como el movimiento del MC3 en relación con el radio, y los datos cinemáticos se informaron en relación con la posición neutral de la muñeca.
    1. Para el análisis DRUJ, calcule los parámetros del eje helicoidal de movimiento (HAM)28 para describir la cinemática como el movimiento relativo del radio CS en el CS cubital, con respecto a la pose neutra.
    2. Utilice el análisis HAM para determinar el centro de rotación (COR) de la muñeca en flexión-extensión y desviación radial-cubital.
    3. Para describir el desplazamiento proximal-distal unidimensional de la COR, defina la COR proyectada para las muñecas sanas como un punto en el eje central del hueso capitado que tenía la distancia más corta desde el eje de rotación del tornillo16.
    4. Descomponga la rotación de HAM en el sistema de coordenadas cubital utilizando el eje del tornillo HAM y calcule la pronación (positiva) y la supinación (negativa) del antebrazo. La postura neutra se definió cuando la pronación-supinación (PS) era cero.
    5. Por último, defina la varianza cubital (UV) como la distancia entre la fóvea cubital y la muesca sigmoidea en el radio.
  2. Patrón de articulación
    1. Calcule los patrones de contacto entre la tapa de polietileno y el componente radial utilizando la cinemática de la muñeca y los campos de distancia específicos del componente29.
    2. Calcule los campos de distancia para cada modelo de superficie 3D como una matriz volumétrica de distancias con signo desde la superficie.
    3. Calcule los valores de proximidad de los campos de distancia en la superficie de la tapa de polietileno y el componente radial para cada postura.
    4. Para obtener la zona de contacto entre los componentes, ajuste estos valores de proximidad a la resolución del sistema de adquisición (el umbral de exclusión de distancia se seleccionó como 0,70 mm en este estudio).
  3. Análisis estadístico
    1. Utilice el análisis de Bland-Altman para evaluar la precisión demostrando el sesgo (diferencias de medias) y el límite de concordancia del 95% (sesgo ± 1,96 DE) entre BVR y OMC14, 30.
    2. Se utilizaron modelos lineales generalizados (GLM) para describir el comportamiento del centro de rotación de la muñeca sana, y para encontrar una relación entre el cambio en UV y PS (UV = p1×PS2 + p2×PS), donde p1 y p2 fueron coeficientes que se optimizaron mediante regresión lineal. Utilice la métrica de error cuadrático medio (RMSE) para evaluar la precisión del modelo.

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

Resultados

La selección del software de registro de imágenes 2D a 3D para el seguimiento basado en modelos depende en parte del acceso a la unidad de procesador gráfico (GPU) y a los sistemas informáticos de alto rendimiento (HPC). Estos programas tienen diferentes canales y, a partir de ahora, no existe una metodología común entre los programas. En este estudio, utilizamos Autoscoper, un programa de registro de imágenes de código abierto de 2D a 3D desarrollado en la Universidad de Brown25. La elección del ...

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

Discusión

La videorradiografía biplanar (BVR) es un método basado en imágenes que se puede utilizar para medir el movimiento del hueso y el implante en la muñeca y la articulación radiocubital distal con una precisión submilimétrica y subdegree. En los estudios que describimos aquí, se utilizó BVR para identificar un patrón preciso de COR proyectado para una muñeca sana, así como patrones de contacto TWA. Estos hallazgos pueden servir de base para el diseño de la próxima generación de reemplazos totales de muñeca y pueden proporci...

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

Divulgaciones

No tenemos ningún conflicto de intereses que declarar.

Agradecimientos

Los autores quieren agradecer a Josephine Kalshoven y Lauren Parola por revisar el protocolo. Los autores también quieren agradecer a Erika Tavares y Rohit Badida por su ayuda durante la adquisición de datos, y a Kalpit Shah, Arnold-Peter Weiss y Scott Wolfe por su ayuda en la interpretación de los datos. Este estudio fue posible gracias al apoyo de los Institutos Nacionales de Salud P30GM122732 (COBRE Bio-engineering Core) y una subvención de la Fundación Americana para la Cirugía de la Mano (AFSH).

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 de superficie 3DArtec 3DArtec Space SpiderTMLuxembourg
AutoscoperBrown Universityhttps://simtk.org/projects/autoscoperhttps://doi.org/10.1016/j.jbiomech.2019.05.040
CT ScannerGeneral Electric (GE)Lightspeed 16Milwaukee, WI, USA
Geomagic Wrap 3D 3DSystemsVersión 2017Rock Hill, Carolina del Sur, EE. UU.
Unidad de procesamiento de gráficos (GPU)GPUhabilitada para NvidiaGeForce GTX 1080
Cámaras de video de alta velocidadPhantomVersion 10Vision Research, Wayne, NJ, EE. UU
Intensificador de imagenDunlee40 cm de diámetroAurora, IL, EE. UU
ImageJCódigo abierto (Universidad de Brown)https://imagej.net/Fijihttps://doi.org/10.1038/nmeth.2019
MatlabThe MathWorks, Inc.R2017a a R2020aNatick, MA, EE. UU
Imitacionesde MaterialiseVersión 19.0 a 22.0Lovaina, Bélgica
Cámaras de captura de movimientoQualisysOqus 5+ Gotemburgo, Suecia
Generadores de rayos X pulsadosEMD TechnologiesEPS 45– 80Saint-Eustache, Quebec, QC, Canadá
Rejilla de deformaciónMcMaster-Carr9255T641Hoja perforada de acero con orificios escalonados, 0.048" de espesor, 0.125" de diámetro de orificio, 36" x 40"
Implante de muñeca (estudio in vitro)Integra LifeSciencesUniversal 2Plainsboro, NJ, EE. UU
Implante de muñeca (estudio in vivo)Integra LifeSciencesFreedomPlainsboro, NJ, EE. UU.
WristVizOpen-source (Brown University)https://github.com/DavidLaidlaw/WristVisualizer/tree/masterSoftware de código abierto
X-ray TubesVarian Medical SystemsModel G-1086Palo Alto, CA, USA
XMALabOpen-source (Brown University)https://www.xromm.org/xmalab/ https://doi.org/10.1242/jeb.145383
CUDA. . . .

Referencias

  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).

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

Reimpresiones y permisos

Etiquetas

Cinemática esqueléticaarticulación de la muñecaarticulación radiocubital distalseguimiento óseo en 3Dbiomecánica articularcaptura óptica de movimientoimágenes de rayos Xseguimiento basado en modelospronosupinación

Este artículo ha sido publicado

Video próximamente

Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.