Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Analyse de la ToT quadridimensionnelle à l'aide de l'enregistrement 3D-3D séquentiel

7.7K vues

⸱

DOI :

10.3791/59857

⸱

23 novembre 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

Dans cet article

Résumé

Nous avons analysé la cinématique commune à partir de données de tomographie calculées en quatre dimensions. La méthode d'enregistrement 3D-3D séquentielle fournit semi-automatiquement la cinématique de l'os en mouvement par rapport à l'os en question à partir de données de tomographie calculées en quatre dimensions.

Résumé

La tomographie calculée en quatre dimensions (4DCT) fournit une série de données de volume et visualise les mouvements articulaires. Cependant, l'analyse numérique des données 4DCT reste difficile car la segmentation dans tous les cadres volumétriques prend du temps. Nous avons cherché à analyser la cinématique articulaire à l'aide d'une technique d'enregistrement 3D-3D séquentielle pour fournir la cinématique de l'os en mouvement en ce qui concerne l'os fixe semi-automatiquement en utilisant les données 4DCT DICOM et les logiciels existants. Les données de surface des os sources sont reconstruites à partir de 3DCT. Les données de surface taillées sont respectivement appariées avec les données de surface de la première image en 4DCT. Ces surfaces taillées sont assorties séquentiellement jusqu'au dernier cadre. Ces processus fournissent des informations de position pour les os cibles dans tous les cadres de la 4DCT. Une fois que les systèmes de coordonnées des os cibles sont déterminés, les angles de traduction et de rotation entre deux os peuvent être calculés. Cette analyse 4DCT offre des avantages dans les analyses cinématiques de structures complexes telles que les os carpiens ou tarsaux. Cependant, les mouvements rapides ou à grande échelle ne peuvent pas être tracés en raison d'artefacts de mouvement.

Introduction

La cinématique conjointe a été décrite à l'aide d'un certain nombre de méthodologies, telles que des capteurs de capture de mouvement, l'enregistrement 2D-3D et des études cadavériques. Chaque méthode présente des avantages et des inconvénients spécifiques. Par exemple, les capteurs de capture de mouvement peuvent mesurer des mouvements rapides et à grande échelle à l'aide de caméras infrarouges avec ou sans capteurs sur le sujet1,2. Cependant, ces méthodes mesurent le mouvement de la peau pour inférer la cinématique articulaire, et contiennent donc des erreurs de mouvement de la peau3.

Des études cadavériques ont été utilisées pour évaluer les gammes de mouvement, d'instabilité et de zones de contact4,5,6. Cette approche peut mesurer de petits changements dans les petites articulations à l'aide de cT ou de capteurs optiques fixés directement à l'os à l'aide de broches ou de vis. Les modèles cadavériques peuvent principalement évaluer les mouvements passifs, bien que plusieurs actionneurs aient été utilisés pour appliquer des forces externes aux tendons pour simuler le mouvement dynamique7. Le mouvement actif des articulations peut être mesuré par des techniques d'enregistrement 2D-3D, faisant correspondre les images 3DCT aux images de fluoroscopie 2D. Bien que l'exactitude du processus d'enregistrement demeure controversée, l'exactitude signalée est généralement assez élevée pour les grandes cinématiques articulaires8,9. Cependant, cette méthode ne peut pas être appliquée sur de petits os ou des os multiples dans des espaces étroits.

En revanche, 4DCT est une méthode cT dynamique qui obtient une série de données volumétriques. Les mouvements articulaires actifs peuvent être analysés à l'aide de cette approche10. Cette technologie fournit des données de position 3D précises de toutes les substances à l'intérieur du portique CT. Les mouvements articulaires 3D sont clairement visualisés dans un spectateur. Cependant, il est encore difficile de décrire la cinématique commune à partir d'une telle série de données de volume, car tous les os se déplacent et aucun repère ne peut être tracé pendant les mouvements actifs in vivo.

Nous avons développé une méthode pour l'analyse 4DCT qui fournit la cinématique articulaire in vivo des os entiers autour de l'articulation pendant les mouvements actifs. Le but de cet article est de présenter notre méthode, la technique d'enregistrement 3D-3D séquentielle pour l'analyse 4DCT, et de montrer des résultats représentatifs obtenus à l'aide de cette méthode.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Toutes les méthodes décrites ici ont été approuvées par le Conseil d'examen institutionnel de l'École de médecine de l'Université Keio.

REMARQUE : La cinématique articulaire est mesurée en reconstituant le mouvement d'un os en mouvement autour d'un os fixe. Pour la cinématique articulaire du genou, le fémur est défini comme l'os fixe et le tibia est défini comme l'os en mouvement.

1. Protocole d'imagerie Par tocti

  1. Configurez la machine CT. Acquérir des examens de CT avec un système de CT de 320-détecteur-ligne pour permettre de multiples phases des données de volume 3D avec la couverture craniocaudal de 160 mm. Par exemple, dans l'analyse de la cinématique du genou, l'acquisition d'images se compose de 51 balayages de volume avec un temps de rotation de 0,275 s, et toutes les images sont reconstruites à l'aide de la demi-reconstruction, de sorte que la résolution temporelle est d'environ 0,16 s.
  2. Utilisez les paramètres de balayage suivants : tension du tube de pointe à 100 kVp; courant de tube 40 mA; couverture d'analyse de 160 mm; taille de matrice 512 x 512 pixels; et l'épaisseur de la section de reconstruction et l'intervalle de section de 0,5 mm.
  3. Placez le joint cible du sujet à l'intérieur du portique CT dans la position de départ de l'examen 4DCT (figure 1).
  4. Avant l'examen de ToT, répétez les mouvements de l'articulation de la position de départ à la position de fin dans le délai requis. Demandez au sujet de déplacer l'articulation pendant le temps d'analyse de 10.275 et d'obtenir une série de données de volume. Stockez les données de volume séquentiel séquentiel séquentiel s'ils sont au format DICOM.
  5. Effectuez la 3DCT statique de tous les os cibles et stockez les données au format DICOM.

2. Reconstruction de surface

  1. Effectuer une segmentation semi-automatique des données 3DCT(figure 2A).
    1. Chargez les données CT DICOM en sélectionnant tous les fichiers DICOM des données 3DCT statiques.
    2. Ouvrez le champ d'étiquette en cliquant sur Edit New Label Field et vérifiez quelle valeur d'atténuation de cT de seuil est appropriée pour extraire l'os cortical de l'os source. Sélectionnez les matériaux dont les valeurs d'atténuation de la totification sont supérieures au seuil. Par exemple, le seuil du cortex osseux pour un jeune sujet est fixé à 250. Vérifiez l'étiquette pour la sélection du cortex osseux et modifiez manuellement la démarcation à l'aide d'un outil d'édition pour la cohérence avec la forme de l'os.
    3. Générer les données de surface (mailles triangle) à partir des données de position du cortex osseux étiqueté (nuage de point dans le logiciel). Stockez les données de surface en exportant des données dans le format langue triangulée standard (STL).
    4. Cliquez sur Générer Surface Appliquer sur l'étiquette de l'os cortical. Cliquez sur Fichier Données d'exportation As STL Binary Little Endian pour enregistrer les données de surface en format STL.
  2. Effectuer une segmentation automatique des données de volume 4DCT (Figure 2B).
    REMARQUE : Chaque image des données DICOM inclut la distribution des valeurs d'atténuation de la tomodensitométrie dans le portique CT.
    1. Définir le seuil du cortex osseux comme dans la ToMode statique, et extraire des données géométriques montrant des valeurs d'atténuation de la Tomode supérieure au seuil des 51 images des données 4DCT à l'aide du module de lecture DICOM dans le logiciel de programmation. Ajuster le seuil en fonction de la densité osseuse de l'os source. Par exemple, pour l'os ostéoporotique, fixer le seuil plus bas.
    2. Traduire toutes les données de position qui ont déjà été obtenues au cours de l'étape précédente dans un format qui peut être interprété par un logiciel de traitement d'image (p. ex., Avizo). Dans le logiciel de traitement d'image, reconstruisez toutes les données de surface du nuage de points avec des valeurs d'atténuation de CT plus élevées que le seuil pour toutes les images 4DCT à l'aide d'un script de traitement par lots. Le logiciel de traitement d'image contient la fonction de lire le script et d'exporter automatiquement les données de surface des données de la série DICOM. Le script de lot est affiché dans le fichier de codage supplémentaire.

3. Enregistrement d'image

REMARQUE : Dans cette étape, reconstruisez les mouvements de l'os en mouvement en ce qui concerne l'os fixe à partir des données brutes 4DCT DICOM.

  1. Effectuer l'enregistrement de surface de la 3DCT statique à la première image de la 4DCT.
    1. Coupez les os dans un 3DCT statique en données de segment partiels qui sont inclus dans toutes les images de 4DCT pour une utilisation avec le point itératif le plus proche (ICP) algorithme11 dans le logiciel d'édition de maillage 3D en utilisant la fonction Desélection face (Figure 3A) en référant 4DCT données de film. Les données de surface de 4DCT ne sont que des segments partiels qui sont inclus dans chaque image de volume, car l'enregistrement de surface exige qu'un point de données de surface soit inclus dans une autre surface.
    2. Choisissez trois repères dans les os fixes et en mouvement qui peuvent être facilement identifiés à partir de la surface 3DCT taillée et les données de surface de la première image de 4DCT dans le logiciel d'édition de maillage 3D à l'aide de la fonction PickPoints (Figure 3B).
    3. Faites correspondre les os partiellement fixes et en mouvement à peu près sur le premier cadre des données de surface 4DCT (Figure 3C) selon les repères choisis dans 3.1.2. Ensuite, effectuez l'enregistrement de surface à l'aide de l'algorithmeICP 11 à l'aide du logiciel open source (par exemple, VTK).
      REMARQUE : Ce processus fournit des matrices de transformation homogènes des os fixes et en mouvement de la 3DCT statique au premier cadre de 4DCT (Figure 3D). Ces matrices sont 4 x 4 matrices composées de rotation et de traduction, comme le montre la figure 4. La matrice de transformation à l'origine de l'action inverse peut également être calculée.
  2. Effectuer l'enregistrement séquentiel de surface (Figure 5).
    1. Faites correspondre les surfaces partielles de l'os fixe et en mouvement dans le premier cadre 4DCT sur les données de surface du deuxième cadre. Ensuite, faites correspondre les surfaces partielles de l'image ith sur le cadre (i 1)e de 4DCT séquentiellement. Répétez ce processus jusqu'à la dernière image de la 4DCT en programmant avec l'utilisation du module ICP dans le logiciel open source.
  3. Calculer les matrices de transformation de la 3DCT statique à tous les cadres en 4DCT selon les résultats de 3.1 et 3.2.
  4. Reconstruire le mouvement des os en ce qui concerne l'os fixe (Figure 6).
    1. Reconstruire la cinématique de l'os en mouvement par rapport à l'os fixe des matrices qui représentent la transformation de la 3DCT statique à chaque cadre 4DCT. Définir les systèmes de coordonnées des os fixes et en mouvement lorsque les paramètres de rotation sont mesurés (p. ex., angle de flexion ou angle de rotation calculé par l'angle Euler/Cardan)12,13,14.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Nous décrivons le mouvement du tibia pendant l'extension de genou. L'articulation du genou a été positionnée dans le portique CT. Un oreiller triangle a été utilisé pour soutenir le fémur à la position de départ. Le genou a été étendu à une position droite au cours de 10 s. L'exposition au rayonnement a été mesurée. En plus du 4DCT, le 3DCT statique du fémur entier, du tibia, et de la rotule a été exécuté. Les données de surface de l'ensemble du fémur et du tibia ont été reconstruites. Le...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Notre méthode permet la visualisation et la quantification des mouvements des os entiers et fournit des données de position numérique de l'os en mouvement par rapport à l'os fixe à partir de données 4DCT. De nombreux outils ont été suggérés pour mesurer la cinématique commune. Les marqueurs de peau de mouvement peuvent analyser les mouvements totaux de corps sur une longue période. Cependant, cette méthode contient des erreurs de mouvement de la peau3. La cinématique articulaire doit être estimée ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n'ont pas d'intérêts financiers concurrents.

Remerciements

Cette étude a été approuvée par la Commission d'examen institutionnel de notre institution (numéro d'approbation : 20150128).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Scanner 4DCTSystèmes médicaux Canon (Tochigi, Japon)N/ABalayage 4DCT, Balayage statique 3DCT
AVIZO(9.3.0)*Thermo Fisher Scientific (OR, USA)Logiciel de traitement d’images.
Reconstruction de surface à partir de données CT DICOM et de données de nuages de points.
* Ryan, T. M. & Walker, A. Structure osseuse trabéculaire dans les têtes humérale et fémorale des primates anthropoïdes. Anat Rec (Hoboken). 293 (4), 719-729, doi :10.1002/ar.21139, (2010).
Meshlab**ISTI (Pise, Italie)N/ADécoupage de surface et sélection de repères
** MeshLab : un outil de traitement de maillage open-source. 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/AIterative Closest Points algorithm. Utilisé en programmation en langage python.
*** https://vtk.org
Python(3.6.1)Python Software FoundationN/ATraitement de fichiers DICOM pour extraire le nuage de points du cortex osseux (module 'dicom.py').
Calcul des matrices de rotation. (Module Numpy)
Régression séquentielle d’images à l’aide de l’algorithme ICP

Références

  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Analyse de la cinématique articulaireTechnique d'enregistrement de surfaceAlgorithme de l'itération du point le plus procheReconstruction de la surface osseuseDonnées DICOM 4DCTCalcul de translation et de rotationAnalyse carpienne et tarsienneLimitation des artéfacts de mouvement
Analyse de la ToT quadridimensionnelle à l'aide de l'enregistrement 3D-3D séquentiel
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.