RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
French
Menu
Menu
Menu
Menu
A subscription to JoVE is required to view this content. Sign in or start your free trial.
Research Article
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Cette méthode démontre un flux de travail d’impression 3D basé sur le voxel, qui imprime directement à partir d’images médicales avec une fidélité spatiale exacte et une résolution spatiale / contrastée. Cela permet le contrôle précis et gradué des distributions de matériaux à travers des matériaux morphologiquement complexes et gradués corrélés à la radiodensité sans perte ni altération des données.
La plupart des applications de l’impression 3dimensionnelle (3D) pour la planification préchirurgicale ont été limitées aux structures osseuses et aux descriptions morphologiques simples d’organes complexes en raison des limites fondamentales de précision, de qualité et d’efficacité du paradigme de modélisation actuel. Cela a largement ignoré les tissus mous critiques pour la plupart des spécialités chirurgicales où l’intérieur d’un objet compte et les limites anatomiques se déplacent progressivement. Par conséquent, les besoins de l’industrie biomédicale pour reproduire le tissu humain, qui présente de multiples échelles d’organisation et des distributions matérielles variables, nécessitent de nouvelles formes de représentation.
Voici une nouvelle technique pour créer des modèles 3D directement à partir d’images médicales, qui sont supérieures en résolution spatiale et de contraste aux méthodes de modélisation 3D actuelles et contiennent une fidélité spatiale et une différenciation des tissus mous auparavant irréalisables. Sont également présentées des mesures empiriques de nouveaux composites fabriqués de manière additive qui couvrent toute la gamme des rigidités des matériaux observées dans les tissus biologiques mous par IRM et tomodensitométrie. Ces méthodes uniques de conception volumétrique et d’impression permettent un ajustement déterministe et continu de la rigidité et de la couleur du matériau. Cette capacité permet une application entièrement nouvelle de la fabrication additive à la planification préchirurgicale : le réalisme mécanique. En complément naturel des modèles existants qui permettent de faire correspondre l’apparence, ces nouveaux modèles permettent également aux professionnels de la santé de « sentir » les propriétés matérielles spatialement variables d’un simulant tissulaire - un ajout essentiel à un domaine dans lequel la sensation tactile joue un rôle clé.
Actuellement, les chirurgiens étudient de nombreuses modalités d’imagerie discrète en 2 dimensions (2D) affichant des données distinctes pour planifier les opérations sur les patients 3D. De plus, la visualisation de ces données sur un écran 2D n’est pas entièrement capable de communiquer toute l’étendue des données collectées. À mesure que le nombre de modalités d’imagerie augmente, la capacité de synthétiser davantage de données à partir de modalités distinctes, qui présentent de multiples échelles d’organisation, nécessite de nouvelles formes de représentation numérique et physique pour condenser et organiser l’information pour une planification chirurgicale plus efficace et efficiente.
Des modèles imprimés en 3D et spécifiques au patient sont apparus comme un nouvel outil de diagnostic pour la planification chirurgicale dont il a été démontré qu’il réduisait le temps d’opération et les complications chirurgicales1. Cependant, le processus prend beaucoup de temps en raison de la méthode de stéréolithographie standard (STL) d’impression 3D, qui montre une perte visible de données et rend les objets imprimés sous forme de matériaux solides, homogènes et isotropes. En conséquence, l’impression 3D pour la planification chirurgicale a été limitée aux structures osseuses et aux descriptions morphologiques simples d’organes complexes2. Cette limitation est le résultat d’un paradigme de fabrication dépassé guidé par les produits et les besoins de la révolution industrielle, où les objets manufacturés sont entièrement décrits par leurs limites extérieures3. Cependant, les besoins de l’industrie biomédicale pour reproduire le tissu humain, qui présente de multiples échelles d’organisation et des distributions de matériaux variables, nécessitent de nouvelles formes de représentation qui représentent les variations sur l’ensemble du volume, qui changent point par point.
Pour résoudre ce problème, une technique de visualisation et de modélisation 3D (Figure 1) a été développée et associée à un nouveau procédé de fabrication additive qui permet un meilleur contrôle sur le mélange et le dépôt des résines en ultra haute résolution. Cette méthode, appelée impression bitmap, reproduit l’anatomie humaine par impression 3D directement à partir d’images médicales à un niveau de fidélité spatiale et de résolution spatiale /contraste d’une technologie d’imagerie avancée approchant 15 μm. Cela permet le contrôle précis et gradué requis pour reproduire les variations des tissus mous morphologiquement complexes sans perte ni altération des données des images sources diagnostiques.
REMARQUE : Le logiciel 3D Slicer Medical Image Computing4 (voir la Table des matériaux) a été utilisé pour les travaux effectués dans les sections 1 à 3.
1. Saisie des données
2. Manipulations
REMARQUE: Une étape de masquage est nécessaire si l’anatomie est suffisamment complexe, au point où les tissus environnants et les données étrangères sont présents après des modifications des propriétés de volume.
3. Découpage en tranches
REMARQUE: Ce processus contourne la méthode d’impression 3D traditionnelle en envoyant les fichiers de tranche directement à l’impression 3D au lieu d’un fichier de maillage STL. Dans les étapes suivantes, des tranches seront créées à partir du rendu du volume. Le module Bitmap Generator est une extension personnalisée. Cela peut être téléchargé à partir du Gestionnaire d’extensions.
4. Tergiversation
REMARQUE : Adobe Photoshop (voir la table des matériaux) a été utilisé pour le travail effectué à la section 4.
5. Impression Voxel
REMARQUE : Stratasys GrabCAD5 a été utilisé pour les travaux effectués à la section 5.
Un résultat positif, comme le montrent les figures 2 et 3, sera une traduction directe du rendu du volume tel que défini aux étapes 1.2.5 ou 2.1.1.4. Le modèle final doit correspondre visuellement au rendu du volume en taille, forme et couleur. Tout au long de ce processus, il existe de nombreuses étapes où une erreur peut se produire, ce qui affectera une ou plusieurs des propriétés répertoriées ci-dessus.
Les problèmes liés à la mise à l’échelle uniforme, comme illustré à la figure 4, des modèles imprimés peuvent être dus à l’imagerie, au matériel informatique et/ou aux paramètres logiciels par défaut. Les hôpitaux utilisent une variété de techniques pour produire et rendre des images à partir d’une gamme de scanners possibles. Comme cette méthode fonctionne directement à partir des images sources, qui peuvent exposer des métadonnées qui ne sont généralement pas utilisées, il est important de connaître les nuances du flux de travail d’imagerie. Des problèmes d’échelle peuvent survenir lorsque la « transformation » est intégrée aux métadonnées, ce qui peut ajuster artificiellement la hauteur et la rotation de la couche.
Les problèmes d’échelle peuvent également être dus à la taille de l’écran de l’ordinateur. Certaines versions de Slicerfab ont été définies pour découper le rendu du volume et enregistrer le PNG résultant à la taille de l’écran actif. Dans ces versions de Slicerfab, les images plus grandes que le moniteur seront coupées. Enfin, diverses mises à jour dans Photoshop ont entraîné des problèmes d’échelle lorsque les mises à jour modifient les valeurs par défaut de la résolution d’importation d’image. Lorsque la valeur par défaut est définie sur autre chose que 600 DPI, les images ne conserveront pas la même échelle d’images produites par le logiciel de calcul d’images médicales. Ils entraîneront des distorsions de la dimension X-Y tandis que la hauteur z du modèle restera correcte.
Des problèmes liés à des formes irrégulières et à des géométries inattendues peuvent survenir lors de l’utilisation de l’opacité dans le logiciel d’informatique d’images médicales. L’onglet Des propriétés du volume permet de modifier les couches de couleur et d’opacité. Lorsque le canal d’opacité est défini en dessous de 50 %, les algorithmes de rendu produisent des visualisations difficiles à percevoir pour l’utilisateur, en particulier autour des structures complexes. Cela peut entraîner l’analyse de données supplémentaires dans le processus et peut entraîner l’impression 3D de données indésirables.
Les problèmes liés à la couleur peuvent résulter de graphiques logiciels et d’erreurs utilisateur dans les logiciels de retouche d’image et les logiciels d’impression. Le logiciel d’informatique d’images médicales a de nombreux choix pour ajuster le rendu du volume. Bien que la version actuelle de Slicerfab ait des paramètres de rendu codés en dur, des modifications peuvent toujours être apportées. L’activation des paramètres de lumière et d’ombre, ainsi que des paramètres de rendu GPU, peut produire des résultats inattendus et irreproductibles. Enfin, les étapes de tramage à partir de l’étape 4.1.2.3 peuvent avoir un impact sur la couleur en fonction des options de synthèse des couleurs, qui sont déterminées par le nombre et les concentrations relatives des matériaux de base disponibles dans l’imprimante.
L’algorithme de tramage « perceptuel local » tente de produire une approximation visuelle de la couleur source à partir des couleurs disponibles définies dans le « sélecteur de couleurs ». La modification du nombre et de la couleur des matériaux de base modifiera la teinte et la précision des couleurs résultantes du modèle imprimé. De plus, si le clair est utilisé comme matériau de base, comme le montre la figure 5, les problèmes liés à la diffusion de la lumière de surface et souterraine à travers le modèle imprimé entraînent souvent des traductions de couleurs infidèles du rendu numérique au modèle imprimé6.

Figure 1 : Organigramme. Cliquez ici pour l’agrandir.

Figure 2 : Voxel numérique à la trame physique de la couleur. (A) une coupe transversale d’un modèle cardiaque est montrée en divisant les plages de densité de l’anatomie en 2, 4 et 10 couleurs. (B) Un agrandissement d’une partie de chaque modèle est appelé, montrant les pixels individuels, qui seront traités en gouttelettes de matériaux dans le processus d’impression 3D. (C) Sont présentés ici des modèles imprimés en coupe 3D en utilisant la technique du voxel, démontrant la traduction d’une image au modèle. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3 : Résultats représentatifs du Voxel. Deux modèles affichant les résultats représentatifs d’une méthode réussie. (A) Un modèle rénal en coupe transversale d’un adulte atteint d’un carcinome à cellules claires. La tumeur du côté droit a été enlevée pour montrer l’interface entre le rein et la tumeur. Cela permet au chirurgien de mieux comprendre la morphologie de la tumeur et sa relation avec les éléments critiques à éviter. (B) Un modèle cardiaque en coupe montrant la variation de la densité tissulaire. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4 : Problème d’échelle voxel. Deux images du même modèle montrant le résultat d’un problème de mise à l’échelle. (A) Image transversale du rein. La résolution X-Y est indiquée proportionnellement mais correspond à 50% du produit prévu (B) Vue de profil du rein. La résolution X reste précise à partir des données sources et donne un modèle qui semble étiré dans la direction X. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5 : Problèmes potentiels. Deux images de deux modèles différents illustrent les problèmes liés à la clarté du travail avec des matériaux translucides. (A) Ce modèle montre le résultat des vides enfermés dans le modèle qui ont été remplis avec un matériau « support » par l’imprimante. Dans ce modèle, les vides ont été créés intentionnellement pour créer une variation des propriétés optiques. (B) Ce modèle montre des vides ouverts qui s’enfoncent profondément dans le modèle. Les vides sont tortueux, ce qui rend impossibles les techniques de post-traitement standard, qui polissent la surface. La distorsion optique qui en a résulté a rendu le modèle inutilisable pour des applications cliniques. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 6 : Flux de travail de traitement Voxel et comparaison de la qualité d’image. À partir des données DICOM d’entrée, (A) un masque est créé pour isoler la zone d’intérêt et la reconstruire en un rendu de volume 3D, (B) à partir duquel un histogramme est analysé pour analyser les plages de valeurs d’intensité. Le canal de forme du rendu de volume basé sur le voxel est activé pour visualiser la forme du DICOM masqué résultant. Le canal de matériau du rendu de volume basé sur le voxel est modifié, par le biais de tables de choix, qui mappent la couleur aux plages d’intensité spécifiées (C). Le rendu du volume est découpé sous forme de fichiers PNG couleur en fonction des contraintes et de la résolution requises de l’imprimante (D). Chaque tranche PNG est insérée dans les descriptions de matériaux nécessaires à la fabrication des données médicales. (E) Les PNG composites couleur qui en résultent sont envoyés à l’imprimante. (F) Une visualisation d’un ensemble de données à haute résolution par rapport à un ensemble de données à basse résolution (G) utilisant la même technique pour démontrer la nécessité de données sources de la plus haute qualité. Veuillez cliquer ici pour voir une version agrandie de cette figure.
N.J. est l’auteur d’une demande de brevet déposée par les régents de l’Université du Colorado qui décrit des méthodes comme celles décrites dans cet ouvrage (demande no. US16/375 132; n° de publication États-Unis20200316868A1; déposé le 04 avril 2019; publié le 8 octobre 2020). Tous les autres auteurs déclarent qu’ils n’ont pas d’intérêts concurrents.
Cette méthode démontre un flux de travail d’impression 3D basé sur le voxel, qui imprime directement à partir d’images médicales avec une fidélité spatiale exacte et une résolution spatiale / contrastée. Cela permet le contrôle précis et gradué des distributions de matériaux à travers des matériaux morphologiquement complexes et gradués corrélés à la radiodensité sans perte ni altération des données.
Nous remercions AB Nexus et l’État du Colorado pour leur généreux soutien à nos recherches scientifiques sur l’impression voxel pour la planification préchirurgicale. Nous remercions L. Browne, N. Stence et S. Sheridan d’avoir fourni des ensembles de données utilisés dans cette étude. Cette étude a été financée par l’AB Nexus Grant et la State of Colorado Advanced Industries Grant.
| Plate-forme de calcul d’images 3D Slicer | Slicer.org | version 4.10.2&ndash ; 4.11.2 | |
| GrabCAD | Stratasys | 1.35 | |
| J750 Imprimante 3D Polyjet | Stratasys | ||
| Photoshop | Adobe | 2021 |