このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

シーケンシャル3D-3D登録を用いた4次元CT解析

7.7K 回視聴

⸱

DOI:

10.3791/59857

⸱

2019年11月23日

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Orthopedic Surgery, Keio University School of Medicine, 2Department of Orthopedic Surgery, Saiseikai Utsunomiya Hospital, 3Department of Radiology, Keio University School of Medicine

この記事について

サマリー

4次元コンピュータ断層撮影データから関節運動学を解析した。順次3D-3D登録方法は、4次元コンピュータ断層撮影データから被検骨に対する移動骨の運動学を半自動的に提供する。

要約

4次元コンピュータ断層撮影(4DCT)は、一連の体積データを提供し、関節運動を可視化します。ただし、すべての容積フレームのセグメンテーションには時間がかかるため、4DCT データの数値解析は困難なままです。4DCT DICOMデータと既存のソフトウェアを用いて、固定骨に対する移動骨の運動学を半自動的に提供するために、シーケンシャルな3D-3D登録技術を用いて関節キネマティクスを解析することを目指した。ソース ボーンのサーフェス データは、3DCT から再構築されます。トリムされたサーフェス データは、それぞれ 4DCT の最初のフレームのサーフェス データと一致します。これらのトリムサーフェスは、最後のフレームまで順番に一致します。これらのプロセスは、4DCTのすべてのフレームのターゲットボーンの位置情報を提供します。ターゲット ボーンの座標系が決定されると、任意の 2 つのボーン間の移動角度と回転角度を計算できます。この4DCT解析は、手根や歯皮などの複雑な構造の運動学的解析における利点を提供します。ただし、モーション アーティファクトが原因で、高速モーションまたは大規模モーションをトレースすることはできません。

概要

ジョイントキネマティクスは、モーションキャプチャセンサ、2D-3D登録、死体研究など、多くの方法論を用いて記述されています。それぞれの方法には、特定の長所と短所があります。たとえば、モーション キャプチャ センサーは、被写体1、2のセンサーの有無にかかわらず赤外線カメラを使用して、高速で大規模な動きを測定できます。しかしながら、これらの方法は、関節運動学を推論する皮膚運動を測定し、したがって、皮膚運動誤差3を含む。

カダベリック研究は、運動、不安定性、および接触領域の範囲を評価するために使用されています4,5,6.このアプローチは、ピンまたはネジを使用して骨に直接取り付けられたCTまたは光学センサーを使用して、小さな関節の小さな変化を測定することができます。カダベリックモデルは主にパッシブモーションを評価できますが、複数のアクチュエータを使用して腱に外力を適用し、動的モーション7をシミュレートしています。アクティブジョイントモーションは、2D-3D登録技術で測定でき、3DCT画像を2D透視画像に一致させることができます。登録プロセスの精度は依然として議論の余地がありますが、報告された精度は一般的に大きな関節運動学8、9のために十分に高いです。ただし、この方法は、狭いスペースの小さなボーンや複数のボーンには適用できません。

対照的に、4DCTは一連の体積データを取得する動的CT法である。アクティブジョイントモーションは、このアプローチ10を使用して解析できます。この技術はCTガントリー内のすべての物質の正確な3D位置データを提供する。3D ジョイントモーションは、ビューアで明確に視覚化されます。しかし、このような一連の体積データから関節運動学を記述することは、すべての骨が動いているため、生体内のアクティブモーション中にランドマークを追跡できないため、依然として困難です。

アクティブモーション中に関節全体の生体内関節運動学を提供する4DCT解析法を開発しました。この記事の目的は、4DCT分析のための順次3D-3D登録技術を提示し、この方法を用いて得られた代表的な結果を示すことです。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

ここで説明するすべての方法は、慶應義塾大学医学部の制度審査委員会によって承認されています.

注: ジョイント キネマティクスは、固定されたボーンの周囲の移動するボーンの動きを再構築することによって測定されます。膝関節運動学の場合、大腿骨は固定骨として定義され、脛骨は移動する骨として定義される。

1. CTイメージングプロトコル

  1. CT マシンをセットアップします。320検出器行CTシステムでCT検査を取得し、160mmの頭蓋蓋カバレッジを備えた3Dボリュームデータの複数のフェーズを可能にします。例えば、膝キネマティクスの解析では、画像取得は回転時間0.275sの51巻スキャンで構成され、すべての画像は半分の再構成を使用して再構成されるため、時間分解能は約0.16sです。
  2. 次のスキャン パラメータを使用します: ピークチューブ電圧 = 100 kVp;管の流れ= 40 mA;スキャンカバレッジ = 160 mm;行列サイズ = 512 x 512 ピクセル;および再構築断面の厚さと断面間隔 = 0.5 mm。
  3. 被験者のターゲットジョイントをCTガントリー内の4DCT試験の開始位置に配置する(図1)。
  4. CT試験の前に、必要な試験時間内に開始位置から終了位置までの関節の動きをリハーサルします。10.275 スキャン時間中にジョイントを移動し、一連のボリューム データを取得するようにサブジェクトに依頼します。順次ボリューム・データを DICOM 形式で保管します。
  5. すべてのターゲット ボーンの静的 3DCT を実行し、DICOM 形式でデータを格納します。

2. 表面再構成

  1. 3DCT データの半自動セグメンテーションを実行します (図 2A)。
    1. 静的 3DCT データのすべての DICOM ファイルを選択して、CT DICOM データをロードします。
    2. [新しいラベル フィールドの編集]をクリックしてラベル フィールドを開き、ソース ボーンから皮質ボーンを抽出するのに適切なしきい値 CT 減衰値を確認します。しきい値を超える CT 減衰値を持つ材料を選択します。たとえば、若い被験者の骨皮質しきい値は250に設定されます。ボーン皮質の選択のラベルを確認し、編集ツールを使用して手動で境界を変更し、ボーンの形状との一貫性を保ちます。
    3. ラベル付きボーン皮質位置データ(ソフトウェアの点群)からサーフェス データ(三角形メッシュ)を生成します。標準の三角形分割言語 (STL) 形式でデータをエクスポートして、サーフェス データを格納します。
    4. [サーフェスを生成] |皮質骨のラベルに適用します。[ファイル|データに関連付けてエクスポート|STL バイナリ リトル エンディアンを使用して、サーフェス データを STL 形式で保存します。
  2. 4DCT ボリューム・データの自動セグメンテーションを実行します (図 2B)。
    注: DICOM データの各フレームには、CT ガントリー内の CT 減衰値の分布が含まれます。
    1. 静的CTのように骨皮質の閾値を設定し、プログラミングソフトウェアのDICOM読み取りモジュールを使用して、4DCTデータのすべての51フレームからしきい値を超えるCT減衰値を示す幾何学的データを抽出します。ソース ボーンのボーン密度に応じてしきい値を調整します。例えば、骨粗鬆症骨の場合は、閾値を下に設定する。
    2. 前のステップで既に取得したすべての定位置データを、画像処理ソフトウェア(Avizoなど)で解釈できる形式に変換します。画像処理ソフトウェアでは、バッチ処理スクリプトを使用して、すべての 4DCT フレームのしきい値よりも高い CT 減衰値を持つ点群のすべてのサーフェス データを再構築します。画像処理ソフトには、スクリプトを読み込み、DICOMシリーズデータから表面データを自動的にエクスポートする機能が含まれています。バッチ スクリプトは、補足コーディング ファイルに表示されます。

3. 画像登録

注: このステップでは、未加工の 4DCT DICOM データから固定ボーンに対する移動ボーンのモーションを再構築します。

  1. 静的 3DCT から 4DCT の最初のフレームへのサーフェス登録を実行します。
    1. 4DCT ムービー データを参照して、3Dメッシュ編集ソフトウェアの反復最も近いポイント (ICP) アルゴリズム11で使用するために、4DCT のすべてのフレームに含まれる部分セグメント データに静的 3DCT のボーンをトリムします (図 3A)。サーフェスの登録では 1 つのサーフェス データ ポイントを別のサーフェスに含める必要があるため、4DCT のサーフェス データは、各ボリューム イメージに含まれる部分セグメントにすぎません。
    2. PickPoints関数 (図 3 B) を使用して、トリムされた 3DCT サーフェスと 3D メッシュ編集ソフトウェアの 4DCT の最初のフレームのサーフェス データから簡単に識別できる固定ボーンと移動ボーンの 3 つのランドマークを選択します (図 3B)。
    3. 3.1.2 で選択したランドマークに従って、4DCT サーフェス データの最初のフレーム (図 3C)の部分的な固定ボーンと移動ボーンをほぼ一致させます。次に、オープンソースソフトウェア(例えばVTK)を用いてICPアルゴリズム11を用いて表面登録を行う。
      注: このプロセスは、固定ボーンと移動ボーンの均一な変換行列を静的 3DCT から 4DCT の最初のフレームに提供します (図 3D)。これらの行列は、図 4に示すように、回転と平行移動で構成される 4 x 4 行列です。逆作用を引き起こす変換行列も計算できます。
  2. シーケンシャル サーフェス登録を実行します (図 5)。
    1. 最初の 4DCT フレーム内の固定ボーンと移動ボーンの部分サーフェスを 2 番目のフレームのサーフェス データに一致させます。次に、i番目のフレームの部分表面を(i+1)番目のフレームの4DCTに順次一致させる。オープンソースソフトウェアのICPモジュールを使用してプログラミングすることにより、4DCTの最後のフレームまでこのプロセスを繰り返します。
  3. 3.1 および 3.2 の結果に従って、静的 3DCT から 4DCT 内のすべてのフレームへの変換行列を計算します。
  4. 固定ボーンに対して移動するボーンモーションを再構築します(図6)。
    1. 静的 3DCT から各 4DCT フレームへの変換を表す行列から固定ボーンに対して移動ボーンの運動量を再構築します。回転パラメータが測定されるときに固定および移動するボーンの座標系を定義する(例えば、オイラー/カルダン角によって計算された屈曲角または回転角度)12、13、14。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

膝の延長中の脛骨の動きを記述する。膝関節はCTガントリーに配置された。三角形の枕は、開始位置で大腿骨を支えるために使用されました。膝を10sの間にまっすぐな位置まで伸ばし、放射線暴露を測定した。4DCTに加えて、大腿骨全体、脛骨、膝蓋骨の静的3DCTを行った。大腿骨と脛骨全体の表面データを再構築した。骨皮質のHU数の閾値は250 HUに設定され、全51フレームの表面データが再構築された。

大腿骨と脛骨は、プリセット4DCTソフトウェアで作成された4DCTムービーデータを視覚的にチェックすることにより、すべての4DCTフレームに含まれていた部分的な表面データにトリミングされました。静的な3DCT表面と4DCTの最初のフレームでは、各セグメントのランドマークがプロットされました。大腿骨では、内側および横エピコンジルおよびインターコンディラーノッチが同定された。脛骨では、関節表面の内側および横端および脛骨結節性も対応するランドマークとして同定された。大腿骨と...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

この方法は、骨全体の動きを可視化し定量化することを可能にし、4DCTデータから固定骨に対して移動する骨の数値位置データを提供します。関節運動学を測定するための多くのツールが提案されています。モーションスキンマーカーは、長時間にわたる全身運動を分析できます。ただし、このメソッドにはスキン モーション エラー3が含まれています。関節運動学は、隣接する骨の動きから推定されるべきである。2D-3D登録方法は、透視検査を使用し、連続した2D画像から3Dキネマティクスを推測します。翻訳エラーは依然として存在しますが、分析ソフトウェアはこれに合わせたものがあります。多くの死体研究は、異なる死体の位置19でCT画像を取ることによって関節運動学を測定している。ただし、これらはシーケンシャルな静的 3D イメージからのパッシブ モーションを表すため、アクティブ モーションとは質的に異なります。

このプロトコルには、いくつかの重要な手順があります。この品質は、最初のサーフェス登録の精度から 4DCT の最初の...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者は競合する財政的利益を持っていない。

謝辞

本研究は、当機関の機関審査委員会によって承認されました(承認番号:20150128)。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
4DCTスキャナーキヤノンメディカルシステムズ(栃木県該当なし4DCTスキャン、スタティック3DCTスキャン
AVIZO(9.3.0)*サーモフィッシャーサイエンティフィック(OR、アメリカ)画像処理ソフト.
CT DICOMデータと点群データからの表面再構成.
*ライアン、T.M.&Walker, A. 類人猿類の霊長類の上腕骨と大腿骨の頭部における海綿骨構造。アナトレック(ホーボーケン)。293 (4), 719-729, doi:10.1002/ar.21139, (2010).
Meshlab **ISTI(ピサ、イタリア)N / A表面トリミングとランドマークピッキング
** MeshLab:オープンソースのメッシュ処理ツール。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反復的近接ポイント アルゴリズム.Python言語プログラミングで使用.
*** https://vtk.org
Python(3.6.1)Python Software FoundationN / A骨皮質から点群を抽出するためのDICOMファイル処理（ 'dicom.py'モジュール).
回転行列の計算。(Numpyモジュール)
ICPアルゴリズムを用いたシーケンシャル画像登録
)

参考文献

  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).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

関節キネマティクス解析表面レジストレーション技術最接近点反復法（ICPアルゴリズム）骨表面再構成4DCT DICOMデータ並進回転計算手根骨足根骨解析モーションアーチファクトの制限
シーケンシャル3D-3D登録を用いた4次元CT解析
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。