Summary
I denne protokol anslås af lårbenet overflade stammer under fraktur test ved hjælp af digital billed korrelation teknik. Nyhed af metoden indebærer anvendelse af en høj kontrast stokastiske speckle mønster på lårbenet overflade, omhyggeligt angivne belysning, høj hastighed videooptagelse og digital billedanalyse korrelation til stamme beregninger.
Abstract
Denne protokol beskriver metoden ved hjælp af digital billed korrelation til at anslå kortikale stamme fra høj hastighed video billeder af dødt femoral overflade fremstillet af mekaniske test. Denne optiske metode kræver en tekstur af mange kontrasterende betroede mærker på en solid hvid baggrund for præcis sporing af overflade deformation som lastning anvendes til modellen. Umiddelbart før afprøvningstidspunktet, er overfladen af interesse i kameravisningen malet med en vandbaseret hvid primer og lov til at tørre i flere minutter. En sort maling er plettet omhyggeligt over den hvide baggrund med særligt hensyn til den selv størrelse og form af dråber. Belysning er omhyggeligt udformet og som sådan, at der er optimale kontrast af disse mærker samtidig minimere refleksioner ved hjælp af filtre. Billeder blev opnået gennem høj hastighed videooptagelse ved op til 12.000 rammer/s. De vigtigste billeder forud for og herunder hændelsen fraktur er udvundet og deformationer anslås mellem successive rammer i omhyggeligt mellemstore forhør windows over et bestemt område af interesse. Disse deformationer bruges derefter til at beregne overflade stamme tidsligt under fraktur test. Stamme data er meget nyttigt til at identificere fraktur indledning i lårbenet og for eventuel validering af proksimale femur fraktur styrke modeller stammer fra kvantitative beregnet tomografi-baserede Finite Element analyse (QCT/FEA).
Introduction
Digital Image korrelation (DIC) er en billedbehandling post metode, der bruges i den aktuelle protokol til at vurdere de fulde overflade feltstammen af dødt femoral testprøver fra tid-sekvens billeder fremstillet ved mekaniske fraktur prøver. Teknikken blev først udviklet og anvendt i eksperimentel stress analyse i 1980-erne og har oplevet en hurtig stigning i brug i de seneste år1,2,3. Det har flere vigtige fordele i forhold til mere traditionelle tilgange til montering strain gauges på en struktur, herunder øget rumlige fordeling af feltet stamme, måle finere længder gennem øget kameraets opløsning, og at undgå problemer med strain gauge lim vedhæftning eller overholdelse. En stor fordel af DIC for biologisk væv, såsom knogler, er, at det kan anvendes til uregelmæssige geometrier bestående af meget heterogene materialeegenskaber4,5. Dens primære ulempe over traditionelle stamme anskaffelsesmetoder er, at det kræver dyre høj hastighed videokameraer af tilstrækkelig opløsning til måling af region af interesse at opnå tilstrækkelig rumlige og tidsmæssige prøveudtagning til præcist anslå stamme felter.
Den primære anvendelse af felterne tidsmæssige stamme fra knoglebrud DIC analyse er at validere stamme skøn i QCT/FEA modeller af collum styrke5. Sådanne validering er i fokus i mange ortopædisk forskergrupper, der overvejende anvender remote målinger af kraft og forskydning fra vejeceller og forskydning transducere6,7,8. Derudover er efter fraktur billedanalyse af fraktur mønster blevet kombineret med disse fjerntliggende målinger som yderligere middel til model validering9. Mere nylig, DIC metode blev anvendt til at validere en FEA model af fraktur og knæk formering i den proksimale femur10. Ved at udnytte stamme korrelation mellem modeller og eksperimenter, endnu mere tillid til validiteten af computational modeller af proksimale femora vil blive opnået og yderligere fremme QCT/FEA diagnosemetode tættere til klinisk brug.
Dette arbejde forklarer en detaljeret protokol for at indarbejde de nødvendige skridt til DIC analyse i fraktur afprøvning af proksimale femora. Proceduren omfattede knogle forberedelsestrin af sprøjtning en hvid maling på knoglen overfladen og derefter pletter sorte pletter på den tørrede hvide overflade af knoglen, metoder til at opnå billeder med tilstrækkelig rumlige og tidsmæssige opløsning ved hjælp af høj hastighed video kameraer, og den proces og værktøjer vi har brugt for computing stamme felter fra disse billeder. Vi forklarede også flere forbehold, der kan påvirke kvaliteten af målingerne.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
alle eksperimenter blev udført med institutionelle Review Board godkendelse. Prøverne blev indhentet fra anatomiske forskningslaboratorier i samarbejde.
1. forberede prøver til test
- tø femora på RT for 24 h.
- Når lårbenet er i kø for at teste, fjerne enhver wrap, der blev anvendt før frysning og tørre lårbenet med et tørt håndklæde til at fjerne enhver rest fugt, fede indskud eller bløddele. Pot større trochanter i præfabrikerede aluminium cup med knoglecement.
- Ved hjælp af en boks indeholder partikler så meget som muligt, spray knoglen med hvid plast primer til at opnå en tyndt, ensartet belægning. Vær omhyggelig med at dække ben med et ensartet lag af maling for optimal kontrast og stærk adhæsion til lårbenet overfladen.
Bemærk: Tykkelse blev ikke målt. - Lad malingen tørre i mindst 5 min. Det er vigtigt at undgå utilsigtet blanding med plettet dråber i afsnit 2.
- Wrap knogle med våd klud til at undgå væv tørhed.
2. Pletter proces
- ca, tilføje 1 del vand til 2 dele af maling til bedste pletter på knoglen. Tilsæt vand efterhånden (for en bedre blanding) til akryl maling at gøre en sort farve.
- Dyppe en ren tandbørste i en palet af sort maling til at absorbere farve og svip til børste for at gøre sorte pletter over den hvide belægning.
- Lad malingen tørre i 5 min før du fortsætter.
3. Billed tilegnelse
- Mount rede plettet lårbenet i mekaniske test maskinen ved at indsætte den indkapslede distale ende i armaturet og stramme to skruer for at fastgøre modellen.
- Justere to høj intensitet udledning lyse reflekser, så lårbenet overfladen opnår den højeste belysning muligt samtidig undgå refleksioner i kamerabilledet. Gå hurtigt videre med følgende trin i afsnit 3 at undgå uønsket opvarmning af prøvemateriale fra lys-stråling før test
- Reducere blænde på forsiden og bagsiden Se høj hastighed video kamera objektiver således, at hele regionen af interesse i femur i synsfeltet er i fokus.
- Justere de lyse reflekser yderligere at forbedre belysning samtidig reducere blænding.
- Indstille billede erhvervelse software til at fange på 6000 rammer/s med en opløsning på 1024 x 512 pixel. Angive det samlede antal rammer skal erhverves efter trigger signal modtages til 12288. Arm høj hastighed video software til billede erhvervelse, når et trigger signal modtages fra test-systemet. Når test er afsluttet, videoen er bosat i kameraet ' s bufferhukommelse.
- Ved hjælp af billede erhvervelse software, gemme video på disken ved at angive en ønskede sti og et filnavn og klikke på " Gem ". Være rede til at vente mellem 5-40 min. til denne proces til at fuldføre afhængigt af antallet af frames at blive frelst.
4. Billede forberedelse
- Opret separate arbejde mapper for- og bagside visninger af lårben.
- Bruge video analyse software til at åbne den passende høj hastighed video optagelse og Bemærk klippunkter referencenumre på 1) at starte belastning ramme aktuatoren bevægelse, og 2) rammen umiddelbart efter hændelsen fraktur.
- At nedsample en ukomprimeret TIFF billedsekvens fra den høje hastighed video, lukke op og opstille den " mov_frames.m " script i arbejdsmappen til den relevante lårben side.
- i den fremkomne dialogboks Indtast slutdatoen stelnummeret identificerede i trin 4.2 med et trin størrelse på 25-40. Klik på " uddrag rammer " og inspicere arbejdsmappen for at sikre *.tiff filerne blev udpakket korrekt.
5. Finite Element Mesh Creation
- Brug en ekstern finite element meshing program til at oprette finite element meshen. Beregne 2D stammer fra differential forskydning vektorer med finite element metoden. Importere indledende udpakkede *.tiff billedet til finite element software pre-processoren som en skabelon til oprettelse af spline.
- Finde to let at identificere fiduciary punkter i billedet, der er i modsatte hjørner af rammen og optage deres X og Y-koordinaterne (disse vil i sidste ende anvendes i trin 6.1). Disse koordinater er vilkårlige baseret på konventets FEA software bruger til at importere *.tiff billede. Koordinaterne for disse punkter skal bruges til at registrere noderne af finite element mesh med de tilsvarende pixel i videobilleder i trin 6.2.
- i et billedredigeringsprogram, åbner det samme billede, der blev importeret til finite element software preprocessor og optage X og Y retning værdierne af de pixel, der er forbundet med de identificerede i trin 5.2 punkter. Disse vil i sidste ende anvendes i trin 6.1.
- i den " skitse " modul af den finite element meshing program, bruge spline værktøj til at skitsere et lukket afsnit, der repræsenterer det pågældende område. Kontrollér området ikke er for stort, således at overfladen af knoglen ville gå uden for regionen forudgående at fraktur på grund af rotation.
- Forbereder den lukkede afdeling oprettet i trin 5.4 for meshing af såning kanterne med en global maskestørrelse på 1 mm under menuen " frø del instans ".
- Under " Tildel mesh kontrol ", sæt figuren element til firsidede.
- Mesh afsnittet lukket.
- Eksporterer trådnet til en ASCII-fil af den trådnet database bestående af nodal koordinater og element definitioner.
- Med deraf følgende finite element input-filen åbnes i et tekstredigeringsprogram, kopiere node blokken indeholder node-numre og koordinater i en ny tekstfil og Gem som " nodes.txt ". Gentag for element blok og gemme den nye tekstfil som " elements.txt ".
6. Registrere FE Mesh med høj hastighed Video billeder og foretage digitale billede korrelation analyse
- inde i en ny session, oprette 2-element rækken vektorer kaldet ab1 og ab2 med de værdier, der er identificeret i trin 5.2., og px1 og px2 med de værdier, der er identificeret i trin 5.3 ved at skrive disse vektor navne på kommandolinjen. Gemmer arbejdsområdet som " points.mat ".
- Køre scriptet " convert_imagesize.m " at registrere point fra finite element mesh med udpakkede høj hastighed videobilledet.
- Køre scriptet " rrImageTrackGui.m ". Indlæse det første billede (" p01.tif "), og Indtast nummeret på den sidste *.tiff fil, der blev udtrukket som det samlede antal billeder til at behandle.
- Indlæse masken oprettet i trin 5.7 ved at sikre trådnet indstillingen er sat til " læses fra filen " og klik på " Accepter ". Finite element mesh skal vises over knoglen billedet.
- Angive sporing værdier baseret på de følgende retningslinjer for sporing parametre og klik " Fortsæt " (holde tankerne at parameterværdierne er billedstørrelse, tekstur og mængden af deformation finder sted, og skal afprøves omhyggeligt på et sag til sag grundlag).
- Brug en kerne størrelse af 21. Kerne størrelse, n, er størrelse of et n x n vindue (hvor n er et ulige tal) af pixels, der bruges til cross-korrelation og bestemmelse af deformation vektoren for det pågældende område, der skal bruges til beregninger af stamme.
- Bruge en start Subpixel størrelsen af 4. Subpixel størrelse, m, er størrelsen af den (2 m + 1) x (2 m + 1) sub vindue over hvilke subpixel deformation er beregnet ved at påtage sig homogene stamme i det underordnede vindue.
- Bruge en start glathed faktor 2. Glathed faktor er mængden af udjævning anvendes til feltet forskydning på registrerede steder før computing stammer.
- Bruger en begyndende maxMove faktor 10. maxMove faktor er det maksimale antal pixels, som enhver node kan være væk fra sin bane i forhold til sin nabo ' s bane. Dette hjælper med at undgå dårligt sporing til deformation.
- Bruger en begyndende smoothGrid faktor 15. SmoothGrid faktoren er størrelsen af gitteret (lidt grovere end masken af de registrerede noder), der bruges til at udjævne.
- Vælg et hjælpelinjepunkt, der har betydelig kontrast omkring det samtidig undgå områder med enhver blænding eller slørethed. Check dette punkt ved at klikke på " Check guide " og kontrollere korrelation peak er stærk (mindst to gange amplitude) i forhold til sine naboer. Klik på " Accepter " og " udføre sporing " opfyldt. Dette kan være en langvarig beregningsmæssige proces hvor differential forskydning er beregnet for den tidsmæssige billedsekvens.
- Efter trin 6.6 er fuldført, skal du klikke " Animate ". Når animere er færdig, skal du klikke på " skrive stammer (efterbehandling software) ", Angiv *.exe, og vælg derefter writeStrainRR_simple.exe 11. Dette vil beregne stammer. Luk GUI.
7. Efterbehandling af fordrivelse og stamme Data
- at opnå stamme vs billednummer køre " analyzeFailurePrecursor.m " fra kommandolinjen med en inputargumentet af trin størrelse (Vælg 20-30). Toppene vil betyde knogleskader, og den største højdepunkt vil svare til ramme tæt på globale knogle fiasko.
- Kør for at oprette filmarkiver af stammer, " makeMovies.m " fra kommando-vinduet med argumenter (numVars, endstep, flag).
Bemærk: Argumentet numVars er defineret som 1-3 forskydninger, 4-6 at være xx og yy xy stamme komponenter, 7 & 8 er de to vigtigste og von Mises stamme, og 9 er den stamme energi. Argumentet endstop er den sidste ramme skal medtages i filmen.- Sæt flaget valgfrit argument 1 kun oprette film for objektet angivet for argumentet numVars og 0 til at skabe film af alle variabler.
8. Fine Tuning og finjustering af resultater
- Hvis DIC tracking gav dårlige resultater som en diskontinuerlig stamme felt, der falder udenfor kontinuum mekanik forudsætninger, bestemme, hvad der sker og hvorfor sporingen er ikke. Gentag afsnit 6 særlig opmærksomhed til justering af tracking parametre. En sekundær mulighed kan være at vende tilbage til finite element software og skabe en mere ensartet og eventuelt finere mesh.
- Hvis DIC tracking gav fornuftige resultater, skal du oprette en finere serie af billeder for DIC. Ved hjælp af disse centrale ramme referencenumre fra trin 4.2 og tilsvarende billedhastigheden for videoen, identificere ramme afstand for tre forskellige ordninger af interesse i fraktur test med kravet i tankerne at punkterne bør bevæger sig ikke mere end 6 pixel mellem frames.
Bemærk: For det første segment af testen når stammer opbygge langsomt i lårbenet, frame afstanden bliver relativt store (for eksempel, for 100 mm/s forskydning sats, frame afstanden for denne del er 3333 μs). For den mellemliggende del af testen tættere på fraktur rammen, stamme stiger hurtigere og mindre ramme afstand er nødvendige (1667 μs 100 mm/s forskydning sats). For den sidste portion lige før fraktur, frame afstand er på sin mindste (16,7 μs på 100 mm/s forskydning sats). - Valgfrit for dokumentation formål: ved hjælp af oplysningerne fra skridt 8,2, oprette formaterede data poster i en ASCII-fil med titlen " steps.txt " som indeholder en række data for hver frame afstand. Formatet for hver række vil være start rammen af dette regime, adskilt af antallet af frames at springe (baseret på skridt 8,2) adskilt af et kolon derefter det endelige billede af dette regime (dvs. et format af " 1:20:200 " vil instruere udvinding software til at udtrække ramme 1 at ramme 200 i trin på 20).
- Straks efter at udpegning, indsætte en tabulator og udpege image ekstraktion nummer vifte (for de " 1:20:200 " eksempel, komplet række betegnelse ville være " 1:20:200 < Tryk på fanen > 1:11 " uden anførelser). Gentag for de andre to test regimer, så der vil være tre rækker af oplysninger i den " steps.txt " fil. Denne fil fungerer som en rekord for hvordan billederne blev udvundet fra den oprindelige høj hastighed video.
- Køre mov_Frames.m kode igen, denne gang angiver flere ramme afstand regimer i dialogboksen. Angiv ramme numre og step størrelser identificeret i skridt 8,2 til at bestemme den startdato, slutdato og frame skip parametre forventes i værktøjet ' s dialogboksen. Sørg for at gøre dette i en ny mappe ellers de originale billeder vil blive overskrevet.
- Gentag afsnit 6 og 7 og gennemgå resultaterne for forbedring. Hver lårbenet kan kræve forskellige yderligere gentagelser alt efter arten af fraktur begivenhed, speckle mønster og belysning. Når gentage skridt 6,5, holde indstillingerne er de samme bortset fra reducere maxMove til 6 (fra 10).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Før speckling processen, lårben er renset fra overskydende fedt og blødt væv, og jo større trochanter er pottet i en aluminium cup. Under størkning af polymethylmethacrylat (PMMA), er knoglen indpakket i en saltvand gennemblødt klud til at undgå væv tørhed. Når PMMA er størknet, knoglen er renset igen lige før sprøjtning (figur 1). Knoglen overfladen er derefter sprøjtes eller børstet med en vandbaseret plast hvid farve. Når tørret, er den hvide overflade plettet med sort farve til har en stokastisk mønster af sorte pletter på den hvide baggrund (figur 2). Når knoglen er placeret i test armaturet, lys og high-speed video kameraer er angivet, og den optimale kontrast af mønster og fokus af kameraer kontrolleres før prøvningen (figur 3). DIC metode kræver en høj kontrast pletter mønster og tilstrækkelig belysning. Ellers, resultaterne kan blive påvirket af flere spørgsmål såsom oversaturation overfladevand, dårlig kontrast og kedelig billeder (figur 4). Ukomprimerede billeder fra højhastigheds-videoer kan være udvundet i flere tidsmæssige prøveudtagning regimer og DIC tracking algoritme kan betjenes via grafiske brugergrænseflader (figur 5). Omridset af lårbenet prøven bruges til at identificere regionen af interesse for stamme felt skøn (figur 6A) og for oprettelsen af en finite element mesh for stamme beregning (fig. 6B). Udbrud af fraktur er opdaget ved at overvåge graden af stammen afvigelse under testen, med toppe der repræsenterer knogleskader og tidsramme for knoglebrud (figur 6 c). Endelig, 2D stamme felter er overlejret tilbage på uafprøvede knogle billedet for forbedret visualisering (figur 6D).
Figur 1 : Knogle forberedelse før maleri knoglerne. (A) rengøring knogle fra fedt og fugt efter at blive optøet; (B) potning større trochanter; (C) rengøring før sprøjtning proces venligst klik her for at se en større version af dette tal.
Figur 2 : Maleprocessen. (A) DIC arbejder område og nødvendige værktøjer; (B) sprøjtning ben med hvide primer; (C) børstning hvid farve på knoglen overfladen; (D) pletter sorte pletter på hvidt knoglen overfladen; (E) endelige plettet overflade af knoglen klar til test venligst klik her for at se en større version af dette tal.
Figur 3 : Belysning og kameraindstillinger. (A) opsætning af lamper og skjolde; (B) oprettelse af høj hastighed video kameraer; (C) en knogle prøve lastet til test maskinen med lys og kameraer klar til check og test; (D) kontrol billeder til funktionaliteten af kameraer; (E) undersøgelse område af interesse, i femoral neck, for at fokusere zoner, dybdeskarphed, manglende blur, og generelt kvaliteten af billeder for DIC venligst klik her for at se en større version af dette tal.
Figur 4 : Knogle DIC forbehold. (A) oversaturation på regionen hoved; (B) blanding og flyder af sort og hvid, da hvid overflade ikke er tør; (C) dårlig kontrast, lokale oversaturation, dårlig klarheden i billedet venligst klik her for at se en større version af dette tal.
Figur 5 : Custom Scripting dialoger der blev brugt i behandlingen af DIC. (A) mov_frames.m, (B) rrImageTrackGui.m, (C) genereret 2D mesh venligst klik her for at se en større version af dette tal.
Figur 6 : Eksempel på mellemliggende DIC resultater. (A) spline tegnet for at fremhæve det område af interesse, (B) genereret mesh oven på knogle billede, (C) stamme afvigelser som en funktion af høj hastighed videobillede, (D) beregnede stamme contour plot forbundet med 2 test billeder før knoglefraktur venligst klik her for at se en større version af dette tal.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Vi indførte en protokol for at konsekvent forberede femoral prøver for høj kontrast imaging under fraktur test, som derefter blev brugt til at estimere fuld felt stamme distributioner med DIC. Denne protokol sikres passende kontrast tekstur af sort tracking prikker på en solid hvid baggrund på knoglen overfladen. Efter denne protokol replikeret vi med held estimering af stammer ved hjælp af DIC analyse for Firs-ni femora.
DIC er en optisk metode, som indebærer at placere en maske over en række billeder taget til fange af høj hastighed video kameraer og sporing pixel intensitet ændringer mellem rammer ved hjælp af en cross-korrelation algoritme. Under forsøgene, fandt vi flere overvejelser, der skal tages hensyn til nøjagtighed og robusthed af metoden og disse oplysninger afspejles i præsenteres protokollen detaljeret. Først, vi fandt følsomheden og løsningen af kameraer er af stor betydning for de rumlige stamme målinger af interesse. Andet bør en meget fin konsistens af kontrasterende sorte mærker på hvid overflade undgås, da de ikke kan være synlige for kameraer. For det tredje, kameraer og belysning bør fastsættes passende afstande at sikre optimale blænde størrelse for dybdeskarphed og den kvalitet og kontrast i billederne. Overdreven belysning kan føre til mætning af de billeder, hvilket resulterer i dårlig kontrast. Endelig, den tidsmæssige afstand mellem billeder skal indstilles således, at de overflade pletter ikke Flyt mere end 6 pixel mellem rammer, således at tracking er præcist erobrede under Kors-sammenhæng.
Som påvist i dette arbejde, har DIC kapacitet til at yde fuld tid-sekvens feltstammen vurderinger af lårbenet fraktur tests, noget ikke nemt opnås med strain gauge eksperimentelle teknikker. Selvom strain gauge målinger har været beskæftiget i en række forskere, sådanne målinger kan hæmmes ved utilstrækkelig montering vedhæftning til knoglen overfladen, gauge conditioning og et begrænset geografisk fordeling12,13. I modsætning, full-field stamme data er mageløs nyttig nemlig validering af QCT/FEA modeller af knoglestyrken ved at sammenligne stamme felter mellem model og test, og det har også kliniske anvendelse til at korrelere collum fraktur typer med mønster af stamme udviklingen på overfladen af lårbenet for denne fysiologiske fald indlæse sag5,9. Mens armaturet overholdelse kunne være et problem, når du tester meget stive femora, omgår DIC dette problem ved beregning af cortex stammer direkte fra knogle lokale deformation således, eliminerer armaturet overholdelse som en kilde til fejl, når estimering femoral stivhed . Resultaterne fra disse billede sammenhænge kan støtte i at udvikle bedre QCT/FEA modeller herunder materielle fejl og målinger af skader og fraktur. Disse kan i sidste ende hjælpe guide terapi beslutninger især for osteoporotiske patienter.
Metoden har dog flere ulemper. Knogle modellen overflade skal være ensartet dækket med en stokastisk speckle mønster, som har høj kontrast til baggrunden. Lejlighedsvis kan refleksioner fra belysning eller store deformationer ændre evne til algoritmen til at spore mønsteret præcist fra ramme til ramme (figur 4). En anden begrænsning er når enkelt kamera (2D) DIC er ansat, stamme beregninger kan påvirkes hvor knoglen overfladen flyet afviger fra at være parallel med kamera billed sensor flyet14. Dette kan forekomme, når de femoralis overflader rotere mod eller væk fra kameraet under fraktur test. Vi er ved at undersøge fremtidige arbejde på dette område til at tilføje et andet kamera og udnytte 3D DIC metoder for forbedret nøjagtighed. Indtil for nylig, sådanne metoder har været utilgængeligt i forskning omgivelser men nu bliver mere let tilgængelige. En anden begrænsning af den metode, der er bestemt til biologisk væv er usikkerheden af maling vedhæftning til lårbenet overflade. Dette var ikke et problem i vores test af vores observationer, men enhver forsinkelse af lårbenet væv og maling vil påvirke resultaterne. Derudover kan eventuelle ikke-knoglevæv, efterladt knogle forberedelsen forstyrre cortex stamme målinger. Endelig, tracking billedindstillinger og mesh tæthed er faktorer, der kan påvirke kvaliteten af resultaterne fra DIC analyse og skal overvejes nøje.
Den nuværende protokol præsenterer en metode til effektivt og konsekvent forberede femoral prøver for digital billedanalyse korrelation og estimering af tilsvarende stamme felter fra høj hastighed kamera billedbehandling under fraktur test. Det er blevet påvist i vores laboratorium for at give sammenhæng over flere test tidsperioder og med varierende forskningspersonalet og operatører over en seksårig periode. Proceduren for DIC præsenteret her for collum forberedelse og afprøvning kan let udvides til andre knogle typer.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har ingen relevante oplysninger.
Acknowledgments
Forfatterne vil gerne takke de materialer og strukturelle test Core på Mayo Clinic for deres tekniske support i udførelsen af fraktur test. Desuden vil vi gerne takke Ramesh Raghupathy og Ian Gerstel for deres bistand udvikle DIC scripts og specifikke detaljer i DIC-protokollen under deres embedstid på Mayo Clinic, og Victor Barocas Research Group, University of Minnesota for den underliggende open source-software, der udfører kernen i digital billed korrelation stamme beregninger11. Denne undersøgelse blev økonomisk støttet af Grainger innovationsfond fra Grainger Foundation.
Materials
| Name | Company | Catalog Number | Comments |
| Krylon plastic primer white | Krylon, Peoria, AZ, USA | N/A | Used as a base coat for a smooth white finish on bone surface |
| Water-based acrylic white and black paint | Plaid Enterprises (Ceramcoat), Norcross, GA, USA | N/A | Paint source for white and black colors |
| Mixing bowl | Not specific (generic) | N/A | Used to mix and prepare paint |
| Foam brush | Linzer Products, Wyandanch, NY, USA | N/A | Used to apply paint on bone surface |
| Toothbrush | Colgate-Palmolive, New York, NY, USA | Firm bristle | Used to apply appropriate size and distribution of speckling pattern |
| Hygenic Orthodontic Resin (PMMA) | Patterson Dental, St Paul, MN, USA | H02252 | Controlled substance and can be purchased with proper approval |
| Kenmore Freezer | Sears Holdings, Hoffman Estates, IL, USA | N/A | Used to maintain a -20oC storage enviroment for bone specimens |
| Physiologic Saline (0.9% Sodium Chloride) | Baxter Healthcare, Deerfield, IL, USA | NDC 0338-0048-04 | Used for keeping specimens hydrated |
| Scalpels and scrapers | Aspen Surgical (Bard-Parker), Caledonia, MI, USA | N/A | Used to remove soft tissue from bone specimens |
| Fume Hood | Hamilton Laboratory Solutions, Manitowoc, WI, USA | 70532 | Used for ventilation when preparing PMMA for potting of specimens |
| Lighting units | ARRI, Munich, Germany | N/A | Needed for illumination of target for image capture |
| High-speed video camera | Photron Inc., San Diego, CA, USA | Photron Fastcam APX-RS | Used to capture the high speed video recordings of the fracture events |
| Photron FASTCAM Imager and Viewer | Photron Inc., San Diego, CA, USA | Ver.3392(x64) | Used to record and view the high speed video recordings |
| Camera lens | Zeiss, Oberkochen, Germany | Zeiss Planar L4/50 ZF Lens | Needed for appropriate image resolution |
| ABAQUS CAE | Dassault Systemès, Waltham, MA, USA | Versions 6.13-4 | Used for defining region of interest and creating finite element mesh |
| MATLAB | Mathworks, Natick, MA, USA | Version 2015b | Used for image processing and DIC analysis |
| TecPlot | TecPlot Inc., Bellevue, WA | Used for post processing of strain fields | |
| Strain Calculator Software | Victor Barocas Research Group, University of Minnesota, Minneapolis, MN, USA | http://license.umn.edu/technologies/20130022_robust-image-correlation-based-strain-calculator-for-tissue-systems | Used to calculate strain field |
| mov_frames.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to downsample uncompressed images from high speed video files |
| convert_imagesize.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to register image pixel coordinates with mesh coordinates |
| rrImageTrackGui.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to perform the image cross-correlation to obtain deformations and run Strain Calculator |
| analyzeFailurePrecursor.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to track the peak strain components temporally |
| makeMovies.m | Matlab script, Mayo Clinic, Rochester, MN,USA | N/A | Used to create portable *.avi movies of the deformation components, strain components, principal strains, von Mises strain, and strain energy |
References
- Peters, W., Ranson, W. Digital imaging techniques in experimental stress analysis. Opt Eng. 21 (3), 213427-213427 (1982).
- Kwon, O., Hanna, R. The Enhanced Digital Image Correlation Technique for Feature Tracking During Drying of Wood. Strain. 46 (6), 566-580 (2010).
- Sutton, M. A., Orteu, J. J., Schreier, H. W. Image Correlation for Shape, Motion and Deformation Measurements. Adv of Opt Methods in Exp Mech. 3, (2009).
- Grassi, L., et al. How accurately can subject-specific finite element models predict strains and strength of human femora? Investigation using full-field measurements. J Biomech. 49 (5), 802-806 (2016).
- Den Buijs, J. O., Dragomir-Daescu, D. Validated finite element models of the proximal femur using two-dimensional projected geometry and bone density. Comput Methods Programs Biomed. 104 (2), 168-174 (2011).
- Keyak, J. H., Rossi, S. A., Jones, K. A., Skinner, H. B. Prediction of femoral fracture load using automated finite element modeling. J Biomech. 31 (2), 125-133 (1998).
- Lotz, J. C., Cheal, E. J., Hayes, W. C. Fracture Prediction for the Proximal Femur Using Finite-Element Models . 1Linear-Analysis. J Biomech Eng-T Asme. 113 (4), 353-360 (1991).
- Cody, D. D., et al. Femoral strength is better predicted by finite element models than QCT and DXA. J Biomech. 32 (10), 1013-1020 (1999).
- Dragomir-Daescu, D., et al. Robust QCT/FEA models of proximal femur stiffness and fracture load during a sideways fall on the hip. Ann Biomed Eng. 39 (2), 742-755 (2011).
- Bettamer, A., Hambli, R., Allaoui, S., Almhdie-Imjabber, A. Using visual image measurements to validate a novel finite element model of crack propagation and fracture patterns of proximal femur. Comput Methods Biomech Biomed Eng Imaging Vis. , 1-12 (2015).
- Raghupathy, R., Barocas, V. Robust Image Correlation Based Strain Calculator for Tissue Systems. , http://license.umn.edu/technologies/20130022_robust-image-correlation-based-strain-calculator-for-tissue-systems (2016).
- Taddei, F., et al. Subject-specific finite element models of long bones: An in vitro evaluation of the overall accuracy. J Biomech. 39 (13), 2457-2467 (2006).
- Grassi, L., et al. Accuracy of finite element predictions in sideways load configurations for the proximal human femur. J Biomech. 45 (2), 394-399 (2012).
- Gerstel, I., Raghupathy, R., Dragomir-Daescu, D. Digital Image Correlation Identifies Quantitative Characteristics in Proximal Femur Fracture Crack. ORS Annual Mtg. , (2012).
