Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Biplanaire videoradiografie om de pols en distale radio-ulnaire gewrichten te bestuderen

2.1K weergaven

⸱

DOI:

10.3791/62102

⸱

4 februari 2021

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

In dit artikel

Samenvatting

Biplanaire videoradiografie (BVR) is een geavanceerde beeldvormingstechniek voor het begrijpen van de driedimensionale beweging van skeletbotten en implantaten. Door op dichtheid gebaseerde beeldvolumes en videoröntgenfoto's van de distale bovenste extremiteit te combineren, wordt BVR gebruikt om de in vivo beweging van de pols en het distale radio-ulnaire gewricht te bestuderen, evenals gewrichtsartroplastieken.

Samenvatting

Nauwkeurige meting van skeletkinematica in vivo is essentieel voor het begrijpen van de normale gewrichtsfunctie, de invloed van pathologie, ziekteprogressie en de effecten van behandelingen. Meetsystemen die huidoppervlaktemarkers gebruiken om skeletbewegingen af te leiden, hebben belangrijk inzicht verschaft in normale en pathologische kinematica, maar nauwkeurige arthrokinematica kan niet worden bereikt met behulp van deze systemen, vooral tijdens dynamische activiteiten. In de afgelopen twee decennia hebben biplanaire videoradiografiesystemen (BVR) veel onderzoekers in staat gesteld om de skeletkinematica van de gewrichten tijdens activiteiten van het dagelijks leven rechtstreeks te bestuderen. Om BVR-systemen voor de distale bovenste extremiteit te implementeren, worden videoröntgenfoto's van de distale radius en de hand verkregen van twee gekalibreerde röntgenbronnen terwijl een proefpersoon een aangewezen taak uitvoert. Driedimensionale (3D) posities van het stijve lichaam worden berekend op basis van de videoröntgenfoto's via een best-fit registratie van 3D-modelprojecties op elke BVR-weergave. De 3D-modellen zijn op dichtheid gebaseerde beeldvolumes van het specifieke bot die zijn afgeleid van onafhankelijk verkregen computertomografiegegevens. Door gebruik te maken van grafische processoreenheden en krachtige computersystemen, blijkt deze modelgebaseerde trackingbenadering snel en nauwkeurig te zijn bij het evalueren van de biomechanica van de pols en het distale radio-ulnaire gewricht. In deze studie hebben we eerst de eerdere studies samengevat die de submillimeter- en subgraadovereenkomst van BVR met een in vitro optisch motion capture-systeem hebben vastgesteld bij het evalueren van de kinematica van de pols en het distale radio-ulnaire gewricht. Verder hebben we BVR gebruikt om het rotatiecentrum van het polsgewricht te berekenen, om het articulatiepatroon van de componenten van het implantaat op elkaar te evalueren en om de dynamische verandering van ulnaire variantie tijdens pronosupinatie van de onderarm te beoordelen. In de toekomst kunnen carpale botten in meer detail worden vastgelegd met de toevoeging van platte röntgendetectoren, meer röntgenbronnen (d.w.z. multiplanaire videoradiografie) of geavanceerde computervisie-algoritmen.

Inleiding

Nauwkeurige meting van skeletkinematica in vivo is essentieel voor het begrijpen van een gezonde en vervangen gewrichtsfunctie, de invloed van pathologie, ziekteprogressie en de effecten van behandelingen. Het niet-invasief kwantificeren van skeletkinematica aan het gewrichtsoppervlak (arthrokinematica) is cruciaal om gewrichtspathologieën en -ziekten, zoals artrose, te begrijpen, maar het is technisch uitdagend. Eerder hebben technieken die huidoppervlaktemarkers gebruiken om skeletbewegingen af te leiden, belangrijk inzicht gegeven in gezonde en pathologische kinematica. Met deze technieken kan echter geen nauwkeurige arthrokinematica worden bereikt, vooral niet tijdens dynamische activiteiten zoals activiteiten van het dagelijks leven. Deze optische systemen zijn inherent beperkt in nauwkeurigheid vanwege de beweging van de huid ten opzichte van de onderliggende botten, de belangrijkste bron van fouten in de analyse van menselijke bewegingen 1,2.

De huidige state-of-the-art methoden voor het kwantificeren van driedimensionale (3D) skeletkinematica zijn op beelden gebaseerde tracking, namelijk biplane videoradiografie (BVR)3 en seriële computertomografie (CT) volumes4 en magnetische resonantiebeeldvorming (MRI)5. Hoewel reguliere 3D CT- en MRI-gebaseerde technologieën in veel ziekenhuizen over de hele wereld zeer nauwkeurig en toegankelijk zijn, zijn ze niet in staat om de dynamische beweging van de gewrichten te meten. Om deze tekortkoming op te lossen, zijn de afgelopen jaren beeldvormende technieken zoals 4D CT-scanning6 en dynamische MRI7 ontwikkeld; Deze methoden stellen patiënten echter bloot aan een hoge stralingsdosis of lijden aan een lage temporele resolutie.

Door de combinatie van nieuwe computervisie-algoritmen en traditionele röntgensystemen is aangetoond dat BVR nauwkeurig is voor meerdere gewrichten bij dieren en mensen; opgelost met op markers gebaseerde of modelgebaseerde trackingalgoritmen. Op markers gebaseerde benaderingen volgen tantaalkorrels die in botten of zacht weefsel worden ingebracht en zijn optimaal voor dier- en in-vitrotests. Ze zijn echter onbetaalbaar invasief voor in vivo onderzoek bij mensen. Gelukkig bieden verbeteringen in modelgebaseerde trackingalgoritmen een levensvatbaar alternatief. Modelgebaseerde BVR-trackingbenaderingen bij mensen omvatten het voorbereiden van de volumetrische beeldsets die zijn verkregen door CT of MRI in een statische houding en het vastleggen van de bewegingen van belangen in het gezichtsveld van twee röntgenstralen. De meeste modelgebaseerde trackingtoepassingen genereren vervolgens digitaal gereconstrueerde röntgenfoto's (DRR) van het bot of implantaat op basis van de statische CT- of MR-beelden en koppelen deze aan verbeterde videoröntgenfoto's met behulp van metrieken die de gelijkenis tussen DRR's en videoröntgenfoto's aantonen8. Dit proces wordt het "volgen" van het bot of implantaat genoemd.

De primaire outputvariabelen van het volgen van botten of implantaten zijn stijve lichaamskinematica, waaruit gewrichtskinematica, ligamentverlengingen 9,10, gewrichtsafstand als surrogaat voor kraakbeendikte11, gewrichtscontact12,13 en andere biomarkers kunnen worden berekend. Onlangs hebben we de nauwkeurigheid gedocumenteerd van modelgebaseerde tracking BVR bij het berekenen van de biomechanica van de pols, totale polsartroplastiek (TWA) en distaal radio-ulnaire gewricht (DRUJ)14,15. In het volgende deel wordt een gedetailleerd protocol van deze gevalideerde methode gepresenteerd voor het bestuderen van de beweging van de skeletpols, totale polsartroplastiek en het distale radio-ulnaire gewricht tijdens verschillende taken. We segmenteren de op dichtheid gebaseerde beeldvolumes van de botten en implantaten uit de CT-beeldvolumes, volgen deze gedeeltelijke beeldvolumes binnen de videoröntgenfoto's en bepalen resultaten zoals rotatiecentrum, contactpatroon en ulnaire variantie om de sterke punten en beperkingen van deze methode aan te tonen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Deze studie werd goedgekeurd door de Institutional Review Board (IRB) van Lifespan - Rhode Island Hospital, een door AAHRPP geaccrediteerde IRB. In totaal hebben 16 patiënten ondertekende geïnformeerde toestemming gegeven volgens de richtlijnen van de instelling.

1. Gegevensverzameling

  1. Computertomografie (CT)
    1. Bereid de preparaten of proefpersonen voor op de CT.
      OPMERKING: Voor de nauwkeurigheidsevaluatie werden14,15 6 intacte onderarmen gebruikt van vier intacte kadavermonsters (70,5 ± 12,3 jaar, 4 rechten, 2 vrouwen) en 1 onderarm (49 jaar, rechts, vrouw) met een totale polsartroplastiek. Voor de in vivo studie werden16 vrijwilligers met gezonde polsen (57,0 ± 5,2 jaar, acht vrouwen, negen rechtse dominant) en 6 patiënten (74,7 ± 5,6 jaar, twee vrouwen, twee rechter, vier dominante polsen) geïncludeerd die een totale polsartroplastiek hadden ondergaan.
    2. Om elke proefpersoon in beeld te brengen4, maakt u een CT-scan van de distale onderarm met een gegevensverzamelingsdiameter van 25 cm en reconstrueert u deze met een gezichtsveld van 20 cm met behulp van het Bone Plus-convolutiealgoritme met behulp van een klinische CT-scanner met 16 plakjes. Gebruik buisinstellingen van 80 kVp en 80 mA. Beperk de blootstelling van de onderarm tot ongeveer 7 cm proximaal van het oppervlak van de distale radius tot de distale vingerkootjes.
      OPMERKING: In dit onderzoek waren de voxelafmetingen van het beeld 0,39 × 0,39mm2 in het dwarsvlak van de onderarm en 0,625 mm langs de lange as van de onderarm.
    3. Breng de verkregen CT-beelden over naar de computer van het laboratorium met behulp van een door HIPPA goedgekeurd protocol in Digital Imaging and Communications in Medicine (DICOM)-formaat.
  2. Biplanaire videoradiografie (BVR)
    1. Experimentele opstelling (Figuur 1). Om een gezichtsvelddiameter mogelijk te maken die in staat is om de distale radius, distale ellepijp, carpale botten en middenhandsbeentjes vast te leggen, evenals een perspectief om benige occlusies in verschillende polshoudingen te minimaliseren, plaatst u de beeldversterkers (II's) onder de onderarmen en stelt u de hoek ertussen in op 110° (röntgenbronnen naar beneden gericht op de overeenkomstige II's in een oriëntatie van 55° ten opzichte van de grond).
      1. Genereer de röntgenstralen in continue modus met een belichtingsinstelling tussen 65 en 75 kV, afhankelijk van de zichtbaarheid van de botten/het implantaat, en 80 mA. Pas de afstand tussen bron en beeld van beide röntgenstraal-II-paren aan op ongeveer 130 cm en de afstand tussen bron en hand op 90 cm.
        OPMERKING: In deze studie droegen proefpersonen in het laboratorium een röntgenbeschermend loodschort, een nekbeschermer van de schildklierkraag en een digitale dosismeter. Alle onderzoekers stonden tijdens het experiment achter een loden afschermingsglas.
      2. Plaats een schraag of iets dergelijks tussen de II's en gebruik deze voor het plaatsen van items (bijv. deurknop, hamer, kruik) voor de onderwerpen.

figure-protocol-1
Figuur 1. Experimentele opstelling. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Raster zonder vervorming (Figuur 2A). Omdat de externe elektromagnetische velden het gedrag van de röntgenbundels (d.w.z. elektronenpaden) beïnvloeden, lijden de radiografische beelden aan niet-lineaire kussenvormige en S-vormige vervormingen17. Om deze vervormingen te verwijderen, gebruikt u een afbeelding van een plat stuk nauwkeurig geperforeerd plaatwerk (d.w.z. niet-vervormingsraster)18,19. Plaats niet-vervormingsrasters op de II's en leg hun beelden vast, zowel voor als na videoradiografiegegevens. Sla deze afbeeldingen op als 8-bits TIFF-afbeeldingen voor beide röntgenbronnen.
  2. kalibratie (Figuur 2B). Kalibratie van de röntgenbronnen is nodig om de 3D-coördinaten van de objecten (botten of implantaten) te berekenen20. Gebruik afbeeldingen van een 3D-object met een bekende geometrie, dat regelmatig op afstand van elkaar geplaatste radio-opake bollen heeft, om een relatie te genereren tussen de positie en oriëntatie van de röntgenbron in de 3D-ruimte en de beeldruimte (d.w.z. röntgenfoto's). Een kubusvormig object (d.w.z. kalibratiekubus) gemaakt van acrylplaten en afstandhouders met stalen bollen zijn effectief en nauwkeurig voor BVR-instellingen19.
    1. Maak röntgenfoto's van de kalibratiekubus18 in verschillende richtingen, 4 keer voordat u het experiment uitvoert en 4 keer na het experiment. De kalibraties na het experiment dienen om te bevestigen dat de experimentele opstelling gedurende het hele experiment ongewijzigd blijft. Sla alle afbeeldingen op als 8-bits TIFF-afbeeldingen voor beide röntgenbronnen.

figure-protocol-2
Figuur 2. A) Raster zonder vervorming. B) Kalibratiekubus en de referentiepunten ervan. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Beschrijving van de taken. Definieer verschillende taken om de polsbeweging vast te leggen tijdens flexie-extensie, radiale-ulnaire deviatie en circumductie16. Beschrijf DRUJ-bewegingstaken als rotatie van de onderarm van een houdingshouding naar volledige pronatie of naar volledige supinatie, gedefinieerd als rotatie van een deurknop met een T-handgreep met de klok mee en tegen de klok in21. Verkrijg videoröntgenfoto's van de pols in zijn neutrale houding (d.w.z. neutrale statische taak). Leg de neutrale houding vast met de rug van de hand coplanair met de achterkant van de onderarm.
    OPMERKING: In de starthouding voor alle taken was de schouder in adductie, de elleboog werd ondersteund op gewrichtsniveau en de onderarm was vrij en in zijn neutrale rotatie. Taken van flexie-extensie en radiale-ulnaire deviatie werden beschreven als de rotatie van de handpalm ten opzichte van respectievelijk de volar-dorsale en radiale-ulnaire zijden van de hand. Circumductie werd beschreven als de polsbeweging die gericht was op het bereiken van een maximaal actief bewegingsbereik in elke richting.
  2. Acquisitie van videoradiografie. Maak videoröntgenfoto's met een snelheid van 200 Hz met de sluitertijd van de camera ingesteld op 500 μs. Neem voor elke taak twee seconden beeldvorming op om 2 herhalingen te verkrijgen. Sla videoröntgenfoto's van elke röntgenbron op als CINE-video in een 8-bits formaat.
    OPMERKING: In dit onderzoek hadden de röntgenfoto's een beeldformaat van 1760×1760 pixels en een resolutie van ongeveer 0,22 mm×0,22 mm per pixel.
    OPMERKING: Huidige röntgenbronnen hebben een optie om het gezichtsveld (FOV) te vergroten. In dit onderzoek werd echter niet gebruik gemaakt van de vergrote modus die door de hardware werd geboden. Op basis van de taakbeschrijving kunt u met deze mogelijkheid uitvoer met een hogere resolutie verkrijgen. Als deze functie wordt gebruikt, moeten de stappen Raster en Kalibratie ongedaan maken in deze modus worden vastgelegd.
  1. Optische motion capture (OMC) - nauwkeurigheidsstudie
    1. Gebruik het optische motion capture (OMC) data-acquisitieprotocol dat in eerdere studies is beschreven14,15. Bevestig twee markeringsclusters, elk met vier retroreflecterende markeringsbollen met een diameter van 9,5 mm, rechtstreeks aan de derde middenhandsbeentjes en spaakbeender. Leg de beweging van de markering vast met behulp van 8 optische motion capture-camera's. Synchroniseer de start van de OMC-data-acquisitie met de BVR door een actieve lage externe trigger.

2. Gegevensverwerking

  1. Computertomografie (CT)
    1. Anonimisering van DICOM. Anonimiseer de DICOM's en importeer ze in beeldverwerkingssoftware voor 3D-modellering (bijv. Mimics Materialise). Open in de Mimics Materialise-software vanuit de werkbalk Bestand het venster Anonimiseren . Wanneer het nieuwe venster wordt geopend, selecteert u Alle afbeeldingen anonimiseren op het linkertabblad en drukt u op de knop Anonimiseren rechtsonder.
    2. Segmentatie (Figuur 3). Segmenteer de botten of implantaten van belang volgens een eerder beschreven methodologie 16,22,23.
      1. Selecteer kort op de werkbalk Segment de optie Drempel en kies de vooraf gedefinieerde drempelsets voor Bot wanneer het venster wordt geopend. Nadat het drempelmasker is gemaakt, gebruikt u de optie Masker splitsen en schildert u handmatig de segmenten van botten of implantaatcomponenten.
      2. Wanneer alle regio's gekleurd zijn, klikt u op OK en wacht u tot de software automatisch de maskers voor elk bot en het implantaatonderdeel genereert. Controleer alle maskers om er zeker van te zijn dat ze de beoogde regio's volledig bedekken. Als dit niet het geval is, gebruikt u de optie Maskers bewerken om de regio's handmatig en één voor één te wijzigen.
        OPMERKING: Om het polsgewricht te bestuderen, moeten de2e en 3e middenhandsbeentjes en radiusbotten worden gesegmenteerd en gescheiden van de rest van de botten. Optioneel kunnen de capitate en andere botten worden gesegmenteerd voor nabewerkingsfasen.
        OPMERKING: Om de DRUJ te bestuderen, moeten het spaakbeen en de ellepijp worden gesegmenteerd en gescheiden van de rest van de botten.
        OPMERKING: Voor de implantaten moeten de radiale component en de carpale component met zijn schroeven worden gesegmenteerd.

figure-protocol-3
Figuur 3. Computertomografiebeeld van de pols en gereconstrueerde modellen van spaakbeen, derde middenhandsbeentje en ellepijp. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Segmentatie - alleen radiale component. Vanwege op dichtheid gebaseerde streepartefacten van het oppervlak van de radiale component in de CT-beelden, kan het radiale componentmodel niet worden gesegmenteerd uit de afbeeldingen. Gebruik dus een CAD-model of 3D-oppervlaktescanner om het 3D-model van de geëxplanteerde radiale component te genereren. Registreer dit model voor de ruwe segmentatie van de radiale component met behulp van de standaardmethode van Mimics Materialise.
    OPMERKING: In dit onderzoek hebben we gebruik gemaakt van een oppervlaktescanner met een resolutie van 0,1 mm. Het implantaat werd op een tafel geplaatst en de 3D-scanner werd handmatig rond het implantaat bewogen om alle externe oppervlakken vast te leggen.
  2. Gedeeltelijke beeldvolumes. De trackingsoftware vereist dat een gesegmenteerde body of interest wordt ingevoerd als een op dichtheid gebaseerd beeldvolume. Als u dit gedeeltelijke volume wilt maken, genereert u een volledig masker van het afbeeldingsvolume met alle grijswaarden door de optie Drempel te selecteren op de werkbalk Segmenteren . Pas de drempelwaarden aan van de minimale naar de maximale grijswaarden.
    1. Gebruik vervolgens de optie Booleaanse operatoren en trek het gesegmenteerde volume van het bot of implantaat van het gegenereerde volledige masker af. Wijzig de kleur van het masker van dit gedeeltelijke volume in zwart (RGB: 0,0/0,0/0,0) omdat de registratiesoftware alleen afbeeldingsvolumes in grijswaarden accepteert. Exporteer het masker als een DICOM door DICOM exporteren te selecteren... in de software. De output is een beeldvolume van het geïsoleerde bot of implantaat.
  3. Driedimensionale modellen. Converteer de gesegmenteerde maskers naar 3D-oppervlaktemodellen met driehoekige mazen door de optie 3D berekenen te selecteren, met de optimale resolutie. Exporteer deze modellen in VRML-formaat, met de 3D-locatie van hoekpunten (punten) en hun volgorde van verbindingen. De modellen worden gegenereerd voor de bouw van coördinatenstelsels en verdere visualisatie.
  1. Voorbewerking van videoradiografie
    1. XMALab18 Importeren. Maak voor elke proefpersoon een nieuwe proefversie in XMALab-software. Wijs de mappaden toe aan rasterafbeeldingen voor vervorming en 8 sets kalibratieafbeeldingen in het dialoogvenster Nieuwe proefversie .
      OPMERKING: Als de röntgenbronnen tijdens de opname worden omgedraaid, moet de flip-optie worden aangevinkt in de XMALab-software.
    2. Vervorming. Als u röntgenfoto's wilt vervormen, klikt u op de knop Onvervorming berekenen nadat de proef is gemaakt en de software de rasterafbeeldingen in de werkruimte Onvervorming niet heeft geopend. XMALab bepaalt en toont automatisch de vervormde beelden van de rasters. Zodra de middelpunten van alle gaten door de software zijn gedetecteerd, wijzigt u de werkruimte in het menu linksboven in de werkruimte Kalibratie . Zie de referentie24 voor meer informatie en voor hulp bij het opsporen van mogelijke problemen.
    3. Kalibratie. In deze fase bepaalt de XMALab-software de kalibratiematrices. In XMALab worden de röntgenbronnen gemodelleerd als pinhole-camera's met intrinsieke en extrinsieke parameters, zoals brandpuntsafstand, het midden van de bron en de afstanden tussen bron en beeld, en de kalibratiefase is een proces dat deze metrieken bepaalt18. Om te kalibreren, selecteert u elk van de 4 referentie-items die in de kalibratiekubus zijn geplaatst voor alle sets afbeeldingen en voor elke weergave. In de opstelling waren deze verwijzingen Piramide, Jack, Koepel en Helix (Figuur 2B). Als de software de punten niet automatisch vindt, drukt u op Compute Calibration. Nadat alle kalibratiebeelden zijn gekalibreerd, selecteert u Camera-instellingen optimaliseren.
    4. Exporteren van kalibratiematrices. Sorteer na optimalisatie alle 8 kalibratiesets (d.w.z. de 4 sets die vóór het experiment zijn vastgelegd en de 4 sets die na het experiment zijn vastgelegd) en selecteer de afbeeldingsset met de kleinste onvervormde fout. Vind deze waarde door op de informatieoptie in de rechterbovenhoek van elk kalibratievenster te drukken. Exporteer de afbeeldingen op de afbeelding met de laagste fout door de optie MayaCams 2.0 te selecteren in het menu Bestand-exporteren . Voor meer informatie en om mogelijke problemen te debuggen, zie de referentie20.
    5. Videoradiografie Undistortion. Verander de werkruimte in Marker tracking en laad de videoröntgenfoto's die zijn vastgelegd in CINE-formaat door op het +-pictogram te drukken. Nadat het laadproces is voltooid, exporteert u de niet-vervormde proefafbeeldingen door Onvervormde proefafbeeldingen te selecteren in het menu Bestandsexport .
  2. Modelgebaseerde tracking (Figuur 4)
    1. Verbetering van de kenmerken van röntgenfoto's/DRR's (Figuur 4A-B). Het verbeteren van de afbeeldingsfuncties met behulp van filters is een noodzakelijke stap om een nauwkeurige overeenkomst te bereiken. Definieer de parameters van de vier filters, waaronder contrast (intensiteitsdetectie), Sobel (randdetectie), Gaussiaans (vervagen/vloeiender) en Verscherpen (de randen vetgedrukt) in de software. Deze filters kunnen worden geselecteerd door met de rechtermuisknop te klikken op de Rad Renderer- of DRR-renderobjecten die worden weergegeven in de widget linksboven.
      OPMERKING: In deze studie werden de randen van de botten op de röntgenfoto's verbeterd met behulp van een Sobel-filter met een schaalfactor van 3 en een mengwaarde van 0,4. Daarnaast werd een contrastfilter met een alpha (voor beeldcontrast) van 2,5 en bèta (voor beeldhelderheid) van 0,9 gebruikt om de kwaliteit van de röntgenfoto's verder te verbeteren. Om de DRR's af te stemmen op de röntgenfoto, werd een straalintensiteitswaarde van 0,35 gebruikt met een Sobel-filter met een mengwaarde van 0,1 en een schaalfactor van 1,7.
    2. Handmatige initialisatie. Verplaats de DRR van elk bot en onderdeel met behulp van het draaipunt om de best mogelijke match tussen DRR en röntgenfoto's te bereiken. Draaipunt helpt gebruikers om de geselecteerde DRR te roteren en te vertalen vanaf de widget linksonder. Deze stap is nodig omdat de positie van het bot of implantaat ten minste één keer moet worden geïnitialiseerd, en ten minste voor het eerste frame, voordat de optimalisatie wordt uitgevoerd. Druk op W om de DRR in de vertaalmodus te zetten en druk op E om de DRR te draaien.
      OPMERKING: Het wijzigen van de locatie van het draaipunt is meestal niet nodig, maar het is mogelijk met behulp van de optie Draaipunt verplaatsen van de werkbalk.
    3. Optimalisering. Druk op C of klik op de knop Stroom volgen in de werkbalk om de beste overeenkomst te vinden tussen de DRR en de röntgenfoto's. De standaardprocedure van de software maakt gebruik van de genormaliseerde kruiscorrelatie (NCC) kostenfunctie en zowel de deeltjeszwermoptimalisatiemethode als de downhill-simplexprocedures26,27. Dit proces wordt ook wel de matching- of trackingstap genoemd. De optimalisatieprocedure kan ook worden uitgevoerd via de Tracking Dialog. Om dit te doen, drukt u op de optie Volgdialoogvenster op de werkbalk. Wanneer het nieuwe venster wordt geopend, wijzigt u de Van Frame en Naar Frame in 0 en drukt u op OK.
      OPMERKING: NCC is een functie die de gelijkenis tussen de röntgenfoto's en DRR's meet, en een NCC-waarde dichter bij 0 toonde een betere overeenkomst aan. Het bereiken van deze waarde hangt echter volledig af van de beeldfilters en opnamekwaliteiten. De waarde van NCC kan worden waargenomen in het "Terminal Window".
    4. Matchingproces - Eerste pas. Nadat het eerste frame automatisch is geoptimaliseerd, opent u het dialoogvenster Volgen, wijzigt u het Van frame in 0 en wijzigt u het Naar frame in het laatste framenummer (dit bevindt zich rechtsonder). Het standaard matchingproces van de software gebruikt het huidige frame als de beginpositie van de DRR voor het matchingproces. Het optimalisatieproces maakt gebruik van de particle swarm optimization (PSO)-methode binnen een gebied van 3 mm en 3° van de beginpositie.
    5. Matchingproces - Einddoorgang (Figuur 4C). Omdat het geautomatiseerde matchingproces kan mislukken als gevolg van een slechte initialisatie of filters, moet u alle frames handmatig controleren om er zeker van te zijn dat de optimalisatie correct is uitgevoerd. Als de DRR en röntgenfoto's niet correct overeenkomen, herhaalt u de stappen beschreven in de punten 2.3.2 en 2.3.3.
      OPMERKING: Het volgen van de pols werd eerst uitgevoerd met een model dat de tweede en derde middenhandsbeentjes (MC2-MC3) omvatte om de effecten van botoverlapping te verminderen en de nauwkeurigheid van het matchen te verbeteren. Na het lokaliseren van de gecombineerde DRR-positie en rotatie in de röntgenfoto's, werden de gematchte en geoptimaliseerde MC2-MC3-locaties getransformeerd naar het MC3-gedeeltelijke beeldvolume en werden de initiële posities van de MC3 gezaaid. Aan de hand van deze gezaaide posities werd de MC3 gevolgd. Net als bij MC3 werden ook de radius, ellepijp, radiale component en carpale component in de videoröntgenfoto's tijdens alle taken gevolgd.

figure-protocol-4
Figuur 4. A) Vastgelegde röntgenfoto van een röntgenbron met digitaal gereconstrueerde röntgenfoto's (DRR's) van de botten. B) Verbeterde (gefilterde) röntgenfoto en DRR's. C) Overeenkomende DRR's na optimalisatieproces. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Vermindering van gegevens. Op basis van de framesnelheid en de kwaliteit van de radiografische beelden kunnen filterbenaderingen zoals de voortschrijdend gemiddelde methode (met een bereik van 5 frames) worden gebruikt. Selecteer hiervoor in het werkbalkmenu de optie Tracking-Geavanceerd dialoogvenster en klik op de knop Vloeiend . Deze aanpak werd gebruikt voor alle opnames in dit onderzoek.
  2. Exporteren van bot-/implantaatposities. Nadat elk bot is gekoppeld aan de röntgenfoto's en alle frames zijn geoptimaliseerd, exporteert u de 4x4-transformatiematrices van de DRR's in de röntgenwereld door op de knop Save Tracking te klikken en de uitvoer van het matrixformaat te selecteren. Deze transformatiematrix definieert de rotatie en translatie van het gedeeltelijke beeldvolume van het bot/implantaat in het gekalibreerde röntgenwereldcoördinatensysteem en kan worden gebruikt voor aanvullende verwerking en bewegingsberekening. Het coördinatensysteem van het gedeeltelijke beeldvolume moet worden overgebracht naar het anatomische coördinatensysteem voor zinvolle biomechanische analyse.

3. Gegevensanalyse

  1. Coördinatenstelsels (Figuur 5). Om kinematica te rapporteren, construeert u coördinatensystemen (CS) voor de botten en implantaatcomponenten op basis van hun anatomische en geometrische oriëntatiepunten. Nadat deze CS zijn geconstrueerd, registreert u de modellen die zich in de nieuwe CS bevinden bij de oppervlaktemodellen die zijn gegenereerd in sectie 2.1.4 met behulp van een iteratief algoritme voor het dichtstbijzijnde punt. Deze één-op-één-registratie berekent een nieuwe 4x4-transformatiematrix die zal worden gebruikt voor kinematicaberekeningen.
    OPMERKING: In deze studie zijn de CS voor de spaakbeender, ellepijp, derde middenhandsbeentje, carpale component, radiale component, polyethyleenkap en capitaat gemaakt met behulp van methoden die eerder zijn beschreven 16,22,23.

figure-protocol-5
Figuur 5. Coördinatenstelsels van de botten en de componenten van het implantaat. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Kinematica. Definieer in deze studie polsbeweging als beweging van de MC3 ten opzichte van de straal, en de kinematische gegevens werden gerapporteerd ten opzichte van de neutrale polspositie.
    1. Bereken voor de DRUJ-analyse de parameters van de spiraalas van beweging (HAM)28 om de kinematica te beschrijven als de relatieve beweging van de straal CS in de ulnaire CS, ten opzichte van de neutrale houding.
    2. Gebruik HAM-analyse om het rotatiecentrum (COR) van de pols te bepalen bij flexie-extensie en radiale-ulnaire deviatie.
    3. Om de eendimensionale proximaal-distale verschuiving van de COR te beschrijven, definieert u de geprojecteerde COR voor de gezonde polsen als een punt op de centrale as van het capitate bot dat de kortste afstand had tot de schroefas van rotatie16.
    4. Ontleed de HAM-rotatie in het ulnaire coördinatensysteem met behulp van de HAM-schroefas en bereken de pronatie (positief) en supinatie (negatief) van de onderarm. De neutrale houding werd gedefinieerd wanneer pronatie-supinatie (PS) nul was.
    5. Definieer ten slotte de ulnaire variantie (UV) als de afstand tussen de ulnaire fovea en de sigmoïde inkeping op de straal.
  2. Articulatie patroon
    1. Bereken contactpatronen tussen de polyethyleen kap en de radiale component met behulp van de polskinematica en componentspecifieke afstandsvelden29.
    2. Bereken afstandsvelden voor elk 3D-oppervlaktemodel als een volumetrische matrix van ondertekende afstanden tot het oppervlak.
    3. Bereken de nabijheidswaarden van de afstandsvelden op het oppervlak van de polyethyleen kap en de radiale component voor elke houding.
    4. Om het contactvlak tussen de componenten te verkrijgen, past u deze nabijheidswaarden aan de resolutie van het acquisitiesysteem aan (de uitsluitingsdrempel voor afstand is in deze studie geselecteerd op 0,70 mm).
  3. Statistische analyse
    1. Gebruik de Bland-Altman-analyse om de nauwkeurigheid te evalueren door de bias (gemiddelde verschillen) en 95%-overeenstemmingslimiet (bias ± 1.96SD) tussen BVR en OMC aan te tonen14, 30.
    2. Gebruik gegeneraliseerde lineaire modellen (GLM) om het rotatiecentrum van de gezonde pols te beschrijven en om een verband te vinden tussen de verandering in UV en PS (UV = p1×PS2 + p2×PS), waarbij p1 en p2 coëfficiënten waren die werden geoptimaliseerd met behulp van lineaire regressie. Gebruik de RMSE-metriek (root-mean-squared-error) om de nauwkeurigheid van het model te evalueren.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

De selectie van 2D-naar-3D-beeldregistratiesoftware voor modelgebaseerde tracking is deels afhankelijk van de toegang tot grafische processoreenheden (GPU) en high-performance computing (HPC)-systemen. Deze programma's hebben verschillende pijplijnen en vanaf nu is er geen gemeenschappelijke methodologie tussen de programma's. In dit onderzoek gebruiken we Autoscoper, een open-source 2D-naar-3D-beeldregistratieprogramma dat is ontwikkeld aan Brown University25. De...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Biplanaire videoradiografie (BVR) is een op beelden gebaseerde methode die kan worden gebruikt om bot- en implantaatbeweging in de pols en het distale radio-ulnaire gewricht te meten met een nauwkeurigheid van minder dan een millimeter en een graad nauwkeurig. In de onderzoeken die we hier hebben beschreven, werd BVR gebruikt om een nauwkeurig patroon van geprojecteerde COR voor een gezonde pols en TWA-contactpatronen te identificeren. Dergelijke bevindingen kunnen worden gebruikt voor h...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

We hebben geen belangenconflict te verklaren.

Dankbetuigingen

De auteurs willen Josephine Kalshoven en Lauren Parola bedanken voor het herzien van het protocol. De auteurs willen ook Erika Tavares en Rohit Badida bedanken voor hun hulp bij het verzamelen van gegevens, en Kalpit Shah, Arnold-Peter Weiss en Scott Wolfe voor hun hulp bij het interpreteren van gegevens. Deze studie was mogelijk met steun van de National Institutes of Health P30GM122732 (COBRE Bio-engineering Core) en een subsidie van de American Foundation for Surgery of the Hand (AFSH).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
3D Surface ScannerArtec 3DArtec Space SpiderTMLuxemburg
AutoscoperBrown Universityhttps://simtk.org/projects/autoscoperhttps://doi.org/10.1016/j.jbiomech.2019.05.040
CT ScannerGeneral Electric (GE)Lightspeed 16Milwaukee, WI, VS
Geomagic Wrap 3D3DSystemsVersie 2017Rock Hill, SC, VS
Graphics Processing Unit (GPU)NvidiaGeForce GTX 1080CUDA-enabled GPU
High-speed Video CamerasPhantomVersie 10Vision Research, Wayne, NJ, VS
Image IntensifierDunlee40 cm diameterAurora, IL, VS
ImageJOpen-source (Brown University)https://imagej.net/Fijihttps://doi.org/10.1038/nmeth.2019
MatlabThe MathWorks, Inc.R2017a tot R2020aNatick, MA, VS
MimicsMaterialiseVersie 19.0 tot 22.0Leuven, België
Motion Capture CamerasQualisysOqus 5+ Gothenburg, Zweden
Pulsed X-ray GeneratorsEMD TechnologiesEPS 45–80Saint-Eustache, Quebec, QC, Canada
Undistortion GridMcMaster-Carr9255T641Steel Perforated Sheet Staggered Holes, 0.048" Thk, 0.125" Hole Dia, 36" X 40"
Wrist Implant (In-vitro Study)Integra LifeSciencesUniversal 2Plainsboro, NJ, VS
Wrist Implant (In-vivo Study)Integra LifeSciencesFreedomPlainsboro, NJ, VS
WristVizOpen-source (Brown University)https://github.com/DavidLaidlaw/WristVisualizer/tree/masterOpen-source software
X-ray TubesVarian Medical SystemsModel G-1086Palo Alto, CA, VS
XMALabOpen-source (Brown University)https://www.xromm.org/xmalab/https://doi.org/10.1242/jeb.145383

Referenties

  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).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Tags

Skeletkinematicapolsgewrichtdistale radioulnaire gewricht3D-bottrackinggewrichtsbiomechanicaoptische motion captureröntgenbeeldvormingmodelgebaseerde trackingpronatie-supinatie

Dit artikel is gepubliceerd

Video binnenkort beschikbaar

Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.