Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Wideoradiografia dwupłaszczyznowa do badania stawów promieniowo-łokciowych nadgarstka i dystalnych

2.1K wyświetleń

⸱

DOI:

10.3791/62102

⸱

4 lutego 2021

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

W tym artykule

Podsumowanie

Wideoradiografia dwupłaszczyznowa (BVR) to zaawansowana technika obrazowania pozwalająca zrozumieć trójwymiarowy ruch kości szkieletowych i implantów. Łącząc objętości obrazów oparte na gęstości i wideoradiogramy dystalnej kończyny górnej, BVR służy do badania in vivo ruchu nadgarstka i dystalnego stawu promieniowo-łokciowego, a także endoprotezoplastyki stawów.

Streszczenie

Dokładny pomiar kinematyki szkieletu in vivo jest niezbędny do zrozumienia prawidłowego funkcjonowania stawów, wpływu patologii, postępu choroby i efektów leczenia. Systemy pomiarowe, które wykorzystują markery powierzchni skóry do wnioskowania o ruchu szkieletu, dostarczyły ważnych informacji na temat kinematyki normalnej i patologicznej, jednak dokładna artlokinematyka nie może być osiągnięta przy użyciu tych systemów, zwłaszcza podczas czynności dynamicznych. W ciągu ostatnich dwóch dekad systemy wideoradiografii dwupłaszczyznowej (BVR) umożliwiły wielu badaczom bezpośrednie badanie kinematyki szkieletowej stawów podczas czynności życia codziennego. Aby wdrożyć systemy BVR dla dystalnej kończyny górnej, wideoradiogramy dystalnej części promieniowej i ręki są pozyskiwane z dwóch skalibrowanych źródeł promieniowania rentgenowskiego, podczas gdy badany wykonuje wyznaczone zadanie. Trójwymiarowe (3D) pozycje ciał sztywnych są obliczane na podstawie wideoradiogramów za pomocą najlepiej dopasowanych rejestracji projekcji modelu 3D do każdego widoku BVR. Modele 3D to oparte na gęstości objętości obrazu konkretnej kości, pochodzące z niezależnie uzyskanych danych tomografii komputerowej. Wykorzystując procesory graficzne i wysokowydajne systemy obliczeniowe, wykazano, że to oparte na modelu podejście do śledzenia jest szybkie i dokładne w ocenie biomechaniki nadgarstka i dystalnego stawu promieniowo-łokciowego. W tym badaniu najpierw podsumowaliśmy poprzednie badania, w których ustalono submilimetrową i substopniową zgodność BVR z optycznym systemem przechwytywania ruchu in vitro w ocenie kinematyki nadgarstka i dystalnego stawu promieniowo-łokciowego. Ponadto użyliśmy BVR do obliczenia zachowania środka obrotu stawu nadgarstkowego, do oceny wzorca artykulacji elementów implantu względem siebie oraz do oceny dynamicznej zmiany wariancji kości łokciowej podczas pronosynacji przedramienia. W przyszłości kości nadgarstka mogą być rejestrowane bardziej szczegółowo dzięki dodaniu płaskich detektorów promieniowania rentgenowskiego, większej liczby źródeł promieniowania rentgenowskiego (tj. wideoradiografii wielopłaszczyznowej) lub zaawansowanych algorytmów widzenia komputerowego.

Wprowadzenie

Dokładny pomiar kinematyki szkieletu in vivo jest niezbędny do zrozumienia zdrowej i zastąpionej funkcji stawu, wpływu patologii, postępu choroby i efektów leczenia. Nieinwazyjne określenie ilościowe kinematyki szkieletu na powierzchni stawu (artrokinematyka) ma kluczowe znaczenie dla zrozumienia patologii i chorób stawów, takich jak choroba zwyrodnieniowa stawów, ale jest to wyzwanie techniczne. Wcześniej techniki wykorzystujące markery powierzchni skóry do wnioskowania o ruchu szkieletu dostarczyły ważnych informacji na temat zdrowej i patologicznej kinematyki. Jednak dokładna artrokinematyka nie może być osiągnięta przy użyciu tych technik, zwłaszcza podczas dynamicznych czynności, takich jak czynności życia codziennego. Te systemy optyczne są z natury ograniczone pod względem dokładności ze względu na ruch skóry względem leżących pod spodem kości, co jest głównym źródłem błędów w analizie ruchów człowieka1,2.

Obecne najnowocześniejsze metody ilościowego określania trójwymiarowej (3D) kinematyki szkieletu to śledzenie oparte na obrazie, a mianowicie dwupłaszczyznowa wideoradiografia (BVR)3 i objętości seryjnej tomografii komputerowej (CT)4 i obrazowanie metodą rezonansu magnetycznego (MRI)5. Chociaż zwykłe technologie oparte na tomografii komputerowej 3D i rezonansie magnetycznym są bardzo dokładne i dostępne w wielu szpitalach na całym świecie, nie są w stanie zmierzyć dynamicznego ruchu stawów. W ostatnich latach opracowano techniki obrazowania, takie jak tomografia komputerowa 4D6 i dynamiczny rezonans magnetyczny7, aby wyeliminować ten mankament; Jednak metody te albo narażają pacjentów na wysokie dawki promieniowania, albo cierpią z powodu niskiej rozdzielczości czasowej.

Łącząc nowatorskie algorytmy widzenia komputerowego i tradycyjne systemy rentgenowskie, wykazano, że BVR jest dokładny dla wielu stawów u zwierząt i ludzi; rozwiązany za pomocą algorytmów śledzenia opartych na markerach lub modelach. Metody oparte na markerach śledzą kulki tantalu wprowadzane do kości lub tkanek miękkich i są optymalne do badań na zwierzętach i in vitro. Są one jednak zbyt inwazyjne w badaniach in vivo na ludziach. Na szczęście ulepszenia w algorytmach śledzenia opartych na modelach stanowią realną alternatywę. Oparte na modelach podejścia do śledzenia BVR u ludzi polegają na przygotowaniu wolumetrycznych zestawów obrazów uzyskanych za pomocą tomografii komputerowej lub rezonansu magnetycznego w pozycji statycznej i uchwyceniu ruchów zainteresowań w polu widzenia dwóch promieni rentgenowskich. Większość aplikacji śledzących opartych na modelach generuje następnie cyfrowo zrekonstruowane zdjęcia rentgenowskie (DRR) kości lub implantu na podstawie statycznych obrazów CT lub MR i dopasowuje je do wideoradiogramów z ulepszonymi cechami za pomocą metryk, które pokazują podobieństwo między DRR a wideoradiogramami8. Proces ten nazywa się "śledzeniem" kości lub implantu.

Podstawowe zmienne wyjściowe śledzenia kości lub implantów to kinematyka ciała sztywnego, z której kinematyka stawów, wydłużenia więzadeł9,10, odstępy między stawami jako substytut grubości chrząstki11, kontakt stawowy12,13i można obliczyć inne biomarkery. Niedawno udokumentowaliśmy dokładność opartego na modelu śledzenia BVR w obliczeniach biomechaniki nadgarstka, całkowitej endoprotezoplastyki nadgarstka (TWA) i dystalnego stawu promieniowo-łokciowego (DRUJ)14,15. W dalszej części przedstawiono szczegółowy protokół tej zwalidowanej metody badania ruchu szkieletowego nadgarstka, całkowitej endoprotezoplastyki nadgarstka i dystalnego stawu promieniowo-łokciowego podczas różnych zadań. Segmentujemy objętości obrazów kości i implantów na podstawie gęstości od objętości obrazu CT, śledzimy te częściowe objętości obrazu w wideoradiogramach i określamy wyniki, takie jak środek obrotu, wzór kontaktu i wariancja łokciowa, aby pokazać mocne strony i ograniczenia tej metody.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Badanie to zostało zatwierdzone przez Instytucjonalną Komisję Rewizyjną (IRB) Lifespan - Rhode Island Hospital, która posiada akredytację AAHRPP. Łącznie 16 pacjentów wyraziło pisemną zgodę na udział w badaniu zgodnie z wytycznymi instytucjonalnymi.

1. Pozyskiwanie danych

  1. Tomografia komputerowa (TK)
    1. Przygotuj preparaty lub badanych do badania TK.
      UWAGA: Do oceny dokładności14,15wykorzystano 6 nienaruszonych przedramion z czterech nienaruszonych preparatów zwłok (70,5 ± 12,3 lat, 4 prawe, 2 kobiece) oraz 1 przedramię (49 lat, prawe, kobiece) z całkowitą endoprotezą nadgarstka. W celu in vivo badanie16do badania zakwalifikowano 10 ochotników ze zdrowymi nadgarstkami (57,0 ± 5,2 lat, osiem kobiet, dziewięć osób praworęcznych) oraz 6 pacjentów (74,7 ± 5,6 lat, dwie kobiety, dwóch praworęcznych, cztery osoby z dominującym nadgarstkiem), u których przeprowadzono całkowitą artroplastykę nadgarstka.
    2. Aby obrazować każdą próbę4wykonaj tomografię komputerową (TK) dystalnej części przedramienia z średnicą zbierania danych 25 cm i zrekonstruuj obraz z polem widzenia (FOV) 20 cm, stosując algorytm splotu Bone Plus przy użyciu klinicznego tomografu komputerowego 16-rzędowego. Ustaw parametry lampy na 80 kVp i 80 mA. Ogranicz zakres ekspozycji przedramienia od około 7 cm proksymalnie od powierzchni dystalnej kości promieniowej do paliczka dystalnego.
      UWAGA: W niniejszym badaniu wymiary wokseli obrazu wynosiły 0,39 × 0,39 mm2 w płaszczyźnie poprzecznej przedramienia oraz 0,625 mm wzdłuż osi długiej przedramienia.
    3. Przenieś pozyskane obrazy CT na komputer laboratoryjny, korzystając z protokołu zgodnego z HIPPA w formacie DICOM (Digital Imaging and Communications in Medicine).
  2. Dwupłaszczyznowa wideoradiografia (BVR)
    1. Układ doświadczalny (Rysunek 1). Aby uzyskać średnicę pola widzenia pozwalającą na uchwycenie dalszej części kości promieniowej i łokciowej, kości nadgarstka oraz kości śródręcza, a także perspektywę minimalizującą przesłonięcia kostne przy różnych ułożeniach nadgarstka, należy umieścić wzmacniacze obrazu (II) pod przedramionami i ustawić kąt między nimi na 110° (źródła promieni rentgenowskich skierowane w dół do odpowiadających im intensyfikatorów obrazu II w) 55° orientacja względem podłoża).
      1. Generuj promieniowanie rentgenowskie w trybie ciągłym przy ustawieniu ekspozycji od 65 do 75 kV, w zależności od widoczności kości/implantu, oraz 80 mA. Ustaw odległość źródła od detektora dla obu par X-Ray-II na około 130 cm, a odległość źródła od dłoni na 90 cm.
        UWAGA: W niniejszym badaniu osoby badane nosiły w laboratorium ołowiany fartuch ochronny przed promieniowaniem rentgenowskim, osłonę tarczycy na szyję oraz dozymetr cyfrowy. Wszyscy badacze podczas eksperymentu znajdowali się za osłoną z ołowianego szkła.
      2. Umieść koziołek lub podobną konstrukcję pomiędzy IIs i wykorzystaj ją do rozmieszczenia przedmiotów (np. klamki, młotka, dzbanka) dla badanych.

Schemat układu XROMM; kąt między wiązkami ~110°, dopasowanie optyczne, proces obrazowania.
Rycina 1. Układ eksperymentalny. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Siatka do usuwania dystorsji (Rycina 2A). Ponieważ zewnętrzne pola elektromagnetyczne wpływają na zachowanie wiązek promieni rentgenowskich (tj. ścieżki elektronów), obrazy radiograficzne są obarczone nieliniowymi dystorsjami w kształcie poduszki oraz dystorsjami w kształcie litery S17. Aby usunąć te zniekształcenia, należy wykorzystać obraz płaskiego elementu precyzyjnej perforowanej blachy (tj. siatkę do usuwania dystorsji)18,19. Umieść siatki do usuwania dystorsji na wzmacniaczach obrazu (II) i wykonaj ich obrazy zarówno przed, jak i po zebraniu danych w wideoradiografii. Zapisz te obrazy jako 8-bitowe pliki TIFF dla obu źródeł promieniowania rentgenowskiego.
  2. Kalibracja (Rycina 2B). Kalibracja źródeł promieni rentgenowskich jest niezbędna do obliczenia współrzędnych 3D obiektów (kości lub implantów)20. Użyj obrazów obiektu 3D o znanej geometrii, który posiada regularnie rozmieszczone radioopakowe sfery, aby wyznaczyć relację między pozycją i orientacją źródła promieni rentgenowskich w przestrzeni 3D a przestrzenią obrazu (tj. radiogramami). Obiekt sześcienny (tj. kostka kalibracyjna) wykonany z arkuszy akrylowych i przekładek ze stalowymi sferami jest skuteczny i dokładny w ustawieniach BVR19.
    1. Wykonaj radiogramy kostki kalibracyjnej18 w różnych orientacjach 4 razy przed przeprowadzeniem eksperymentu i 4 razy po eksperymencie. Kalibracje poeksperymentalne służą potwierdzeniu, że układ eksperymentalny pozostał niezmieniony przez cały czas trwania badania. Zapisz wszystkie obrazy jako 8-bitowe pliki TIFF dla obu źródeł promieniowania rentgenowskiego.

Analiza wzorców mikroskopowych; (A) macierz kropek, (B) oznakowane kształty (KOPUŁA, PIRAMIDA, SPIRALA, JACK).
Rysunek 2. A) Siatka do usuwania dystorsji. B) Kostka kalibracyjna i jej elementy referencyjne. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

  1. Opis zadań. Zdefiniuj różne zadania w celu uchwycenia ruchu nadgarstka podczas zgięcia-wyprostu, odchylenia promieniowego-łokciowego oraz obwodu16. Opisz zadania ruchu DRUJ jako rotację przedramienia z pozycji wyjściowej do pełnej pronacji lub pełnej supinacji, zdefiniowanej jako obrót klamki w kształcie litery T w kierunku zgodnym i przeciwnym do ruchu wskazówek zegara21. Pozyskaj wideoradiogramy nadgarstka w pozycji neutralnej (tj. neutralne zadanie statyczne). Uchwyć pozycję neutralną tak, aby grzbiet dłoni znajdował się w tej samej płaszczyźnie co grzbiet przedramienia.
    UWAGA: W pozycji początkowej dla wszystkich zadań ramię znajdowało się w przyprzyśrodkowym ustawieniu, łokieć był podparty na poziomie stawu, a przedramię było nieograniczone i znajdowało się w neutralnej rotacji. Zadania zgięcia-wyprostu oraz odchylenia promieniowego-łokciowego opisano jako rotację dłoni odpowiednio względem strony dłoniowej-grzbietowej oraz promieniowej-łokciowej. Obwód opisano jako ruch nadgarstka mający na celu osiągnięcie maksymalnego czynnego zakresu ruchu w każdym kierunku.
  2. Pozyskiwanie wideoradiogramów. Pozyskaj wideoradiogramy z częstotliwością 200 Hz przy czasie otwarcia migawki kamery ustawionym na 500 µs. Nagraj dwa sekundy obrazowania dla każdego zadania, aby uzyskać 2 powtórzenia. Zapisz wideoradiogramy pozyskane z każdego źródła promieniowania rentgenowskiego jako wideo CINE w formacie 8-bitowym.
    UWAGA: W niniejszym badaniu radiogramy miały rozmiar obrazu 1760×1760 pikseli i rozdzielczość około 0.22mm×0.22mm na piksel.
    UWAGA: Obecne źródła promieniowania rentgenowskiego posiadają opcję powiększenia pola widzenia (FOV). Jednak w niniejszym badaniu nie wykorzystano trybu powiększenia oferowanego przez sprzęt. W zależności od opisu zadania, funkcja ta może umożliwić pozyskanie wyników o wyższej rozdzielczości. Jeśli ta funkcja zostanie użyta, kroki dotyczące siatki korekcji dystorsji (Undistortion Grid) oraz kalibracji muszą zostać wykonane w tym trybie.
  1. Optyczny system analizy ruchu (OMC) – badanie dokładności
    1. Należy zastosować protokół pozyskiwania danych z optycznego systemu analizy ruchu (OMC) opisany w poprzednich badaniach14,15. Do trzeciej kości śródręcza oraz kości promieniowej należy przymocować bezpośrednio dwa klastry markerów, z których każdy składa się z czterech retrorefleksyjnych sfer markerowych o średnicy 9,5 mm. Ruch markerów należy zarejestrować za pomocą 8 kamer optycznego systemu analizy ruchu. Początek akwizycji danych OMC należy zsynchronizować z BVR za pomocą aktywnego zewnętrznego wyzwalacza niskopoziomowego.

2. Przetwarzanie danych

  1. Tomografia komputerowa (CT)
    1. Anonimizacja DICOM. Zanonimizuj pliki DICOM i zaimportuj je do oprogramowania do przetwarzania obrazów w celu modelowania 3D (np. Mimics Materialise). W oprogramowaniu Mimics Materialise, z paska narzędzi File , otwórz okno Anonymize . Po otwarciu nowego okna wybierz opcję Anonymize All Images z lewej karty i naciśnij przycisk Anonymize w prawym dolnym rogu.
    2. Segmentacja (Rysunek 3). Przeprowadź segmentację wybranych kości lub implantów zgodnie z wcześniej opisaną metodologią16,22,23.
      1. W skrócie: z paska narzędzi Segment wybierz opcję Threshold , a następnie, po otwarciu okna, wybierz zdefiniowane zestawy progowe dla Bone. Po utworzeniu maski progowej użyj opcji Split Mask i ręcznie zaznacz Regions kości lub komponentów implantu.
      2. Po pokolorowaniu wszystkich obszarów kliknij OK i poczekaj, aż oprogramowanie automatycznie wygeneruje maski dla każdej kości i komponentu implantu. Sprawdź wszystkie maski, aby upewnić się, że całkowicie pokrywają one zamierzone obszary. W przeciwnym razie użyj opcji Edit Masks, aby zmodyfikować obszary ręcznie, jeden po drugim.
        UWAGA: Aby zbadać staw nadgarstkowy, należy przeprowadzić segmentację 2nd i 3rd kości śródręcza oraz kości promieniowej i oddzielić je od pozostałych kości. Opcjonalnie można przeprowadzić segmentację kości główkowej i innych kości na potrzeby etapów postprocessingu.
        UWAGA: Aby zbadać DRUJ, należy przeprowadzić segmentację kości promieniowej i łokciowej i oddzielić je od pozostałych kości.
        UWAGA: W przypadku implantów należy przeprowadzić segmentację komponentu promieniowego oraz komponentu nadgarstkowego wraz z wkrętami.

Schemat tomografii komputerowej kości nadgarstka człowieka w wizualizacji 3D, badanie ortopedyczne, reprezentacja anatomiczna.
Rycina 3. Obraz tomografii komputerowej nadgarstka oraz zrekonstruowane modele kości promieniowej, trzeciej kości śródręcza i kości łokciowej. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Segmentacja – tylko komponent promieniowy. Ze względu na artefakty w postaci smug wynikające z gęstości powierzchni komponentu promieniowego na obrazach CT, model komponentu promieniowego nie może zostać wysegmentowany z obrazów. W związku z tym należy użyć modelu CAD lub skanera powierzchni 3D w celu wygenerowania modelu 3D wyeksplantowanego komponentu promieniowego. Zarejestruj ten model względem wstępnej segmentacji komponentu promieniowego, korzystając z domyślnej metody oprogramowania Mimics Materialise.
    UWAGA: W niniejszym badaniu użyto skanera powierzchni o rozdzielczości 0.1 mm. Implant umieszczono na stole, a skaner 3D przesuwano ręcznie wokół implantu, aby zarejestrować wszystkie powierzchnie zewnętrzne.
  2. Częściowe wolumeny obrazów. Oprogramowanie do śledzenia wymaga wprowadzenia wysegmentowanego obszaru zainteresowania w formie wolumenu obrazu opartego na gęstości. Aby utworzyć ten wolumen częściowy, wygeneruj pełną maskę wolumenu obrazu zawierającą wszystkie wartości szarości, wybierając opcję Threshold z paska narzędzi Segment . Dostosuj wartości progu od minimalnej do maksymalnej wartości szarości.
    1. Następnie użyj opcji Boolean Operators i Subtract wysegmentowany wolumen kości lub implantu zainteresowania z wygenerowanej pełnej maski. Zmień kolor maski tego wolumenu częściowego na czarny (RGB: 0.0/0.0/0.0), ponieważ oprogramowanie do rejestracji akceptuje wyłącznie wolumeny obrazów w skali szarości. Eksportuj maskę do formatu DICOM, wybierając w oprogramowaniu opcję Export DICOM… Wynikiem jest wolumen obrazu odizolowanej kości lub implantu.
  3. Modele trójwymiarowe. Przekształć wysegmentowane maski w triangulowane siatkowe modele powierzchni 3D, wybierając opcję Calculate 3D z ustawieniem Optimal Resolution. Eksportuj te modele w formacie VRML, zawierającym trójwymiarową lokalizację wierzchołków (punktów) oraz kolejność ich połączeń. Modele są generowane w celu konstrukcji układu współrzędnych oraz dalszej wizualizacji.
  1. Wstępne przetwarzanie wideo-radiografii
    1. Import do XMALab18. Dla każdego badanego stwórz nową próbę w oprogramowaniu XMALab. W oknie dialogowym New Trial przypisz ścieżki do folderów zawierających obrazy siatki do usuwania dystorsji oraz 8 zestawów obrazów kalibracyjnych.
      UWAGA: Jeśli źródła promieni rentgenowskich zostały odwrócone podczas przechwytywania, w oprogramowaniu XMALab należy zaznaczyć opcję odwrócenia (flip).
    2. Usuwanie dystorsji. Aby usunąć dystorsję z radiografii, po utworzeniu próby i otwarciu obrazów siatki w obszarze roboczym Undistortion, kliknij przycisk Compute Undistortion. XMALab automatycznie wyznacza i wyświetla obrazy siatek po usunięciu dystorsji. Gdy oprogramowanie wykryje środki wszystkich otworów, zmień obszar roboczy w menu w lewym górnym rogu na Calibration. Więcej informacji oraz pomoc w rozwiązywaniu potencjalnych problemów znajdują się w publikacji referencyjnej24.
    3. Kalibracja. Na tym etapie oprogramowanie XMALab wyznacza macierze kalibracyjne. W XMALab źródła promieni rentgenowskich są modelowane jako kamery otworu (pinhole cameras) z parametrami wewnętrznymi i zewnętrznymi, takimi jak ogniskowa, środek źródła oraz odległość źródła od obrazu; etap kalibracji jest procesem określającym te parametry18. Aby przeprowadzić kalibrację, zaznacz każdy z 4 elementów referencyjnych umieszczonych w kostce kalibracyjnej dla wszystkich zestawów obrazów i dla każdego widoku. W tej konfiguracji elementami referencyjnymi były: Pyramid, Jack, Dome oraz Helix (Rysunek 2B). Jeśli oprogramowanie nie znajdzie punktów automatycznie, naciśnij Compute Calibration. Po skalibrowaniu wszystkich obrazów kalibracyjnych wybierz Optimize Camera Setup.
    4. Eksport macierzy kalibracyjnych. Po optymalizacji przejrzyj wszystkie 8 zestawów kalibracyjnych (tj. 4 zestawy przechwycone przed eksperymentem i 4 zestawy przechwycone po eksperymencie) i wybierz zestaw obrazów z najmniejszym błędem po usunięciu dystorsji. Wartość tę można sprawdzić, naciskając opcję informacji w prawym górnym rogu każdego okna kalibracji. Dla obrazu z najniższym błędem wyeksportuj obrazy, wybierając opcję MayaCams 2.0 z menu File-Export. Więcej informacji oraz pomoc w rozwiązywaniu możliwych problemów znajdują się w publikacji referencyjnej20.
    5. Usuwanie dystorsji w wideo-radiografii. Zmień obszar roboczy na Marker tracking i wczytaj wideo-radiografie przechwycone w formacie CINE, naciskając ikonę +. Po zakończeniu procesu ładowania wyeksportuj obrazy próby bez dystorsji, wybierając Undistorted Trial Images z menu File-Export.
  2. Śledzenie w oparciu o model (Rysunek 4)
    1. Wzmocnienie cech radiografii/DRR (Rysunek 4A-B). Wzmocnienie cech obrazu za pomocą filtrów jest niezbędnym krokiem do uzyskania dokładnego dopasowania. Zdefiniuj w oprogramowaniu parametry czterech filtrów: kontrastu (wykrywanie intensywności), Sobela (wykrywanie krawędzi), Gaussa (rozmywanie/wygładzanie) oraz wyostrzania (Sharpen – pogrubianie krawędzi). Filtry te można wybrać, klikając prawym przyciskiem myszy na obiektach Rad Renderer lub DRR Renderer widocznych w widżecie w lewym górnym rogu.
      UWAGA: W niniejszym badaniu krawędzie obrazów kości na radiografiach zostały wzmocnione za pomocą filtra Sobela ze współczynnikiem skali 3 i wartością mieszania 0,4. Dodatkowo użyto filtra kontrastu z wartością alfa (kontrast obrazu) 2,5 i beta (jasność obrazu) 0,9, aby dodatkowo poprawić jakość radiografii. Aby dopasować DRR do radiografii, wykorzystano wartość intensywności promienia 0,35 z filtrem Sobela o wartości mieszania 0,1 i współczynniku skali 1,7.
    2. Inicjalizacja ręczna. Przesuń DRR każdej kości i komponentu, korzystając z jego Pivot point (punktu obrotu), aby osiągnąć jak najlepsze dopasowanie między DRR a radiografiami. Pivot point pozwala użytkownikowi obracać i przesuwać wybrany DRR z widżetu w lewym dolnym rogu. Krok ten jest konieczny, ponieważ pozycja kości lub implantu musi zostać zainicjowana przynajmniej raz, a przynajmniej dla pierwszej klatki, przed przeprowadzeniem optymalizacji. Naciśnij W, aby przesuwać DRR w trybie translacji i naciśnij E, aby obracać DRR.
      UWAGA: Zmiana położenia punktu obrotu zazwyczaj nie jest konieczna, ale jest możliwa za pomocą opcji Move Pivot na pasku narzędzi.
    3. Optymalizacja. Naciśnij C lub kliknij przycisk Track Current na pasku narzędzi, aby znaleźć najlepsze dopasowanie między DRR a radiografiami. Domyślna procedura oprogramowania wykorzystuje funkcję kosztu znormalizowanej korelacji krzyżowej (NCC) oraz metodę optymalizacji rojem cząstek (PSO) i procedurę sympleksu zstępującego26,27. Proces ten nazywany jest również krokiem dopasowania lub śledzenia. Procedurę optymalizacji można również uruchomić za pomocą Tracking Dialog. Aby to zrobić, wybierz opcję Tracking Dialog na pasku narzędzi. Po otwarciu nowego okna zmień wartości From Frame i To Frame na 0 i naciśnij OK.
      UWAGA: NCC jest funkcją mierzącą podobieństwo między radiografiami a DRR; wartość NCC bliższa 0 oznacza lepsze dopasowanie. Jednak osiągnięcie tej wartości zależy całkowicie od filtrów obrazu i jakości przechwytywania. Wartość NCC można obserwować w oknie "Terminal Window".
    4. Proces dopasowania – pierwsze przejście. Po automatycznej optymalizacji pierwszej klatki otwórz Tracking Dialog, zmień From Frame na 0, a To Frame na numer ostatniej klatki (znajduje się on w prawym dolnym rogu). Domyślny proces dopasowania w oprogramowaniu wykorzystuje Current frame (bieżącą klatkę) jako pozycję początkową DRR dla procesu dopasowania. Proces optymalizacji wykorzystuje metodę optymalizacji rojem cząstek (PSO) w obszarze 3 mm i 3° od pozycji początkowej.
    5. Proces dopasowania – przejście końcowe (Rysunek 4C). Ponieważ automatyczny proces dopasowania może zawieść z powodu błędnej inicjalizacji lub filtrów, należy ręcznie sprawdzić wszystkie klatki, aby upewnić się, że optymalizacja została przeprowadzona poprawnie. Jeśli DRR i radiografie nie są dopasowane prawidłowo, powtórz kroki opisane w sekcjach 2.3.2 i 2.3.3.
      UWAGA: Śledzenie nadgarstka wykonano najpierw za pomocą modelu obejmującego drugą i trzecią kość śródręcza (MC2-MC3), aby zredukować efekty nakładania się kości i poprawić dokładność dopasowania. Po ustaleniu pozycji i rotacji połączonego DRR na radiografiach, dopasowane i zoptymalizowane lokalizacje MC2-MC3 zostały przekształcone do częściowej objętości obrazu MC3, a następnie wyznaczono pozycje początkowe dla MC3. Wykorzystując te pozycje, przeprowadzono śledzenie MC3. Podobnie jak w przypadku MC3, w wideo-radiografiach podczas wszystkich zadań śledzono również kość promieniową, kość łokciową, komponent promieniowy oraz komponent nadgarstkowy.

Porównawcza analiza rentgenowska kości dłoni; schemat przedstawiający etapy A, B, C gojenia kości.
Rycina 4. A) Rejestrowany radiogram ze źródła promieniowania rentgenowskiego wraz z cyfrowo zrekonstruowanymi radiogramami (DRRs) kości. B) Ulepszony (przefiltrowany) radiogram oraz DRRs. C) Dopasowane DRRs po procesie optymalizacji. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

  1. Redukcja danych. W zależności od częstotliwości klatek i jakości obrazów radiograficznych można zastosować metody filtrowania, takie jak metoda średniej kroczącej (z zakresem 5 klatek). Aby to zrobić, z menu paska narzędzi wybierz Tracking-Advanced Dialog i kliknij przycisk Smooth. Podejście to zostało zastosowane dla wszystkich rejestracji w niniejszym badaniu.
  2. Eksport pozycji kości/implantu. Po dopasowaniu każdej kości do radiogramów i optymalizacji wszystkich klatek, wyeksportuj macierze transformacji 4x4 dla DRR w układzie współrzędnych RTG, klikając przycisk Save Tracking i wybierając format wyjściowy macierzy. Ta macierz transformacji definiuje obrót i przesunięcie częściowej objętości obrazu kości/implantu w skalibrowanym układzie współrzędnych RTG i może być wykorzystana do dalszego przetwarzania oraz obliczeń ruchu. W celu przeprowadzenia sensownej analizy biomechanicznej układ współrzędnych częściowej objętości obrazu musi zostać przeniesiony do anatomicznego układu współrzędnych.

3. Analiza danych

  1. Układy współrzędnych (Rycina 5). W celu określenia kinematyki należy zbudować układy współrzędnych (CS) dla kości i komponentów implantu w oparciu o ich punkty orientacyjne anatomiczne i geometryczne. Po zbudowaniu tych układów współrzędnych należy zarejestrować modele znajdujące się w nowym CS względem modeli powierzchniowych wygenerowanych w Sekcji 2.1.4, wykorzystując algorytm iteracyjnego najbliższego punktu (iterative closest point). Ta rejestracja jeden do jednego oblicza nową macierz transformacji 4x4, która zostanie wykorzystana do obliczeń kinematycznych.
    UWAGA: W niniejszym badaniu układy współrzędnych dla kości promieniowej, kości łokciowej, trzeciej kości śródręcza, komponentu nadgarstkowego, komponentu promieniowego, nakładki polietylenowej oraz kości główistej zostały utworzone przy użyciu metod opisanych wcześniej16,22,23.

Schemat komponentów protezy nadgarstka; kość promieniowa, nadgarstkowa, śródręcza z osiami XYZ, orientacja kości.
Rycina 5. Układy współrzędnych kości oraz komponentów implantu. Aby wyświetlić powiększoną wersję tej ryciny, należy kliknąć tutaj.

  1. Kinematyka. W niniejszym badaniu ruch nadgarstka zdefiniowano jako ruch MC3 względem kości promieniowej, a dane kinematyczne przedstawiono w odniesieniu do neutralnej pozycji nadgarstka.
    1. W celu analizy DRUJ obliczono parametry helikalnej osi ruchu (HAM)28, aby opisać kinematykę jako ruch względny układu współrzędnych (CS) kości promieniowej w układzie współrzędnych kości łokciowej w odniesieniu do pozycji neutralnej.
    2. Wykorzystano analizę HAM do wyznaczenia centrum rotacji (COR) nadgarstka w zgięciu-wyproście oraz odchyleniu promieniowo-łokciowym.
    3. Aby opisać jednowymiarowe przesunięcie proksymalno-dystalne COR, zdefiniowano rzutowane COR dla zdrowych nadgarstków jako punkt na osi centralnej kości główkowatej, który znajdował się w najkrótszej odległości od osi rotacji śruby16.
    4. Rozłożono rotację HAM w układzie współrzędnych kości łokciowej przy użyciu osi śruby HAM i obliczono pronację (wartość dodatnia) oraz supinację (wartość ujemna) przedramienia. Pozycję neutralną zdefiniowano jako stan, w którym pronacja-supinacja (PS) wynosiła zero.
    5. Na koniec wariancję łokciową (UV) zdefiniowano jako odległość między dołkiem łokciowym a wcięciem sigmoidnym kości promieniowej.
  2. Wzorzec artykulacji
    1. Obliczono wzorce kontaktu między nakładką z polietylenu a komponentem promieniowym, wykorzystując kinematykę nadgarstka oraz pola odległości specyficzne dla komponentów29.
    2. Pola odległości dla każdego trójwymiarowego modelu powierzchni obliczono jako wolumetryczną macierz podpisanych odległości od powierzchni.
    3. Obliczono wartości bliskości pól odległości na powierzchni nakładki z polietylenu i komponentu promieniowego dla każdej pozycji.
    4. Aby uzyskać powierzchnię kontaktu między komponentami, wartości bliskości dostosowano do rozdzielczości systemu akwizycji (w niniejszym badaniu próg wykluczenia odległości wybrano jako 0.70 mm).
  3. Analiza statystyczna
    1. Wykorzystano analizę Blanda-Altmana do oceny dokładności poprzez wykazanie błędu systematycznego (średnie różnice) oraz 95% granicy zgodności (błąd systematyczny ± 1.96SD) pomiędzy BVR a OMC14, 30.
    2. Zastosowano uogólnione modele liniowe (GLM) do opisania zachowania centrum rotacji zdrowego nadgarstka oraz do znalezienia zależności między zmianą UV a PS (UV = p1×PS2 + p2×PS), gdzie p1 i p2 były współczynnikami zoptymalizowanymi za pomocą regresji liniowej. Do oceny dokładności modelu wykorzystano metrykę błędu średniokwadratowego (RMSE).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Wybór oprogramowania do rejestracji obrazów 2D-do-3D w śledzeniu opartym na modelu zależy częściowo od dostępu do jednostek przetwarzania graficznego (GPU) oraz systemów obliczeń wysokiej wydajności (HPC). Programy te posiadają różne potoki przetwarzania i obecnie nie istnieje wspólna metodologia stosowana we wszystkich aplikacjach. W niniejszym badaniu wykorzystujemy Autoscoper, otwartoźródłowy program do rejestracji obrazów 2D-do-3D opracowany na Uniwersytecie Brown25. Wybór oprogramowania open-...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Dwupłaszczyznowa wideoradiografia (BVR) jest metodą obrazową, którą można wykorzystać do pomiaru ruchu kości i implantów w nadgarstku oraz w dystalnym stawie promieniowo-łokciowym z dokładnością poniżej milimetra i stopnia. W opisanych tutaj badaniach BVR wykorzystano do określenia dokładnego wzorca rzutowanego COR dla zdrowego nadgarstka, a także wzorców kontaktu TWA. Takie wyniki mogą wpłynąć na projektowanie następnych generacji endoprotez całkowitych nadgarstka i dostarczyć danych in vivo do walidacji modeli...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Nie mamy do zadeklarowania konfliktu interesów.

Podziękowania

Autorzy pragną podziękować Josephine Kalshoven i Lauren Parola za zmianę protokołu. Autorzy pragną również podziękować Eriki Tavares i Rohitowi Badida za ich pomoc w trakcie pozyskiwania danych oraz Kalpitowi Shahowi, Arnoldowi-Peterowi Weissowi i Scottowi Wolfe'owi za pomoc w interpretacji danych. Badanie to było możliwe dzięki wsparciu National Institutes of Health P30GM122732 (COBRE Bio-engineering Core) oraz grantowi z American Foundation for Surgery of the Hand (AFSH).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Skaner powierzchni 3DArtec 3DArtec Space SpiderTMLuksemburg
AutoscoperBrown Universityhttps://simtk.org/projects/autoscoperhttps://doi.org/10.1016/j.jbiomech.2019.05.040
CT ScannerGeneral Electric (GE)Lightspeed 16Milwaukee, WI, USA
Geomagic Wrap3D 3DSystemsWersja 2017Rock Hill, Karolina Południowa, Stany
Zjednoczone Procesor graficzny (GPU)NvidiaGeForce GTX 1080Szybki procesor graficzny z obsługą CUDA
Phantomw wersji 10Vision Research, Wayne, NJ, USA
Wzmacniacz obrazuDunleeo średnicy 40 cmAurora, IL, USA
ImageJOpen-source (Brown University)https://imagej.net/Fijihttps://doi.org/10.1038/nmeth.2019
MatlabFirma MathWorks, Inc.R2017a do R2020aNatick, MA, USA
NaśladujeMaterialiseWersja 19.0 do 22.0Leuven, Belgia
Kamery do przechwytywania ruchuQualisysOqus 5+ Göteborg, Szwecja
Impulsowe generatory promieniowania rentgenowskiegoEMD TechnologiesEPS 45– 80Saint-Eustache, Quebec, QC, Kanada
Siatka bez zniekształceńMcMaster-Carr9255T641Stalowa blacha perforowana naprzemiennie Otwory, 0,048 "Thk, 0,125" Średnica otworu, 36" x 40"
Implant nadgarstka (badanie in vitro)Integra LifeSciencesUniversal 2Plainsboro, NJ, USA
Implant nadgarstka (badanie in vivo)Integra LifeSciencesFreedomPlainsboro, NJ, USA
WristVizOpen-source (Brown University)https://github.com/DavidLaidlaw/WristVisualizer/tree/masterOprogramowanie Open-source
Lampy rentgenowskieVarian MedicalSystems Model G-1086Palo Alto, CA, USA
XMALabOpen-source (Brown University)https://www.xromm.org/xmalab/https://doi.org/10.1242/.145383

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Kinematyka szkieletowastaw nadgarstkowydystalny staw promieniowo-łokciowytrójwymiarowe śledzenie kościbiomechanika stawówoptyczny system analizy ruchuobrazowanie rentgenowskieśledzenie oparte na modelupronosupinacja

Ten artykuł został opublikowany

Film wkrótce dostępny

Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.