Dwupłaszczyznowy zestaw danych wideoradiografii do opracowywania estymacji pozycji w oparciu o model i szkolenia nowych użytkowników

Podsumowanie

Ta praca przedstawia zestaw danych in vivo z pozycjami kości oszacowanymi za pomocą metod opartych na markerach. Zawarto w nim metodę szkolenia operatorów w zakresie poprawy ich początkowych szacunków dotyczących szacowania pozycji na podstawie modelu i zmniejszenia zmienności między operatorami.

Streszczenie

Pomiar ruchu małych kości stopy jest kluczowy dla zrozumienia patologicznej utraty funkcji. Wideoradiografia dwupłaszczyznowa doskonale nadaje się do pomiaru ruchu kości in vivo, ale pojawiają się wyzwania przy szacowaniu rotacji i translacji (ułożenia) każdej kości. Ułożenie kości jest zwykle szacowane za pomocą metod opartych na markerach lub modelach. Metody oparte na markerach są bardzo dokładne, ale rzadkie in vivo ze względu na ich inwazyjność. Metody oparte na modelach są bardziej powszechne, ale obecnie są mniej dokładne, ponieważ opierają się na danych wejściowych użytkownika i algorytmach specyficznych dla laboratorium. W niniejszej pracy przedstawiono rzadki zestaw danych in vivo dotyczący pozycji kości piętowej, skokowej i piszczelowej, mierzonych metodami opartymi na markerach podczas biegania i skakania. Dołączono metodę szkolenia użytkowników, aby poprawili swoje początkowe domysły w oprogramowaniu do szacowania pozycji opartym na modelu, wykorzystując wizualne informacje zwrotne oparte na markerach. Nowi operatorzy byli w stanie oszacować ułożenie kości w zakresie 2° obrotu i 1 mm od przesunięcia ułożenia opartego na markerze, podobnie jak w przypadku doświadczonego użytkownika oprogramowania opartego na modelu, i co stanowi znaczną poprawę w stosunku do wcześniej zgłaszanej zmienności między operatorami. Co więcej, ten zestaw danych może być używany do walidacji innych programów do szacowania pozycji opartych na modelach. Ostatecznie udostępnienie tego zestawu danych poprawi szybkość i dokładność, z jaką użytkownicy mogą mierzyć ułożenie kości za pomocą dwupłaszczyznowej wideoradiografii.

Wprowadzenie

Pomiar ruchu małych kości stopy jest kluczowy dla zrozumienia patologicznej utraty funkcji. Jednak dynamiczny pomiar ruchu kości stopy jest trudny ze względu na mały rozmiar i gęsto upakowaną konfigurację kości i stawów^1,2. Technologia wideoradiografii dwupłaszczyznowej (BVR) doskonale nadaje się do pomiaru trójwymiarowego (3D) ruchu in vivo małych kości stopy i kostki podczas dynamicznych czynności. BVR zapewnia wgląd w kinematykę artro-kinematyki dzięki wykorzystaniu dwóch źródeł promieniowania rentgenowskiego sprzężonych ze wzmacniaczami obrazu, które przekształcają promieniowanie rentgenowskie ruchu dynamicznego w światło widzialne. Gdy stopa przesuwa się przez przestrzeń przechwytywania, szybkie kamery rejestrują obrazy. Obrazy są niezniekształcone i wyświetlane w objętości przechwytywania przy użyciu skalibrowanych pozycji kamery^3,4. Sześć stopni swobody (6 stopni swobody) ułożenia kości (3 stopni swobody dla pozycji i 3 stopni swobody dla orientacji) jest następnie szacowane przy użyciu metod opartych na znacznikach lub modelach³.

Metody szacowania pozy oparte na markerach lub modelach różnią się w zależności od laboratoriów i dyscyplin. Złotym standardem dynamicznego pomiaru pozycji BVR jest implantacja małych markerów tantalowych do kości będącej przedmiotem zainteresowania^4,5. Do oszacowania ułożenia wymagane są co najmniej trzy znaczniki na kość, przy czym dodatkowe znaczniki prowadzą do większej dokładności^5,6. Metoda ta jest mniej popularna in vivo ze względu na jej inwazyjność, ponieważ wymaga implantacji chirurgicznej, a markery są następnie trwale osadzane w bone⁷. Alternatywnie, śledzenie oparte na modelu wykorzystuje informacje wolumetryczne z innych metod obrazowania, takich jak tomografia komputerowa (CT) lub rezonans magnetyczny, w celu odtworzenia modelu na obrazach BVR^{2,3,8,9,10,11,12,13,14,15}. Model jest następnie częściowo ręcznie manipulowany w celu jak najlepszego dopasowania do obrazów (rotoskopia), zazwyczaj przy użyciu kombinacji danych wejściowych użytkownika jako początkowego oszacowania i optymalizacji korelacji krzyżowej^3,8,9,10,15. Szacowanie pozy na podstawie modelu jest mniej inwazyjne, a przez to bardziej powszechne, ale ma dłuższy czas przetwarzania i wymaga wkładu użytkownika. Ponieważ proces rotoskopowania jest obecnie częściowo ręczny, nadal istnieje potrzeba niezawodnego szkolenia operatorów w zakresie oprogramowania specyficznego dla laboratorium, ponieważ międzyoperatorskie błędy średniokwadratowe (RMS) mogą wynosić od 0,83 mm do 4,96 mm i od 0,58° do 10,29° wzdłuż lub wokół jednej osi¹. Co więcej, algorytmy dopasowywania modeli są coraz lepsze, ale wymagają walidacji przy użyciu paradygmatów eksperymentalnych, które są jak najbardziej zbliżone do warunków in vivo.

Dokładność oszacowań pozycji na podstawie modelu jest często oceniana na podstawie wskaźników opartych na markerach. Na przykład ludzkie stopy trupiów, którym wszczepiono markery, zostały przesunięte przez symulowane pozycje lokomotoryczne^13,14,16. Przechwycone obrazy BVR są następnie wprowadzane do metody rotoskopowej opartej na modelu i porównywane ze wskaźnikami opartymi na markerach w celu uzyskania dokładności (odchylenia i precyzji). Chociaż użycie statycznej stopy zwłok jest cennym podejściem, ma ono ograniczenia w ocenie rzeczywistej dokładności ułożenia kości in vivo. Na przykład pozycje stawów są względnie stałe w stopie trupiej przy braku aktywności mięśniowej i obciążeniach in vivo. W związku z tym może nie reprezentować granic ruchu stawów w różnych zadaniach lokomotorycznych. Różnice w postawie stawów zmieniają okluzję na obrazach BVR, co jest źródłem błędu pomiaru przy szacowaniu małych, gęsto upakowanych pozycji kości stopy¹³. Co więcej, w przypadku korzystania z algorytmów dopasowywania obrazów, obecność markerów na obrazach BVR prawdopodobnie zniekształciłaby wyniki. Podczas gdy grupy usunęły markery z obrazów tomografii komputerowej (CT) Digital Imaging and Communications in Medicine (DICOM)^9,14,16, tylko sporadycznie są one również usuwane z dwupłaszczyznowych obrazów wideoradiografii¹⁶.

Ta praca przedstawia open-source'owy zestaw danych BVR uczestnika skaczącego i biegającego in vivo, który ma wszczepione markery w kości stopy i kostki (Rysunek 1). Zapewniona jest ocena pozycji na podstawie markerów dla ruchu kości piszczelowej, skokowej i piętowej in vivo. Markery zostały usunięte zarówno z obrazów rentgenowskich, jak i tomografii komputerowej, aby ograniczyć wszelkie odchylenia wprowadzone podczas oceny dokładności śledzenia opartej na modelu. Ten zestaw danych jest przeznaczony do oceny dokładności dowolnego oprogramowania do szacowania pozycji opartego na modelu oraz do poprawy wyboru początkowych oszacowań pozycji dla procesów półręcznych. Jest to najbardziej odpowiednie rozwiązanie dla osób, które dążą do poprawy szybkości i dokładności procesu przetwarzania obrazu BVR, a także dla laboratoriów, które oczekują niskiej zmienności między operatorami w początkowym szacowaniu pozycji.

Rysunek 1: Przegląd dostarczonego zestawu danych wideoradiografii dwupłaszczyznowej (BVR). Wszczepione markery są śledzone in vivo jako złoty standard w szacowaniu ułożenia kości. Markery zostały cyfrowo usunięte z obrazów BVR i skanów tomografii komputerowej, aby zapobiec stronniczości w śledzeniu opartym na modelu. Pozy oszacowane za pomocą dowolnego oprogramowania do śledzenia opartego na modelu można porównać do złotego standardu śledzenia opartego na markerach. Oszacowanie pozycji na podstawie markerów może być również wykorzystane do szkolenia nowych operatorów w celu poprawy ich początkowego szacowania ułożenia kości na potrzeby śledzenia opartego na modelu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Protokół

Eksperymentalne protokoły zostały zatwierdzone przez Radę Etyki Badań Naukowych Uniwersytetu Queen's University i Stowarzyszonych Szpitali Klinicznych. Uczestnik wyraził świadomą zgodę przed udziałem w gromadzeniu danych.

1. Przygotowanie pacjenta i generowanie zbioru danych

UWAGA: Uczestnik (mężczyzna, 49 lat, 83 kg, 1,75 m wzrostu) miał wcześniej wszczepionych kilka tantalowych markerów o średnicy 0,8 mm w kości piętowej (3 markery), kości skokowej (4 markery) i kości piszczelowej (5 markerów; Rysunek 1).

1. Wykonaj tomografię komputerową z algorytmem redukcji artefaktów metalowych (w celu zmniejszenia zniekształceń obrazu spowodowanych metalowymi implantami) na stopie uczestnika w maksymalnie zgiętej podeszwowo postawie kostki o rozmiarze piksela 0,500 mm lub mniejszym i grubości warstwy 0,625 mm lub mniejszej.
   UWAGA: W tym przypadku prawa stopa uczestnika została zeskanowana w rozdzielczości 0,441 mm x 0,441 mm x 0,625 mm. Lokalizacje markerów nie są umieszczane w określonych lokalizacjach anatomicznych w obrębie bone⁴; Zamiast tego są one rozmieszczone w całej klasie Bone⁵.
2. Aby zapoznać się z metodami zbierania wideoradiografii dwupłaszczyznowej i szczegółowego przetwarzania danych, zobacz¹⁷. Krótko mówiąc, poproś uczestnika, aby wykonał pożądany ruch, a jego pozycja początkowa została dobrana tak, aby jego stopa wylądowała w dwupłaszczyznowej przestrzeni wideoradiografii. Użyj obiektu kalibracyjnego i siatek bez zniekształceń, aby zlokalizować kamery i usunąć zniekształcenia obrazów, odpowiednio¹⁸.
   UWAGA: Uczestnik tego badania przeprowadził próby dwóch różnych ruchów. Wskoczyli do metronomu przy 108 uderzeniach na minutę i powoli truchtali przez głośność. Obrazy były rejestrowane w sposób ciągły z częstotliwością 250 Hz z czasem otwarcia migawki 1111 μs, a system rentgenowski był ustawiony na 70 kV i 100 mA.
3. Indywidualna segmentacja markerów za pomocą oprogramowania do przetwarzania obrazów medycznych 3D. Korzystając z algorytmu wypełniania z uwzględnieniem zawartości w edytorze grafiki rastrowej i znanych lokalizacji znaczników, usuń znaczniki z obrazów DICOM. Utwórz częściowe objętości kości i siatki teselacyjne poprzez segmentację obrazów bez znaczników, jak pokazano w¹⁷. Wyrównaj zarówno objętości częściowe, jak i siatki i przechowuj je w przestrzeni CT.
4. Dla każdej klatki złóż w tabeli niefiltrowane współrzędne obrazu x-y każdego znacznika w XMALab i wyeksportuj go¹⁸. Trianguluj współrzędne 3D przy użyciu zestawu narzędzi do przetwarzania obrazów w programie MATLAB. Oszacuj pozę, dopasowując pozycje znaczników 3D w przestrzeni rentgenowskiej do pasujących do sfery środków ciężkości w przestrzeni CT przy użyciu podejścia najmniejszych kwadratów¹⁹. Użyj tego samego algorytmu w edytorze grafiki rastrowej, aby usunąć znaczniki ze zdjęć rentgenowskich i przygotować je do śledzenia.

2. Uzyskaj dostęp do zestawu danych i kodu

1. Pobierz zestaw danych z tutaj. Dla każdej próby dostępne są obrazy BVR i pliki kalibracyjne, a także szacunki pozycji referencyjnej zapisane w formacie .tra (rysunek 2). Pobierz/sklonuj pakiet kodu ze strony: https://github.com/skelobslab/JOVE_BVR_FootModelAndMarkerBased.

Rysunek 2: Drzewo danych pakietu szkoleniowego JOVE_BVR_Foot_ModelAndMarkerBased. Foldery są wyświetlane w czarnych polach, kod jest wyświetlany w jasnoszarych polach, a opisy plików są zawarte w ciemnoszarych polach. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

3. Oceń dokładność algorytmu śledzenia modelu

1. Zapisz szacunki pozy jako plik .tra w folderze referencyjnym wersji próbnej. Ułóż plik .tra z ułożeniem od przestrzeni kostnej do przestrzeni rentgenowskiej zapisanej w formacie 1-wierszowym x 16-kolumnowym, przy czym każdy wiersz odpowiada klatce, a macierz ułożenia 4 x 4 jest zapisana jako [pierwsza kolumna, druga kolumna, trzecia kolumna i czwarta kolumna].
   UWAGA: Przestrzeń kostna jest równoznaczna z przestrzenią CT w tym zestawie danych.
2. Zweryfikuj szacunki pozycji, otwierając skrypt verifyAssessmentPoses.m na platformie obliczeniowej, a następnie klikając przycisk Uruchom. Załaduj pliki zgodnie z opisem w monitach. Skrypt obliczy oś spirali między oszacowaniem ułożenia na podstawie modelu i znacznika i zwróci różnicę w obrocie i translacji dla każdej klatki śledzonych danych.

4. Szkolenie dla nowych operatorów

UWAGA: Ta sekcja opisuje szkolenie z informacją zwrotną dla nowego operatora. W tym przypadku Autoscoper jest wybranym oprogramowaniem do szacowania pozycji opartym na modelu, ale inne oprogramowanie może być używane jako zamiennik.

1. Pobierz najnowszą wersję oprogramowania do szacowania pozycji z: https://simtk.org/projects/autoscoper.
2. Aby zlokalizować lokalne pliki BVR, otwórz plik w edytorze tekstu (.\JOVE_BVR_Foot_ModelAndMarkerBased\Data\SOL001A\T0019_jog0001\Autoscoper\POINTER_T0019_jog001.cfg). Oprogramowanie używa pliku wskaźnika (.cfg) do lokalizowania plików. Zmodyfikuj katalogi tak, aby prowadziły do odpowiednich plików lokalnych. Zapisz plik i zamknij go.
3. Aby załadować obrazy BVR i informacje o kamerze, otwórz oprogramowanie do szacowania póz i kliknij przycisk Załaduj próbę. Przejdź do pliku konfiguracyjnego wskaźnika zapisanego w poprzednim kroku i kliknij przycisk Otwórz.
4. Aby śledzić, postępuj zgodnie z protokołem w Akhbari et al¹⁷ (śledzenie oparte na modelu). Krótko mówiąc, obracaj i przesuwaj kość, klikając i przeciągając osie na kości, aż będziesz zadowolony z położenia i orientacji kości piętowej. Naciśnij S na klawiaturze, aby zapisać bieżącą klatkę kości piętowej (cal).
   UWAGA: Ustawienia filtru są zawarte w \JOVE_BVR_Foot_ModelAndMarkerBased\Data\SOL001A\T0019_jog0001\Autoscoper\, który może być używany do filtrowania, jak pokazano w Akhbari et al¹⁷.
5. Aby zapisać pliki, kliknij przycisk Zapisz śledzenie. Zapisz plik jako [Numer badania]_[Numer tematu]_[Nazwa badania]_[3-literowy kod kostny].tra (np. T0019_SOL001A_jog0001_cal.tra) w żądanym katalogu. Eksportuj ustawienia jako bieżący, macierz, kolumna, przecinek, brak, mm, stopnie.
   UWAGA: Trzyliterowe kody kości piszczelowej i skokowej to odpowiednio kość piszczelowa i tal.
6. Aby utworzyć pliki w celu zapewnienia dokładności śledzenia, otwórz platformę obliczeniową i uruchom skrypt animateBonesWithReferences.m w folderze kodu. Przejdź do folderów w pakiecie szkoleniowym zgodnie z żądaniem w oknach dialogowych.
   UWAGA: Kod animateBonesWithReferences.m to specjalistyczny kod do trenowania, który udostępnia pozy z danych opartych na znacznikach jako informacje zwrotne w celu ulepszenia śledzenia nowego operatora.
7. Zainstaluj oprogramowanie do wizualizacji z: https://github.com/DavidLaidlaw/WristVisualizer/tree/master. Aby zobrazować śledzenie, otwórz plik .pos utworzony w kroku 4.6 w oprogramowaniu do wizualizacji; Jego lokalizacja pliku będzie znajdować się w oknie poleceń platformy obliczeniowej.
8. Sprawdź wyrównanie śledzonej kości (szarej) z kością odniesienia. Kolor zielony oznacza, że pozycja mieści się w progach obrotu i translacji, a czerwony oznacza, że znajduje się poza progiem. Kontynuuj śledzenie i wizualizację, aż wszystkie klatki zmienią kolor na zielony. W razie potrzeby zmień progi (phi - rotacja, trans - transacja) w wierszach 10 i 11 skryptu animateBonesWithReferences.m.m.
   UWAGA: Jeśli kość referencyjna jest czerwona (Rysunek 3A), oznacza to, że pozycja jest oddalona o więcej niż 1 mm lub 2° od pozycji opartej na markerze, mierzonej za pomocą osi śrubowej. Jeśli jest zielony, a wizualnie jest w rozsądnym tonie, ta klatka jest wystarczająco dobrze śledzona (Rysunek 3B).
9. Aby śledzić inne kości w kompleksie stawu skokowego, powtórz kroki od 4.4 do 4.8 dla kości skokowej i piszczelowej. Użyj oprogramowania do wizualizacji, aby upewnić się, że kości nie kolidują ze sobą.
10. Aby zakończyć ocenę, śledź i wizualizuj kość piszczelową, skokową i piętową w badaniu zwanym badaniem oceniającym.
    1. Otwórz platformę obliczeniową i uruchom kod animateBonesGeneral.m. Przejdź do folderów w pakiecie szkoleniowym zgodnie z żądaniem w oknach dialogowych. Sprawdź ułożenie kości za pomocą pliku .pos w oprogramowaniu do wizualizacji. Ten kod można uogólnić na inne próby wizualizacji 3D kości.
       UWAGA: Prawdziwa poza oparta na znaczniku nie będzie już dostępna. Obecne będą tylko szare kości.
11. Aby ocenić szacunki pozy, otwórz skrypt verifyAssessmentPoses.m na platformie obliczeniowej i kliknij przycisk Uruchom. Skrypt obliczy oś spirali między oszacowaniem ułożenia na podstawie modelu i znacznika i zwróci różnicę w obrocie i translacji dla każdej klatki śledzonych danych. Spowoduje to wygenerowanie tego samego wykresu, co w pliku animateBoneswithReferences.m, ale nie spowoduje wygenerowania animacji.
12. Sprawdź, czy wszystkie punkty danych znajdują się poniżej wybranego progu (płaska linia) zarówno dla obrotu, jak i translacji. W razie potrzeby zapisz wyniki w pliku .csv.

Rysunek 3: Wizualizacja dopuszczalnego i niedopuszczalnego śledzenia. (A) Kość piętowa śledzona za pomocą śledzenia opartego na modelu (szary; oznaczona również szarą strzałką), która nie pasuje w wystarczającym stopniu do ułożenia z oszacowania pozy opartej na znaczniku (czerwony; również oznaczony czerwoną strzałką). (B) Kość piętowa, która w wystarczającym stopniu pasuje do ułożenia z oszacowania ułożenia opartego na markerze. W rezultacie kość piętowa śledzona przez znacznik jest pokazana na zielono (oznaczona również szarymi i zielonymi strzałkami). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Wyniki

Dwóch nowych operatorów i jeden ekspert ukończyli szkolenie oparte na modelu. W 41 klatkach próby oceniającej mierzono biegłość ich śledzenia opartego na modelu (Rysunek 4). Szacunki operatorów dotyczące pozycji były zazwyczaj znacznie poniżej ustalonych progów. Średnie odchylenie (zakres) mediany obrotu w poprzek kości wynosiło 0,75° (0,69° do 0,85°) dla kości piętowej, 0,40° (0,37° do 0,46°) dla kości skokowej i 0,89° (0,76° do 1,07°) dla kości piszczelowej. Średnia mediana odchylenia translacji wynosiła 0,10 mm (0,05 mm do 0,16 mm) dla kości piętowej, 0,31 mm (0,22 mm do 0,41 mm) dla kości skokowej i 0,33 mm (0,27 mm do 0,37 mm) dla kości piszczelowej. Wyniki te sugerują, że samouczek jest skuteczny w szkoleniu operatorów w zakresie ustalonej tolerancji.

Rysunek 4: Rotacja i stronniczość tłumaczenia dla nowych operatorów i eksperta. Wykresy skrzypiec²⁰ pokazujące odchylenie w rotacji (A)(C)(E) i translacji (B)(D)(F) między szacunkami pozycji opartymi na modelu i markerach dla dwóch nowych operatorów i jednego eksperta dla (A)(B) kości piętowej, (C)(D) kości skokowej i (E)(F) kości piszczelowej. Wszystkie 41 ramek próby oceniającej jest pokazanych jako punkty danych, z medianą (białe kółko), przedziałem międzykwartylowym (gruba linia pionowa) i średnią (gruba linia pozioma). linia pod kątem 2° i 1 mm oznacza wybrane progi. Sześć klatek poza progiem dla nowego operatora 2 w (E) nie jest wyświetlane. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Jeden nowy operator miał sześć klatek powyżej progu obrotu o 2° w śledzeniu piszczeli. Ramki zostały zidentyfikowane za pomocą jednego z wygenerowanych wykresów w verifyAssessmentPoses.m (Rysunek 5). Te sześć klatek jest trudniejszych do śledzenia ze względu na okluzję piszczeli przez drugą stopę kołyszącą się w widoku.

Rysunek 5: Odchylenie rotacji dla każdej klatki w stosunku do fazy postawy. Przykład śledzenia rotacji drugiego nowego operatora przez część fazy podporu podczas biegu, dla (A) kości piętowej, (B) kości skokowej i (C) kości piszczelowej. Zwróć uwagę, że czerwona ramka w (C) pokazuje klatki z dużą liczbą błędów. (D) Po lewej stronie reprezentatywny obraz pokazuje przybliżoną różnicę w ustawieniu pomarańczowych i niebieskich linii przedniej kości piszczelowej (oznaczoną pomarańczowymi i czarnymi strzałkami). Prawy obrazek pokazuje przykład dobrze śledzonej kości piszczelowej (oznaczonej białą strzałką). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Plik uzupełniający. Kliknij tutaj, aby pobrać ten plik.

Dyskusja

Dokładne oszacowanie pozycji w oparciu o model ma fundamentalne znaczenie dla pomiaru kinematyki artro-kinematyki i ruchu szkieletu. Dotychczasowe metody walidacji szacowania pozycji opierały się na próbkach zwłok z wszczepionymi markerami, bez obciążenia in vivo i zakresów ruchu stawów. Ten zestaw danych in vivo dotyczący biegania i przeskakiwania z szacowaniem pozycji na podstawie markerów umożliwia walidację algorytmów opartych na modelu. Ponadto zestaw danych jest zorganizowany w celu trenowania nowych operatorów, tak aby początkowe oszacowanie wymagane dla większości algorytmów opartych na modelu mieściło się w ustalonej tolerancji, co zmniejsza zmienność między operatorami. Kod MATLAB jest dostarczany w taki sposób, że kości mogą być animowane, a informacje zwrotne o jakości pozowania są generowane automatycznie.

Nowi operatorzy zostali pomyślnie przeszkoleni w zakresie ustalonej tolerancji obrotu 2° i 1 mm przesunięcia. Limity te są znacznie niższe niż podawana niezawodność międzyoperatorska, która może wynosić nawet 5 mm i 10^°1. Jednak wybrane tolerancje są od 2 do 4 razy wyższe niż błąd RMS innych eksperymentów z nienaruszonymi stopami zwłok (0,59 mm i 0,71°¹⁶). Tolerancje obejmują górne zakresy błędu RMS, ale nadal stanowią znaczną poprawę w stosunku do raportowanej zmienności między operatorami. Co więcej, warunki in vivo są trudniejsze do śledzenia niż statyczne postawy stóp ze względu na różnice w okluzji kości, tkanek miękkich i artefakty szybkiego ruchu w objętości rentgenowskiej. Nowi operatorzy z powodzeniem przeprowadzili próby rotoskopowe w granicach tolerancji i byli zbliżeni do wyników eksperta, z wyjątkiem sześciu ramek pokazanych na rysunku 5C. W związku z tym ustawiona tolerancja stanowi poprawę w stosunku do zgłaszanej zmienności między operatorami, a wyniki pokazują, że ta metoda może z powodzeniem szkolić nowych operatorów w ramach tej tolerancji.

Krytycznym krokiem w tym protokole jest iteracja między rotoskopią w wybranym oprogramowaniu a wizualizacją w 3D. Ta iteracja jest ważna dla zrozumienia, w jaki sposób kości są zorientowane w przestrzeni. Pozwala to operatorowi zweryfikować, czy ułożenie kości jest biologicznie wykonalne i nie koliduje z innymi kośćmi. Ciągłe naprzemienne wykonywanie rotoskopii i wizualizacji poprawia jakość końcowych szacunków ułożenia kości i pomaga wychwycić błędy optymalizacji.

Zestaw szkoleniowy, w szczególności próba oceny, obejmuje trudne scenariusze śledzenia, które mają na celu przekroczenie granic nowych operatorów. Położenie źródeł promieniowania rentgenowskiego i wzmacniaczy obrazu w tej kolekcji spowodowało, że kołysząca się stopa zasłaniała widoki, co stwarzało wyzwania związane z wyrównaniem modeli kostnych. Nowy operator, z kilkoma klatkami powyżej progu obrotu, został dotknięty przez stopę przeciwległą zasłaniającą widok. Strategie takie jak zmiana ustawień filtra i rotoskopia ramek bezpośrednio przed i po okluzji mogą pomóc złagodzić te problemy. Co więcej, orientacja układów współrzędnych różni się wystarczająco między DICOM-ami a oprogramowaniem do szacowania pozy, powodując odwrócenie kąta w kości piszczelowej. W tym momencie operatorzy muszą śledzić każdą klatkę, aby sprostać temu wyzwaniu. Scenariusze te nie są rzadkością w zbieraniu danych i stanowią wyzwania, z którymi automatyczne szacowanie pozy na podstawie modelu powinno sobie poradzić w przyszłości, a zatem są cennym dodatkiem do tego zestawu danych.

Istnieją pewne ograniczenia związane z tym protokołem. Po pierwsze, uznanie oszacowania pozy na podstawie markera za złoty standard jest sporne, ponieważ różnica w dokładności między oszacowaniem pozy na podstawie markera i modelu nie jest zazwyczaj o rząd wielkości różna ^2,3,10. Jest jednak prawdopodobne, że zmiany wizualne w obrazach BVR, które pojawiają się w przypadku kolekcji in vivo (tj. artefakt ruchu, okluzja tkanek miękkich i kości) są bardziej prawdopodobne, że wywołają błędy w oszacowaniu pozy na podstawie modelu w porównaniu z metodami opartymi na markerach. Potrzebne są dalsze eksperymenty, aby potwierdzić tę hipotezę. Ponadto ten zestaw danych nie obejmuje każdej dwupłaszczyznowej kolekcji zdjęć rentgenowskich. Orientacja kamer, w taki sposób, że kości znajdują się w różnych względnych pozycjach, może zmienić wyeksponowanie cech kości i odpowiednio wpłynąć na funkcję kosztu algorytmu dopasowywania pozycji. Ponadto na te funkcje mogą mieć wpływ ustawienia filtra obrazu^15,17. W związku z tym ten zestaw danych niekoniecznie jest uogólnioną oceną dokładności BVR. Zamiast tego jest to narzędzie do szkolenia użytkowników w zakresie wprowadzania odpowiednich początkowych szacunków pozy oraz do ulepszania algorytmów szacowania pozycji opartych na modelu, aż do momentu, gdy ręczne rotoskopowe początkowe przypuszczenia nie będą już potrzebne.

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Autoscoper	Brown University		https://simtk.org/projects/autoscoper oprogramowanie do szacowania pozycji
Code	Queen's University		https://github.com/skelobslab/JOVE_BVR_FootModelAndMarker
Algorytm wypełniania z uwzględnieniem zawartości, Photoshop	Adobe
Dataset	Queen's University		Pobierz tutaj
MATLAB	Mathworks	n/a	platforma
obliczeniowa Mimics	Materialise, Belgia		Oprogramowanie do przetwarzania obrazów 3D
Revolution HD	Używany tomograf komputerowy	General Electric Medical Systems
WristVisualizer	Brown University		https://github.com/DavidLaidlaw/WristVisualizer/tree/master; Oprogramowanie do wizualizacji
XMALab	Brown University		https://bitbucket.org/xromm/xmalab/src/master/