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.
Artykuł metodologiczny
Dwupłaszczyznowy zestaw danych wideoradiografii do opracowywania estymacji pozycji w oparciu o model i szkolenia nowych użytkowników
W tym artykule
Podsumowanie
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 niewielki rozmiar oraz gęste upakowanie kości i stawów1,2. Technologia dwupłaszczyznowej wideoradiografii (BVR) jest dobrze dostosowana do pomiaru trójwymiarowego (3D) ruchu in vivo małych kości stopy i stawu skokowego podczas aktywności dynamicznej. BVR dostarcza informacji na temat artrokinematyki dzięki zastosowaniu dwóch źródeł promieni rentgenowskich połączonych z wzmacniaczami obrazu, które przekształcają promienie rentgenowskie ruchu dynamicznego w światło widzialne. Podczas gdy stopa porusza się w objętości przechwytywania, kamery wysokiej rozdzielczości rejestrują obrazy. Obrazy są korygowane pod kątem zniekształceń i rzutowane do objętości przechwytywania przy użyciu skalibrowanych pozycji kamer3,4. Pozycja kości w sześciu stopniach swobody (6 d. o. f. – 3 d.o.f. dla położenia i 3 d.o.f. dla orientacji) jest następnie szacowana za pomocą metod opartych na markerach lub metod opartych na modelach3.
Metody szacowania pozy oparte na markerach lub modelach różnią się w zależności od laboratorium i dyscypliny. Złotym standardem dynamicznego pomiaru pozy w BVR jest implantacja małych markerów tantalowych do badanej kości4,5. Do oszacowania pozy wymagane jest minimum trzech markerów na kość, przy czym dodatkowe markery prowadzą do wyższej dokładności5,6. Metoda ta jest rzadziej stosowana in vivo ze względu na jej inwazyjność, ponieważ wymaga chirurgicznej implantacji, a markery zostają na stałe osadzone w kości7. Alternatywnie, śledzenie oparte na modelu wykorzystuje informacje wolumetryczne z innych modalności obrazowania, takich jak tomografia komputerowa (CT) lub obrazowanie rezonansem magnetycznym, aby odtworzyć model na obrazach BVR2,3,8,9,10,11,12,13,14,15. Model jest następnie manipulowany półautomatycznie, aby jak najlepiej dopasować go do obrazów (rotoskoping), zazwyczaj przy użyciu kombinacji danych wejściowych użytkownika jako wstępnego szacunku oraz optymalizacji korelacyjnej3,8,9,10,15. Szacowanie pozy oparte na modelu jest mniej inwazyjne, a zatem częściej stosowane, ale wiąże się z dłuższym czasem przetwarzania i wymaga interwencji użytkownika. Ponieważ proces rotoskopingu jest obecnie półautomatyczny, istnieje potrzeba rzetelnego szkolenia operatorów w zakresie specjalistycznego oprogramowania laboratoryjnego, gdyż błędy średniokwadratowe (RMS) między operatorami mogą wynosić od 0,83 mm do 4,96 mm oraz od 0,58° do 10,29° wzdłuż lub wokół jednej osi1. Ponadto algorytmy dopasowania modeli ulegają udoskonaleniu, lecz wymagają walidacji z wykorzystaniem paradygmatów eksperymentalnych, które w jak największym stopniu odpowiadają warunkom in vivo.
Dokładność estymacji pozy opartych na modelach jest często oceniana w odniesieniu do metryk opartych na markerach. Na przykład stopy ludzkie pochodzące z ciał utylizacyjnych z implantowanymi markerami były przesuwane w symulowanych pozycjach lokomocyjnych13,14,16. Przechwycone obrazy BVR są następnie wprowadzane do metody rotoskopii opartej na modelu i porównywane z metrykami opartymi na markerach w celu oceny dokładności (obciążenia systematycznego i precyzji). Chociaż wykorzystanie statycznej stopy z ciała utylizacyjnego jest cennym podejściem, wykazuje ono ograniczenia w ocenie rzeczywistej dokładności pozy kości in vivo. Na przykład pozycje stawów są stosunkowo stałe w stopie z ciała utylizacyjnego z powodu braku aktywności mięśniowej i obciążeń in vivo. W związku z tym może to nie oddawać granic ruchu stawów w zróżnicowanych zadaniach lokomocyjnych. Zmiany w ustawieniu stawów zmieniają stopień przesłonięcia na obrazach BVR, co jest źródłem błędu pomiarowego podczas estymacji pozycji małych, gęsto upakowanych kości stopy13. Ponadto, przy stosowaniu algorytmów dopasowywania obrazów, obecność markerów na obrazach BVR prawdopodobnie wpływałaby na wyniki. Choć niektóre zespoły usuwały markery z obrazów tomografii komputerowej (CT) w standardzie DICOM (digital imaging and communications in medicine)9,14,16, zdarza się to jedynie okazjonalnie w przypadku obrazów biplanarnej wideoradiografii16.
Niniejsza praca przedstawia otwartoźródłowy zbiór danych BVR uczestnika skaczącego i biegającego in vivo, który posiada implantowane markery w kościach stopy i kostki (Rysunek 1). Dostarczono estymację pozy na podstawie markerów dla ruchu kości piszczelowej, skokowej i piętowej in vivo. Markery zostały usunięte zarówno z obrazów rentgenowskich, jak i tomografii komputerowej (CT), aby ograniczyć wszelkie błędy wprowadzone podczas oceny dokładności śledzenia opartego na modelu. Zbiór danych ten jest przeznaczony do oceny dokładności dowolnego oprogramowania do estymacji pozy opartej na modelu oraz do usprawnienia wyboru wstępnych estymacji pozy w procesach półautomatycznych. Jest on najbardziej odpowiedni dla osób dążących do zwiększenia szybkości i dokładności potoku przetwarzania obrazów BVR oraz dla laboratoriów dążących do niskiej zmienności międzyoperatorowej w wstępnej estymacji pozy.
Rysunek 1: Przegląd dostarczonego zbioru danych biplanarnej wideoradiografii (BVR). Zaimplantowane markery są śledzone in vivo jako złoty standard estymacji pozy kości. Markery zostały cyfrowo usunięte z obrazów BVR oraz skanów tomografii komputerowej, aby zapobiec błędom systematycznym w śledzeniu opartym na modelu. Pozy estymowane przez dowolne oprogramowanie do śledzenia opartego na modelu mogą być porównywane ze złotym standardem śledzenia opartego na markerach. Estymacja pozy na podstawie markerów może być również wykorzystana do szkolenia nowych operatorów w celu poprawy ich początkowej estymacji pozy kości w śledzeniu opartym na modelu. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.
Protokół
Protokoły eksperymentalne zostały zatwierdzone przez Radę Etyki Badań Queen's University Health Sciences and Affiliated Teaching Hospitals. Uczestnik wyraził świadomą zgodę przed wzięciem udziału w gromadzeniu danych.
1. Przygotowanie pacjenta i generowanie zbioru danych
UWAGA: Uczestnikowi (mężczyzna, 49 lat, 83 kg, wzrost 1,75 m) wcześniej wszczepiono kilka tantalowych znaczników o średnicy 0,8 mm do kości piętowej (3 znaczniki), skokowej (4 znaczniki) oraz piszczelowej (5 znaczników; Rysunek 1).
- Wykonaj tomografię komputerową (CT) stopy uczestnika w pozycji maksymalnego zgięcia podeszwowego stawu skokowego, stosując algorytm redukcji artefaktów metalicznych (aby zmniejszyć zniekształcenia obrazu spowodowane implantami metalowymi), przy rozmiarze piksela 0,500 mm lub mniejszym oraz grubości warstwy 0,625 mm lub mniejszej.
UWAGA: W tym przypadku prawa stopa uczestnika została przeskanowana z rozdzielczością 0,441 mm x 0,441 mm x 0,625 mm. Markery nie zostały umieszczone w konkretnych punktach anatomicznych kości4; zamiast tego są one rozmieszczone w całej kości5. - Szczegółowe metody gromadzenia danych biplanarnej wideoradiografii oraz przetwarzania danych opisano w17. W skrócie: poproś uczestnika o wykonanie pożądanego ruchu, dbając o to, aby pozycja początkowa pozwoliła na wylądowanie stopy w objętości badanego obszaru wideoradiografii biplanarnej. Wykorzystaj obiekt kalibracyjny oraz siatki do korekcji dystorsji w celu odpowiedniego zlokalizowania kamer i usunięcia zniekształceń z obrazów18.
UWAGA: Uczestnik w niniejszym badaniu wykonał próby dwóch różnych ruchów. Podskakiwał w rytm metronomu przy 108 bpm oraz powoli truchtał przez objętość badaną. Obrazy były rejestrowane w sposób ciągły z częstotliwością 250 Hz przy czasie naświetlania 1111 µs, a system rentgenowski został ustawiony na 70 kV i 100 mA. - Przeprowadź indywidualną segmentację markerów przy użyciu oprogramowania do przetwarzania trójwymiarowych obrazów medycznych. Korzystając z algorytmu wypełniania z uwzględnieniem treści w edytorze grafiki rastrowej oraz znanych lokalizacji markerów, usuń markery z obrazów DICOM. Stwórz częściowe objętości kości oraz siatki teselowane poprzez segmentację obrazów bez markerów, zgodnie z opisem w17. Wyrównaj zarówno częściowe objętości, jak i siatki, a następnie zapisz je w przestrzeni CT.
- Dla każdej klatki utwórz tabelę z niefiltrowanymi współrzędnymi obrazu x-y każdego markera w programie XMALab i wyeksportuj ją18. Wyznacz współrzędne 3D poprzez triangulację, korzystając z biblioteki Computer Vision w programie MATLAB. Oszacuj pozę poprzez dopasowanie trójwymiarowych pozycji markerów w przestrzeni rentgenowskiej do centroidów dopasowanych sferycznie w przestrzeni CT, stosując metodę najmniejszych kwadratów19. Użyj tego samego algorytmu w edytorze grafiki rastrowej, aby usunąć markery z obrazów rentgenowskich w celu przygotowania ich do śledzenia.
2. Dostęp do zbioru danych i kodu
- Pobrać zestaw danych z tego miejsca. Zawiera on obrazy BVR i pliki kalibracyjne dla każdego badania, a także szacunki pozycji referencyjnej zapisane w formacie .tra (Rycina 2). Pobrać lub sklonować pakiet kodu z adresu: https://github.com/skelobslab/JOVE_BVR_FootModelAndMarkerBased.
Rycina 2: Drzewo danych pakietu szkoleniowego JOVE_BVR_Foot_ModelAndMarkerBased. Foldery przedstawiono w czarnych polach, kod w jasnoszarych polach, a opisy plików w ciemnoszarych polach. Aby wyświetlić powiększoną wersję tej ryciny, kliknij tutaj.
3. Ocena dokładności algorytmu śledzenia modelu
- Zapisz szacunki pozy w pliku .tra w folderze referencyjnym próby. Sformatuj plik .tra tak, aby pozy przekształcające przestrzeń kostną w przestrzeń rentgenowską były zapisane w formacie 1 wiersza x 16 kolumn, gdzie każdy wiersz odpowiada klatce, a macierz pozy 4 x 4 jest zapisana jako [pierwsza kolumna, druga kolumna, trzecia kolumna i czwarta kolumna].
UWAGA: Przestrzeń kostna w tym zbiorze danych jest synonimem przestrzeni CT. - Zweryfikuj szacunki pozy, otwierając skrypt verifyAssessmentPoses.m w platformie obliczeniowej, a następnie klikając Run. Załaduj pliki zgodnie z instrukcjami wyświetlanymi w komunikatach. Skrypt obliczy oś helikalną pomiędzy szacunkiem pozy opartym na modelu a szacunkiem opartym na markerach i zwróci różnicę w rotacji i translacji dla każdej klatki śledzonych danych.
4. Szkolenie nowego operatora
UWAGA: Ta sekcja opisuje szkolenie z informacją zwrotną dla nowego operatora. W tym przypadku wybrano oprogramowanie Autoscoper do estymacji pozy w oparciu o model, jednak w jego miejsce można zastosować inne oprogramowanie.
- Pobierz najnowszą wersję oprogramowania do estymacji pozy ze strony: https://simtk.org/projects/autoscoper.
- Aby zlokalizować lokalne pliki BVR, otwórz plik w edytorze tekstowym (.\JOVE_BVR_Foot_ModelAndMarkerBased\Data\SOL001A\T0019_jog0001\Autoscoper\POINTER_T0019_jog001.cfg). Oprogramowanie wykorzystuje plik wskaźnika (.cfg) do lokalizowania plików. Zmodyfikuj ścieżki katalogów tak, aby prowadziły do odpowiednich lokalnych plików. Zapisz plik i zamknij go.
- Aby wczytać obrazy BVR i informacje o kamerach, uruchom oprogramowanie do estymacji pozy i kliknij Load Trial. Przejdź do pliku konfiguracyjnego wskaźnika zapisanego w poprzednim kroku i kliknij Open.
- W celu śledzenia postępuj zgodnie z protokołem opisanym przez Akhbari i wsp.17 (śledzenie oparte na modelu). W skrócie: obracaj i przemieszczaj kość, klikając i przeciągając osie na kości, aż uzyskasz satysfakcjonującą pozycję i orientację kości piętowej. Naciśnij klawisz S na klawiaturze, aby zapisać bieżącą klatkę dla kości piętowej (cal).
UWAGA: Ustawienia filtrów znajdują się w katalogu \JOVE_BVR_Foot_ModelAndMarkerBased\Data\SOL001A\T0019_jog0001\Autoscoper\ i mogą być wykorzystane do filtrowania zgodnie z opisem Akhbari i wsp.17. - Aby zapisać pliki, kliknij Save Tracking. Zapisz plik w pożądanym katalogu pod nazwą [numer próby]_[numer badanego]_[nazwa próby]_[3-literowy kod kości].tra (np. T0019_SOL001A_jog0001_cal.tra). Eksportuj ustawienia jako current, matrix, column, comma, none, mm, degrees.
UWAGA: Trzyliterowe kody kości dla kości piszczelowej i skokowej to odpowiednio tib i tal. - Aby utworzyć pliki do oceny dokładności śledzenia, otwórz platformę obliczeniową i uruchom skrypt animateBonesWithReferences.m w folderze z kodem. Przejdź do folderów w pakiecie szkoleniowym zgodnie z żądaniami w oknach dialogowych.
UWAGA: Kod animateBonesWithReferences.m jest specjalistycznym kodem szkoleniowym, który dostarcza pozy z danych opartych na markerach jako informację zwrotną w celu usprawnienia śledzenia przez nowego operatora. - Zainstaluj oprogramowanie do wizualizacji ze strony: https://github.com/DavidLaidlaw/WristVisualizer/tree/master. Aby zwizualizować śledzenie, otwórz w oprogramowaniu do wizualizacji plik .pos utworzony w kroku 4.6; jego lokalizacja będzie widoczna w oknie poleceń platformy obliczeniowej.
- Zweryfikuj dopasowanie śledzonej kości (szarej) do kości referencyjnej. Kolor zielony oznacza, że poza znajduje się w granicach progów obrotu i translacji, natomiast kolor czerwony oznacza przekroczenie progu. Kontynuuj śledzenie i wizualizację, aż wszystkie klatki staną się zielone. W razie potrzeby zmień progi (phi – obrót, trans – translacja) w liniach 10 i 11 skryptu animateBonesWithReferences.m.
UWAGA: Jeśli kość referencyjna jest czerwona (Rysunek 3A), oznacza to, że poza oddalona jest o więcej niż 1 mm lub 2° od pozy opartej na markerach, mierzonej za pomocą osi helikalnej. Jeśli jest zielona i wizualnie wygląda poprawnie, oznacza to, że dana klatka jest wystarczająco dobrze śledzona (Rysunek 3B). - Aby wyśledzić pozostałe kości kompleksu 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.
- Aby zakończyć ocenę, wyśledź i zwizualizuj kość piszczelową, skokową i piętową w próbie nazwanej assessment trial.
- Otwórz platformę obliczeniową i uruchom kod animateBonesGeneral.m. Przejdź do folderów w pakiecie szkoleniowym zgodnie z żądaniami w oknach dialogowych. Zweryfikuj pozy kości, używając pliku .pos w oprogramowaniu do wizualizacji. Kod ten można zastosować do innych prób w celu trójwymiarowej wizualizacji kości.
UWAGA: Prawdziwa poza oparta na markerach nie będzie już dostępna. Widoczne będą tylko szare kości.
- Otwórz platformę obliczeniową i uruchom kod animateBonesGeneral.m. Przejdź do folderów w pakiecie szkoleniowym zgodnie z żądaniami w oknach dialogowych. Zweryfikuj pozy kości, używając pliku .pos w oprogramowaniu do wizualizacji. Kod ten można zastosować do innych prób w celu trójwymiarowej wizualizacji kości.
- Aby ocenić estymacje pozy, otwórz skrypt verifyAssessmentPoses.m w platformie obliczeniowej i kliknij Run. Skrypt obliczy oś helikalną między estymacją pozy opartą na modelu a estymacją opartą na markerach i zwróci różnicę w obrocie i translacji dla każdej klatki śledzonych danych. Wygeneruje to taki sam wykres jak w animateBoneswithReferences.m, ale nie utworzy animacji.
- Upewnij się, że wszystkie punkty danych znajdują się poniżej wybranego progu (linia płaska) zarówno dla obrotu, jak i translacji. W razie potrzeby zapisz wyniki w pliku .csv.
Rysunek 3: Wizualizacja prawidłowego i nieprawidłowego śledzenia. (A) Kość piętowa śledzona za pomocą śledzenia opartego na modelu (kolor szary; wskazana również szarą strzałką), która nie pasuje w wystarczającym stopniu do pozy uzyskanej z szacowania pozy na podstawie markerów (kolor czerwony; wskazana również czerwoną strzałką). (B) Kość piętowa, która w wystarczającym stopniu pasuje do pozy uzyskanej z szacowania pozy na podstawie markerów. W rezultacie kość piętowa śledzona za pomocą markerów została przedstawiona na zielono (wskazana również szarą i zieloną strzałką). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Wyniki
Szkolenie oparte na modelu ukończyło dwóch nowych operatorów oraz jeden ekspert. 41 klatek próby oceniającej służyło do pomiaru biegłości w śledzeniu opartym na modelu (Rysunek 4). Szacunki pozy operatorów zazwyczaj znajdowały się znacznie poniżej ustalonych progów. Średnie mediany odchyleń (zakres) w rotacji dla poszczególnych kości wynosiły 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 translacyjnego 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 do poziomu określonej tolerancji.
Rysunek 4: Błąd obrotu i translacji dla nowych operatorów oraz eksperta. Wykresy skrzypcowe20 przedstawiające błąd w (A)(C)(E) obrocie i (B)(D)(F) translacji pomiędzy szacunkami pozy opartymi na modelu a szacunkami opartymi na markerach dla dwóch nowych operatorów i jednego eksperta dla (A)(B) kości piętowej, (C)(D) kości skokowej oraz (E)(F) kości piszczelowej. Wszystkie 41 klatek z próby oceny jest przedstawione jako punkty danych, z medianą (białe koło), rozstępem międzykwartylowym (gruba pionowa linia) i średnią (gruba pozioma linia). Czarna linia przy 2° i 1 mm reprezentuje wybrane progi. Sześć klatek poza progiem dla Nowego Operatora 2 w (E) nie zostało pokazanych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
U jednego nowego operatora odnotowano sześć klatek przekraczających próg rotacji 2° podczas śledzenia kości piszczeli. Klatki te zidentyfikowano za pomocą jednego z wykresów wygenerowanych w pliku verifyAssessmentPoses.m (Rysunek 5). Te sześć klatek jest trudniejszych do śledzenia ze względu na zasłonięcie piszczeli przez drugą stopę podczas ruchu w polu widzenia.
Rysunek 5Odchylenie rotacyjne dla każdej klatki w fazie podporu. Przykład śledzenia rotacji drugiego nowego operatora podczas części fazy podporu podczas biegu, dla (A) kość piętowa, (B) kość skokową, i (C) kości piszczelowej. Należy zauważyć, że czerwona ramka w (C) wskazuje klatki z wysokimi błędami. (DPo lewej stronie reprezentatywny obraz przedstawia przybliżoną różnicę w wyrównaniu pomarańczowej i niebieskiej linii piszczeli przedniej (wskazane pomarańczową i czarną strzałką). Obraz po prawej przedstawia przykład prawidłowo śledzonej piszczeli (wskazanej białą strzałką). Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.
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 obrazu15,17. 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.
Oświadczenia
Autorzy nie mają do ujawnienia żadnych konfliktów interesów.
Podziękowania
Ta praca została sfinansowana przez NSERC Discovery Grant (RGPIN/04688-2015) oraz Ontario Early Researcher Award.
Materiały
| 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/ |
Bibliografia
- 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).
- Iaquinto, J. M., et al. Model-based tracking of the bones of the foot: A biplane fluoroscopy validation study. Computers in Biology and Medicine. 92, 118-127 (2018).
- 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(2011).
- 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).
- 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).
- Challis, J. H. A procedure for determining rigid body transformation parameters. Journal of Biomechanics. 28 (6), 733-737 (1995).
- Lundberg, A., Goldie, I., Kalin, B. O., Selvik, G. Kinematics of the ankle/foot complex: plantarflexion and dorsiflexion. Foot & ankle. 9 (4), 194-200 (1989).
- You, B. -M., Siy, P., Anderst, W., Tashman, S. In vivo measurement of 3-D skeletal kinematics from sequences of biplane radiographs: Application to knee kinematics. IEEE Transactions on Medical Imaging. 20 (6), 514-525 (2001).
- 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).
- 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).
- 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).
- Massimini, D. F. Non-invasive determination of coupled motion of the scapula and humerus-An in-vitro validation. Journal of Biomechanics. 44 (3), 408-412 (2011).
- 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 (1), 1-10 (2015).
- 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).
- Akhbari, B., et al. Accuracy of biplane videoradiography for quantifying dynamic wrist kinematics. Journal of Biomechanics. 92, 120-125 (2019).
- Cross, J. A., et al. Biplane fluoroscopy for hindfoot motion analysis during gait: A model-based evaluation. Medical Engineering & Physics. 43, 118-123 (2017).
- Akhbari, B., Morton, A. M., Moore, D. C., Crisco, J. J. Biplanar videoradiography to study the wrist and distal radioulnar joints. JoVE Journal of Visualized Experiments. (168), e62102(2021).
- Knörlein, B. J., Baier, D. B., Gatesy, S. M., Laurence-Chasen, J. D., Brainerd, E. L. Validation of XMALab software for marker-based XROMM). Journal of Experimental Biology. 219 (23), 3701-3711 (2016).
- Söderkvist, I., Wedin, P. -Å Determining the movements of the skeleton using well-configured markers. Journal of Biomechanics. 26 (12), 1473-1477 (1993).
- Bechtold, B. Violin Plots for Matlab. , Available from: https://github.com/bastibe/Violinplot-Matlab (2021).
Przedruki i uprawnienia
