Summary
Nous avons analysé la cinématique commune à partir de données de tomographie calculées en quatre dimensions. La méthode d'enregistrement 3D-3D séquentielle fournit semi-automatiquement la cinématique de l'os en mouvement par rapport à l'os en question à partir de données de tomographie calculées en quatre dimensions.
Abstract
La tomographie calculée en quatre dimensions (4DCT) fournit une série de données de volume et visualise les mouvements articulaires. Cependant, l'analyse numérique des données 4DCT reste difficile car la segmentation dans tous les cadres volumétriques prend du temps. Nous avons cherché à analyser la cinématique articulaire à l'aide d'une technique d'enregistrement 3D-3D séquentielle pour fournir la cinématique de l'os en mouvement en ce qui concerne l'os fixe semi-automatiquement en utilisant les données 4DCT DICOM et les logiciels existants. Les données de surface des os sources sont reconstruites à partir de 3DCT. Les données de surface taillées sont respectivement appariées avec les données de surface de la première image en 4DCT. Ces surfaces taillées sont assorties séquentiellement jusqu'au dernier cadre. Ces processus fournissent des informations de position pour les os cibles dans tous les cadres de la 4DCT. Une fois que les systèmes de coordonnées des os cibles sont déterminés, les angles de traduction et de rotation entre deux os peuvent être calculés. Cette analyse 4DCT offre des avantages dans les analyses cinématiques de structures complexes telles que les os carpiens ou tarsaux. Cependant, les mouvements rapides ou à grande échelle ne peuvent pas être tracés en raison d'artefacts de mouvement.
Introduction
La cinématique conjointe a été décrite à l'aide d'un certain nombre de méthodologies, telles que des capteurs de capture de mouvement, l'enregistrement 2D-3D et des études cadavériques. Chaque méthode présente des avantages et des inconvénients spécifiques. Par exemple, les capteurs de capture de mouvement peuvent mesurer des mouvements rapides et à grande échelle à l'aide de caméras infrarouges avec ou sans capteurs sur le sujet1,2. Cependant, ces méthodes mesurent le mouvement de la peau pour inférer la cinématique articulaire, et contiennent donc des erreurs de mouvement de la peau3.
Des études cadavériques ont été utilisées pour évaluer les gammes de mouvement, d'instabilité et de zones de contact4,5,6. Cette approche peut mesurer de petits changements dans les petites articulations à l'aide de cT ou de capteurs optiques fixés directement à l'os à l'aide de broches ou de vis. Les modèles cadavériques peuvent principalement évaluer les mouvements passifs, bien que plusieurs actionneurs aient été utilisés pour appliquer des forces externes aux tendons pour simuler le mouvement dynamique7. Le mouvement actif des articulations peut être mesuré par des techniques d'enregistrement 2D-3D, faisant correspondre les images 3DCT aux images de fluoroscopie 2D. Bien que l'exactitude du processus d'enregistrement demeure controversée, l'exactitude signalée est généralement assez élevée pour les grandes cinématiques articulaires8,9. Cependant, cette méthode ne peut pas être appliquée sur de petits os ou des os multiples dans des espaces étroits.
En revanche, 4DCT est une méthode cT dynamique qui obtient une série de données volumétriques. Les mouvements articulaires actifs peuvent être analysés à l'aide de cette approche10. Cette technologie fournit des données de position 3D précises de toutes les substances à l'intérieur du portique CT. Les mouvements articulaires 3D sont clairement visualisés dans un spectateur. Cependant, il est encore difficile de décrire la cinématique commune à partir d'une telle série de données de volume, car tous les os se déplacent et aucun repère ne peut être tracé pendant les mouvements actifs in vivo.
Nous avons développé une méthode pour l'analyse 4DCT qui fournit la cinématique articulaire in vivo des os entiers autour de l'articulation pendant les mouvements actifs. Le but de cet article est de présenter notre méthode, la technique d'enregistrement 3D-3D séquentielle pour l'analyse 4DCT, et de montrer des résultats représentatifs obtenus à l'aide de cette méthode.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Toutes les méthodes décrites ici ont été approuvées par le Conseil d'examen institutionnel de l'École de médecine de l'Université Keio.
REMARQUE : La cinématique articulaire est mesurée en reconstituant le mouvement d'un os en mouvement autour d'un os fixe. Pour la cinématique articulaire du genou, le fémur est défini comme l'os fixe et le tibia est défini comme l'os en mouvement.
1. Protocole d'imagerie Par tocti
- Configurez la machine CT. Acquérir des examens de CT avec un système de CT de 320-détecteur-ligne pour permettre de multiples phases des données de volume 3D avec la couverture craniocaudal de 160 mm. Par exemple, dans l'analyse de la cinématique du genou, l'acquisition d'images se compose de 51 balayages de volume avec un temps de rotation de 0,275 s, et toutes les images sont reconstruites à l'aide de la demi-reconstruction, de sorte que la résolution temporelle est d'environ 0,16 s.
- Utilisez les paramètres de balayage suivants : tension du tube de pointe à 100 kVp; courant de tube 40 mA; couverture d'analyse de 160 mm; taille de matrice 512 x 512 pixels; et l'épaisseur de la section de reconstruction et l'intervalle de section de 0,5 mm.
- Placez le joint cible du sujet à l'intérieur du portique CT dans la position de départ de l'examen 4DCT (figure 1).
- Avant l'examen de ToT, répétez les mouvements de l'articulation de la position de départ à la position de fin dans le délai requis. Demandez au sujet de déplacer l'articulation pendant le temps d'analyse de 10.275 et d'obtenir une série de données de volume. Stockez les données de volume séquentiel séquentiel séquentiel s'ils sont au format DICOM.
- Effectuez la 3DCT statique de tous les os cibles et stockez les données au format DICOM.
2. Reconstruction de surface
- Effectuer une segmentation semi-automatique des données 3DCT(figure 2A).
- Chargez les données CT DICOM en sélectionnant tous les fichiers DICOM des données 3DCT statiques.
- Ouvrez le champ d'étiquette en cliquant sur Edit New Label Field et vérifiez quelle valeur d'atténuation de cT de seuil est appropriée pour extraire l'os cortical de l'os source. Sélectionnez les matériaux dont les valeurs d'atténuation de la totification sont supérieures au seuil. Par exemple, le seuil du cortex osseux pour un jeune sujet est fixé à 250. Vérifiez l'étiquette pour la sélection du cortex osseux et modifiez manuellement la démarcation à l'aide d'un outil d'édition pour la cohérence avec la forme de l'os.
- Générer les données de surface (mailles triangle) à partir des données de position du cortex osseux étiqueté (nuage de point dans le logiciel). Stockez les données de surface en exportant des données dans le format langue triangulée standard (STL).
- Cliquez sur Générer Surface Appliquer sur l'étiquette de l'os cortical. Cliquez sur Fichier Données d'exportation As STL Binary Little Endian pour enregistrer les données de surface en format STL.
- Effectuer une segmentation automatique des données de volume 4DCT (Figure 2B).
REMARQUE : Chaque image des données DICOM inclut la distribution des valeurs d'atténuation de la tomodensitométrie dans le portique CT.- Définir le seuil du cortex osseux comme dans la ToMode statique, et extraire des données géométriques montrant des valeurs d'atténuation de la Tomode supérieure au seuil des 51 images des données 4DCT à l'aide du module de lecture DICOM dans le logiciel de programmation. Ajuster le seuil en fonction de la densité osseuse de l'os source. Par exemple, pour l'os ostéoporotique, fixer le seuil plus bas.
- Traduire toutes les données de position qui ont déjà été obtenues au cours de l'étape précédente dans un format qui peut être interprété par un logiciel de traitement d'image (p. ex., Avizo). Dans le logiciel de traitement d'image, reconstruisez toutes les données de surface du nuage de points avec des valeurs d'atténuation de CT plus élevées que le seuil pour toutes les images 4DCT à l'aide d'un script de traitement par lots. Le logiciel de traitement d'image contient la fonction de lire le script et d'exporter automatiquement les données de surface des données de la série DICOM. Le script de lot est affiché dans le fichier de codage supplémentaire.
3. Enregistrement d'image
REMARQUE : Dans cette étape, reconstruisez les mouvements de l'os en mouvement en ce qui concerne l'os fixe à partir des données brutes 4DCT DICOM.
- Effectuer l'enregistrement de surface de la 3DCT statique à la première image de la 4DCT.
- Coupez les os dans un 3DCT statique en données de segment partiels qui sont inclus dans toutes les images de 4DCT pour une utilisation avec le point itératif le plus proche (ICP) algorithme11 dans le logiciel d'édition de maillage 3D en utilisant la fonction Desélection face (Figure 3A) en référant 4DCT données de film. Les données de surface de 4DCT ne sont que des segments partiels qui sont inclus dans chaque image de volume, car l'enregistrement de surface exige qu'un point de données de surface soit inclus dans une autre surface.
- Choisissez trois repères dans les os fixes et en mouvement qui peuvent être facilement identifiés à partir de la surface 3DCT taillée et les données de surface de la première image de 4DCT dans le logiciel d'édition de maillage 3D à l'aide de la fonction PickPoints (Figure 3B).
- Faites correspondre les os partiellement fixes et en mouvement à peu près sur le premier cadre des données de surface 4DCT (Figure 3C) selon les repères choisis dans 3.1.2. Ensuite, effectuez l'enregistrement de surface à l'aide de l'algorithmeICP 11 à l'aide du logiciel open source (par exemple, VTK).
REMARQUE : Ce processus fournit des matrices de transformation homogènes des os fixes et en mouvement de la 3DCT statique au premier cadre de 4DCT (Figure 3D). Ces matrices sont 4 x 4 matrices composées de rotation et de traduction, comme le montre la figure 4. La matrice de transformation à l'origine de l'action inverse peut également être calculée.
- Effectuer l'enregistrement séquentiel de surface (Figure 5).
- Faites correspondre les surfaces partielles de l'os fixe et en mouvement dans le premier cadre 4DCT sur les données de surface du deuxième cadre. Ensuite, faites correspondre les surfaces partielles de l'image ith sur le cadre (i 1)e de 4DCT séquentiellement. Répétez ce processus jusqu'à la dernière image de la 4DCT en programmant avec l'utilisation du module ICP dans le logiciel open source.
- Calculer les matrices de transformation de la 3DCT statique à tous les cadres en 4DCT selon les résultats de 3.1 et 3.2.
- Reconstruire le mouvement des os en ce qui concerne l'os fixe (Figure 6).
- Reconstruire la cinématique de l'os en mouvement par rapport à l'os fixe des matrices qui représentent la transformation de la 3DCT statique à chaque cadre 4DCT. Définir les systèmes de coordonnées des os fixes et en mouvement lorsque les paramètres de rotation sont mesurés (p. ex., angle de flexion ou angle de rotation calculé par l'angle Euler/Cardan)12,13,14.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Nous décrivons le mouvement du tibia pendant l'extension de genou. L'articulation du genou a été positionnée dans le portique CT. Un oreiller triangle a été utilisé pour soutenir le fémur à la position de départ. Le genou a été étendu à une position droite au cours de 10 s. L'exposition au rayonnement a été mesurée. En plus du 4DCT, le 3DCT statique du fémur entier, du tibia, et de la rotule a été exécuté. Les données de surface de l'ensemble du fémur et du tibia ont été reconstruites. Le seuil pour les nombres de HU du cortex osseux a été fixé comme 250 HU et les données de surface des 51 cadres ont été reconstruites.
Le fémur et le tibia ont été taillés en données de surface partielles qui ont été incluses dans toutes les images 4DCT vérifiant visuellement les données de film 4DCT, qui est créée dans le logiciel 4DCT préétabli. Dans les surfaces statiques 3DCT et le premier cadre de la 4DCT, les repères de chaque segment ont été tracés. Sur le fémur, les epicondyles médiales et latérales et l'encoche intercondylar ont été identifiés. Sur le tibia, les extrémités médiales et latérales de la surface commune et la tubéroité tibiale ont également été identifiées comme repères correspondants. Les données partielles de surface du fémur et du tibia ont été approximativement assorties avec le premier cadre des données de 4DCT selon ces trois repères. Ces surfaces ont ensuite été complètement appariées à l'aide de l'algorithme ICP.
Des segments partiels du fémur et du tibia du premier cadre ont été assortis à toute la surface dans le deuxième cadre. Des fragments partiels dans le cadre ith ont ainsi été jumelés avec les données de surface entières du cadre (i 1)th séquentiellement. Dans l'algorithme ICP, les critères de convergence pour la distance moyenne entre les itérations ont été fixés à 0,01 mm.
Le fémur a été défini comme l'os fixe et le tibia comme l'os en mouvement. La matrice 4 x 4 qui décrit la traduction et la rotation du système de coordonnées globales dans les données d'origine CT DICOM au système de coordonnées locales de l'os fixe est calculée. Le système de coordonnées du fémur et du tibia a été défini conformément à un rapport précédent15. Nous avons calculé le mouvement du tibia à partir des angles Euler/Cardan dans l'ordre 'zxy', c'est-à-dire la flexion, le varus et la rotation interne, dans cet ordre14.
Notre méthode dépend de l'exactitude de l'enregistrement des images des segments partiels sur l'ensemble des données de surface. Nous avons validé l'exactitude de l'enregistrement partiel de surface en diminuant la longueur du fémur et du tibia progressivement de 1% le long de l'axe long de 20%-1%. L'enregistrement de surface des segments partiels aux os entiers a été exécuté pour l'ensemble des longueurs du fémur et du tibia, et des erreurs pour la rotation et la traduction des paramètres calculés à partir des os entiers ont été évaluées.
Les résultats ont montré que l'angle varus du tibia diminuait graduellement à mesure que le tibia était étendu (figure 7). La rotation externe tibiale a augmenté à la fin de l'extension. Cette rotation externe correspond au « mouvement de la maison de vis » du genou dans les rapports précédents16,17.
L'estimation effective de la dose pour ce protocole de CT était de 0,075 mSv, tel que déterminé par la mesure du produit de longueur de dose (187,5 mGy-cm) et les coefficients normalisés appropriés (0,0004) comme indiqué dans la littérature18.
En validation, les graphiques de l'erreur de traduction et de rotation montrent que l'erreur était tolérable pour les longueurs de fémur de plus de 9 % de la longueur totale et les longueurs tibias de plus de 7 % de la longueur totale(figure 8). À 10 % de la longueur du fémur et à 8 % de la longueur du tibia, les erreurs étaient de 0,02 degrés pour la rotation varus/valgus, de 0,02 degrés pour la rotation interne/externe, de 0,01 o pour la rotation d'extension/flexion, de 0,10 mm pour la traduction antérieure/postérieure, de 0,14 mm pour la traduction proximale/distale et de 0,11 mm de traduction latérale/médial. Ces erreurs de traduction sont considérées comme négligeables parce que l'épaisseur de la tranche CT est de 0,5 mm et dépasse la taille de l'erreur. Les erreurs de rotation internes et externes avaient tendance à fluctuer. On a pensé que ceci a été provoqué par l'ajustement minimum local pour la rotation itératif le long de l'axe long dû à la forme symétrique de la surface tibiale commune.
Comme données supplémentaires, la cinématique patellar a également été calculée en utilisant la même méthode. Nous avons démontré l'inclinaison latérale de la rotule en suivant la norme de la surface rotulienne correspondant à l'angle de flexion du genou tel que calculé à partir de l'analyse du tibia (Figure supplémentaire 1).
Figure 1 : Acquisition de 4DCT. L'examen 4DCT pour l'extension de genou. Le sujet est chargé de s'allonger et de positionner le genou dans le portique CT. À la position de départ, le genou est placé en position fléchie et prolongé dans les 10 s après le début de l'examen. Dans ce chiffre, le sujet étend le genou de 60 degrés de flexion à l'extension maximale en 10 s. S'il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.
Figure 2 : Reconstruction des données de surface. (A) Les données de surface de l'ensemble du fémur (os fixe) et du tibia entier (os en mouvement) sont reconstruites. (B) À l'aide des données DICOM de 4DCT, les données positionnelles du cortex osseux montrant les valeurs d'atténuation de la Tot au-dessus du seuil sont extraites dans chaque image. Ces données de position sont entrées dans le logiciel et les données de surface de toutes les images sont reconstruites. Le fémur se déplace également (flèche verte) en ce qui concerne le tibia (flèche bleue). Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 3 : Enregistrement de surface. (A) Les données de surface des os fixes et en mouvement de 3DCT sont découpées en segments partiels qui sont inclus dans tous les cadres 4DCT parce que les données de surface de 4DCT ne sont que des segments partiels, qui sont inclus dans le portique CT. (B) Trois repères sont choisis dans les segments partiels de la 3DCT statique et le premier cadre de la 4DCT. (C) Les segments partiels sont assortis avec le premier cadre en fonction des repères. (D) L'algorithme de point itératif le plus proche (ICP) est appliqué pour correspondre aux données de surface. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 4 : La matrice de transformation est calculée à partir de l'enregistrement de surface. (A) La traduction et la rotation des données de surface peuvent être décrites dans une matrice 4 x 4 (matrice de transformation homogène). Mref représente la matrice de l'os fixe et Mobj représente la matrice de l'os en mouvement. La valeur inférieure droite représente la position de départ et la valeur supérieure gauche représente la position cible. Par exemple, 1Mrefs traduit l'os fixe dans la position statique 3DCT à l'os fixe dans le premier cadre de 4DCT. (B) La matrice de rotation est une matrice de 4 x 4. R3 est une matrice 3 x 3 qui définit la rotation et d est une matrice de 1 x 3 qui définit la traduction. tR3 est une matrice transversale de R3. (C) La droite supérieure "inv" signifie la matrice d'action inverse. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 5 : Étapes d'enregistrement séquentiel de la surface de tous les cadres. La différence entre ie et (i 1)e cadres est très faible. Les segments partiels du cadre ith peuvent être jumelés avec des données de surface entières de l'image (i 1)e uniquement par l'algorithme ICP. L'enregistrement de surface est répété de façon séquentielle jusqu'à la dernière image. La matrice de transformation de la 3DCT statique à chaque image (iMs) est calculée. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 6 : Les angles de rotation sont calculés à l'aide des systèmes de coordonnées définis des os fixes et en mouvement. (A) Le système de coordonnées de l'os fixe est défini15. Les matrices de rotation de la 3DCT statique au système de coordonnées locales de l'os fixe (LMrefS) sont calculées. (B) Le système de coordonnées de l'os en mouvement est défini et dessiné sur l'os fixe dans son système de coordonnéeslocales 15. Les matrices de rotation de l'os mobile local au système local de coordonnées de l'os fixe sont calculées (Mi). À partir de ces matrices, les angles de l'os en mouvement par rapport à l'os fixe sont calculés à l'aide de l'angle Euler/Cardan. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 7 : Les résultats représentatifs montrent la cinématique du tibia pendant l'extension du genou. (A) Extension du tibia. À partir du cadre de départ, le tibia est prolongé presque constamment et la vitesse d'extension augmente autour du cadre d'extrémité. (B) Rotation interne Tibial. L'axe transversal est l'angle d'extension tibial. Le tibia tourne à l'intérieur jusqu'à 10 degrés de flexion et tourne à l'extérieur jusqu'au cadre final. (C) Les angles de valgus augmentent constamment pendant tous les cadres de l'extension de genou. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure 8 : Validation de l'enregistrement de surface du segment partiel sur l'os entier. Les longueurs du fémur et du tibia sont diminuées progressivement de 1% le long de l'axe long de 20%-1%. L'enregistrement de surface des segments partiels aux os entiers est effectué pour tous les ensembles de longueurs du fémur et du tibia, et les erreurs de rotation et de traduction à partir des paramètres calculés à partir des os entiers sont évaluées. L'analyse de perturbation est montrée dans la figure supplémentaire 2. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure supplémentaire 1 : cinématiques Patellar pendant l'extension du genou. La cinématique patellar est également calculée selon la même méthode. (A) Une surface était en forme sur les données de surface de la rotule. La norme du pointage de surface antérieurement est calculée. L'inclinaison latérale est définie comme l'angle d'inclinaison latéral de la norme dans le système de coordonnées du fémur. (B) L'inclinaison latérale rotuleuse pendant l'extension du genou est tracée correspondant à l'extension du genou tel que calculé à partir de la cinématique tibiale. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Figure supplémentaire 2 : Analyse de perturbation. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.
Fichier de codage supplémentaire. Veuillez cliquer ici pour télécharger ce fichier.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Notre méthode permet la visualisation et la quantification des mouvements des os entiers et fournit des données de position numérique de l'os en mouvement par rapport à l'os fixe à partir de données 4DCT. De nombreux outils ont été suggérés pour mesurer la cinématique commune. Les marqueurs de peau de mouvement peuvent analyser les mouvements totaux de corps sur une longue période. Cependant, cette méthode contient des erreurs de mouvement de la peau3. La cinématique articulaire doit être estimée à partir du mouvement des os adjacents. La méthode d'enregistrement 2D-3D utilise la fluoroscopie et déduit la cinématique 3D à partir d'images 2D séquentielles. Les erreurs de traduction sont toujours présentes, bien que le logiciel d'analyse ait évolué pour expliquer cela. De nombreuses études cadavériques ont mesuré la cinématique commune en prenant des images CT dans différentes positions de cadavre19. Cependant, ceux-ci représentent des mouvements passifs à partir d'images 3D statiques séquentielles, et diffèrent donc qualitativement des mouvements actifs.
Il y a plusieurs étapes critiques dans ce protocole. Les données de surface de 3DCT doivent être créées précisément parce que cette qualité affecte l'exactitude de l'enregistrement de surface initial à la première image de 4DCT. Autour de la zone articulaire, le seuil pour le cortex osseux peut être différent de l'arbre osseux. L'ajustement de seuil sera nécessaire quand la frontière du cortex d'os est peu claire. Une fois l'enregistrement de surface de tous les cadres terminé, le mouvement reconstruit doit être vérifié. Si l'enregistrement de surface pour un cadre échoue, l'enregistrement automatisé de surface peut être redémarré à partir du cadre suivant en choisissant les points de repère dans le cadre suivant et en répétant le protocole.
La méthode 4DCT fournit des données de volume séquentielle avec une précision presque aussi élevée que la 3DCT statique parce que les données CT DICOM contiennent des valeurs de coordonnées absolues de tous les tissus du portique CT. Plusieurs études ont utilisé 4DCT pour des investigations de la cinématique commune20,21. Cependant, dans la plupart des cas, les observateurs ont choisi des repères à partir de plusieurs images et ont calculé les paramètres (p. ex., angles, traduction). Ces processus d'analyse de données contiennent des erreurs humaines qui conduisent à l'erreur de mesure. Notre méthode d'enregistrement de surface fournit l'appariement d'image de haute précision. Une fois tracés, les repères des paramètres peuvent être tracés en fonction de la forme de la surface dans chaque cadre. Théoriquement, la segmentation manuelle de surface pour tous les cadres 4DCT fournit les données les plus précises, mais ce processus est beaucoup trop long. Récemment, 4DCT a été utilisé pour l'analyse du mouvement pour les articulations du poignet parce que les os du carpe sont petits et les structures superposées22. Il y a eu plusieurs rapports au sujet du traçage automatisé d'os23,24. Goto et coll. ont analysé les mouvements des doigts à l'aide de coefficients de corrélation normalisés qui détectent la similitude entre deux images25. Nous avons utilisé l'enregistrement de surface parce que la position de la surface du cortex osseux est le point de repère le plus important pour décrire la cinématique articulaire.
Nous avons utilisé un algorithme itératif de point le plus proche pour tracer le mouvement des données de surface dans toutes les images. Un algorithme itératif de point le plus proche correspond à deux groupes de nuages ponctuels ou de données de surface pour minimiser la distancesol-surface 11, mais présente plusieurs inconvénients. Cet algorithme est généralement utilisé pour correspondre à deux surfaces étroites. Par conséquent, lorsque les deux surfaces sont situées distantes l'une de l'autre, l'enregistrement se ferait dans la position « minimum local », et non dans la vraie position appariée26. Nous surmontons cet inconvénient en prenant trois repères dans chaque os au début. Les deux surfaces sont à peu près assorties en fonction de ces trois points de repère. À partir de ces deux postes, le PIC est la position la plus proche. Le taux de trame de 4DCT est très court (0,2 s), de sorte que la position de surface dans le cadre actuel est proche de la position de surface dans le cadre suivant. En cas de ralenti, l'étape de correspondance approximative ne sera pas nécessaire pour l'enregistrement de surface séquentielle d'un cadre à l'autre. En outre, la relation entre l'ensemble des deux os est reproduite en faisant correspondre l'ensemble des données statiques de surface 3DCT sur les données partielles de surface du cadre 4DCT. Généralement, le système de coordonnées de l'os est défini à partir de son intégralité12,27. La reconstruction de l'ensemble du mouvement osseux contribue ainsi à la description des angles articulaires. Cette précision dépend en grande partie de l'enregistrement de la surface partielle sur l'ensemble des données de surface. Dans les données représentatives, nous avons démontré que la disponibilité de plus de 10 % des segments fournit une précision suffisante pour l'articulation du genou.
Les données de CT fournissent toutes les données de position incluses dans la zone de portique de CT. La qualité des données dépend uniquement de la qualité de la machine CT. Cette méthode peut donc être appliquée sur de petits os ou des os multiples tels que les os du carpe, qui sont difficiles à retracer par enregistrement 2D-3D.
Plusieurs limitations doivent être mentionnées. Tout d'abord, ICP dépend de la forme du segment partiel. ICP est plus précis lorsque la surface a des caractéristiques géométriques telles que les éperons osseux ou les bords corticaux. D'autre part, lorsque la forme de surface est symétrique, comme la tête radiale ou sésamoïde, ICP fournira une mauvaise rotation de la surface d'origine. En outre, ICP dépend également de la qualité des données de surface. Dans le cas des os ostéoporotiques, la reconstruction de surface dépend en grande partie de la segmentation manuelle. Cela peut conduire à des erreurs d'interobservateur. Récemment, la segmentation informatisée de tissu sur des tranches de CT a été développée. Cependant, la segmentation manuelle humaine est toujours considérée comme plus fiable lors de l'identification des tissus spécifiques28,29. Bien que la qualité de l'image CT ne puisse pas être modifiée, d'autres limitations peuvent être surmontées par la segmentation et l'enregistrement manuels de surface. Deuxièmement, lorsque le mouvement articulaire est trop rapide, cette méthode ne peut pas tracer les mouvements osseux, parce que les images CT deviennentfloues 30. L'enregistrement de la surface image à cadre échoue alors parce que les deux surfaces sont trop éloignées. La vitesse tolérable dépend de l'articulation cible, car la morphologie articulaire influe sur le taux de réussite de l'enregistrement de surface. Des études sur la tolérance à la vitesse pour chaque articulation seront nécessaires à l'avenir. En outre, le mouvement conjoint devrait être exécuté à l'intérieur du portique de CT. Par conséquent, pour l'analyse de la cinématique de chargement, capteurs optiques ou 2D-2D enregistrement sont les meilleurs.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Les auteurs n'ont pas d'intérêts financiers concurrents.
Acknowledgments
Cette étude a été approuvée par la Commission d'examen institutionnel de notre institution (numéro d'approbation : 20150128).
Materials
| Name | Company | Catalog Number | Comments |
| 4DCT scanner | Canon medical systems (Tochigi, Japan) | N/A | 4DCT scan, Static 3DCT scan |
| AVIZO(9.3.0)* | Thermo Fisher Scientific (OR, USA) | Image processing software. Surface reconstruction from CT DICOM data and point cloud data. * Ryan, T. M. & Walker, A. Trabecular bone structure in the humeral and femoral heads of anthropoid primates. Anat Rec (Hoboken). 293 (4), 719-729, doi:10.1002/ar.21139, (2010). |
|
| Meshlab** | ISTI (Pisa, Italy) | N/A | Surface trimming and landmark picking ** MeshLab: an Open-Source Mesh Processing Tool. Sixth Eurographics Italian Chapter Conference, page 129-136, 2008. P. Cignoni, M. Callieri, M. Corsini, M. Dellepiane, F. Ganovelli, G. Ranzuglia |
| VTK(6.3.0)*** | Kitware (New York, USA) | N/A | Iterative Closest Points algorithm. Used in python language programming. *** https://vtk.org |
| Python(3.6.1) | Python Software Foundation | N/A | DICOM file processing to extract the point cloud from the bone cortex ('dicom.py' module). Calculation of the rotation matrices. (Numpy module) Sequential image regestration using ICP algorithm |
References
- Andriacchi, T. P., Alexander, E. J., Toney, M. K., Dyrby, C., Sum, J. A point cluster method for in vivo motion analysis: applied to a study of knee kinematics. Journal of Biomechanical Engineering. 120 (6), 743-749 (1998).
- Corazza, S., et al. A markerless motion capture system to study musculoskeletal biomechanics: visual hull and simulated annealing approach. Annals of Biomedical Engineering. 34 (6), 1019-1029 (2006).
- Reinschmidt, C., van den Bogert, A. J., Nigg, B. M., Lundberg, A., Murphy, N. Effect of skin movement on the analysis of skeletal knee joint motion during running. Journal of Biomechanics. 30 (7), 729-732 (1997).
- Burgess, R. C. The effect of a simulated scaphoid malunion on wrist motion. Journal of Hand Surgery. 12 (5 Pt 1), 774-776 (1987).
- Shoemaker, S. C., Markolf, K. L. Effects of joint load on the stiffness and laxity of ligament-deficient knees. An in vitro study of the anterior cruciate and medial collateral ligaments. Journal of Bone and Joint Surgery (American Volume). 67 (1), 136-146 (1985).
- Eckstein, F., Lohe, F., Muller-Gerbl, M., Steinlechner, M., Putz, R. Stress distribution in the trochlear notch. A model of bicentric load transmission through joints. Journal of Bone and Joint Surgery (British Volume). 76 (4), 647-653 (1994).
- Omid, R., et al. Biomechanical analysis of latissimus dorsi tendon transfer with and without superior capsule reconstruction using dermal allograft. Journal of Shoulder and Elbow Surgery. 28 (8), 1523-1530 (2019).
- Tsai, T. Y., Lu, T. W., Chen, C. M., Kuo, M. Y., Hsu, H. C. A volumetric model-based 2D to 3D registration method for measuring kinematics of natural knees with single-plane fluoroscopy. Medical Physics. 37 (3), 1273-1284 (2010).
- Ohnishi, T., et al. Three-dimensional motion study of femur, tibia, and patella at the knee joint from bi-plane fluoroscopy and CT images. Radiological Physics and Technology. 3 (2), 151-158 (2010).
- Dobbe, J. G. G., de Roo, M. G. A., Visschers, J. C., Strackee, S. D., Streekstra, G. J. Evaluation of a Quantitative Method for Carpal Motion Analysis Using Clinical 3-D and 4-D CT Protocols. IEEE Transactions on Medical Imaging. 38 (4), 1048-1057 (2019).
- Besl, P. J., McKay, N. D. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
- Wu, G., et al. ISB recommendation on definitions of joint coordinate system of various joints for the reporting of human joint motion--part I: ankle, hip, and spine. Journal of Biomechanics. 35 (4), 543-548 (2002).
- Wu, G., et al. ISB recommendation on definitions of joint coordinate systems of various joints for the reporting of human joint motion--Part II: shoulder, elbow, wrist and hand. Journal of Biomechanics. 38 (5), 981-992 (2005).
- Crawford, N. R., Yamaguchi, G. T., Dickman, C. A. A new technique for determining 3-D joint angles: the tilt/twist method. Clinical Biomechanics (Bristol, Avon). 14 (3), 153-165 (1999).
- Sato, T., Koga, Y., Omori, G. Three-dimensional lower extremity alignment assessment system: application to evaluation of component position after total knee arthroplasty. Journal of Arthroplasty. 19 (5), 620-628 (2004).
- Ishii, Y., Terajima, K., Terashima, S., Koga, Y. Three-dimensional kinematics of the human knee with intracortical pin fixation. Clinical Orthopaedics and Related Research. (343), 144-150 (1997).
- Asano, T., Akagi, M., Tanaka, K., Tamura, J., Nakamura, T. In vivo three-dimensional knee kinematics using a biplanar image-matching technique. Clinical Orthopaedics and Related Research. (388), 157-166 (2001).
- Saltybaeva, N., Jafari, M. E., Hupfer, M., Kalender, W. A. Estimates of effective dose for CT scans of the lower extremities. Radiology. 273 (1), 153-159 (2014).
- Mat Jais, I. S., Tay, S. C. Kinematic analysis of the scaphoid using gated four-dimensional CT. Clinical Radiology. 72 (9), e791-e799 (2017).
- Tanaka, M. J., Elias, J. J., Williams, A. A., Demehri, S., Cosgarea, A. J. Characterization of patellar maltracking using dynamic kinematic CT imaging in patients with patellar instability. Knee Surgery, Sports Traumatology, Arthroscopy. 24 (11), 3634-3641 (2016).
- Troupis, J. M., Amis, B. Four-dimensional computed tomography and trigger lunate syndrome. Journal of Computer Assisted Tomography. 37 (4), 639-643 (2013).
- Kakar, S., et al. The Role of Dynamic (4D) CT in the Detection of Scapholunate Ligament Injury. Journal of Wrist Surgery. 5 (4), 306-310 (2016).
- Zhao, K., et al. A technique for quantifying wrist motion using four-dimensional computed tomography: approach and validation. Journal of Biomechanical Engineering. 137 (7), (2015).
- Breighner, R., et al. Relative accuracy of spin-image-based registration of partial capitate bones. in 4DCT of the wrist. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization. 4 (6), 360-367 (2016).
- Goto, A., et al. In vivo pilot study evaluating the thumb carpometacarpal joint during circumduction. Clinical Orthopaedics and Related Research. 472 (4), 1106-1113 (2014).
- Zhang, X., Jian, L., Xu, M. Robust 3D point cloud registration based on bidirectional Maximum Correntropy Criterion. PloS One. 13 (5), e0197542 (2018).
- Baker, R. ISB recommendation on definition of joint coordinate systems for the reporting of human joint motion-part I: ankle, hip and spine. Journal of Biomechanics. 36 (2), 300-302 (2003).
- Qiu, B., et al. Automatic segmentation of the mandible from computed tomography scans for 3D virtual surgical planning using the convolutional neural network. Physics in Medicine and Biology. , (2019).
- Hemke, R., Buckless, C. G., Tsao, A., Wang, B., Torriani, M. Deep learning for automated segmentation of pelvic muscles, fat, and bone from CT studies for body composition assessment. Skeletal Radiology. , (2019).
- Lee, S., et al. Impact of scanning parameters and breathing patterns on image quality and accuracy of tumor motion reconstruction in 4D CBCT: a phantom study. Journal of Applied Clinical Medical Physics. 16 (6), 195-212 (2015).
