Summary
Analizamos la cinemática articular a partir de datos de tomografía computarizada en cuatro dimensiones. El método de registro 3D-3D secuencial proporciona semiautomáticamente la cinemática del hueso en movimiento con respecto al hueso sujeto a partir de datos de tomografía computarizada en cuatro dimensiones.
Abstract
La tomografía computarizada en cuatro dimensiones (4DCT) proporciona una serie de datos de volumen y visualiza movimientos articulares. Sin embargo, el análisis numérico de los datos 4DCT sigue siendo difícil porque la segmentación en todos los fotogramas volumétricos requiere mucho tiempo. Nuestro objetivo era analizar la cinemática articular utilizando una técnica secuencial de registro 3D-3D para proporcionar la cinemática del hueso móvil con respecto al hueso fijo de forma semiautomática utilizando datos DICOM 4DCT y software existente. Los datos de superficie de los huesos de origen se reconstruyen a partir de 3DCT. Los datos de superficie recortada se comparan respectivamente con los datos de superficie del primer fotograma de 4DCT. Estas superficies recortadas se emparejan secuencialmente hasta el último fotograma. Estos procesos proporcionan información posicional para los huesos de destino en todos los fotogramas del 4DCT. Una vez que se deciden los sistemas de coordenadas de los huesos de destino, se pueden calcular los ángulos de traslación y rotación entre dos huesos cualquiera. Este análisis 4DCT ofrece ventajas en análisis cinemáticos de estructuras complejas como huesos carpianos o tarsal. Sin embargo, los movimientos rápidos o a gran escala no se pueden rastrear debido a artefactos de movimiento.
Introduction
La cinemática conjunta se ha descrito utilizando una serie de metodologías, como sensores de captura de movimiento, registro 2D-3D y estudios cadavéricos. Cada método tiene ventajas y desventajas específicas. Por ejemplo, los sensores de captura de movimiento pueden medir movimientos rápidos a gran escala utilizando cámaras infrarrojas con o sin sensores en el sujeto1,2. Sin embargo, estos métodos miden el movimiento de la piel para inferir la cinemática articular y, por lo tanto, contienen errores de movimiento de la piel3.
Se han utilizado estudios cadavéricos para evaluar rangos de movimiento, inestabilidad y áreas de contacto4,5,6. Este enfoque puede medir pequeños cambios en las articulaciones pequeñas utilizando TC o sensores ópticos conectados directamente al hueso mediante pasadores o tornillos. Los modelos cadavéricos pueden evaluar principalmente los movimientos pasivos, aunque se han utilizado varios actuadores para aplicar fuerzas externas a los tendones para simular el movimiento dinámico7. El movimiento de las articulaciones activas se puede medir mediante técnicas de registro 2D-3D, que coinciden con las imágenes 3DCT con las imágenes de fluoroscopia 2D. Aunque la exactitud del proceso de registro sigue siendo controvertida, la precisión reportada es generalmente lo suficientemente alta para la cinemática conjunta grande8,9. Sin embargo, este método no se puede aplicar a huesos pequeños o huesos múltiples en espacios estrechos.
Por el contrario, 4DCT es un método de TC dinámico que obtiene una serie de datos volumétricos. Los movimientos de las articulaciones activas se pueden analizar utilizando este enfoque10. Esta tecnología proporciona datos posicionales 3D precisos de todas las sustancias dentro del pórtico CT. Los movimientos de las articulaciones 3D se visualizan claramente en un visor. Sin embargo, describir la cinemática articular a partir de una serie de datos de volumen de este tipo sigue siendo difícil, ya que todos los huesos se están moviendo y no se pueden rastrear puntos de referencia durante los movimientos activos in vivo.
Desarrollamos un método para el análisis 4DCT que proporciona la cinemática articular in vivo de los huesos enteros alrededor de la articulación durante los movimientos activos. El objetivo de este artículo es presentar nuestro método, la técnica de registro secuencial 3D-3D para el análisis 4DCT, y mostrar resultados representativos obtenidos utilizando este método.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Todos los métodos descritos aquí han sido aprobados por la Junta de Revisión Institucional de la Escuela de Medicina de la Universidad de Keio.
NOTA: La cinemática articular se mide reconstruyendo el movimiento de un hueso en movimiento alrededor de un hueso fijo. Para la cinemática de la articulación de la rodilla, el fémur se define como el hueso fijo y la tibia se define como el hueso en movimiento.
1. Protocolo de imágenes por TC
- Configure la máquina de tomografía computarizada. Adquiera exámenes de TC con un sistema de TC de 320 hileras de detectores para permitir múltiples fases de datos de volumen 3D con cobertura craneocaudal de 160 mm. Por ejemplo, en el análisis de la cinemática de rodilla, la adquisición de la imagen consta de 51 escaneos de volumen con un tiempo de rotación de 0.275 s, y todas las imágenes se reconstruyen mediante la mitad de la reconstrucción, de modo que la resolución temporal es de aproximadamente 0,16 s.
- Utilice los siguientes parámetros de escaneado: tensión de tubo pico a 100 kVp; Corriente del tubo a 40 mA; cobertura de escaneo de 160 mm; tamaño de la matriz 512 x 512 píxeles; y el espesor de la sección de reconstrucción y el intervalo de sección de 0,5 mm.
- Coloque la articulación diana del sujeto dentro del pórtico CT en la posición inicial del examen 4DCT(Figura 1).
- Antes del examen por TC, ensaye los movimientos de la articulación desde la posición inicial hasta la posición final dentro del tiempo de examen requerido. Pida al sujeto que mueva la articulación durante el tiempo de escaneo 10.275 y obtenga una serie de datos de volumen. Almacene los datos de volumen secuenciales en formato DICOM.
- Realice 3DCT estático de todos los huesos de destino y almacene los datos en formato DICOM.
2. Reconstrucción de superficie
- Realizar la segmentación semiautomática de datos 3DCT(Figura 2A).
- Cargue los datos DICOM de CT seleccionando todos los archivos DICOM de los datos 3DCT estáticos.
- Abra el campo de etiqueta haciendo clic en Editar nuevo campo de etiqueta y compruebe qué valor de atenuación ct de umbral es adecuado para extraer hueso cortical del hueso de origen. Seleccione materiales con valores de atenuación CT por encima del umbral. Por ejemplo, el umbral de la corteza ósea para un sujeto joven se establece como 250. Compruebe la etiqueta para la selección de corteza ósea y modifique manualmente la demarcación utilizando una herramienta de edición para comprobar la coherencia con la forma del hueso.
- Genere los datos de superficie (mallas triangulares) a partir de los datos de posición de la corteza ósea etiquetada (nube de puntos en el software). Almacene los datos de superficie exportando datos en formato de lenguaje triangulado estándar (STL).
- Haga clic en Generar superficie Aplicar sobre la etiqueta del hueso cortical. Haga clic en Archivo (File) Exportar datos como STL Binary Little Endian para guardar los datos de superficie en formato STL.
- Realizar la segmentación automática de datos de volumen 4DCT(Figura 2B).
NOTA: Cada fotograma de los datos DICOM incluye la distribución de los valores de atenuación de TC en el pórtico CT.- Establezca el umbral de la corteza ósea como en la TC estática y extraiga los datos geométricos que muestran los valores de atenuación de TC por encima del umbral de los 51 fotogramas de los datos 4DCT utilizando el módulo de lectura DICOM en el software de programación. Ajuste el umbral de acuerdo con la densidad ósea del hueso de origen. Por ejemplo, para el hueso osteoporótico, establezca el umbral más bajo.
- Traducir todos los datos posicionales que ya se han obtenido en el paso anterior a un formato que puede ser interpretado por el software de procesamiento de imágenes (por ejemplo, Avizo). En el software de procesamiento de imágenes, reconstruya todos los datos de superficie de la nube de puntos con valores de atenuación CT más altos que el umbral para todos los fotogramas 4DCT mediante un script de procesamiento por lotes. El software de procesamiento de imágenes contiene la función para leer el script y exportar los datos de superficie de los datos de la serie DICOM automáticamente. El script por lotes se muestra en archivo de codificación suplementario.
3. Registro de imágenes
NOTA: En este paso, reconstruya los movimientos del hueso móvil con respecto al hueso fijo de los datos DICOM 4DCT crudos.
- Realice el registro de superficie desde 3DCT estático hasta el primer fotograma del 4DCT.
- Recortar los huesos en un 3DCT estático en datos de segmento parcial que se incluyen en todos los fotogramas de 4DCT para su uso con el algoritmo iterativo de punto más cercano (ICP)11 en el software de edición de malla 3D mediante la función Selección de cara (Figura 3A) mediante la referencia de datos de película 4DCT. Los datos de superficie de 4DCT son solo segmentos parciales que se incluyen en cada imagen de volumen porque el registro de superficie requiere que se incluya un punto de datos de superficie en otra superficie.
- Elija tres puntos de referencia en los huesos fijos y móviles que se pueden identificar fácilmente desde la superficie 3DCT recortada y los datos de superficie del primer fotograma de 4DCT en el software de edición de malla 3D mediante la función PickPoints (Figura 3B).
- Coincide con los huesos fijos y móviles parciales aproximadamente en el primer fotograma de los datos de superficie 4DCT(Figura 3C) de acuerdo con los puntos de referencia seleccionados en 3.1.2. A continuación, realice el registro de superficie utilizando el algoritmo ICP11 utilizando el software de código abierto (por ejemplo, VTK).
NOTA: Este proceso proporciona matrices de transformación homogéneas de los huesos fijos y móviles desde el 3DCT estático hasta el primer fotograma de 4DCT(Figura 3D). Estas matrices son 4 x 4 matrices que consisten en rotación y traducción, como se muestra en la Figura 4. También se puede calcular la matriz de transformación que provoca la acción inversa.
- Realizar el registro secuencial de superficies(Figura 5).
- Haga coincidir las superficies parciales del hueso fijo y móvil en el primer marco 4DCT en los datos de superficie del segundo fotograma. A continuación, haga coincidir las superficies parciales del fotograma ien elfotograma (i + 1) de 4DCT secuencialmente. Repita este proceso hasta la última trama del 4DCT mediante la programación con el uso del módulo ICP en el software de código abierto.
- Calcule las matrices de transformación del 3DCT estático a todos los fotogramas en 4DCT según los resultados de 3.1 y 3.2.
- Reconstruir el movimiento óseo en movimiento con respecto al hueso fijo(Figura 6).
- Reconstruya la cinemática del hueso móvil con respecto al hueso fijo de las matrices que representan la transformación del 3DCT estático a cada trama 4DCT. Definir los sistemas de coordenadas de los huesos fijos y móviles cuando se midan los parámetros de rotación (por ejemplo, ángulo de flexión o ángulo de rotación calculado por el ángulo Euler/Cardan)12,13,14.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Describimos el movimiento de la tibia durante la extensión de la rodilla. La articulación de la rodilla se colocó en el pórtico de TC. Se utilizó una almohada triangular para apoyar el fémur en la posición inicial. La rodilla se extendió a una posición recta en el transcurso de 10 s. Se midió la exposición a la radiación. Además del 4DCT, se realizó el 3DCT estático de todo el fémur, la tibia y la rótula. Los datos superficiales de todo el fémur y la tibia fueron reconstruidos. El umbral para los números de unidad de manipulación de la corteza ósea se estableció como 250 unidades de manipulación y se reconstruyeron los datos de superficie de los 51 fotogramas.
El fémur y la tibia se recortaron en datos parciales de la superficie que se incluyeron en todos los fotogramas 4DCT comprobando visualmente los datos de películas 4DCT, que se crea en el software 4DCT preestablecido. En las superficies 3DCT estáticas y el primer fotograma del 4DCT, se trazaron los puntos de referencia de cada segmento. En el fémur, se identificaron los epicondiles mediales y laterales y la muesca intercondilar. En la tibia, los extremos medial y lateral de la superficie articular y la tuberosidad tibial también se identificaron como puntos de referencia correspondientes. Los datos parciales de la superficie del fémur y la tibia se emparejaron aproximadamente con el primer fotograma de los datos 4DCT de acuerdo con estos tres puntos de referencia. Estas superficies se emparejaron por completo utilizando el algoritmo ICP.
Los segmentos parciales del fémur y la tibia del primer marco se emparejaron con toda la superficie en el segundo marco. Los fragmentos parciales en elith frame se emparejaban así con todos los datos de superficie del fotograma (i +1) secuencialmente. En el algoritmo ICP, los criterios de convergencia para la distancia media entre iteraciones se fijaron como 0,01 mm.
El fémur se definió como el hueso fijo y la tibia como el hueso en movimiento. Se calcula la matriz 4 x 4 que describe la traslación y la rotación desde el sistema de coordenadas global en los datos originales de CT DICOM al sistema de coordenadas local del hueso fijo. El sistema de coordenadas del fémur y la tibia se definieron de acuerdo con un informe anterior15. Calculamos el movimiento de la tibia desde los ángulos Euler/Cardan en orden 'zxy', que significa flexión, varus y rotación interna, en ese orden14.
Nuestro método depende de la precisión del registro de la imagen de los segmentos parciales en todos los datos de la superficie. Validamos la precisión del registro parcial de la superficie disminuyendo la longitud del fémur y la tibia de forma incremental en un 1% a lo largo del eje largo de 20%-1%. Se realizó el registro superficial de segmentos parciales en los huesos enteros para todo el conjunto de longitudes del fémur y la tibia, y se evaluaron los errores de rotación y traducción a partir de los parámetros calculados a partir de los huesos enteros.
Los resultados mostraron que el ángulo varus de la tibia disminuyó gradualmente a medida que se extendía la tibia(Figura 7). Se ha aumentado la rotación externa tibial al final de la extensión. Esta rotación externa corresponde al "movimiento de la casa del tornillo" de la rodilla en los informes anteriores16,17.
La estimación efectiva de la dosis de este protocolo CT fue de 0,075 mSv, según lo determinado por la medición de la longitud de la dosis del producto (187,5 mGy-cm) y los coeficientes normalizados adecuados (0,0004) según se indica en la literatura18.
En la validación, los gráficos del error de traslación y rotación muestran que el error era tolerable para longitudes de fémur superiores al 9% de toda la longitud y longitudes de tibia superiores al 7% de toda la longitud(Figura 8). Al 10% de la longitud del fémur y el 8% de la longitud de la tibia, los errores fueron de 0,02o para la rotación varus/valgus, 0,02o para rotación interna/externa, 0,01o para la rotación de extensión/flexión, 0,10 mm para la traslación anterior/posterior, 0,14 mm para la traslación proximal/distal y 0,11 mm de traslación lateral/medial. Estos errores de traducción se consideran insignificantes porque el espesor del sector CT es de 0,5 mm y supera el tamaño del error. Los errores de rotación internos y externos tendían a fluctuar. Se pensaba que esto era causado por el ajuste mínimo local para la rotación iterativa a lo largo del eje largo debido a la forma simétrica de la superficie de la articulación tibial.
Como datos adicionales, la cinemática rotuliano también se calculó utilizando el mismo método. Demostramos la inclinación lateral de la rótula mediante el seguimiento de la norma de la superficie rotular correspondiente al ángulo de flexión de la rodilla calculado a partir del análisis de la tibia(Figura suplementaria 1).
Figura 1: Adquisición de 4DCT. El examen 4DCT para la extensión de la rodilla. Se indica al sujeto que se acueste y coloque la rodilla en el pórtico de TC. En la posición inicial, la rodilla se establece en la posición flexionada y se extiende dentro de 10 s después de que comience el examen. En esta figura, el sujeto extiende la rodilla desde 60o de flexión hasta la extensión máxima en 10 s. Por favor, haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Reconstrucción de datos de superficie. (A) Se reconstruyen los datos superficiales de todo el fémur (hueso fijo) y la tibia entera (hueso móvil). (B) Utilizando datos DICOM de 4DCT, los datos posicionales de la corteza ósea que muestran valores de atenuación de TC por encima del umbral se extraen en cada fotograma. Estos datos posicionales se introducen en el software y se reconstruyen los datos de superficie de todos los fotogramas. El fémur también se mueve (flecha verde) con respecto a la tibia (flecha azul). Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: Registro de superficie. (A) Los datos de superficie de los huesos fijos y móviles de 3DCT se recortan en segmentos parciales que se incluyen en todos los fotogramas 4DCT porque los datos de superficie de 4DCT son solo segmentos parciales, que se incluyen en el pórtico CT. (B) Se seleccionan tres puntos de referencia en los segmentos parciales del 3DCT estático y el primer fotograma del 4DCT. (C) Los segmentos parciales se emparejan con el primer fotograma según los puntos de referencia. (D) El algoritmo de punto más cercano iterativo (ICP) se aplica para que coincida con los datos de superficie. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: La matriz de transformación se calcula a partir del registro de superficie. (A) La traducción y rotación de los datos de superficie se puede describir en una matriz de 4 x 4 (matriz de transformación homogénea). Mref representa la matriz del hueso fijo y Mobj representa la matriz del hueso en movimiento. El valor inferior derecho representa la posición inicial y el valor superior izquierdo representa la posición de destino. Por ejemplo, 1Mrefs traduce el hueso fijo en la posición 3DCT estática al hueso fijo en el primer fotograma de 4DCT. (B) La matriz de rotación es una matriz de 4 x 4. R3 es una matriz de 3 x 3 que define la rotación y d es una matriz de 1 x 3 que define la traducción. tR3 es una matriz transversal de R3. (C) La parte superior derecha "inv" significa la matriz de acción inversa. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Pasos de registro secuencial de superficie de todos los marcos. La diferencia entre ith y (i + 1)th frames es muy pequeña. Los segmentos parciales delith frame se pueden emparejar con los datos de superficie entera del fotograma (i +1) solo mediante el algoritmo ICP. El registro de superficie se repite secuencialmente hasta el último fotograma. Se calcula la matriz de transformación del 3DCT estático a cada fotograma (iMs). Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: Los ángulos de rotación se calculan utilizando los sistemas de coordenadas definidos de los huesos fijos y en movimiento. (A) El sistema de coordenadas del hueso fijo se define15. Se calculan las matrices de rotación del 3DCT estático al sistema de coordenadas local del hueso fijo (LMrefS). (B) El sistema de coordenadas del hueso móvil se define y dibuja sobre el hueso fijo en su sistema de coordenadas local15. Se calculan las matrices de rotación del hueso móvil local al sistema de coordenadas local del hueso fijo (Mi). A partir de estas matrices, los ángulos del hueso móvil con respecto al hueso fijo se calculan utilizando el ángulo Euler/Cardan. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7: Los resultados representativos muestran cinemática de la tibia durante la extensión de la rodilla. (A) Extensión de la tibia. Desde el bastidor inicial, la tibia se extiende casi constantemente y la velocidad de extensión aumenta alrededor del marco final. (B) Rotación interna tibial. El eje transversal es el ángulo de extensión tibial. La tibia gira internamente a 10o de flexión y gira externamente hasta el marco final. (C) Los ángulos valgus aumentan constantemente durante todos los marcos de extensión de rodilla. Haga clic aquí para ver una versión más grande de esta figura.
Figura 8: Validación del registro superficial del segmento parcial en todo el hueso. Las longitudes del fémur y la tibia se reducen progresivamente en un 1% a lo largo del eje largo de 20%-1%. El registro superficial de segmentos parciales a huesos enteros se realiza para todos los conjuntos de longitudes del fémur y la tibia, y se evalúan los errores de rotación y traducción a partir de los parámetros calculados a partir de los huesos enteros. El análisis de perturbación se muestra en la Figura suplementaria 2. Haga clic aquí para ver una versión más grande de esta figura.
Figura suplementaria 1: Cinemática patellar durante la extensión de la rodilla. La cinemática rotular también se calcula utilizando el mismo método. (A) Se encajó una superficie en los datos de superficie de la rótula. Se calcula la norma de la superficie que apunta anteriormente. La inclinación lateral se define como el ángulo de inclinación lateral de la norma en el sistema de coordenadas del fémur. (B) La inclinación lateral rotuliar durante la extensión de la rodilla se traza correspondiente a la extensión de la rodilla según lo calculado a partir de la cinemática tibial. Haga clic aquí para ver una versión más grande de esta figura.
Figura suplementaria 2: Análisis de perturbación. Haga clic aquí para ver una versión más grande de esta figura.
Archivo de codificación suplementario. Haga clic aquí para descargar este archivo.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Nuestro método permite la visualización y cuantificación de los movimientos de huesos enteros y proporciona datos posicionales numéricos del hueso en movimiento con respecto al hueso fijo a partir de datos 4DCT. Se han sugerido muchas herramientas para medir la cinemática articular. Los marcadores de piel de movimiento pueden analizar los movimientos totales del cuerpo durante mucho tiempo. Sin embargo, este método contiene errores de movimiento de la piel3. La cinemática articular debe estimarse a partir del movimiento de los huesos adyacentes. El método de registro 2D-3D utiliza fluoroscopia e infiere la cinemática 3D a partir de imágenes 2D secuenciales. Los errores de traducción siguen presentes, aunque el software de análisis ha evolucionado para tener en cuenta esto. Muchos estudios cadavéricos han medido la cinemática articular tomando imágenes de TC en diferentes posiciones decadáveres 19. Sin embargo, estos representan movimientos pasivos de imágenes 3D estáticas secuenciales y, por lo tanto, difieren cualitativamente de los movimientos activos.
Hay varios pasos críticos en este protocolo. Los datos de superficie de 3DCT deben crearse precisamente porque esta calidad afecta a la precisión del registro de superficie inicial en el primer fotograma de 4DCT. Alrededor del área articular, el umbral para la corteza ósea puede ser diferente del eje óseo. Se necesitará un ajuste de umbral cuando el borde de la corteza ósea no esté claro. Una vez finalizado el registro de superficie de todos los fotogramas, se debe comprobar el movimiento reconstruido. Si se produce un error en el registro de superficie para un fotograma, el registro de superficie automatizado se puede reiniciar desde el siguiente fotograma seleccionando los puntos de referencia del fotograma siguiente y repitiendo el protocolo.
El método 4DCT proporciona datos de volumen secuenciales con una precisión casi tan alta como 3DCT estática porque los datos DICOM de TC contienen valores de coordenadas absolutas de todos los tejidos del pórtico de TC. Varios estudios han utilizado 4DCT para investigaciones de cinemática articular20,21. Sin embargo, en la mayoría, los observadores eligieron puntos de referencia de varios fotogramas y calcularon los parámetros (por ejemplo, ángulos, traducción). Estos procesos de análisis de datos contienen errores humanos que conducen a un error de medición. Nuestro método de registro de superficie proporciona coincidencia de imágenes de alta precisión. Una vez trazados, los puntos de referencia de los parámetros se pueden trazar según la forma de la superficie de cada fotograma. Teóricamente, la segmentación manual de superficies para todas las tramas 4DCT proporciona los datos más precisos, pero este proceso es demasiado intensivo en tiempo. Recientemente, 4DCT se ha utilizado para el análisis de movimiento para las articulaciones de la muñeca porque los huesos carpianos son estructuras pequeñas y superpuestas22. Ha habido varios informes sobre el rastreo óseo automatizado23,24. Analizados los movimientos de los dedos utilizando coeficientes de correlación normalizados que detectan la similitud entre dos imágenes25. Usamos el registro de superficie porque la posición de la superficie de la corteza ósea es el punto de referencia más importante para describir la cinemática articular.
Usamos un algoritmo de punto más cercano iterativo para rastrear el movimiento de los datos de superficie en todos los fotogramas. Un algoritmo de punto más cercano iterativo coincide con dos grupos de nubes de puntos o datos de superficie para minimizar la distancia de superficie a superficie11, pero tiene varios inconvenientes. Este algoritmo se utiliza generalmente para hacer coincidir dos superficies cercanas. Por lo tanto, cuando las dos superficies se encuentran distantes entre sí, el registro se produciría en la posición "mínima local", no en la verdadera posición coincidente26. Al principio superamos este inconveniente tomando tres puntos de referencia en cada hueso. Las dos superficies se emparejan aproximadamente de acuerdo con estos tres puntos de referencia. De estas dos posiciones, el ICP sirve como la posición más cercana. La velocidad de fotogramas de 4DCT es muy corta (0,2 s), por lo que la posición de la superficie en el fotograma actual está cerca de la posición de la superficie en el siguiente fotograma. En los casos de movimiento lento de la articulación, el paso de coincidencia aproximada no será necesario para el registro posterior de la superficie secuencial de fotograma a fotograma. Además, la relación entre la totalidad de los dos huesos se reproduce haciendo coincidir todos los datos estáticos de superficie 3DCT en los datos parciales de la superficie del marco 4DCT. Generalmente, el sistema de coordenadas del hueso se define a partir de su totalidad12,27. La reconstrucción del movimiento óseo entero contribuye así a la descripción de los ángulos de las articulaciones. Esta precisión depende en gran medida del registro superficial de la superficie parcial en todos los datos de la superficie. En los datos representativos, demostramos que la disponibilidad de más del 10% de los segmentos proporciona suficiente precisión para la articulación de la rodilla.
Los datos de TC proporcionan todos los datos posicionales incluidos en el área de pórtico de TC. La calidad de los datos depende únicamente de la calidad de la máquina DE CT. Por lo tanto, este método se puede aplicar a huesos pequeños o huesos múltiples como los huesos carpianos, que son difíciles de rastrear mediante el registro 2D-3D.
Se deben mencionar varias limitaciones. En primer lugar, iCP depende de la forma del segmento parcial. ICP es más preciso cuando la superficie tiene características geométricas como espolones óseos o bordes corticales. Por otro lado, cuando la forma de la superficie es simétrica, como la cabeza radial o el sesamoide, ICP proporcionará una rotación incorrecta de la superficie original. Además, ICP también depende de la calidad de los datos de superficie. En el caso de los huesos osteoporóticos, la reconstrucción de la superficie depende en gran medida de la segmentación manual. Eso puede dar lugar a errores interobservadores. Recientemente, se ha desarrollado la segmentación computarizada de tejido en rodajas de TC. Sin embargo, la segmentación manual humana todavía se considera más fiable al identificar tejidos específicos28,29. Aunque la calidad de la imagen CT no se puede cambiar, otras limitaciones se pueden superar mediante la segmentación y el registro manual de la superficie. En segundo lugar, cuando el movimiento de la articulación es demasiado rápido, este método no puede rastrear los movimientos óseos, porque las imágenes de TC se vuelven borrosas30. El registro de superficie de fotograma a fotograma falla porque las dos superficies son demasiado distantes. La velocidad tolerable depende de la articulación objetivo, porque la morfología de la articulación afecta a la tasa de éxito del registro de superficie. Se necesitarán estudios de tolerancia a la velocidad para cada articulación en el futuro. Además, se debe realizar el movimiento articular dentro del pórtico CT. Por lo tanto, para el análisis de la cinemática de carga, los sensores ópticos o el registro 2D-2D son mejores.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Los autores no tienen intereses financieros en competencia.
Acknowledgments
Este estudio fue aprobado por la Junta de Revisión Institucional de nuestra institución (número de aprobación: 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).
