Summary
Vi analyserte felles kinematikk fra fire-dimensjonale beregnet tomografi data. Den sekvensielle 3D-3D registreringsmetoden semiautomatically gir kinematikk av den bevegelige bein med hensyn til motivet bein fra fire-dimensjonale beregnet tomografi data.
Abstract
Fire-dimensjonal beregnet tomografi (4DCT) gir en rekke volumdata og visualiserer felles bevegelser. Numerisk analyse av 4DCT data er imidlertid fortsatt vanskelig, fordi segmentering i alle volum RAM mer er tidkrevende. Vi hadde som mål å analysere felles kinematikk ved hjelp av en sekvensiell 3D-3D registrerings teknikk for å gi kinematikk til det bevegelige benet med hensyn til den faste Ben semiautomatically ved hjelp av 4DCT DICOM-data og eksisterende programvare. Surface-data av kilde beina er rekonstruert fra 3DCT. De trimmet overflate dataene er henholdsvis matchet med overflate data fra den første rammen i 4DCT. Disse trimmet overflatene er sekvensielt matchet til den siste rammen. Disse prosessene gir posisjonsinformasjon for mål bein i alle rammer i 4DCT. Når koordinatsystemer av målet bein er bestemt, oversettelse og rotasjon vinkler mellom to bein kan beregnes. Dette 4DCT analyse gir fordeler i Kinematisk analyser av komplekse strukturer som carpal eller tarsal bein. Raske eller store bevegelser kan imidlertid ikke spores på grunn av bevegelses artefakter.
Introduction
Felles kinematikk har blitt beskrevet ved hjelp av en rekke metoder, for eksempel motion capture sensorer, 2D-3D-registrering, og avdød studier. Hver metode har spesifikke fordeler og ulemper. Motion capture-sensorer kan for eksempel måle raske bevegelser i stor skala ved hjelp av infrarøde kameraer med eller uten sensorer på motivet1,2. Men disse metodene måle huden bevegelse for å antyde felles kinematikk, og derfor inneholder hud bevegelses feil3.
Avdød studier har blitt brukt til å evaluere områder av bevegelse, ustabilitet, og kontaktområder4,5,6. Denne tilnærmingen kan måle små endringer i små skjøter ved hjelp av CT eller optiske sensorer festet direkte til benet ved hjelp av pinner eller skruer. Avdød-modeller kan i hovedsak evaluere passive bevegelser, selv om flere aktuatorer har blitt brukt til å påføre eksterne krefter til sener for å simulere dynamisk bevegelse7. Aktiv skjøt bevegelse kan målt av 2D-3D registrering teknikker, passer 3DCT profilen å 2D gjennomlysning profilen. Selv om nøyaktigheten av registreringsprosessen er kontroversiell, er den rapporterte nøyaktigheten generelt høy nok for storefelles kinematikk. Imidlertid kan denne metoden ikke brukes til små bein eller flere bein i trange områder.
4DCT er derimot en dynamisk CT-metode som henter en rekke volumdata. Aktive felles bevegelser kan analyseres ved hjelp av denne tilnærmingen10. Denne teknologien gir presis 3D posisjonsdata av alle stoffer inne i CT-Portal. 3D felles bevegelser er tydelig visualisere i en seer. Men å beskrive felles kinematikk fra en slik serie av volumdata er fortsatt vanskelig, fordi alle beina er i bevegelse og ingen landemerker kan spores under den aktive bevegelser in vivo.
Vi utviklet en metode for 4DCT analyse som gir in vivo felles kinematikk av hele bein rundt leddet under aktive bevegelser. Målet med denne artikkelen er å presentere vår metode, sekvensiell 3D-3D registrering teknikk for 4DCT analyse, og vise representative resultater oppnås ved hjelp av denne metoden.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle metodene som beskrives her, er godkjent av det institusjonelle gjennomgang styret ved Keio University School of Medicine.
Merk: felles kinematikk måles ved å rekonstruere bevegelsen til et bevegelig bein rundt et fast bein. For kneleddet kinematikk, er femur definert som den faste bein og Tibia er definert som den bevegelige bein.
1. CT bilde protokoll
- Sett opp CT-maskinen. Skaff CT undersøkelser med et 320-detektor-rad CT-system for å muliggjøre flere faser av 3D-volumdata med 160 mm craniocaudal dekning. For eksempel, i analysen av kneet kinematikk, bildet oppkjøpet består av 51 volum skanninger med en rotasjons tid på 0,275 s, og alle bildene er rekonstruert ved hjelp av halv gjenoppbygging, slik at den timelige oppløsningen er ca 0,16 s.
- Bruk følgende skanne parametre: peak tube spenning = 100 kVp; tube Current = 40 mA; avsøke presseomtalen = 160 mm; Matrix size = 512 x 512 piksler; og rekonstruksjon snitt tykkelse og Seksjons intervall = 0,5 mm.
- Plasser mål leddet til motivet innenfor CT-Portal i startposisjonen til 4DCT-eksamenen (figur 1).
- Før CT eksamen, øve bevegelser av skjøten fra startposisjon til sluttposisjon innenfor den nødvendige eksamen tid. Be motivet om å flytte leddet under 10,275-skanningen og få en rekke volumdata. Lagre de sekvensielle volum dataene i DICOM-format.
- Utføre statiske 3DCT av alle målet bein og lagre data i DICOM-format.
2. gjenoppbygging av Surface
- Utfør halvautomatisk segmentering av 3DCT data (figur 2A).
- Last CT DICOM-data ved å velge alle DICOM-filer av de statiske 3DCT-dataene.
- Åpne etikettfeltet ved å klikke på Rediger nytt etikettfelt , og kontroller hvilken terskelverdi for CT-demping som er hensiktsmessig for å trekke ut kortikale bein fra kilde benet. Velg materialer med CT dempingsverdier over terskelen. For eksempel er Ben cortex terskelen for et ungt emne angitt som 250. Sjekk etiketten for bein cortex valg og manuelt endre avgrensning ved hjelp av et redigeringsverktøy for konsistens med formen på benet.
- Generer overflate data (trekant masker) fra de merkede bein cortex posisjonsdata (punkt Sky i programvaren). Lagre overflate dataene ved å eksportere data i STL-format (standard triangulated Language).
- Klikk på Generer Surface | Påfør på etiketten på kortikale benet. Klikk på fil | Eksporter data som | STL Binary Little endian for å lagre overflate dataene i STL-format.
- Utfør automatisk segmentering av 4DCT volumdata (figur 2B).
Merk: hvert bilde av DICOM-dataene inkluderer fordelingen av CT-dempings verdiene i CT-Portal.- Angi terskelen til Ben barken som i statisk CT, og trekk ut geometriske data som viser CT dempingsverdier over terskelen fra alle 51 rammer av 4DCT data ved hjelp av DICOM lese modulen i programmeringsprogramvaren. Juster terskelen i henhold til bentettheten til kilde benet. For eksempel, for osteoporotiske beinet, sette terskelen lavere.
- Oversett alle posisjonsdata som allerede er innhentet i forrige trinn, inn i et format som kan tolkes av bildebehandlingsprogramvare (f.eks. Avizo). I bildebehandlingsprogrammet kan du rekonstruere alle overflate data for punkt skyen med høyere CT-dempingsverdier enn terskelen for alle 4DCT-rammer ved hjelp av et skript for satsvis behandling. Bildebehandlingsprogrammet inneholder funksjonen for å lese skriptet og eksportere overflate dataene fra DICOM-seriens data automatisk. Batch-skriptet vises i Tilleggskode filen.
3. bilde registrering
Merk: i dette trinnet, rekonstruere bevegelsene til det bevegelige benet med hensyn til den faste Ben fra rå 4DCT DICOM data.
- Utfør Overflate registrering fra statisk 3DCT til den første rammen i 4DCT.
- Trim beina i en statisk 3DCT i delvis segment data som er inkludert i alle rammer av 4DCT for bruk med den gjentakende nærmeste punkt (ICP) algoritme11 i 3D-mesh redigering programvare ved hjelp av å velge Face funksjon (Figur 3a) ved å henvise 4DCT film data. Overflaten data fra 4DCT er bare delvis segmenter som er inkludert i hver volum imagebecause overflate registrering krever at ett overflate datapunkt er inkludert i en annen overflate.
- Velg tre landemerker i faste og bevegelige bein som lett kan identifiseres fra trimmet 3DCT overflaten og overflaten data av den første rammen av 4DCT i 3D-mesh redigering programvare ved hjelp av PickPoints funksjon (Figur 3B).
- Matche den delvise faste og bevegelige bein omtrent på den første rammen av 4DCT overflate data (Figur 3C) ifølge plukket landemerker i 3.1.2. Deretter utfører du overflate registrering ved hjelp av ICP-algoritmen11 ved hjelp av åpen kilde-programvare (f. eks, VTK).
Merk: denne prosessen gir homogen transformasjon matriser av faste og bevegelige bein fra den statiske 3DCT til den første rammen av 4DCT (Figur 3D). Disse matriser er 4 x 4 matriser bestående av rotasjon og oversettelse, som vist i Figur 4. Transformerings mat risen som forårsaker omvendt handling, kan også beregnes.
- Utfør sekvensiell overflate registrering (figur 5).
- Match de delvise overflatene til det faste og bevegelige benet i den første 4DCT-rammen på overflate dataene i den andre rammen. Neste, matche den delvise flater av ith rammen på (i + 1)th ramme av 4DCT sekvensielt. Gjenta denne prosessen til det siste bildet av 4DCT ved programmering med bruk av ICP-modulen i åpen kildekode-programvaren.
- Beregn transformerings matriser fra den statiske 3DCT til alle rammene i 4DCT i henhold til resultatene av 3,1 og 3,2.
- Rekonstruere bevegelig bein bevegelse med hensyn til fast ben (figur 6).
- Rekonstruere kinematikk av det bevegelige benet med hensyn til den faste bein fra matriser som representerer transformasjonen fra statisk 3DCT til hver 4DCT ramme. Definer koordinatsystemene til de faste og bevegelige beina når rotasjons parametrene måles (f.eks. fleksjon vinkel eller rotasjonsvinkel beregnet av Euler/Kardang vinkelen)12,13,14.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Vi beskriver bevegelsen av Tibia under kneet forlengelse. Kneleddet ble plassert i CT-Portal. En trekant pute ble brukt til å støtte femur i startposisjon. Kneet ble utvidet til en rett posisjon i løpet av 10 s. strålingseksponeringen ble målt. I tillegg til 4DCT, ble statiske 3DCT av hele femur, Tibia, og patella utført. Surface data av hele femur og Tibia ble rekonstruert. Terskelen for HU tall av bein cortex ble satt som 250 HU og overflaten data av alle 51 rammer ble rekonstruert.
Femur og Tibia ble trimmet i delvis overflate data som var inkludert i alle 4DCT framesby visuelt sjekke 4DCT film data, som er opprettet i den forhåndsinnstilte 4DCT programvare. I den statiske 3DCT overflater og den første rammen av 4DCT, landemerkene av hvert segment ble plottet. På femur ble den midtre og laterale epicondyles og intercondylar hakk identifisert. På Tibia ble midtre og laterale endene av felles overflaten og tibial tuberositas også identifisert som tilsvarende landemerker. Delvis overflate data av femur og Tibia var grovt matchet med den første rammen av 4DCT data i henhold til disse tre landemerker. Disse overflatene ble så fullstendig matchet ved hjelp av ICP-algoritmen.
Delvis segmenter av femur og Tibia av den første rammen ble matchet med hele overflaten i den andre rammen. Delvis fragmenter i ith rammen ble dermed matchet med hele overflaten data av (i + 1)th rammen sekvensielt. I ICP-algoritmen ble konvergens kriterier for gjennomsnittlig avstand mellom gjentakelser angitt som 0,01 mm.
Femur ble definert som den faste bein og Tibia som bevegelige bein. 4 x 4-matrisen som beskriver oversetting og rotasjon fra det globale koordinatsystemet i de opprinnelige CT DICOM-dataene til det lokale koordinatsystemet for det faste benet, beregnes. Koordinatsystemet av femur og Tibia ble definert i samsvar med en tidligere rapport15. Vi beregnet bevegelsen av Tibia fra Euler/Kardang vinkler i ' zxy ' rekkefølge, som betyr fleksjon, Varus, og intern rotasjon, i den rekkefølgen14.
Vår metode avhenger av nøyaktigheten av bildet registrering fra den delvise segmenter på hele overflaten data. Vi validerte nøyaktigheten av delvis overflate registrering ved å redusere lengden på femur og Tibia trinnvis med 1% langs den lange aksen fra 20%-1%. Overflate registrering av delvis segmenter til hele bein ble utført for hele settet med lengder av femur og Tibia, og feil for rotasjon og oversettelse fra parametrene beregnet fra hele bein ble evaluert.
Resultatene viste at Varus vinkelen av Tibia gradvis redusert som Tibia ble utvidet (figur 7). Tibial ekstern rotasjon økte på slutten av forlengelsen. Denne eksterne rotasjonen tilsvarer "skruen hjem bevegelse" av kneet i tidligere rapporter16,17.
Den effektive dose anslaget for denne CT-protokollen var 0,075 mSv, som bestemmes av dose lengde produkt måling (187,5 mGy ∙ cm) og passende normalisert koeffisienter (0,0004) som rapportert i litteraturen18.
I godkjenningen, grafer av feil for oversettelse og rotasjon viser at feilen var utholdelig for femur lengder lengre enn 9% av hele lengden og Tibia lengder lengre enn 7% av hele lengden (Figur 8). Ved 10% av lengden av femur og 8% av lengden på Tibia, feil var 0,02 ° for Varus/valgus rotasjon, 0,02 ° for intern/ekstern rotasjon, 0,01 ° for forlengelse/fleksjon rotasjon, 0,10 mm for fremre/bakre oversettelse, 0,14 mm for proksimale/uhindret oversettelse, og 0,11 mm lateral/midtre oversettelse. Disse oversettelsesfeil anses ubetydelig fordi CT skive tykkelse er 0,5 mm og overskrider feil størrelse. Interne og eksterne rotasjons feil tendens til å svinge. Dette ble antatt å være forårsaket av lokale minimum passer for gjentakende rotasjon langs den lange aksen på grunn av den symmetriske formen på tibial felles overflate.
Som ytterligere data, patellar kinematikk ble også beregnet ved hjelp av samme metode. Vi viste den laterale vippe av patella ved å spore normen av patellar overflaten tilsvarende kneet fleksjon vinkelen som beregnet fra analyse av Tibia (supplerende figur 1).
Figur 1: oppkjøp av 4DCT. Den 4DCT eksamen for kne forlengelse. Motivet er instruert til å legge seg ned og plassere kneet i CT-Portal. Ved startposisjon, er kneet satt i flexed posisjon og utvidet innen 10 s etter eksamen starter. I dette tallet utvider motivet kneet fra 60 ° fleksjon til maksimal forlengelse i 10 s. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 2: rekonstruksjon av overflate data. (A) overflate data for hele femur (fast bein) og hele Tibia (bevegelige bein) er rekonstruert. (B) bruk av DICOM-data fra 4DCT, Posisjonsdataene i Ben barken som viser CT-dempingsverdier over terskelen, trekkes ut i hver ramme. Disse Posisjonsdataene legges inn i programvaren, og overflate dataene i alle rammene blir rekonstruert. Femur beveger seg også (grønn pil) med hensyn til Tibia (blå pil). Vennligst klikk her for å se en større versjon av dette tallet.
Figur 3: overflate registrering. (A) overflate data for faste og bevegelige bein fra 3DCT er beskåret til delvise segmenter som er inkludert i alle 4DCT-rammer, fordi overflate dataene fra 4DCT bare er delvise segmenter, som er inkludert i CT-Portal. (B) tre landemerker er plukket i den delvise segmenter av statiske 3DCT og den første RAMMEN av 4DCT. (C) del segmentene matches med det første bildet i henhold til landemerkene. (D) den gjentakende nærmeste punkt-ALGORITMEN (ICP) brukes for å samsvare med overflate data. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 4: transformasjon matrise er beregnet fra overflaten registrering. (A) oversettelse og rotasjon av overflate data kan beskrives i en 4 x 4 matrise (homogen transformasjon matrise). Mref representerer matrisen av fast ben og Mobj representerer matrisen av bevegelige bein. Den nedre høyre verdien representerer startposisjonen, og den øvre venstre verdien representerer målposisjonen. For eksempel oversetter 1Mrefs den faste ben i statisk 3DCT posisjon til fast ben i den første rammen av 4DCT. (B) rotasjonen matrise er en 4 x 4 matrise. R3 er en 3 x 3 matrise som definerer rotasjon og d er en 1 x 3 matrise som definerer oversettelse. tR3 er en tverrgående matrise av R3. (C) øverst til høyre "Inv" betyr omvendt handling matrise. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 5: trinn for sekvensiell overflate registrering av alle rammer. Forskjellen mellom ith og (i + 1)th rammer er svært liten. Delvis segmenter av ith rammen kan matches med hele overflaten data på (i + 1)th ramme bare av ICP-algoritmen. Surface-registrering gjentas sekvensielt til det siste bildet. Transformasjonen matrise fra statiske 3DCT til hver ramme (iM) er beregnet. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 6: rotasjons vinkler beregnes ved hjelp av de definerte koordinatsystemene til de faste og bevegelige beina. (A) koordinatsystemet til det faste benet er definert15. Rotasjonen matriser fra statiske 3DCT til det lokale koordinatsystemet for den faste ben (LMrefS) beregnes. (B) koordinatsystemet for det bevegelige benet defineres og trekkes over det faste benet i det lokale koordinatsystemet15. Rotasjon matriser fra den lokale bevegelige bein til den lokale koordinatsystem av fast Ben er beregnet (mi). Fra disse matriser, vinkler av bevegelige bein med hensyn til den faste Ben er beregnet ved hjelp av Euler/Kardang vinkel. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 7: representative resultater viser kinematikk av Tibia under kneet forlengelse. (A) forlengelse av Tibia. Fra startbildet, er Tibia utvidet nesten konstant og forlengelsen hastighet øker rundt slutten rammen. (B) tibial intern rotasjon. Den tverrgående aksen er den tibial Utvidelses vinkelen. Den Tibia roterer internt til 10 ° fleksjon og roterer eksternt til slutten rammen. (C) valgus vinkler øker konstant under alle bilder av kneet forlengelse. Vennligst klikk her for å se en større versjon av dette tallet.
Figur 8: validering av overflate registrering av del segmentet på hele benet. Lengdene av femur og Tibia er redusert trinnvis med 1% langs den lange aksen fra 20%-1%. Overflate registrering av delvise segmenter til hele bein utføres for alle sett med lengder av femur og Tibia, og feil for rotasjon og oversettelse fra parametrene beregnet fra hele bein er evaluert. Forstyrrelsene analyse er vist i supplerende figur 2. Vennligst klikk her for å se en større versjon av dette tallet.
Supplerende figur 1: patellar kinematikk under kneet forlengelse. Patellar kinematikk er også beregnet ved hjelp av samme metode. (A) en overflate var passe på overflaten data av patella. Normen av overflaten pekende anteriort beregnes. Den laterale vippe er definert som lateral vippe vinkelen på normen i koordinatsystem av femur. (B) patellar lateral vippe under kneet forlengelsen er plottet tilsvarende kne forlengelse som beregnes fra tibial kinematikk. Vennligst klikk her for å se en større versjon av dette tallet.
Supplerende figur 2: forstyrrelsene analyse. Vennligst klikk her for å se en større versjon av dette tallet.
Tilleggskode fil. Vennligst klikk her for å laste ned denne filen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Vår metode tillater visualisering og kvantifisering av bevegelser av hele bein og gir numerisk posisjonsdata av det bevegelige benet med hensyn til den faste bein fra 4DCT data. Mange verktøy har blitt foreslått for å måle felles kinematikk. Motion Skin markører kan analysere hele kroppen bevegelser over lang tid. Denne metoden inneholder imidlertid hud bevegelses feil3. Felles kinematikk bør anslås fra bevegelse av tilstøtende bein. Metoden 2D-3D-registrering bruker gjennomlysning og angir 3D-kinematikk fra sekvensielle 2D-bilder. Translational feil er fortsatt til stede, selv om analysen programvare har utviklet seg til å gjøre rede for dette. Mange avdød studier har målt felles kinematikk ved å ta CT-bilder i forskjellige Cadaver posisjoner19. Men disse representerer passive bevegelser fra sekvensielle statiske 3D-bilder, og dermed avvike kvalitativt fra aktive bevegelser.
Det finnes flere kritiske trinn i denne protokollen. Overflaten data fra 3DCT bør opprettes nettopp fordi denne kvaliteten påvirker nøyaktigheten av den første overflaten registreringen til den første rammen av 4DCT. Rundt fellesområdet kan terskelen for Ben barken være forskjellig fra Ben akselen. Terskel justering vil være nødvendig når grensen av Ben barken er uklart. Når overflaten registrering av alle rammer er ferdig, rekonstruert bevegelse bør sjekkes. Hvis overflate registrering for en ramme svikter, kan automatisert overflate registrering startes på nytt fra neste bilde ved å plukke landemerkene i neste ramme og gjenta protokollen.
4DCT-metoden gir sekvensielle volumdata med nøyaktighet nesten like høy som statiske 3DCT fordi CT DICOM-data inneholder absolutte koordinat verdier for alle vev i CT-Portal. Flere studier har brukt 4DCT for undersøkelser av felles kinematikk20,21. Men i de fleste, observatører plukket landemerker fra flere rammer og beregnet parametrene (f. eks, vinkler, oversettelse). Disse dataanalyse prosessene inneholder menneskelige feil som fører til målingsfeil. Vår metode for overflate registrering gir høy nøyaktighet bilde Matching. Når plottet, kan landemerkene for parametrene spores i henhold til formen på overflaten i hver ramme. Teoretisk sett, manuell overflate segmentering for alle 4DCT rammer gir den mest nøyaktige data, men denne prosessen er altfor tidkrevende. Nylig har 4DCT blitt brukt for bevegelse analyse for håndleddet leddene fordi carpal bein er små og overlappende strukturer22. Det har vært flere rapporter om automatisert bein sporing23,24. GOTO et al. analysert fingerbevegelser ved hjelp av normalisert korrelasjon koeffisienter som oppdager likheten mellom to bilder25. Vi brukte overflate registrering fordi plasseringen av Ben cortex overflaten er det viktigste landemerket for å beskrive felles kinematikk.
Vi brukte en interaktiv nærmest punkt algoritme for å spore bevegelsen av overflaten data i alle rammer. En interaktiv nærmest punkt algoritmen matcher to grupper av punkt skyer eller overflate data for å minimere overflate-til-overflaten avstand11 , men har flere ulemper. Denne algoritmen brukes vanligvis til å matche to nære overflater. Derfor, når de to flatene er plassert fjernt til hverandre, vil registreringen skje i "lokale minimum" posisjon, ikke den sanne matchet posisjon26. Vi overvinner denne ulempen ved å ta tre landemerker i hvert ben først. De to overflatene er grovt matchet i henhold til disse tre landemerkene. Fra disse to stillingene, fungerer ICP som nærmeste posisjon. Bildefrekvensen på 4DCT er svært kort (0,2 s), så overflate posisjonen i den gjeldende rammen er nær overflaten i neste ramme. I tilfeller av langsom skjøt bevegelse, det grovhet kamp steg ville ikke være behøvde for fremme rammen-å-rammen sekvensiell overflate registrering. I tillegg er forholdet mellom helheten av de to beina gjengis ved å matche hele statiske 3DCT overflate data på delvis 4DCT ramme overflaten data. Generelt er koordinatsystemet for benet definert fra sin helhet12,27. Rekonstruksjon av hele bein bevegelsen bidrar dermed til beskrivelsen av felles vinkler. Denne nøyaktigheten er i stor grad avhengig av overflate registrering av den delvise overflaten på hele overflaten data. I representative data, viste vi at tilgjengeligheten av over 10% av segmentene gir tilstrekkelig nøyaktighet for kneleddet.
CT-data gir alle posisjonsdata inkludert innenfor CT portalområdet. Kvaliteten på dataene avhenger utelukkende av kvaliteten på CT-maskinen. Denne metoden kan dermed brukes til små bein eller flere bein som carpal bein, som er vanskelig å spore av 2D-3D-registrering.
Flere begrensninger må nevnes. Først avhenger ICP av formen på del segmentet. ICP er mer nøyaktig når overflaten har geometriske funksjoner som bein sporer eller kortikale kanter. På den annen side, når overflaten formen er symmetrisk, for eksempel radial hodet eller sesamoid, vil ICP gi en feil rotasjon av den opprinnelige overflaten. I tillegg er ICP også avhengig av kvaliteten på overflaten data. I tilfelle av osteoporotiske bein, overflate gjenoppbygging avhenger i stor grad av manuell segmentering. Det kan føre til interobserver feil. Nylig har datastyrt vev segmentering på CT skiver er utviklet. Men, Human Manual segmentering er fortsatt betraktet som mer pålitelig når identifisere spesifikke vev28,29. Selv om kvaliteten på CT-bildet ikke kan endres, kan andre begrensninger overvinnes ved manuell overflate segmentering og registrering. For det andre, når felles bevegelsen er for rask, kan denne metoden ikke spore bein bevegelser, fordi CT-bildene blir uskarpe30. Ramme-til-ramme overflate registrering mislykkes fordi de to overflatene er for fjernt. Akseptabel hastighet avhenger av målet felles, fordi den felles morfologi påvirker suksessen rate av overflaten registrering. Studier av Velocity toleranse for hver joint vil være nødvendig i fremtiden. I tillegg bør felles bevegelse utføres inne i CT-Portal. Derfor, for analyse av lasting kinematikk, optiske sensorer eller 2D-2D registrering er best.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har ingen konkurrerende finansielle interesser.
Acknowledgments
Denne studien ble godkjent av den institusjonelle Review Board av vår institusjon (godkjenningsnummer: 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).
