Summary
Dört boyutlu bilgisayarlı tomografi verilerinden eklem kinematiği analiz ettik. Sıralı 3D-3D kayıt yöntemi, dört boyutlu bilgisayarlı tomografi verilerinden hareketli kemiğin özne kemiğine göre yarı otomatik olarak kinematiği sağlar.
Abstract
Dört boyutlu bilgisayarlı tomografi (4DCT) bir dizi hacim verisi sağlar ve eklem hareketlerini görselleştirir. Ancak, tüm hacimsel çerçevelerde segmentasyon zaman alıcı olduğundan, 4DCT verilerinin sayısal analizi zor olmaya devam etmektedir. Hareketli kemiğin kinematiği 4DCT DICOM verileri ve mevcut yazılımlar kullanılarak sabit kemik yarı otomatik olarak sağlamak için eklem kinematiği sıralı 3D-3D kayıt tekniği ile analiz etmeyi amaçladık. Kaynak kemiklerin yüzey verileri 3DCT'den yeniden oluşturulur. Kırpılan yüzey verileri sırasıyla 4DCT'deki ilk çerçevedeki yüzey verileriyle eşleşir. Bu kesilmiş yüzeyler son çerçeveye kadar sırayla eşleşir. Bu işlemler, 4DCT'nin tüm karelerinde hedef kemikler için konumsal bilgi sağlar. Hedef kemiklerin koordinat sistemleri kararverildikten sonra, herhangi iki kemik arasındaki çeviri ve dönüş açıları hesaplanabilir. Bu 4DCT analizi karpal veya tarsal kemikler gibi karmaşık yapıların kinematik analizlerinde avantaj sağlar. Ancak, hızlı veya büyük ölçekli hareketler hareket yapıları nedeniyle izlenemez.
Introduction
Eklem kinematik hareket yakalama sensörleri, 2D-3D kayıt ve kadavra çalışmaları gibi metodolojiler, bir dizi kullanılarak tanımlanmıştır. Her yöntemin belirli avantajları ve dezavantajları vardır. Örneğin, hareket yakalama sensörleri hızlı, büyük ölçekli hareketleri kızılötesi kameralar kullanarak ölçülebilir veya konu üzerinde sensörler ilerlemiş veya olmayan1,2. Ancak, bu yöntemler eklem kinematiği çıkarmak için cilt hareketini ölçmek ve bu nedenle cilt hareket hataları içeren3.
Kadavra çalışmaları hareket aralıkları değerlendirmek için kullanılmıştır, istikrarsızlık, ve temas alanları4,5,6. Bu yaklaşım, pim veya vida kullanarak doğrudan kemiğe bağlı CT veya optik sensörler kullanarak küçük eklemlerdeki küçük değişiklikleri ölçebilir. Kadavra modelleri esas olarak pasif hareketleri değerlendirebilir, ancak birden fazla aktüatör dinsel hareket7'yisimüle etmek için tendlere dış kuvvet uygulamak için kullanılmıştır. Aktif eklem hareketi 2D-3D kayıt teknikleri ile ölçülebilir, 2D floroskopi görüntüleri ile 3DCT görüntüleri eşleşen. Kayıt sürecinin doğruluğu tartışmalı olmaya devam etse de, bildirilen doğruluk genellikle büyük eklem kinematik8,9için yeterince yüksektir. Ancak, bu yöntem dar alanlarda küçük kemiklere veya birden fazla kemeğe uygulanamaz.
Buna karşılık, 4DCT bir dizi hacimsel veri elde eden dinamik bir CT yöntemidir. Aktif eklem hareketleri bu yaklaşım10kullanılarak analiz edilebilir. Bu teknoloji, CT gantry içindeki tüm maddelerin hassas 3D konumsal veri sağlar. 3B ortak hareketler açıkça bir görüntüleyici de görselleştirilmiştir. Ancak, tüm kemikler hareket ediyor ve hiçbir işaretleri in vivo aktif hareketleri sırasında izlenebilir, çünkü hacim veri böyle bir dizi eklem kinematiği açıklayan hala zordur.
Aktif hareketler sırasında tüm kemiklerin in vivo eklem kinematiği sağlayan 4DCT analizi için bir yöntem geliştirdik. Bu makalenin amacı, 4DCT analizi için sıralı 3D-3D kayıt tekniği yöntemimizi sunmak ve bu yöntemle elde edilen temsili sonuçları göstermektir.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Burada açıklanan tüm yöntemler Keio Üniversitesi Tıp Fakültesi Kurumsal İnceleme Kurulu tarafından onaylanmıştır.
NOT: Eklem kinematiği sabit bir kemik etrafında hareket eden bir kemiğin hareketi yeniden yapılatılarak ölçülür. Diz eklemi kinematiği için femur sabit kemik, kaval kemiği ise hareketli kemik olarak tanımlanır.
1. BT görüntüleme protokolü
- CT makinesini kur. 160 mm kraniyoaudal kapsama alanı ile 3D hacim verilerinin birden fazla aşamasına izin vermek için 320 dedektör sıralı CT sistemi ile CT incelemeleri edinin. Örneğin, diz kinematik analizinde, görüntü edinimi 0,275 s dönme süresi ile 51 hacimli taramadan oluşur ve tüm görüntüler yarı rekonstrüksiyon kullanılarak yeniden oluşturulur, böylece zamansal çözünürlük yaklaşık 0,16 s'dir.
- Aşağıdaki tarama parametrelerini kullanın: pik tüp gerilimi = 100 kVp; tüp akımı = 40 mA; tcan kapsama alanı = 160 mm; matris boyutu= 512 x 512 piksel; ve rekonstrüksiyon kesit kalınlığı ve kesit aralığı = 0.5 mm.
- 4DCT sınavının başlangıç pozisyonuna bt gantry içinde konunun hedef eklem yerleştirin (Şekil 1).
- BT sınavından önce, gerekli sınav süresi içinde başlangıç konumundan bitiş pozisyonuna kadar eklemin prova hareketleri. 10.275 scan süresi sırasında eklem taşımak ve hacim verileri bir dizi elde etmek için konu isteyin. Sıralı birim verilerini DICOM biçiminde saklayın.
- Tüm hedef kemiklerin statik 3DCT'sini gerçekleştirin ve verileri DICOM biçiminde depolayın.
2. Yüzey rekonstrüksiyonu
- 3DCT verilerinin yarı otomatik bölümlemesini gerçekleştirin (Şekil 2A).
- Statik 3DCT verilerinin tüm DICOM dosyalarını seçerek CT DICOM verilerini yükleyin.
- Yeni Etiket Alanını Edit'e tıklayarak etiket alanını açın ve kaynak kemikten kortikal kemik çıkarmak için hangi eşik BT zayıflama değerinin uygun olduğunu kontrol edin. Eşik üzerinde BT zayıflama değerlerine sahip malzemeleri seçin. Örneğin, genç bir denek için kemik korteks eşiği 250olarak ayarlanır. Kemik korteks seçimi için etiketi kontrol edin ve kemiğin şekliyle tutarlılık için bir düzenleme aracı kullanarak çizimi el ile değiştirin.
- Etiketli kemik korteks konum verilerinden (yazılımdaki nokta bulutu) yüzey verilerini (üçgen meshes) oluşturun. Verileri Standart Üçgen dili (STL) biçiminde dışa aktararak yüzey verilerini depolayın.
- Yüzey Oluştur' a tıklayın| Kortikal kemik etiketine uygulayın. Dosyaya Tıklayın| İhracat Verileri| STL Binary Little Endian stl formatında yüzey verileri kaydetmek için.
- 4DCT hacim verilerinin otomatik bölümlemi gerçekleştirin (Şekil 2B).
NOT: DICOM verilerinin her karesi, CT gantry'deki BT zayıflama değerlerinin dağılımını içerir.- Kemik korteksinin eşiğini statik BT'de olduğu gibi ayarlayın ve programlama yazılımındaki DICOM okuma modülünü kullanarak 4DCT verilerinin 51 karesinin tümünden BT zayıflama değerlerini eşiğin üzerinde gösteren geometrik verileri ayıklayın. Eşik kaynağı kemiğin kemik yoğunluğuna göre ayarlayın. Örneğin, osteoporotik kemik için, eşiği daha düşük ayarlayın.
- Önceki adımda zaten elde edilmiş olan tüm konumsal verileri görüntü işleme yazılımı (örneğin, Avizo) tarafından yorumlanabilecek bir biçime çevirin. Görüntü işleme yazılımında, toplu işleme komut dosyası kullanarak tüm 4DCT çerçeveleri için eşikten daha yüksek BT zayıflama değerleriyle nokta bulutunun tüm yüzey verilerini yeniden oluşturun. Görüntü işleme yazılımı komut dosyasını okumak ve DICOM serisi verilerinden yüzey verilerini otomatik olarak dışa aktarma işlevini içerir. Toplu komut dosyası Tamamlayıcı Kodlama Dosyası'ndagösterilir.
3. Resim kaydı
NOT: Bu adımda, ham 4DCT DICOM verilerinden sabit kemiğe göre hareket eden kemiğin hareketlerini yeniden oluşturabilirsiniz.
- Statik 3DCT'den 4DCT'nin ilk çerçevesine yüzey kaydı yapın.
- Statik 3DCT'deki kemikleri, 4DCT film verilerini yönlendirerek 3D örgü düzenleme yazılımındaki yinelemeli en yakın nokta (ICP) algoritması11 ile kullanılmaküzere 4DCT'nin tüm karelerinde yer alan kısmi segment verilerine dönüştürün. 4DCT'den elde edilen yüzey verileri, her birim görüntüde yer alan yalnızca kısmi segmentlerdir, çünkü yüzey kaydı bir yüzey veri noktasının başka bir yüzeye dahil edilmesini gerektirir.
- PickPoints işlevini kullanarak 3D mesh düzenleme yazılımında 4DCT'nin ilk çerçevesinin ve 4DCT'nin ilk çerçevesinin yüzey verilerinden kolayca tespit edilebilen sabit ve hareketli kemiklerden üç yer işareti seçin (Şekil 3B).
- 3.1.2'deki seçilen işaretlere göre, 4DCT yüzey verilerinin(Şekil 3C)ilk karesinde kabaca kısmi sabit ve hareketli kemikleri eşleştirin. Ardından, açık kaynak yazılımını (örneğin VTK) kullanarak ICPalgoritması 11'i kullanarak yüzey kaydı gerçekleştirin.
NOT: Bu işlem, sabit ve hareketli kemiklerin statik 3DCT'den 4DCT'nin ilk karesine homojen dönüşüm matrisleri sağlar (Şekil 3D). Bu matrisler Şekil 4'tegösterildiği gibi dönüş ve çeviriden oluşan 4 x 4 matristir. Ters eyleme neden olan dönüştürme matrisi de hesaplanabilir.
- Sıralı yüzey kaydı gerçekleştirin (Şekil 5).
- İlk 4DCT çerçevesindeki sabit ve hareketli kemiğin kısmi yüzeylerini ikinci çerçevenin yüzey verileriyle eşleştirin. Daha sonra, ith çerçevesinin kısmi yüzeylerini 4DCT'nin (i + 1)inci çerçevesine sırayla eşleştirin. Açık kaynak yazılımda ICP modülü nün kullanımı ile programlama yaparak 4DCT'nin son çerçevesine kadar bu işlemi tekrarlayın.
- 3.1 ve 3.2 sonuçlarına göre statik 3DCT'den 4DCT'deki tüm karelere dönüşüm matrislerini hesaplayın.
- Sabit kemiğe göre hareket eden kemik hareketini yeniden yapılandırmak(Şekil 6).
- Statik 3DCT'den her 4DCT çerçeveye dönüşümü temsil eden matrislerden sabit kemiğe göre hareket eden kemiğin kinematiği yeniden yapılandırın. Dönüş parametreleri ölçüldüğünde sabit ve hareketli kemiklerin koordinat sistemlerini tanımlayın (örn. Euler/Kardan açısı ile hesaplanan fleksiyon açısı veya dönüş açısı)12,13,14.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Diz uzatma sırasında tibianın hareketini tanımlıyoruz. Diz eklemi BT gantry'de yerleştirilmişti. Başlangıç pozisyonundaki uyluk kemiğini desteklemek için üçgen bir yastık kullanılmıştır. Diz 10 s. Radyasyona maruz kalma boyunca düz bir konuma uzatıldı ölçüldü. 4DCT'ye ek olarak tüm femur, tibia ve patellanın statik 3DCT'si yapıldı. Tüm femur ve tibia nın yüzey verileri yeniden oluşturuldu. Kemik korteksinin HU numaraları için eşik 250 HU olarak belirlendi ve 51 karenin tümyüzey verileri yeniden oluşturuldu.
Femur ve tibia, önceden ayarlanmış 4DCT yazılımında oluşturulan 4DCT film verilerini görsel olarak kontrol ederek tüm 4DCT karelerinde yer alan kısmi yüzey verilerine bindirdi. Statik 3DCT yüzeylerde ve 4DCT'nin ilk karesinde, her kesimin simgeleri çizilmiştir. Femurda medial ve lateral epikondiles ve intercondylar çentik tespit edildi. Tibia, eklem yüzeyinin medial ve lateral uçları ve tibial tüberküloz da ilgili yerler olarak tespit edildi. Femur ve tibianın kısmi yüzey verileri bu üç yapıya göre 4DCT verilerinin ilk çerçevesi ile kabaca eşleşti. Bu yüzeyler daha sonra Tamamen ICP algoritması kullanılarak eşleşti.
İlk çerçevenin femur ve tibia kısmi segmentleri ikinci karede tüm yüzey ile eşleşti. Böylece iinci karedeki kısmi parçalar (i +1) inci çerçevenin tüm yüzey verileriyle sırayla eşleşti. ICP algoritmasında, yinelemeler arasındaki ortalama uzaklık için yakınsama ölçütleri 0,01 mm olarak belirlenmiştir.
Femur sabit kemik ve tibia hareketli kemik olarak tanımlanmıştır. Orijinal CT DICOM verilerindeki küresel koordinat sisteminden sabit kemiğin yerel koordinat sistemine çeviri ve döndürmeyi açıklayan 4 x 4 matris hesaplanır. Femur ve tibia koordinat sistemi önceki bir rapor15uyarınca tanımlanmıştır. Tibianın hareketini Euler/Cardan açılarından 'zxy' sırasına göre hesapladık, yani fleksiyon, varus ve iç rotasyon, bu sırada14.
Yöntemimiz, kısmi segmentlerden görüntü kaydının tüm yüzey verilerine doğruluğunu bağlıdır. Femur ve tibia nın uzunluğunu %20-1'den uzun eksen boyunca kademeli olarak %1 azaltarak kısmi yüzey kaydının doğruluğunu doğruladık. Femur ve tibiauzunluklarının tamamı için kısmi segmentlerin tüm kemiklere yüzey kaydı yapıldı ve kemiklerin tamamından hesaplanan parametrelerden rotasyon ve çeviri hataları değerlendirildi.
Sonuçlar tibia nın varus açısının tibia uzatıldıkça kademeli olarak azaldığını göstermiştir(Şekil 7). Kaval dış rotasyon uzatma sonunda arttı. Bu dış rotasyon önceki raporlarda diz "vida ev hareketi" ile karşılık gelir16,17.
Bu BT protokolü için etkili doz tahmini 0.075 mSv, doz uzunluğu ürün ölçümü (187.5 mGy¡cm) ve uygun normalleştirilmiş katsayılar (0.0004) literatürde bildirilen18.
Doğrulamada, çeviri ve döndürme için yapılan hata grafikleri, hatanın tüm uzunluğun %9'undan uzun uyluk uzunlukları ve tibia uzunluklarının tüm uzunluğun %7'sinden daha uzun olması için tolere edilebildiğini göstermektedir(Şekil 8). Femur uzunluğunun %10'u ve tibia uzunluğunun %8'inde hatalar varus/valgus rotasyonu için 0,02°, iç/dış rotasyon için 0,02° uzatma/fleksiyon rotasyonu için 0,01°, anterior/posterior çeviri için 0,10 mm, proksimal/distal çeviri için 0,14 mm ve 0,11 mm lateral/medial çeviri idi. CT dilim kalınlığı 0,5 mm olduğundan ve hata boyutunu aştığından bu çeviri hataları ihmal edilebilir olarak kabul edilir. İç ve dış döndürme hataları dalgalanma eğilimindedir. Bunun tibial eklem yüzeyinin simetrik şekli nedeniyle uzun eksen boyunca yinelemeli rotasyon için lokal minimum uyum neden olduğu düşünülmektedir.
Ek veri olarak patellar kinematiği de aynı yöntemle hesaplanmıştır. Patellanın lateral eğimini, tibia analizinden hesaplanan diz fleksiyon açısına karşılık gelen patellar yüzeyin normunun izlenmesi ile gösterdik (Ek Şekil 1).
Şekil 1: 4DCT'nin edinimi. Diz uzatma için 4DCT muayenesi. Denek, diz eve uzanması ve dize yerle bir olması için talimat verilir. Başlangıç pozisyonunda diz esnek pozisyonda ayarlanır ve muayene başladıktan sonra 10 s içinde uzatılır. Bu şekilde, konu 10 s maksimum uzantısı için fleksiyon 60 ° diz uzanır.
Şekil 2: Yüzey verilerinin yeniden yapılandırılması. (A) Tüm femur (sabit kemik) ve tüm tibia (hareketli kemik) yüzey verileri yeniden oluşturulur. (B) 4DCT'den DICOM verileri kullanılarak, eşik değerin üzerinde BT zayıflama değerlerini gösteren kemik korteksinin konumsal verileri her karede ayıklanır. Bu konumsal veriler yazılıma girilir ve tüm çerçevelerin yüzey verileri yeniden oluşturulur. Uyluk kemiği de tibia (mavi ok) ile ilgili olarak hareket eder (yeşil ok). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 3: Yüzey kaydı. (A) 3DCT'den sabit ve hareketli kemiklerin yüzey verileri, 4DCT'den elde edilen yüzey verileri CT gantry'de yer alan sadece kısmi segmentler olduğundan, tüm 4DCT karelerinde yer alan kısmi parçalarhalinde kesilir. (B) Statik 3DCT'nin kısmi bölümlerinde ve 4DCT'nin ilk karesinde üç simge sel seçilir. (C) Kısmi segmentler, simgesel yapılara göre ilk kare ile eşleşir. (D) Yüzey verilerini eşleştirmek için yinelemeli en yakın nokta (ICP) algoritması uygulanır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 4: Dönüşüm matrisi yüzey kaydından hesaplanır. (A) Yüzey verilerinin çevirisi ve dönüşü 4 x 4 matris (homojen dönüşüm matrisi) ile tanımlanabilir. Mref sabit kemiğin matrisini, Mobj ise hareketli kemiğin matrisini temsil eder. Sağ alt değer başlangıç pozisyonunu, sol üst değer ise hedef konumu temsil eder. Örneğin, 1Mrefstatik 3DCT konumundaki sabit kemiği 4DCT'nin ilk karesinde sabit kemiğe çevirir. (B) Dönüş matrisi 4 x 4 matristir. R3, döndürmeyi tanımlayan 3 x 3 matristir ve d çeviriyi tanımlayan 1 x 3 matristir. tR3, R 3'ünenine matrisidir. (C) Sağ üst "inv" ters eylem matrisi anlamına gelir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 5: Tüm çerçevelerin sıralı yüzey kaydı adımları. ith ve (i + 1)kare arasındaki fark çok küçüktür. ith çerçevesinin kısmi bölümleri, (i +1) çerçevenin tüm yüzey verileriyle sadece ICP algoritması ile eşleşebilir. Yüzey kaydı son çerçeveye kadar sırayla tekrarlanır. Statik 3DCT'den her bir çerçeveye dönüştürme matrisi(iMs)hesaplanır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 6: Dönüş açıları sabit ve hareketli kemiklerin tanımlanmış koordinat sistemleri kullanılarak hesaplanır. (A) Sabit kemiğin koordinat sistemitanımlanır 15. Statik 3DCT'den sabit kemiğin lokal koordinat sistemine(LMrefS)dönüş matrisleri hesaplanır. (B) Hareket eden kemiğin koordinat sistemi tanımlanır ve yerel koordinat sisteminde sabit kemik üzerine çizilir15. Lokal hareketli kemikten sabit kemiğin lokal koordinat sistemine dönme matrisleri hesaplanır (Mi). Bu matrislerden, hareketli kemiğin sabit kemiğe göre açıları Euler/Cardan açısı kullanılarak hesaplanır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 7: Temsili sonuçlar diz uzatma sırasında tibia kinema kinematik göstermektedir. (A) Kaval kemiğinin uzantısı. Başlangıç çerçevesinden itibaren tibia neredeyse sürekli olarak uzatılır ve uzatma hızı bitiş çerçevesi etrafında artar. (B) Tibial iç rotasyon. Enine eksen tibial uzatma açısıdır. Tibia dahili olarak 10° fleksiyona döner ve son çerçeveye kadar harici olarak döner. (C) Valgus açıları diz uzatmatüm kareler sırasında sürekli artar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 8: Kısmi segmentin tüm kemiğe yüzey kaydının doğrulanması. Femur ve tibia uzunlukları% 20-1 uzun eksen boyunca artımlı olarak% 1 azalır. Femur ve tibianın tüm uzunlukları için kısmi segmentlerin tam kemiklere yüzey kaydı yapılır ve tüm kemiklerden hesaplanan parametrelerden döndürme ve çeviri hataları değerlendirilir. Perturbasyon analizi Ek Şekil 2'degösterilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Ek Şekil 1: Diz uzatma sırasında patellar kinematik. Patellar kinematik de aynı yöntem kullanılarak hesaplanır. (A) Patellanın yüzey verilerine bir yüzey sığdırıldı. Yüzey işaret normanteriorora olarak hesaplanır. Yanal eğim, femur koordinat sisteminde normun yanal eğim açısı olarak tanımlanır. (B) Diz uzatma sı sırasında patellar lateral eğim tibial kinematik hesaplanan diz uzantısı karşılık çizilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Ek Şekil 2: Pertürbasyon analizi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Ek Kodlama Dosyası. Bu dosyayı indirmek için lütfen buraya tıklayınız.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Metodumuz tüm kemiklerin hareketlerinin görselleştirilmesini ve ölçülmesine olanak sağlar ve 4DCT verilerinden sabit kemiğe göre hareketli kemiğin sayısal konumsal verilerini sağlar. Eklem kinematiği ölçmek için birçok araç önerilmiştir. Hareketli cilt belirteçleri uzun bir süre boyunca toplam vücut hareketlerini analiz edebilirsiniz. Ancak, bu yöntem cilt hareket hataları3içerir. Eklem kinematik bitişik kemiklerin hareketi tahmin edilmelidir. 2D-3D kayıt yöntemi floroskopi kullanır ve sıralı 2D görüntülerden 3D kinematiği çıkarır. Çeviri hataları hala mevcut olmakla birlikte, analiz yazılımı bunu hesaba katmak için gelişmiştir. Birçok kadavra çalışmaları farklı kadavra pozisyonlarında CT görüntüleri alarak eklem kinematik ölçtü19. Ancak, bunlar sıralı statik 3B görüntülerden gelen pasif hareketleri temsil eder ve böylece etkin hareketlerden niteliksel olarak farklılık gösterir.
Bu protokolde birkaç kritik adım vardır. 3DCT'nin yüzey verileri tam olarak oluşturulmalıdır, çünkü bu kalite ilk yüzey kaydının 4DCT'nin ilk karesine doğruluğunu etkiler. Eklem alanı çevresinde, kemik korteks için eşik kemik mili farklı olabilir. Kemik korteksinin sınırı belirsiz olduğunda eşik ayarlaması gerekecektir. Tüm çerçevelerin yüzey kaydı tamamlandıktan sonra yeniden yapılandırılma hareketi kontrol edilmelidir. Bir çerçeve için yüzey kaydı başarısız olursa, otomatik yüzey kaydı sonraki çerçevedeki işaretleri seçerek ve protokolü yineleyerek bir sonraki çerçeveden yeniden başlatılabilir.
4DCT yöntemi, CT DICOM verileri CT gantry'deki tüm dokuların mutlak koordinat değerlerini içerdiğinden, neredeyse statik 3DCT kadar yüksek doğrulukla sıralı hacim verileri sağlar. Çeşitli çalışmalar da eklem kinematik20,21tetkikler için 4DCT kullandık. Ancak, çoğu, gözlemciler çeşitli kareler işaretleri aldı ve parametreleri hesaplanan (örneğin, açıları, çeviri). Bu veri analizi süreçleri ölçüm hatasına yol açan insan hatası içerir. Yüzey kayıt yöntemimiz yüksek doğrulukta görüntü eşleştirme sağlar. Bir kez çizilmiş, parametreler için işaretleri her karede yüzeyin şekline göre izlenebilir. Teorik olarak, tüm 4DCT çerçeveleri için manuel yüzey segmentasyonu en doğru verileri sağlar, ancak bu işlem çok fazla zaman yoğundur. Karpal kemikler küçük ve üst üste binen yapılar22çünkü son zamanlarda, 4DCT bilek eklemleri için hareket analizi için kullanılmıştır. Otomatik kemik takibi hakkında çeşitli raporlar olmuştur23,24. Goto ve ark. iki görüntü arasındaki benzerliği tespit normalleştirilmiş korelasyon katsayıları kullanarak parmak hareketleri analiz25. Kemik korteks yüzeyinin konumu eklem kinematiği tanımlamak için en önemli dönüm noktası olduğu için yüzey kaydı nı kullandık.
Tüm karelerde yüzey verilerinin hareketini izlemek için yinelemeli en yakın nokta algoritması kullandık. Yinelemeli en yakın nokta algoritması, yüzeyden yüzeye uzaklığı en aza indirmek için iki nokta bulutu grubu yla veya yüzey verisi ile eşleşirancak birkaç dezavantajı vardır. Bu algoritma genellikle iki yakın yüzeyi eşleştirmek için kullanılır. Bu nedenle, iki yüzey birbirine uzak bulunduğunda, kayıt gerçek eşleşen pozisyon26değil, 'yerel minimum' konumda meydana gelecektir. Bu dezavantajı, ilk başta her kemiğe üç işaret alarak aşarız. İki yüzey kabaca bu üç dönüm noktasına göre eşleşir. Bu iki konumdan, ICP en yakın pozisyon olarak hizmet vermektedir. 4DCT'nin kare hızı çok kısadır (0,2 s), bu nedenle geçerli çerçevedeki yüzey konumu bir sonraki çerçevedeki yüzey konumuna yakındır. Yavaş eklem hareketi durumlarında, daha fazla kare-kare sıralı yüzey kaydı için kaba maç adımı gerekli olmayacaktır. Buna ek olarak, iki kemiğin tamamı arasındaki ilişki, statik 3DCT yüzey verilerinin tamamının kısmi 4DCT çerçeve yüzey verileriyle eşleştirilerek yeniden üretilir. Genellikle, kemiğin koordinat sistemi bütünüyle tanımlanır12,27. Tüm kemik hareketinin rekonstrüksiyonu böylece eklem açılarının tanımlanmasına katkıda bulunur. Bu doğruluk büyük ölçüde kısmi yüzeyin tüm yüzey verilerine yüzey kaydına bağlıdır. Temsili verilerde, segmentlerin %10'undan fazlasının kullanılabilirliğinin diz eklemi için yeterli doğruluk sağladığını gösterdik.
CT verileri, CT gantry alanı içinde yer alan tüm konumsal verileri sağlar. Verilerin kalitesi yalnızca CT makinesinin kalitesine bağlıdır. Bu yöntem böylece 2D-3D kayıt ile izlenmesi zor olan küçük kemiklere veya karpal kemikler gibi birden fazla kemime uygulanabilir.
Birkaç sınırlama belirtilmelidir. İlk olarak, ICP kısmi segmentin şekline bağlıdır. Yüzeykemik mahmuzları veya kortikal kenarlar gibi geometrik özelliklere sahip olduğunda ICP daha doğrudur. Diğer taraftan, yüzey şekli radyal kafa veya sesamoid gibi simetrik olduğunda, ICP orijinal yüzeyin yanlış dönmesini sağlayacaktır. Buna ek olarak, ICP de yüzey verilerinin kalitesine bağlıdır. Osteoporotik kemiklerde yüzey rekonstrüksiyonu büyük ölçüde manuel segmentasyona bağlıdır. Bu da gözlemciler arası hatalara yol açabilir. Son zamanlarda BT dilimlerinde bilgisayarlı doku segmentasyonu geliştirilmiştir. Ancak, insan manuel segmentasyon hala belirli dokular28,29tanımlarken daha güvenilir olarak kabul edilir. CT görüntünün kalitesi değiştirilemese de, diğer sınırlamalar manuel yüzey segmentasyonu ve kaydı ile aşılabilir. İkinci olarak, eklem hareketi çok hızlı olduğunda, CT görüntüleri bulanık hale çünkü bu yöntem, kemik hareketleri izleyemez30. İki yüzey çok uzak olduğundan, çerçeveden çerçeveye yüzey kaydı başarısız olur. Tolere edilebilir hız hedef eklem bağlıdır, ortak morfolojiyüzey kaydı başarı oranını etkiler çünkü. Gelecekte her eklem için hız toleransı çalışmaları gerekecektir. Buna ek olarak, eklem hareketi BT gantry içinde yapılmalıdır. Bu nedenle, yükleme kinematiği analizi için, optik sensörler veya 2D-2D kayıt en iyisidir.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Yazarların rakip finansal çıkarları yok.
Acknowledgments
Bu çalışma kurumumuzun Kurumsal İnceleme Kurulu tarafından onaylanmıştır (onay numarası: 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).
