Summary
Wir analysierten die Gelenkkinematik aus vierdimensionalen Computertomographiedaten. Die sequenzielle 3D-3D-Registrierungsmethode liefert halbautomatisch die Kinematik des sich bewegenden Knochens in Bezug auf den Subjektknochen aus vierdimensionalen Computertomographiedaten.
Abstract
Die vierdimensionale Computertomographie (4DCT) liefert eine Reihe von Volumendaten und visualisiert Gelenkbewegungen. Die numerische Analyse von 4DCT-Daten bleibt jedoch schwierig, da die Segmentierung in allen volumetrischen Frames zeitaufwändig ist. Wir wollten die Gelenkkinematik mit einer sequenziellen 3D-3D-Registrierungstechnik analysieren, um die Kinematik des beweglichen Knochens in Bezug auf den festen Knochen halbautomatisch mit 4DCT DICOM-Daten und vorhandener Software bereitzustellen. Die Oberflächendaten der Quellknochen werden aus 3DCT rekonstruiert. Die getrimmten Oberflächendaten werden jeweils mit Oberflächendaten aus dem ersten Frame in 4DCT abgeglichen. Diese getrimmten Flächen werden sequenziell bis zum letzten Frame abgeglichen. Diese Prozesse liefern Positionsinformationen für Zielknochen in allen Frames des 4DCT. Sobald die Koordinatensysteme der Zielknochen festgelegt sind, können Übersetzungs- und Drehwinkel zwischen zwei beliebigen Knochen berechnet werden. Diese 4DCT-Analyse bietet Vorteile bei kinematischen Analysen komplexer Strukturen wie Karpal- oder Tarsalknochen. Schnelle oder großangelegte Bewegungen können jedoch aufgrund von Bewegungsartefakten nicht nachverfolgt werden.
Introduction
Die Gelenkkinematik wurde mit einer Reihe von Methoden beschrieben, wie z. B. Bewegungserfassungssensoren, 2D-3D-Registrierung und kadaverische Studien. Jede Methode hat spezifische Vor- und Nachteile. Beispielsweise können Bewegungserfassungssensoren schnelle, großflächige Bewegungen mit Infrarotkameras mit oder ohne Sensoren zum Thema1,2messen. Diese Methoden messen jedoch die Hautbewegung, um Gelenkkinematik abzuleiten, und enthalten daher Hautbewegungsfehler3.
Kadaverische Studien wurden verwendet, um Bewegungsbereiche, Instabilität und Kontaktbereiche4,5,6zu bewerten. Dieser Ansatz kann kleine Veränderungen in kleinen Gelenken mit CT oder optischen Sensoren messen, die direkt am Knochen befestigt sind, indem Sie Stifte oder Schrauben verwenden. Kadaverische Modelle können hauptsächlich passive Bewegungen auswerten, obwohl mehrere Aktoren verwendet wurden, um externe Kräfte auf Sehnen anzuwenden, um dynamische Bewegung zu simulieren7. Aktive Gelenkbewegung kann mit 2D-3D-Registrierungstechniken gemessen werden, die 3DCT-Bilder mit 2D-Fluoroskopiebildern abgleichen. Obwohl die Genauigkeit des Registrierungsprozesses umstritten bleibt, ist die gemeldete Genauigkeit im Allgemeinen hoch genug für große Gelenkkinematik8,9. Diese Methode kann jedoch nicht auf kleine Knochen oder mehrere Knochen in engen Räumen angewendet werden.
Im Gegensatz dazu ist 4DCT eine dynamische CT-Methode, die eine Reihe volumetrischer Daten erhält. Aktive Gelenkbewegungen können mit diesem Ansatz analysiert werden10. Diese Technologie liefert präzise 3D-Positionsdaten aller Substanzen im CT-Portal. Die 3D-Gelenkbewegungen werden im Betrachter klar visualisiert. Die Beschreibung der Gelenkkinematik aus einer solchen Reihe von Volumendaten ist jedoch immer noch schwierig, da sich alle Knochen bewegen und während der aktiven Bewegungen in vivo keine Landmarken zurückverfolgt werden können.
Wir haben eine Methode zur 4DCT-Analyse entwickelt, die die In-vivo-Gelenkkinematik der gesamten Knochen um das Gelenk während aktiver Bewegungen liefert. Das Ziel dieses Artikels ist es, unsere Methode, die sequenzielle 3D-3D-Registrierungstechnik für die 4DCT-Analyse, vorzustellen und repräsentative Ergebnisse zu zeigen, die mit dieser Methode erzielt wurden.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle hier beschriebenen Methoden wurden vom Institutional Review Board der Keio University School of Medicine genehmigt.
HINWEIS: Gelenkkinematik wird gemessen, indem die Bewegung eines sich bewegenden Knochens um einen festen Knochen rekonstruiert wird. Bei der Kniegelenkkinematik ist der Oberschenkelknochen definiert als der feste Knochen und die Tibia als der bewegliche Knochen.
1. CT-Bildgebungsprotokoll
- Richten Sie die CT-Maschine ein. Erwerben Sie CT-Untersuchungen mit einem 320-Detektor-Reihen-CT-System, um mehrere Phasen von 3D-Volumendaten mit 160 mm Craniokaaudalabdeckung zu ermöglichen. Bei der Analyse der Kniekinematik besteht die Bildaufnahme beispielsweise aus 51 Volumenscans mit einer Rotationszeit von 0,275 s, und alle Bilder werden mit halber Rekonstruktion rekonstruiert, so dass die zeitliche Auflösung etwa 0,16 s beträgt.
- Verwenden Sie die folgenden Scanparameter: Spitzenrohrspannung = 100 kVp; Rohrstrom = 40 mA; Scanabdeckung = 160 mm; Matrixgröße= 512 x 512 Pixel; und Rekonstruktionsabschnitt dicke und Abschnitt Intervall = 0,5 mm.
- Platzieren Sie das Zielgelenk des Fachstücks im CT-Portal in der Ausgangsposition der 4DCT-Prüfung (Abbildung 1).
- Proben Sie vor der CT-Prüfung die Bewegungen des Gelenks von der Startposition bis zur Endposition innerhalb der erforderlichen Prüfungszeit. Bitten Sie den Betroffenen, das Gelenk während der Scanzeit von 10.275 zu bewegen und eine Reihe von Volumendaten zu erhalten. Speichern Sie die sequenziellen Volumedaten im DICOM-Format.
- Führen Sie statisches 3DCT aller Zielknochen aus, und speichern Sie die Daten im DICOM-Format.
2. Oberflächenrekonstruktion
- Halbautomatische Segmentierung von 3DCT-Daten durchführen (Abbildung 2A).
- Laden Sie CT DICOM-Daten, indem Sie alle DICOM-Dateien der statischen 3DCT-Daten auswählen.
- Öffnen Sie das Beschriftungsfeld, indem Sie auf Neues Beschriftungsfeld bearbeiten klicken, und überprüfen Sie, welcher Schwellenwert für die CT-Dämpfungswert geeignet ist, um kortikale Knochen aus dem Quellknochen zu extrahieren. Wählen Sie Materialien mit CT-Dämpfungswerten über dem Schwellenwert aus. Beispielsweise wird der Schwellenwert für den Knochenkortex für ein junges Motiv auf 250festgelegt. Überprüfen Sie die Beschriftung auf Die Knochenkortexauswahl, und ändern Sie die Abgrenzung manuell mithilfe eines Bearbeitungswerkzeugs, um die Konsistenz mit der Form des Knochens zu erhalten.
- Generieren Sie die Oberflächendaten (Dreiecksnetze) aus den beschrifteten Knochenkortexpositionsdaten (Punktwolke in der Software). Speichern Sie die Oberflächendaten, indem Sie Daten im Standard-STL-Format (Standard Triangulated Language) exportieren.
- Klicken Sie auf Oberfläche generieren| Auf das Etikett des kortikalen Knochens auftragen. Klicken Sie auf Datei| Exportdaten as| STL Binary Little Endian, um die Oberflächendaten im STL-Format zu speichern.
- Automatische Segmentierung von 4DCT-Volumendaten durchführen (Abbildung 2B).
HINWEIS: Jeder Frame der DICOM-Daten enthält die Verteilung der CT-Dämpfungswerte im CT-Portal.- Legen Sie den Schwellenwert des Knochenkortex wie in der statischen CT fest, und extrahieren Sie geometrische Daten, die CT-Dämpfungswerte über dem Schwellenwert zeigen, aus allen 51 Frames der 4DCT-Daten mithilfe des DICOM-Lesemoduls in der Programmiersoftware. Passen Sie den Schwellenwert an die Knochendichte des Quellknochens an. Legen Sie beispielsweise für den osteoporotischen Knochen den Schwellenwert niedriger fest.
- Übersetzen Sie alle Positionsdaten, die bereits im vorherigen Schritt erhalten wurden, in ein Format, das von Bildverarbeitungssoftware (z.B. Avizo) interpretiert werden kann. Rekonstruieren Sie in der Bildverarbeitungssoftware alle Oberflächendaten der Punktwolke mit höheren CT-Dämpfungswerten als der Schwellenwert für alle 4DCT-Frames mithilfe eines Batchverarbeitungsskripts. Die Bildverarbeitungssoftware enthält die Funktion, das Skript zu lesen und die Oberflächendaten aus den Daten der DICOM-Serie automatisch zu exportieren. Das Batchskript wird in der Supplemental Coding Fileangezeigt.
3. Bildregistrierung
HINWEIS: Rekonstruieren Sie in diesem Schritt die Bewegungen des beweglichen Knochens in Bezug auf den festen Knochen aus den rohen 4DCT DICOM-Daten.
- Führen Sie die Oberflächenregistrierung vom statischen 3DCT bis zum ersten Frame des 4DCT durch.
- Trimmen Sie die Bones in einem statischen 3DCT in Teilsegmentdaten, die in allen Frames von 4DCT enthalten sind, für die Verwendung mit dem iterativen Nächstgelegenen Punkt (ICP) Algorithmus11 in der 3D-Netzbearbeitungssoftware unter Verwendung der Funktion "Gesicht auswählen" (Abbildung 3A), indem Sie 4DCT-Filmdaten verweisen. Die Oberflächendaten von 4DCT sind nur Teilsegmente, die in jedem Volumenbild enthalten sind, da die Oberflächenregistrierung erfordert, dass ein Oberflächendatenpunkt in einer anderen Oberfläche enthalten ist.
- Wählen Sie drei Markierungen in den festen und sich bewegenden Knochen, die leicht von der getrimmten 3DCT-Oberfläche und den Oberflächendaten des ersten Frames von 4DCT in der 3D-Netzbearbeitungssoftware mit der PickPoints-Funktion identifiziert werden können (Abbildung 3B).
- Passen Sie die teilweise fixierten und sich bewegenden Knochen ungefähr auf dem ersten Frame der 4DCT-Oberflächendaten (Abbildung 3C) entsprechend den ausgewählten Landmarken in 3.1.2 an. Führen Sie als Nächstes die Oberflächenregistrierung mit dem ICP-Algorithmus11 mithilfe der Open-Source-Software (z. B. VTK) durch.
HINWEIS: Dieser Prozess bietet homogene Transformationsmatrizen der festen und beweglichen Knochen vom statischen 3DCT zum ersten Frame von 4DCT (Abbildung 3D). Diese Matrizen sind 4 x 4 Matrizen, die aus Rotation und Übersetzung bestehen, wie in Abbildung 4dargestellt. Die Transformationsmatrix, die die umgekehrte Aktion verursacht, kann ebenfalls berechnet werden.
- Führen Sie eine sequenzielle Oberflächenregistrierung durch (Abbildung 5).
- Passen Sie die Teilflächen des festen und sich bewegenden Bones im ersten 4DCT-Frame an die Oberflächendaten des zweiten Frames an. Passen Sie als Nächstes die Teilflächen des ith Frames auf den (i + 1)th Frame von 4DCT nacheinander an. Wiederholen Sie diesen Vorgang bis zum letzten Frame des 4DCT, indem Sie mit dem ICP-Modul in der Open-Source-Software programmieren.
- Berechnen Sie Transformationsmatrizen vom statischen 3DCT zu allen Frames in 4DCT gemäß den Ergebnissen von 3.1 und 3.2.
- Rekonstruieren Sie bewegliche Knochenbewegung in Bezug auf den fixierten Knochen (Abbildung 6).
- Rekonstruieren Sie die Kinematik des sich bewegenden Knochens in Bezug auf den fixierten Knochen aus den Matrizen, die die Transformation vom statischen 3DCT zu jedem 4DCT-Frame darstellen. Definieren Sie die Koordinatensysteme der festen und sich bewegenden Knochen, wenn die Rotationsparameter gemessen werden (z. B. Flexionswinkel oder Drehwinkel berechnet durch den Euler/Cardan-Winkel)12,13,14.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Wir beschreiben die Bewegung der Tibia während der Knieverlängerung. Das Kniegelenk wurde im CT-Portal positioniert. Ein Dreieckskissen wurde verwendet, um den Oberschenkelknochen an der Startposition zu stützen. Das Knie wurde im Laufe von 10 s auf eine gerade Position verlängert. Zusätzlich zu 4DCT wurde statisches 3DCT des gesamten Oberschenkelknochens, der Tibia und der Patella durchgeführt. Die Oberflächendaten des gesamten Oberschenkelknochens und der Tibia wurden rekonstruiert. Der Schwellenwert für HU-Nummern des Knochenkortex wurde auf 250 HU festgelegt und die Oberflächendaten aller 51 Rahmen rekonstruiert.
Der Oberschenkelknochen und die Tibia wurden in teilflächengebundene Daten getrimmt, die in allen 4DCT-Frames enthalten waren, indem 4DCT-Filmdaten visuell überprüft wurden, die in der voreingestellten 4DCT-Software erstellt werden. In den statischen 3DCT-Oberflächen und dem ersten Rahmen des 4DCT wurden die Markierungen jedes Segments geplottet. Am Oberschenkelknochen wurden die medialen und seitlichen Epicondylen und die interkondylar Kerbe identifiziert. An der Tibia wurden auch die medialen und seitlichen Enden der Gelenkoberfläche und die tibiale Tuberosität als entsprechende Landmarken identifiziert. Die Teiloberflächendaten des Oberschenkelknochens und der Tibia wurden entsprechend diesen drei Landmarken grob mit dem ersten Frame der 4DCT-Daten abgeglichen. Diese Oberflächen wurden dann mit dem ICP-Algorithmus vollständig abgeglichen.
Teilsegmente des Oberschenkelknochens und der Tibia des ersten Rahmens wurden mit der gesamten Oberfläche im zweiten Rahmen abgeglichen. Teilfragmente im ith Frame wurden somit sequenziell mit den gesamten Oberflächendaten des (i + 1)th Frames abgeglichen. Im ICP-Algorithmus wurden die Konvergenzkriterien für den mittleren Abstand zwischen Iterationen auf 0,01 mm festgelegt.
Der Oberschenkelknochen wurde als fixer Knochen und tibia als der bewegliche Knochen definiert. Die 4 x 4-Matrix, die die Übersetzung und Rotation aus dem globalen Koordinatensystem in den ursprünglichen CT-DICOM-Daten zum lokalen Koordinatensystem des festen Knochens beschreibt, wird berechnet. Das Koordinatensystem von Oberschenkelknochen und Tibia wurde in Übereinstimmung mit einem früheren Bericht15definiert. Wir berechneten die Bewegung der Tibia aus den Euler/Cardan-Winkeln in 'zxy' Reihenfolge, was Flexion, Varus und interne Rotation bedeutet, in dieser Reihenfolge14.
Unsere Methode hängt von der Genauigkeit der Bildregistrierung aus den Teilsegmenten auf die gesamte Oberflächendaten ab. Wir haben die Genauigkeit der partiellen Oberflächenregistrierung validiert, indem wir die Länge des Oberschenkelknochens und der Tibia schrittweise um 1% entlang der langen Achse von 20%-1% verringert haben. Die Oberflächenregistrierung von Teilsegmenten zu den ganzen Knochen wurde für den gesamten Satz der Längen des Oberschenkelknochens und der Tibia durchgeführt, und Fehler für die Rotation und Übersetzung aus den aus den ganzen Knochen berechneten Parametern wurden ausgewertet.
Die Ergebnisse zeigten, dass der Varuswinkel der Tibia allmählich abnahm, als die Tibia verlängert wurde (Abbildung 7). Die tibiale Außenrotation nahm am Ende der Verlängerung zu. Diese externe Drehung entspricht der "Schraubenheimbewegung" des Knies in früheren Berichten16,17.
Die effektive Dosisschätzung für dieses CT-Protokoll betrug 0,075 mSv, bestimmt durch die Dosislängenmessung (187,5 mGy-cm) und die entsprechenden normalisierten Koeffizienten (0,0004), wie in der Literatur18berichtet.
Bei der Validierung zeigen Diagramme des Fehlers für Übersetzung und Rotation, dass der Fehler für Oberschenkellängen, die länger als 9 % der gesamten Länge und Tibialängen länger als 7 % der gesamten Länge waren, tolerierbar war (Abbildung 8). Bei 10% der Länge des Oberschenkelknochens und 8% der Tibialänge lagen die Fehler bei 0,02° bei Varus/Valgus-Rotation, 0,02° bei interner/externer Rotation, 0,01° für Verlängerung/Flexionrotation, 0,10 mm für vordere/posteriorÜbersetzung, 0,14 mm für proximale/distale Übersetzung und 0,11 mm für die laterale/mediale Übersetzung. Diese Übersetzungsfehler werden als vernachlässigbar angesehen, da die Dicke der CT-Scheiben 0,5 mm beträgt und die Fehlergröße überschreitet. Interne und externe Rotationsfehler neigten dazu, zu schwanken. Dies wurde vermutlich durch lokale minimale Passform für iterative Rotation entlang der langen Achse aufgrund der symmetrischen Form der tibialen Gelenkoberfläche verursacht.
Als zusätzliche Daten wurden auch Die Patellarkinematik nach der gleichen Methode berechnet. Wir demonstrierten die seitliche Neigung der Patella, indem wir die Norm der Patellaoberfläche verfolgten, die dem Knieflexionswinkel entspricht, wie aus der Analyse der Tibia berechnet (Ergänzungsabbildung 1).
Abbildung 1: Erwerb von 4DCT. Die 4DCT-Prüfung zur Knieverlängerung. Das Subjekt wird angewiesen, sich hinlegen und das Knie im CT-Portal zu positionieren. An der Startposition wird das Knie in die gebeugte Position gesetzt und nach Beginn der Untersuchung innerhalb von 10 s verlängert. In dieser Abbildung verlängert das Thema das Knie von 60° Flexion auf maximale Verlängerung in 10 s. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 2: Rekonstruktion von Oberflächendaten. (A) Oberflächendaten des gesamten Oberschenkelknochens (fester Knochen) und ganzer Tibia (beweglicher Knochen) werden rekonstruiert. (B) Unter Verwendung von DICOM-Daten aus 4DCT werden die Positionsdaten des Knochenkortex, die CT-Dämpfungswerte oberhalb des Schwellenwerts zeigen, in jedem Frame extrahiert. Diese Positionsdaten werden in die Software eingegeben und die Oberflächendaten aller Frames rekonstruiert. Der Oberschenkelknochen bewegt sich auch (grüner Pfeil) in Bezug auf die Tibia (blauer Pfeil). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 3: Oberflächenregistrierung. (A) Oberflächendaten der festen und sich bewegenden Knochen aus 3DCT werden in Teilsegmente getrimmt, die in allen 4DCT-Frames enthalten sind, da die Oberflächendaten von 4DCT nur Teilsegmente sind, die im CT-Portal enthalten sind. (B) Drei Landmarken werden in den Teilsegmenten des statischen 3DCT und dem ersten Frame des 4DCT ausgewählt. (C) Die Teilsegmente werden entsprechend den Landmarken mit dem ersten Rahmen abgeglichen. (D) Der iterative Endpunktalgorithmus (ICP) wird angewendet, um Oberflächendaten abzugleichen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 4: Die Transformationsmatrix wird aus der Oberflächenregistrierung berechnet. (A) Die Übersetzung und Rotation von Oberflächendaten kann in einer 4 x 4 Matrix (homogene Transformationsmatrix) beschrieben werden. Mref stellt die Matrix des festen Knochens und Mobj die Matrix des sich bewegenden Knochens dar. Der untere rechte Wert stellt die Startposition und der obere linke Wert die Zielposition dar. Beispielsweise übersetzt 1Mrefs den festen Knochen in der statischen 3DCT-Position in den festen Knochen im ersten Frame von 4DCT. (B) Die Rotationsmatrix ist eine 4 x 4 Matrix. R3 ist eine 3 x 3 Matrix, die Rotation definiert und d ist eine 1 x 3 Matrix, die Übersetzung definiert. tR3 ist eine Quermatrix von R3. (C) Das obere rechte "inv" bedeutet die umgekehrte Aktionsmatrix. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 5: Schritte der sequenziellen Oberflächenregistrierung aller Frames. Der Unterschied zwischen ith und (i + 1)th Frames ist sehr klein. Teilsegmente des ith Frames können nur durch den ICP-Algorithmus mit ganzen Oberflächendaten des (i + 1)th Frames abgeglichen werden. Die Oberflächenregistrierung wird sequenziell bis zum letzten Frame wiederholt. Die Transformationsmatrix vom statischen 3DCT zu jedem Frame (iMs) wird berechnet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 6: Drehwinkel werden mit den definierten Koordinatensystemen der festen und sich bewegenden Knochen berechnet. (A) Das Koordinatensystem des festen Knochens istdefiniert 15. Die Rotationsmatrizen von statischem 3DCT zum lokalen Koordinatensystem des festen Knochens (LMrefS) werden berechnet. (B) Das Koordinatensystem des sich bewegenden Knochens wird definiert und über den festen Knochen in seinem lokalen Koordinatensystem15gezeichnet. Rotationsmatrizen vom lokalen beweglichen Knochen zum lokalen Koordinatensystem des festen Knochens werden berechnet (Mi). Aus diesen Matrizen werden die Winkel des sich bewegenden Knochens in Bezug auf den fixierten Knochen mit dem Euler/Cardan-Winkel berechnet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 7: Repräsentative Ergebnisse zeigen die Kinematik der Tibia während der Knieverlängerung. (A) Verlängerung der Tibia. Vom Startrahmen aus wird die Tibia fast ständig verlängert und die Verlängerungsgeschwindigkeit um den Endrahmen herum erhöht. (B) Tibiale interne Rotation. Die Querachse ist der tibiale Verlängerungswinkel. Die Tibia dreht sich intern auf 10° Flexion und dreht sich äußerlich bis zum Endrahmen. (C) Die Valguswinkel erhöhen sich während aller Rahmen der Knieverlängerung ständig. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 8: Validierung der Oberflächenregistrierung des Teilsegments auf den gesamten Knochen. Die Längen des Oberschenkelknochens und der Tibia werden schrittweise um 1% entlang der langen Achse von 20%-1% verringert. Die Oberflächenregistrierung von Teilsegmenten zu ganzen Knochen wird für alle Längen des Oberschenkelknochens und der Tibia durchgeführt, und Fehler für die Drehung und Übersetzung aus den parametern, die aus den ganzen Knochen berechnet werden, werden ausgewertet. Die Perturbationsanalyse ist in der ergänzenden Abbildung 2dargestellt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Ergänzende Abbildung 1: Patellarkinematik während der Knieverlängerung. Patellar-Kinematik wird ebenfalls nach der gleichen Methode berechnet. (A) Eine Oberfläche war auf die Oberflächendaten der Patella montiert. Die Norm der Fläche, die vorderlich zeigt, wird berechnet. Die seitliche Neigung ist definiert als der seitliche Neigungswinkel der Norm im Koordinatensystem des Oberschenkelknochens. (B) Die Patellasehnenneigung während der Knieverlängerung wird entsprechend der Knieverlängerung nach Berechnungen der tibiakalen Kinematik dargestellt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Ergänzende Abbildung 2: Perturbationsanalyse. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Ergänzende Codierungsdatei. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Unsere Methode ermöglicht die Visualisierung und Quantifizierung der Bewegungen ganzer Knochen und liefert numerische Positionsdaten des sich bewegenden Knochens in Bezug auf den festen Knochen aus 4DCT-Daten. Es wurden viele Werkzeuge zur Messung der Gelenkkinematik vorgeschlagen. Bewegungshautmarker können gesamtkörperbewegte Bewegungen über einen langen Zeit analysieren. Diese Methode enthält jedoch Hautbewegungsfehler3. Die Gelenkkinematik sollte aus der Bewegung benachbarter Knochen geschätzt werden. Die 2D-3D-Registrierungsmethode verwendet Fluoroskopie und leitet 3D-Kinematik aus sequenziellen 2D-Bildern ab. Übersetzungsfehler sind immer noch vorhanden, obwohl die Analysesoftware sich weiterentwickelt hat, um dies zu berücksichtigen. Viele kadaverische Studien haben die Gelenkkinematik gemessen, indem sie CT-Bilder in verschiedenen Kadaverpositionen19. Diese stellen jedoch passive Bewegungen aus sequenziellen statischen 3D-Bildern dar und unterscheiden sich daher qualitativ von aktiven Bewegungen.
Es gibt mehrere wichtige Schritte in diesem Protokoll. Die Oberflächendaten von 3DCT sollten genau deshalb erstellt werden, weil diese Qualität die Genauigkeit der anfänglichen Oberflächenregistrierung zum ersten Frame von 4DCT beeinflusst. Um den Gelenkbereich herum kann sich der Schwellenwert für den Knochenkortex von dem Knochenschaft unterscheiden. Eine Schwellenanpassung ist erforderlich, wenn die Grenze des Knochenkortex unklar ist. Sobald die Oberflächenregistrierung aller Rahmen abgeschlossen ist, sollte die rekonstruierte Bewegung überprüft werden. Wenn die Oberflächenregistrierung für einen Frame fehlschlägt, kann die automatische Oberflächenregistrierung vom nächsten Frame aus neu gestartet werden, indem die Markierungen im nächsten Frame ausgesucht und das Protokoll wiederholt werden.
Die 4DCT-Methode liefert sequenzielle Volumendaten mit einer Genauigkeit von fast so hoch wie statische 3DCT, da CT DICOM-Daten absolute Koordinatenwerte aller Gewebe im CT-Portal enthalten. Mehrere Studien haben 4DCT für Untersuchungen der Gelenkkinematik20,21verwendet. In den meisten wählten die Beobachter jedoch Landmarken aus mehreren Frames aus und berechneten die Parameter (z. B. Winkel, Übersetzung). Diese Datenanalyseprozesse enthalten menschliche Fehler, die zu Messfehlern führen. Unsere Methode der Oberflächenregistrierung bietet eine hohe Bildabgleich. Nach dem Plotten können die Markierungen für die Parameter entsprechend der Form der Oberfläche in jedem Rahmen nachverfolgt werden. Theoretisch liefert die manuelle Oberflächensegmentierung für alle 4DCT-Frames die genauesten Daten, aber dieser Prozess ist viel zu zeitintensiv. Kürzlich wurde 4DCT für die Bewegungsanalyse für Handgelenkgelenke verwendet, da die Karpalknochen klein und überlappende Strukturen sind22. Es gab mehrere Berichte über die automatisierte Knochenverfolgung23,24. Goto et al. analysierte Fingerbewegungen mit normalisierten Korrelationskoeffizienten, die die Ähnlichkeit zwischen zwei Bildern erkennen25. Wir verwendeten Die Oberflächenregistrierung, da die Position der Knochenrindedarmoberfläche das wichtigste Wahrzeichen ist, um Gelenkkinematik zu beschreiben.
Wir verwendeten einen iterativen Engpunktalgorithmus, um die Bewegung der Oberflächendaten in allen Frames zu verfolgen. Ein iterativer Näherpunktalgorithmus entspricht zwei Gruppen von Punktwolken oder Oberflächendaten, um den Flächenabstand11 zu minimieren, weist jedoch mehrere Nachteile auf. Dieser Algorithmus wird in der Regel verwendet, um zwei enge Flächen abzugleichen. Wenn sich die beiden Flächen also entfernt voneinander befinden, würde die Registrierung in der Position "lokales Minimum" erfolgen, nicht in der tatsächlichen übereinstimmenden Position26. Wir überwinden diesen Nachteil, indem wir zunächst drei Meilensteine in jedem Knochen nehmen. Die beiden Flächen sind entsprechend diesen drei Landmarken grob aufeinander abgestimmt. Von diesen beiden Positionen aus dient das ICP als die nächste Position. Die Bildrate von 4DCT ist sehr kurz (0,2 s), so dass die Oberflächenposition im aktuellen Rahmen nahe an der Oberflächenposition im nächsten Frame liegt. Bei Zeitgelenksbewegungen wird der grobe Matchschritt für eine weitere sequenzielle Flächenregistrierung von Rahmen zu Rahmen nicht benötigt. Darüber hinaus wird die Beziehung zwischen den gesamtheit der beiden Bones reproduziert, indem die gesamten statischen 3DCT-Oberflächendaten mit den partiellen 4DCT-Frameoberflächendaten übereinstimmen. Im Allgemeinen wird das Koordinatensystem des Knochens aus seiner Gesamtheit12,27definiert. Die Rekonstruktion der gesamten Knochenbewegung trägt somit zur Beschreibung der Gelenkwinkel bei. Diese Genauigkeit hängt weitgehend von der Oberflächenregistrierung der Teilfläche auf die gesamten Oberflächendaten ab. In den repräsentativen Daten haben wir gezeigt, dass die Verfügbarkeit von über 10% der Segmente eine ausreichende Genauigkeit für das Kniegelenk bietet.
CT-Daten liefern alle Positionsdaten, die im CT-Portalbereich enthalten sind. Die Qualität der Daten hängt allein von der Qualität der CT-Maschine ab. Diese Methode kann somit auf kleine Knochen oder mehrere Knochen wie die Karpalknochen angewendet werden, die durch 2D-3D-Registrierung schwer zu verfolgen sind.
Es müssen mehrere Einschränkungen erwähnt werden. Erstens hängt ICP von der Form des Teilsegments ab. ICP ist genauer, wenn die Oberfläche geometrische Merkmale wie Knochensporne oder kortikale Kanten aufweist. Wenn die Oberflächenform symmetrisch ist, z. B. der Radialkopf oder das Sesamoid, sorgt ICP hingegen für eine falsche Drehung der ursprünglichen Oberfläche. Darüber hinaus hängt das ICP auch von der Qualität der Oberflächendaten ab. Bei osteoporotischen Knochen hängt die Oberflächenrekonstruktion weitgehend von der manuellen Segmentierung ab. Das kann zu Interobserver-Fehlern führen. Kürzlich wurde eine computergestützte Gewebesegmentierung auf CT-Scheiben entwickelt. Die manuelle Segmentierung des Menschen wird jedoch bei der Identifizierung bestimmter Gewebe immer noch als zuverlässiger angesehen28,29. Obwohl die Qualität des CT-Bildes nicht geändert werden kann, können andere Einschränkungen durch manuelle Oberflächensegmentierung und Registrierung überwunden werden. Zweitens, wenn die Gelenkbewegung zu schnell ist, kann diese Methode die Knochenbewegungen nicht verfolgen, da die CT-Bilder verschwommen werden30. Die Frame-to-Frame-Oberflächenregistrierung schlägt dann fehl, da die beiden Flächen zu weit entfernt sind. Die tolerierbare Geschwindigkeit hängt vom Zielgelenk ab, da die Gelenkmorphologie die Erfolgsrate der Oberflächenregistrierung beeinflusst. In Zukunft werden Untersuchungen der Geschwindigkeitstoleranz für jedes Gelenk erforderlich sein. Darüber hinaus sollte eine Gelenkbewegung innerhalb des CT-Portals durchgeführt werden. Daher sind für die Analyse der Ladekinematik, optische Sensoren oder 2D-2D-Registrierung am besten.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die Autoren haben keine konkurrierenden finanziellen Interessen.
Acknowledgments
Diese Studie wurde vom Institutional Review Board unserer Institution genehmigt (Zulassungsnummer: 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).
