Summary

Vierdimensionale CT-analyse met sequentiële 3D-3D-registratie

Published: November 23, 2019
doi:

Summary

We analyseerden gezamenlijke kinematica van vier-dimensionale computertomografie gegevens. De sequentiële 3D-3D registratiemethode semiautomatisch biedt de kinematica van het bewegende bot met betrekking tot het onderwerp bot van vier-dimensionale computertomografie gegevens.

Abstract

Vierdimensionale computertomografie (4DCT) biedt een reeks volumegegevens en visualiseert gezamenlijke bewegingen. Numerieke analyse van 4DCT-gegevens blijft echter moeilijk omdat segmentatie in alle volumetrische frames tijdrovend is. We waren gericht op het analyseren van gezamenlijke kinematica met behulp van een sequentiële 3D-3D-registratie techniek om de kinematica van het bewegende bot te voorzien van de vaste Bone semiautomatisch met behulp van 4DCT DICOM-gegevens en bestaande software. Oppervlakte gegevens van de bron botten worden gereconstrueerd van 3DCT. De bijgesneden oppervlak gegevens worden respectievelijk afgestemd met de oppervlakte gegevens van het eerste frame in 4DCT. Deze bijgesneden oppervlakken worden opeenvolgend gematcht tot het laatste frame. Deze processen bieden positionele informatie voor doel beenderen in alle frames van de 4DCT. Zodra de coördinatensystemen van de doel botten worden bepaald, kunnen translatie-en rotatiehoeken tussen twee botten worden berekend. Deze 4DCT analyse biedt voordelen in kinematische analyses van complexe constructies zoals carpaal of tarsale botten. Snelle of grootschalige bewegingen kunnen echter niet worden getraceerd vanwege bewegings artefacten.

Introduction

Gezamenlijke kinematica zijn beschreven met behulp van een aantal methodologieën, zoals motion capture sensoren, 2D-3D registratie, en cadaveric studies. Elke methode heeft specifieke voor-en nadelen. Motion capture-sensoren kunnen bijvoorbeeld snelle, grootschalige bewegingen meten met behulp van infraroodcamera’s met of zonder sensoren op het onderwerp1,2. Deze methoden meten echter de beweging van de huid om gewrichts bewegingen af te leiden en bevatten daarom huid bewegings fouten3.

Cadaveric-studies zijn gebruikt voor het evalueren van bewegingsbereik-, instabiliteit-en contact gebieden4,5,6. Deze aanpak kan kleine veranderingen in kleine gewrichten meten met behulp van CT-of optische sensoren die rechtstreeks aan het bot zijn bevestigd met behulp van pinnen of schroeven. Cadaveric-modellen kunnen voornamelijk passieve bewegingen evalueren, hoewel er meerdere actuatoren zijn gebruikt om externe krachten toe te passen op pezen om dynamische beweging7te simuleren. Actieve gezamenlijke beweging kan worden gemeten met 2D-3D-registratie technieken, overeenkomend met 3DCT-afbeeldingen aan 2D-fluoroscopie-afbeeldingen. Hoewel de nauwkeurigheid van het registratieproces controversieel blijft, is de gerapporteerde nauwkeurigheid over het algemeen hoog genoeg voor grote gezamenlijke kinematica8,9. Deze methode kan echter niet worden toegepast op kleine botten of meerdere botten in smalle ruimten.

4DCT is daarentegen een dynamische CT-methode die een reeks volumetrische gegevens verkrijgt. Actieve gezamenlijke bewegingen kunnen worden geanalyseerd met behulp van deze aanpak10. Deze technologie biedt nauwkeurige 3D-positionele gegevens van alle stoffen in de CT-brug. De 3D gezamenlijke bewegingen zijn duidelijk gevisualiseerd in een kijker. Het beschrijven van gezamenlijke kinematica van een dergelijke reeks volumegegevens is echter nog steeds moeilijk, omdat alle botten bewegen en er geen monumenten kunnen worden getraceerd tijdens de actieve bewegingen in vivo.

We ontwikkelden een methode voor 4DCT analyse die de in vivo gezamenlijke kinematica van de hele botten rond het gewricht tijdens actieve bewegingen biedt. Het doel van dit artikel is om onze methode, de sequentiële 3D-3D-registratie techniek voor 4DCT-analyse te presenteren, en representatieve resultaten te tonen die met deze methode zijn verkregen.

Protocol

Alle hier beschreven methoden zijn goedgekeurd door de institutioneel beoordelings Raad van de Keio University School of Medicine. Opmerking: gezamenlijke kinematica worden gemeten door de beweging van een bewegend bot rond een vast bot te reconstrueren. Voor kniegewricht kinematica wordt het dijbeen gedefinieerd als het vaste bot en wordt het Tibia gedefinieerd als het bewegende bot. 1. CT Imaging Protocol Stel de CT-machine in. Verkrijg CT-examens met ee…

Representative Results

We beschrijven de beweging van de Tibia tijdens knie verlenging. Het kniegewricht was gepositioneerd in de CT-portaal. Een driehoekskussen werd gebruikt om het dijbeen op de startpositie te ondersteunen. De knie werd verlengd tot een rechte positie in de loop van 10 s. blootstelling aan straling werd gemeten. Naast 4DCT werd statische 3DCT van het hele dijbeen, tibia en Patella uitgevoerd. De oppervlakte gegevens van het hele dijbeen en de Tibia werden gereconstrueerd. De drempel voor HU-…

Discussion

Onze methode maakt visualisatie en kwantificering van de bewegingen van hele botten mogelijk en levert numerieke positionele gegevens van het bewegende bot met betrekking tot het vaste bot van 4DCT-gegevens. Er zijn veel tools voorgesteld voor het meten van gewrichts kinematica. Bewegings Skin markeringen kunnen de totale lichaamsbewegingen gedurende een lange tijd analyseren. Deze methode bevat echter Skin Motion-fouten3. Gezamenlijke kinematica moeten worden geschat op basis van de beweging van …

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Deze studie is goedgekeurd door de instellings Raad voor institutionele toetsing van onze instelling (erkenningsnummer: 20150128).

Materials

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

Riferimenti

  1. 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).
  2. 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).
  3. 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).
  4. Burgess, R. C. The effect of a simulated scaphoid malunion on wrist motion. Journal of Hand Surgery. 12 (5 Pt 1), 774-776 (1987).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. 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).
  19. Mat Jais, I. S., Tay, S. C. Kinematic analysis of the scaphoid using gated four-dimensional CT. Clinical Radiology. 72 (9), e791-e799 (2017).
  20. 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).
  21. Troupis, J. M., Amis, B. Four-dimensional computed tomography and trigger lunate syndrome. Journal of Computer Assisted Tomography. 37 (4), 639-643 (2013).
  22. 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).
  23. 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).
  24. 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).
  25. 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).
  26. Zhang, X., Jian, L., Xu, M. Robust 3D point cloud registration based on bidirectional Maximum Correntropy Criterion. PloS One. 13 (5), e0197542 (2018).
  27. 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).
  28. 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).
  29. 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).
  30. 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).
check_url/it/59857?article_type=t

Play Video

Citazione di questo articolo
Oki, S., Kaneda, K., Yamada, Y., Yamada, M., Morishige, Y., Harato, K., Matsumura, N., Nagura, T., Jinzaki, M. Four-Dimensional CT Analysis Using Sequential 3D-3D Registration. J. Vis. Exp. (153), e59857, doi:10.3791/59857 (2019).

View Video