3D-printmodel af en patients specifikke lændehvirvel

Summary

Denne undersøgelse har til formål at skabe en 3D-printet model af en patientspecifik lændehvirvel, som indeholder både hvirvel- og rygmarvsnervemodellerne smeltet sammen fra HRCT- (High-Resolution Computed Tomography) og MRI-Dixon-data.

Abstract

Selektiv dorsal rhizotomi (SDR) er en vanskelig, risikabel og sofistikeret operation, hvor en laminektomi ikke kun skal udsætte et passende kirurgisk synsfelt, men også beskytte patientens rygmarvsnerver mod skade. Digitale modeller spiller en vigtig rolle i præ- og intraoperationen af SDR, fordi de ikke kun kan gøre lægerne mere fortrolige med den kirurgiske struktur på det kirurgiske sted, men også give præcise kirurgiske navigationskoordinater til manipulatoren. Denne undersøgelse har til formål at skabe en 3D digital model af en patientspecifik lændehvirvel, der kan bruges til planlægning, kirurgisk navigation og træning af SDR-operationen. 3D-printmodellen er også fremstillet til mere effektivt arbejde under disse processer.

Traditionelle ortopædiske digitale modeller er næsten udelukkende afhængige af computertomografi (CT) data, som er mindre følsomme over for blødt væv. Fusion af knoglestrukturen fra CT og den neurale struktur fra magnetisk resonansbilleddannelse (MRI) er nøgleelementet for modelrekonstruktionen i dette studie. Patientens specifikke digitale 3D-model rekonstrueres for det kirurgiske områdes virkelige udseende og viser nøjagtig måling af interstrukturelle afstande og regional segmentering, hvilket effektivt kan hjælpe med præoperativ planlægning og træning af SDR. Det gennemsigtige knoglestrukturmateriale i den 3D-printede model gør det muligt for kirurger klart at skelne det relative forhold mellem rygmarven og rygsøjlen i det opererede segment, hvilket forbedrer deres anatomiske forståelse og rumlige følelse af strukturen. Fordelene ved den individualiserede digitale 3D-model og dens nøjagtige forhold mellem rygmarvsnerven og knoglestrukturerne gør denne metode til et godt valg til præoperativ planlægning af SDR-kirurgi.

Introduction

Spastisk cerebral parese påvirker over halvdelen af alle børn med cerebral parese¹, hvilket fører til senekontrakturer, unormal skeletudvikling og nedsat mobilitet, hvilket i høj grad påvirker livskvaliteten hos berørte børn². Som den vigtigste kirurgiske metode til behandling af spastisk cerebral parese er selektiv dorsal rhizotomi (SDR) blevet fuldt valideret og anbefalet af mange lande ^3,4. Den indviklede og højrisikokarakter af SDR-kirurgi, herunder præcis skæring af lamina, positionering og dissociation af nerverødder og adskillelse af nervefibre, udgør imidlertid en betydelig udfordring for unge læger, der lige er begyndt at engagere sig i SDR i klinisk praksis; endvidere er indlæringskurven for SDR meget stejl.

I traditionel ortopædkirurgi skal kirurger mentalt integrere alle præoperative todimensionelle (2D) billeder og oprette en 3D-kirurgisk plan⁵. Denne tilgang er særlig vanskelig for præoperativ planlægning, der involverer komplekse anatomiske strukturer og kirurgiske manipulationer, såsom SDR. Med fremskridt inden for medicinsk billeddannelse og computerteknologi kan 2D-aksiale billeder, såsom computertomografi (CT) og magnetisk resonansbilleddannelse (MRI) behandles for at skabe virtuelle 3D-modeller med patientspecifik anatomi⁶. Med forbedret visualisering kan kirurger analysere disse behandlede oplysninger for at foretage mere detaljerede diagnoser, planlægning og kirurgiske indgreb, der er skræddersyet til patientens tilstand. I de senere år har anvendelsen af multimodal billedfusionsteknologi inden for ortopædi gradvist tiltrukket sig opmærksomhed⁷. Denne teknologi kunne fusionere CT- og MR-billeder, hvilket i høj grad forbedrer nøjagtigheden af den analoge digital3D-model. Imidlertid er anvendelsen af denne teknik i præoperative modeller af SDR endnu ikke blevet undersøgt.

Nøjagtig placering af lamina og rygmarvsnerve og præcis skæring under SDR-kirurgi er afgørende for vellykkede resultater. Disse opgaver er typisk afhængige af eksperternes erfaring og bekræftes gentagne gange af en C-arm under operationen, hvilket resulterer i en kompleks og tidskrævende kirurgisk proces. Den digitale 3D-model fungerer som fundament for fremtidig SDR-kirurgisk navigation og kan også bruges til præoperativ planlægning af laminektomiprocedurer. Denne model smelter knoglestrukturen fra CT og rygmarvsnervestrukturen fra MR og tildeler forskellige farver til lændehvirvelsektionerne, der er markeret til skæring i henhold til den kirurgiske plan. Sådanne holografiske 3D-printmodeller til SDR letter ikke kun præoperativ planlægning og simulering, men udsender også nøjagtige 3D-navigationskoordinater til den intraoperative robotarm for præcis skæring.

Protocol

Alle data kommer fra den kliniske patient, hvis SDR-operation blev udført på BJ Dongzhimen Hospital. Protokollen følger retningslinjerne fra og blev godkendt af Dongzhimen Hospitals forskningsetiske komité.

BEMÆRK: Hele kortet over modelrekonstruktionsprotokollen er vist i figur 1. HRCT-data (High-Resolution Computed Tomography) og Dixon-data er råmaterialer til modellering; derefter består 3D-modeloprettelsen af billedregistrering og fusion. Den endelige digitale 3D-model udskrives af PolyJet-teknologi, som er en 3D-printproces med høj præcision, der producerer glatte og nøjagtige dele ved hjælp af en bred vifte af materialer. For at beskrive det rumlige forhold mellem ryghvirvlen og rygmarven nøjagtigt anvendes HRCT-data og Dixon-billedserier. Dixon-scanningen kan identificere vand- og fedtseparationsbilleder, hvor Dixon-vandfasebilledserien kan bruges til at ekstrahere strukturen af rygmarvsnerverne, og Dixon-in-fasebilledserien kan bruges til at kontrollere registreringen af knoglestrukturen.

Figur 1: Hele kortet over protokollen. Forskningsmetoden i denne undersøgelse involverer fusion af CT og magnetisk resonans Dixon-sekvenser. Specifikt er CT-hvirvlernes struktur registreret med den identiske hvirvelstruktur indeholdt i Dixon-in-sekvensen efterfulgt af fusion med Dixon-w-sekvensen for rygmarvsnerven. Klik her for at se en større version af denne figur.

1. Dataindsamling og -forberedelse

1. CT med høj opløsning til ryghvirvler
   BEMÆRK: Parameterforskellen er ikke følsom over for forskningsmetoden.
   1. Indstil dataressourcerne fra CT-maskinstationen.
      BEMÆRK: Her anvendes SIEMENS-CTAWP73396 CT-maskinen.
   2. Åbn Syngo CT 2012B-softwaren for at modtage data fra scanningsprotokollen SpineRoutine_1. Vælg pixelstørrelse og udsnitstykkelse (ST) for datasættet for at tilpasse sig størrelsen på de ryghvirvler, der skal repræsenteres i den digitale 3D-model.
   3. Brug en ST på 1 mm med en matrixstørrelse på 512 pixel x 512 pixel, hvor pixelafstanden er 0,3320 mm. Den faktiske størrelse af det opnåede 3D-volumen er 512 x 512 x 204 voxels.
2. Dixon sekvens for spinal nerve
   BEMÆRK: En 1,5 T MR-maskine anvendes i denne undersøgelse.
   1. Indstil Dixon-billedopløsningen til 290 pixel x 320 pixel, pixelafstanden til 0,9375 mm og udsnitstykkelsen til 3 mm for at få nøjagtige data.
   2. Indstil gentagelsestiden til 5.160 ms og ekkotiden til 94 ms.
   3. Sørg for, at hvert scannet lag består af firefasede billeder, som er Dixon-in, Dixon-opp, Dixon-F og Dixon-w.
3. Forbered datalagring af filer til modelrekonstruktion.
   BEMÆRK: En veldefineret datalagringsstruktur er mere praktisk til opfølgningsarbejde.
   1. Lav en projektmappe til at indeholde alle de data, der tilhører patienten.
   2. Forbered forskellige filstier til HRCT- og MRI-Dixon-data ved at oprette forskellige mapper til DICOM-data (Digital Imaging and Communications in Medicine).
   3. Lav en separat mappe under projektet for alle analyseresultater.

2. Den digitale 3D-hvirvelmodel

BEMÆRK: Alle underprocesfunktioner kommer fra softwareværktøjer, hvis ejendom tilhører Beijing Intelligent Entropy Science & Technology Co Ltd.

1. Kald Dicom2Mat-underprocessen på MATLAB-arbejdspladsen for at hente 3D-diskenheden fra DICOM-filerne, der er gemt i HRCT-datamappen.
2. Efter at have gennemgået Dicom2Mat-underprocessen , se hvert udsnit inden for 3D-diskenheden gennem den grafiske brugergrænseflade (GUI), som vist i figur 2.
3. Visualiser derefter intensitetsfordelingen af HRCT-dataene for ryghvirvlerne ved hjælp af hist-funktionen (figur 3).
4. Kald underprocessen NoiseClean for at slette signalstøj dannet af enheden under HRCT-datafilstierne.
5. Brug underprocessen Hvirvelfunktion under samme sti for at få ryghvirvelmodellen , som også er et 3D-volumen, men kun med knoglestrukturen (figur 4). Højpasfilterparametrene, intensiteten fra 190 til 1.656.

3. Den digitale 3D-rygmarvsnervemodel

BEMÆRK: Dixon-in indeholder knoglestruktur, mens Dixon-w beskriver neural struktur.

1. Brug Dicom2Mat-underprocessen i begge stier i Dixon-in- og Dixon-w-sekvenserne, og få deres 3D-volumen.
2. Desuden visualiseres hver enkelt skive, der udgør et 3D-volumen ved hjælp af GUI præsenteret i figur 5. Få adgang til denne visualisering, når Dicom2Mat-underprocessen er afsluttet.
3. Brug Spinal_Nerve-funktionen til at rekonstruere rygmarvsnervemodellen med højpasfilterparametre, intensiteten fra 180 til 643. Fordi nervens signaler i Dixon-w-sekvensen er meget høje, skal du ekstrahere spinalnervens 3D-volumen ved at filtrere punkter med lav intensitet.
4. Når den Spinal_Nerve delproces er færdig, skal du kontrollere den model, der genereres i den grafiske brugergrænseflade, der er vist i figur 6.

4. Registrering og fusion

BEMÆRK: Den vigtigste indsigt er, at knoglearkitektur er til stede i både HRCT og Dixon-in billeddannelsessekvens.

1. Kopier de tre 3D-diskenheder, der er opnået indtil videre, til filstien til projektet, der blev oprettet i trin 3.1. Modellerne fra HRCT og Dixon-in har samme ryghvirvelstruktur, og modellerne fra Dixon-in og Dixon-w har de samme koordinater.
2. Sæt derefter de tre modellers filnavne i vertebra_fusion-underprocessen som input til generering af fusionsmodellen. Dette kan visualiseres i figur 7.
3. Fusionen er normalt godt klaret. Hvis finjustering er nødvendig fra lægens perspektiv, skal du tilføje koordinatparametre i alle retninger til den samme funktion for at korrigere fusionsmodellen. Hvis der observeres små fejl i fusion fra et klinisk perspektiv, skal du bruge vertebra_fusion funktionen til at finjustere fusionskoordinaterne. Denne proces involverer parameterjusteringer af de seks dimensioner af koordinatretning (XYZ-koordinater og deres rotation).
4. Lav en separat mappe i projektmappen til udsendelse af resultatet af fusionsmodellen.

5. Digitale modelfiler til 3D-udskrivning

BEMÆRK: Et fuldt udviklet 3D-printapparat anvendes til fremstilling af den førnævnte digitale model med implementering af Delaunay-trianguleringer. Her blev Stratasys J55 Prime 3D-printeren brugt.

1. Eksporter de fusionsmodeller, der skal bruges til 3D-udskrivning i DICOM-formatsekvenserne under filstien til fusionsmappen. Brug Mat2Dicom-algoritmen til at udføre eksportoperationen ved at indtaste fusionsmodellen.
2. Åbn DICOM-filsekvensen, der tidligere blev eksporteret ved hjælp af Materialise Mimics V20. For at udføre eksporthandlingen skal du navigere til menuen Eksport under fanen Filer og vælge VRML-formatet. Filstien til eksporten kan frit tilpasses i henhold til brugerens krav.
3. Da gennemsigtig farverig 3D-udskrivning er en professionel service, komprimere og pakke VRML-filerne og sende dem til tjenesteudbyderen. Resultatet af 3D-udskrivning er vist i figur 8.

Representative Results

Baseret på lumbal CT/MR-billedfusionsdata hos børn med cerebal parese skabte vi en repræsentativ model af lændehvirvelsøjlen kombineret med rygmarvsnerver. Højpasfiltrering blev brugt til at udtrække det høje signal i CT-værdiområdet 190-1.656 fra HRCT for at opnå rekonstruktion af knoglestrukturen i lændehvirvelsøjlen i operationsområdet. Spinal nervestrukturer blev rekonstrueret ved high-pass filtrering af Dixon-w sekvenser i MR. Den digitale model og punktskydatakoordinater for lændehvirvelsøjlestrukturen og rygmarvsnervefusionen blev opnået gennem stiv registrering, og filen blev gemt i stereolitografiformat (STL) til datamåling og yderligere udskrivningsbehandling. De digitale STL-modelfiler konverteres til VRML-format til overførsel til Stratasys J55 Prime 3D-printeren. For aktivt at demonstrere anatomien af det kirurgiske sted under SDR-kirurgi printede vi knoglerne i gennemsigtig harpiks og trykte de andre dele i forskellige farver. Den 3D-printede model kan derefter afsløre det rumlige forhold mellem centrale kirurgiske steder i SDR for kirurger og patienter under præoperativ planlægning og træning.

Den opnåede personlige 3D lændehvirvelsøjlemodel giver mulighed for præoperativ planlægning og træning af SDR. Forskellige farvefarvestoffer bruges til at plette og skelne mellem strukturerne, såsom knogler og nerver. Som vist i figur 8 er rygmarvsnervestrukturen farvet gul, og lamina af L4- og L5-segmenter i det tilsvarende operationsområde kendetegnes ved henholdsvis rød og blå farvning. Knoglestrukturen er trykt ved hjælp af et gennemsigtigt harpiksmateriale, som har et godt perspektiv, så lægerne kan observere nervestrukturen under lamina gennem knoglestrukturen. Den personlige, tilpassede model genopretter virkelig det tilsvarende forhold mellem lændehvirvelsøjlestrukturen i operationsområdet og rygmarvsnervens anatomi, så lægerne bedre kan definere den passende skæreretning og rækkevidde før operationen.

Figur 2: GUI'en for udsnit i diskenheden fra HRCT-data. Gennem GUI vist i figuren kan kirurger se rygsøjlestrukturen indeholdt i alle CT-data. Klik her for at se en større version af denne figur.

Figur 3: Intensitetsfordelingen af HRCT-data for ryghvirvler. Disse kvantitative oplysninger er nyttige til bestemmelse af filtreringsområdet for ryghvirvlernes struktur. Klik her for at se en større version af denne figur.

Figur 4: GUI for 3D-volumen af ryghvirvlerne. Figuren viser de tre visninger af ryghvirvlerne og 3D-lydstyrken på samme tid. Gennem denne GUI kan kirurger observere patienternes ryghvirvler fra ethvert ønsket perspektiv. Klik her for at se en større version af denne figur.

Figur 5: GUI af skiver i volumen fra Dixon-in og Dixon-w. Dixon-billeddannelse kan hurtigt gennemses, og billederne af patienternes ryghvirvler og rygmarvsnerver kan kontrolleres. Klik her for at se en større version af denne figur.

Figur 6: GUI for 3D-volumenet af rygmarven. 3D-rekonstruktionen af patientens Dixon-w-sekvens til observation af 3D-strukturen af patientens rygmarvsnerve. Klik her for at se en større version af denne figur.

Figur 7: GUI for fusionsmodellen (3D digital volumen). 3D-volumenet indeholder både hvirvelstrukturen fra CT-dataene og 3D-strukturen af rygmarven fra magnetisk resonans. Klik her for at se en større version af denne figur.

Figur 8: 3D-printmodellen til SDR-planlægning og -træning. Den gennemsigtige farverige 3D-printmodel viser den anatomiske struktur i det område, hvor SDR-kirurgi skal udføres på patienten. Klik her for at se en større version af denne figur.

Discussion

Denne undersøgelse giver en arbejdsgang til etablering af en præoperativ 3D-printmodel af lændehvirvelsøjlen hos patienter med cerebral parese med det formål at lette præoperativ planlægning for SDR-kirurgi og forbedre anatomisk træning baseret på patientens specifikke model. Studiet har til formål at etablere en meget pålidelig 3D-printet model, der præcist demonstrerer patientens lændehvirvelsøjle- og nervestrukturer. Ved at måle placeringen af lamina og rygmarvsnerven i modellen før operationen kan der opnås præcis planlægning af laminaskæringen, hvilket fører til optimering af kirurgiske procedurer og erhvervelse af beherskelse i SDR kirurgisk teknologi.

Det primære nøgletrin, der blev undersøgt i denne undersøgelse, var fusionen af CT- og Dixon-sekvenser. Fusionen var afhængig af tilstedeværelsen af de samme knoglestrukturer i både CT-dataene og Dixon-in-sekvenserne, samt det faktum, at Dixon-in- og Dixon-w-dataene var i det samme koordinatsystem. Dette tillod den endelige fusion af rygmarven og vertebrale knoglestrukturer. Det andet vigtige skridt var brugen af farvegennemsigtig udskrivningsteknologi til fremstilling af den digitale 3D-model. Denne trykteknologi var i stand til at fremhæve patientens anatomiske strukturer, den præcise placering af laminektomi og den relative position af de intervertebrale foramina og nerverødder.

I de seneste årtier har mange kirurgiske teams udviklet innovative teknikker til SDR ^8,9 med primært fokus på at minimere rygmarvsskader under proceduren. Dette skyldes den veletablerede effekt af langsegmentkirurgi i spasmelindring sammen med bekymringer vedrørende virkningen af omfattende laminektomi på rygmarvsstabilitet¹⁰. Vellykket SDR-kirurgi kræver en kritisk laminektomi, som kræver både tilstrækkelige snit i lamina for at muliggøre yderligere neurokirurgisk manipulation og bevarelse af tilstrækkelig lamina til at undgå spinal destabilisering. Præcis laminær skæring uden skader eller negative virkninger under operationen kræver en omfattende forståelse af skæringens position, størrelse og sektion. I øjeblikket er præoperativ SDR-evaluering primært afhængig af CT / MR-billeddannelse og klinisk erfaring, som muligvis ikke fuldt ud opfylder kravene til præcise skæreoperationer. I de senere år har anvendelsen af multimodal billedfusion i rygkirurgi vist stor potentiel værdi, mens relevant forskning stadig er sjælden. Denne undersøgelse havde således til formål at fusionere præoperativ lændehvirvelsøjle-CT og MR for at rekonstruere en 3D digital model, der nøjagtigt repræsenterer både knoglestrukturen og rygmarven. Den rekonstruerede digitale 3D-model blev yderligere 3D-printet og kunne bruges til effektiv læge-patient-kommunikation og præoperativ planlægning. Modellens præcise placering af lændehvirvelnervens rodudløb muliggjorde en bedre forståelse af det rumlige forhold mellem ryghvirvlerne og nerveroden, hvilket letter en effektiv operation for både kirurger og kirurgiske robotter.

Desuden udviser børn med cerebral parese tydelig spinal- og skeletudvikling, kendetegnet ved en hypoplastisk trabekulær knoglemikrostruktur, tynd cortex og lav knoglestyrke¹¹. Disse unikke anatomiske træk og komplekse manipulationer gør SDR-kirurgi udfordrende at mestre. Derfor anvendte vi 3D-printteknologi til at fremstille anatomisk præcise lændehvirvelmodeller af rigtige patienter, hvilket giver en objektiv reference til kirurgisk læring. Denne teknik er ideel til mindre erfarne kirurger og kan potentielt reducere læringstiden¹². Derudover tilbyder individuelt tilpassede modeller den ekstra fordel, at de fuldt ud genopretter patientens unikke struktur, hvilket giver værdifuld indsigt for dem med komplekse anatomiske variationer^13,14.

Indledende billedoptagelse i høj kvalitet er afgørende for vellykket 3D-udskrivning¹⁵. I denne undersøgelse blev der opnået en realistisk og nøjagtig 3D-printmodel gennem registrering af HRCT- og MR-data. Gennemsigtig udskrivning af knoglestrukturen og farvning af laminernes planlægningsområde forbedrede yderligere modellens intuitive repræsentation af kirurgisk anatomi. Traditionelt erhverver kirurger kirurgiske færdigheder primært i operationsstuen, hvilket øger risikoen for kirurgi, når yngre kirurger først forsøger at erhverve sådanne færdigheder i praksis¹². Med objektive fysiske 3D-printmodeller kan ledende kirurger lettere kommunikere deres kirurgiske erfaring til yngre læger. Derudover kan 3D-printmodellerne unikt give enkeltpersoner simuleret kirurgisk træning baseret på en reel patientstrukturel rekonstruktion, hvilket potentielt fremskynder lægens læringsproces for SDR og samtidig forbedrer sikkerheden ved medicinske procedurer. Samlet set har denne tilgang et stort løfte om at forbedre kirurgisk træning og forbedre patientresultaterne.

På nuværende tidspunkt forbliver anvendelsen af 3D-udskrivning i ortopædi i udforskningsfasen, og eksisterende biomaterialeteknologi er ikke i stand til nøjagtigt at repræsentere materialerne i forskellige humane væv og simulere biomekanikken i leddene⁵. Under en laminektomi er de elastiske modeller af forskellige væv komplekse og udsat for forstyrrelser ved diskbevægelse og åndedrætsbevægelse^16,17. Derfor kan denne undersøgelse ikke fuldt ud replikere den virkelige tilstand hos den intraoperative patient under skæreoperationen, hvilket kræver yderligere forskning i 3D-printmodellen inden for biomekanik og materialevidenskab. Desuden kan fusionsproceduren, der anvendes i denne undersøgelse, forbedres yderligere, hvis der kan udtænkes en koordinatregistreringsmetode under de medicinske billeddannelsesprocedurer for både CT- og MR-udstyret, hvilket potentielt forbedrer nøjagtigheden.

Hvis en koordinatregistreringsmetode kan designes under medicinske billeddannelsesprocedurer for både CT- og MR-udstyr, kan fusionsproceduren i denne undersøgelse yderligere forbedre nøjagtigheden. Den forventede gradvise forbedring i denne del af forskningen er i gang. I øjeblikket kan modellen ikke fuldt ud vise oplysninger om rygmarvsnervefiberbundter. I det kommende videnskabelige arbejde vil diffusionstensorbilleddannelse blive yderligere brugt til at spore spinal nervefiberbundter og smeltet sammen for at opnå en mere detaljeret 3D digital model til SDR.

Afslutningsvis giver 3D-printmodellen for SDR i denne undersøgelse ikke kun detaljerede og nøjagtige data til præoperativ planlægning, men giver også et kernemedium til SDR-træning. Modellen smelter med succes knoglestruktur fra CT med blødt vævsstruktur fra MR. Succesen med dette billedgruppefusionsparadigme udnytter de respektive fordele ved to vigtige medicinske billedkilder til at danne et supplement. Dette forskningsparadigme vil også spille en lige så vigtig rolle inden for andre områder af medicinsk billeddiagnostik, behandling og prognoseevaluering.

Materials

Name	Company	Catalog Number	Comments
J55 Prime 3D-Printer	Stratasys	J55 Prime	Manufacturing the model
MATLAB	MathWorks	2022B	Computing and visualization
Mimics	Materialise	Mimics Research V20	Model format transformation
Tools for volum fusion	Intelligent Entropy	VolumeFusion V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion