Biplanare Videoradiographie zur Untersuchung des Handgelenks und der distalen Radioulnargelenke

Die biplanare Videoradiographie (BVR) ist ein fortschrittliches bildgebendes Verfahren zum Verständnis der dreidimensionalen Bewegung von Skelettknochen und Implantaten. Durch die Kombination von dichtebasierten Bildvolumen und Röntgenbildern der distalen oberen Extremität wird der BVR zur Untersuchung der In-vivo-Bewegung des Handgelenks und des distalen Radioulnargelenks sowie für Gelenkendoprothesen verwendet.

Die genaue Messung der Skelettkinematik in vivo ist unerlässlich für das Verständnis der normalen Gelenkfunktion, des Einflusses der Pathologie, des Krankheitsverlaufs und der Auswirkungen von Behandlungen. Messsysteme, die Marker für die Hautoberfläche verwenden, um auf die Skelettbewegung zu schließen, haben wichtige Einblicke in die normale und pathologische Kinematik geliefert, jedoch kann mit diesen Systemen keine genaue Arthrokinematik erreicht werden, insbesondere bei dynamischen Aktivitäten. In den letzten zwei Jahrzehnten haben biplanare Videoradiographie-Systeme (BVR) es vielen Forschern ermöglicht, die Skelettkinematik der Gelenke bei Aktivitäten des täglichen Lebens direkt zu untersuchen. Um BVR-Systeme für die distale obere Extremität zu implementieren, werden Videoröntgenaufnahmen des distalen Radius und der Hand von zwei kalibrierten Röntgenquellen aufgenommen, während ein Proband eine bestimmte Aufgabe ausführt. Dreidimensionale (3D) Starrkörperpositionen werden aus den Videoröntgenbildern über eine Best-Fit-Registrierung von 3D-Modellprojektionen auf jede BVR-Ansicht berechnet. Bei den 3D-Modellen handelt es sich um dichtebasierte Bildvolumina des spezifischen Knochens, die aus unabhängig gewonnenen Computertomographie-Daten abgeleitet werden. Durch die Verwendung von Grafikprozessoren und Hochleistungsrechensystemen hat sich dieser modellbasierte Tracking-Ansatz als schnell und genau bei der Bewertung der Biomechanik des Handgelenks und des distalen Radioulnargelenks erwiesen. In dieser Studie fassten wir zunächst die vorangegangenen Studien zusammen, die die Submillimeter- und Subgrad-Übereinstimmung von BVR mit einem in vitro optischen Motion-Capture-System bei der Bewertung der Kinematik des Handgelenks und des distalen Radioulnargelenks festgestellt haben. Darüber hinaus haben wir die BVR verwendet, um das Rotationsverhalten des Handgelenks zu berechnen, das Gelenkmuster der Komponenten des Implantats zueinander zu bewerten und die dynamische Veränderung der ulnaren Varianz während der Pronosupination des Unterarms zu beurteilen. In Zukunft könnten Handwurzelknochen durch die Hinzufügung von flachen Röntgendetektoren, mehr Röntgenquellen (z. B. multiplanare Videoradiographie) oder fortschrittlichen Computer-Vision-Algorithmen detaillierter erfasst werden.

Die genaue Messung der Skelettkinematik in vivo ist unerlässlich für das Verständnis einer gesunden und ersetzten Gelenkfunktion, des Einflusses der Pathologie, des Krankheitsverlaufs und der Auswirkungen von Behandlungen. Die nicht-invasive Quantifizierung der Skelettkinematik an der Gelenkoberfläche (Arthrokinematik) ist entscheidend für das Verständnis von Gelenkpathologien und -erkrankungen, wie z. B. Arthrose, aber sie ist auch technisch anspruchsvoll. Früher haben Techniken, die Marker auf der Hautoberfläche verwenden, um auf die Skelettbewegung zu schließen, wichtige Einblicke in die gesunde und pathologische Kinematik geliefert. Eine genaue Arthrokinematik kann mit diesen Techniken jedoch nicht erreicht werden, insbesondere bei dynamischen Aktivitäten wie Aktivitäten des täglichen Lebens. Diese optischen Systeme sind von Natur aus in ihrer Genauigkeit eingeschränkt, da die Hautbewegung relativ zu den darunter liegenden Knochen die Hauptfehlerquelle bei der Analyse menschlicher Bewegungen darstellt ^1,2.

Die derzeit neuesten Methoden zur Quantifizierung der dreidimensionalen (3D) Skelettkinematik sind das bildbasierte Tracking, nämlich die Biplane Videoradiographie (BVR)³ und die serielle Computertomographie (CT) Band⁴ sowie die Magnetresonanztomographie (MRT)⁵. Obwohl reguläre 3D-CT- und MRT-basierte Technologien sehr genau und in vielen Krankenhäusern auf der ganzen Welt zugänglich sind, sind sie nicht in der Lage, die dynamische Bewegung der Gelenke zu messen. Bildgebende Verfahren wie die 4D-CT⁶ und die dynamische MRT⁷ wurden in den letzten Jahren entwickelt, um dieses Manko zu beheben. Diese Methoden setzen die Patienten jedoch entweder einer hohen Strahlendosis aus oder leiden unter einer geringen zeitlichen Auflösung.

Durch die Kombination neuartiger Computer-Vision-Algorithmen und traditioneller Röntgensysteme hat sich BVR als genau für mehrere Gelenke bei Tieren und Menschen erwiesen. Gelöst entweder mit markerbasierten oder modellbasierten Tracking-Algorithmen. Markerbasierte Ansätze verfolgen Tantalkügelchen, die in Knochen oder Weichgewebe eingebracht werden, und sind optimal für Tier- und In-vitro-Tests. Für die In-vivo-Forschung am Menschen sind sie jedoch unerschwinglich invasiv. Glücklicherweise bieten Verbesserungen bei modellbasierten Tracking-Algorithmen eine praktikable Alternative. Modellbasierte BVR-Tracking-Ansätze beim Menschen beinhalten die Aufbereitung der durch CT oder MRT aufgenommenen volumetrischen Bildsätze in einer statischen Haltung und die Erfassung der Bewegungen von Interessenten im Sichtfeld von zwei Röntgenbildern. Die meisten modellbasierten Tracking-Anwendungen generieren dann digital rekonstruierte Röntgenbilder (DRR) des Knochens oder Implantats aus den statischen CT- oder MRT-Bildern und gleichen sie mit merkmalserweiterten Videoröntgenbildern ab, wobei Metriken verwendet werden, die die Ähnlichkeit zwischen DRRs und Videoröntgenaufnahmen belegen⁸. Dieser Vorgang wird als "Tracking" des Knochens oder Implantats bezeichnet.

Die primären Ausgangsvariablen der Verfolgung von Knochen oder Implantaten sind die Starrkörperkinematik, aus der Gelenkkinematik, Banddehnungen ^9,10, Gelenkabstände als Surrogat für die Knorpeldicke¹¹, Gelenkkontakt^12,13 und andere Biomarker berechnet werden können. Kürzlich haben wir die Genauigkeit des modellbasierten Trackings der BVR bei der Berechnung der Biomechanik des Handgelenks, der Handgelenkstotalendoprothetik (TWA) und des distalen Radioulnargelenks (DRUJ) ^{dokumentiert14,15}. Im folgenden Abschnitt wird ein detailliertes Protokoll dieser validierten Methode zur Untersuchung der Bewegung des Skeletthandgelenks, der Totalendoprothetik des Handgelenks und des distalen Radioulnargelenks bei verschiedenen Aufgaben vorgestellt. Wir segmentieren die dichtebasierten Bildvolumina der Knochen und Implantate aus den CT-Bildvolumen, verfolgen diese partiellen Bildvolumina innerhalb der Videoröntgenbilder und bestimmen Ergebnisse wie Rotationszentrum, Kontaktmuster und ulnare Varianz, um die Stärken und Grenzen dieser Methode zu demonstrieren.

Diese Studie wurde vom Institutional Review Board (IRB) des Lifespan - Rhode Island Hospital, einem AAHRPP-akkreditierten IRB, genehmigt. Insgesamt 16 Patienten gaben eine unterschriebene Einverständniserklärung gemäß den institutionellen Richtlinien ab.

1. Datenerfassung

1. Computertomographie (CT)
   1. Bereiten Sie die Proben oder Probanden für das CT vor.
      HINWEIS: Für die Genauigkeitsbewertung^{wurden 14,15} Jahre lang 6 intakte Unterarme von vier intakten Leichenproben (70,5 ± 12,3 Jahre, 4 rechte, 2 weiblich) und 1 Unterarm (49 Jahre, rechts, weiblich) mit einer Handgelenkstotalendoprothetik verwendet. Für die in vivo-Studie ¹⁶ wurden 10 Probanden mit gesunden Handgelenken (57,0 ± 5,2 Jahre, acht Frauen, neun rechtshändige dominant) und 6 Patienten (74,7 ± 5,6 Jahre, zwei Frauen, zwei rechte, vier dominante Handgelenke) aufgenommen, die sich einer Handgelenkstotalendoprothetik unterzogen hatten.
   2. Um jedes Subjekt⁴ abzubilden, nehmen Sie einen CT-Scan des distalen Unterarms mit einem Erfassungsdurchmesser von 25 cm auf und rekonstruieren Sie mit einem Sichtfeld von 20 cm unter Verwendung des Bone Plus-Faltungsalgorithmus unter Verwendung eines klinischen 16-Zeilen-CT-Scanners. Verwenden Sie Röhreneinstellungen von 80 kVp und 80 mA. Begrenzen Sie die Exposition des Unterarms auf ca. 7 cm proximal der distalen Radiusfläche zu den distalen Phalangen.
      HINWEIS: In dieser Studie betrugen die Voxelabmessungen des Bildes 0,39 × 0,39 mm² in der Querebene des Unterarms und 0,625 mm entlang der Längsachse des Unterarms.
   3. Übertragen Sie die aufgenommenen CT-Bilder mit einem HIPPA-zugelassenen Protokoll im DICOM-Format (Digital Imaging and Communications in Medicine) auf den Computer des Labors.
2. Biplanare Videoradiographie (BVR)
   1. Versuchsaufbau (Abbildung 1). Um einen Gesichtsfelddurchmesser zu ermöglichen, der in der Lage ist, den distalen Radius, die distale Ulna, die Handwurzelknochen und den Mittelhandknochen zu erfassen, sowie eine Perspektive zur Minimierung knöcherner Okklusionen in verschiedenen Handgelenkshaltungen, positionieren Sie die Bildverstärker (IIs) unterhalb der Unterarme und stellen Sie den Winkel zwischen ihnen auf 110° ein (Röntgenquellen richten sich nach unten auf die entsprechenden IIs in einem Winkel von 55° relativ zum Boden).
      1. Erzeugen Sie die Röntgenstrahlen im kontinuierlichen Modus mit einer Belichtungseinstellung zwischen 65 und 75 kV, abhängig von der Sichtbarkeit des Knochens/Implantats, und 80 mA. Stellen Sie den Abstand zwischen Quelle und Bild beider Röntgen-II-Paare auf ca. 130 cm und den Abstand zwischen Quelle und Hand auf 90 cm ein.
         HINWEIS: In dieser Studie trugen die Probanden im Labor eine Röntgenschutzschürze, eine Halsabdeckung für den Schilddrüsenkragenschild und ein digitales Dosimeter. Alle Forscher standen während des Experiments hinter einem Bleischutzglas.
      2. Platzieren Sie einen Bock oder eine ähnliche Struktur zwischen den IIs und verwenden Sie ihn zum Platzieren von Gegenständen (z. B. Türklinke, Hammer, Krug) für die Motive.

Abbildung 1. Versuchsaufbau. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

2. Unverzerrtes Gitter (Abbildung 2A). Da die externen elektromagnetischen Felder das Verhalten der Röntgenstrahlen (d. h. die Elektronenwege) beeinflussen, leiden die Röntgenbilder unter nichtlinearen nadelkissenförmigen und S-förmigen Verzerrungen¹⁷. Um diese Verzerrungen zu entfernen, verwenden Sie das Bild eines flachen Stücks Präzisionsperforiertes Blech (d. h. ein unverzerrtes Gitter)^18,19. Platzieren Sie verzerrungsfreie Gitter auf den IIs und erfassen Sie ihre Bilder sowohl vor als auch nach den Videoradiographiedaten. Speichern Sie diese Bilder als 8-Bit-TIFF-Bilder für beide Röntgenquellen.
3. Kalibrierung (Abbildung 2B). Eine Kalibrierung der Röntgenquellen ist notwendig, um die 3D-Koordinaten der Objekte (Knochen oder Implantate) zu ^berechnen20. Verwenden Sie Bilder eines 3D-Objekts mit bekannter Geometrie, das regelmäßig röntgenundurchlässige Kugeln beabstandet hat, um eine Beziehung zwischen der Position und Ausrichtung der Röntgenquelle im 3D-Raum und dem Bildraum (d. h. Röntgenbildern) herzustellen. Ein kubisches Objekt (d. h. ein Kalibrierwürfel) aus Acrylplatten und Abstandshaltern mit Stahlkugeln sind für BVR-Einstellungen¹⁹ effektiv und genau.
   1. Erfassen Sie Röntgenbilder des Kalibrierwürfels¹⁸ in verschiedenen Ausrichtungen 4 mal vor der Durchführung des Experiments und 4 mal nach dem Experiment. Die Kalibrierungen nach dem Experiment dienen dazu, zu bestätigen, dass der Versuchsaufbau während des gesamten Experiments unverändert bleibt. Speichern Sie alle Bilder als 8-Bit-TIFF-Bilder für beide Röntgenquellen.

Abbildung 2. A) Unverzerrtes Gitter. B) Kalibrierwürfel und seine Referenzelemente. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

4. Beschreibung der Aufgaben. Definieren Sie verschiedene Aufgaben, um die Bewegung des Handgelenks während der Flexion-Streckung, der radial-ulnaren Abweichung und der Zirkumduktion¹⁶ zu erfassen. Beschreiben Sie DRUJ-Bewegungsaufgaben als Unterarmdrehung von einer Haltehaltung zur vollen Pronation oder zur vollständigen Supination, definiert als Drehung eines Türknaufs mit T-Griff im Uhrzeigersinn und gegen den Uhrzeigersinn²¹. Nehmen Sie Videoröntgenaufnahmen des Handgelenks in seiner neutralen Haltung (d. h. neutrale statische Aufgabe) auf. Erfassen Sie die neutrale Pose mit dem Handrücken koplanar mit der Rückseite des Unterarms.
   HINWEIS: In der Ausgangshaltung für alle Aufgaben befand sich die Schulter in Adduktion, der Ellenbogen wurde auf Gelenkhöhe abgestützt und der Unterarm war frei und in seiner neutralen Rotation. Die Aufgaben der Flexion-Extension und der radial-ulnaren Abweichung wurden als die Rotation der Handfläche relativ zur volar-dorsalen bzw. radial-ulnaren Seite der Hand beschrieben. Die Zirkumduktion wurde als die Bewegung des Handgelenks beschrieben, die darauf abzielte, einen maximalen aktiven Bewegungsumfang in alle Richtungen zu erreichen.
5. Aufnahme von Videoröntgenaufnahmen. Erfassen Sie Röntgenbilder mit einer Rate von 200 Hz und einer Verschlusszeit von 500 μs. Nehmen Sie für jede Aufgabe zwei Sekunden Bildgebung auf, um 2 Wiederholungen zu erhalten. Speichern Sie Röntgenbilder, die von jeder Röntgenquelle aufgenommen wurden, als CINE-Video in einem 8-Bit-Format.
   HINWEIS: In dieser Studie hatten die Röntgenbilder eine Bildgröße von 1760×1760 Pixeln und eine Auflösung von ca. 0,22 mm×0,22 mm pro Pixel.
   HINWEIS: Aktuelle Röntgenquellen verfügen über eine Option zur Vergrößerung des Sichtfelds (FOV). In dieser Studie wurde jedoch der von der Hardware angebotene vergrößerte Modus nicht verwendet. Basierend auf der Aufgabenbeschreibung können Sie mit dieser Funktion möglicherweise Ausgaben mit höherer Auflösung abrufen. Wenn diese Funktion verwendet wird, müssen die Schritte "Unverzerrtes Raster" und "Kalibrierung" in diesem Modus erfasst werden.

3. Optical Motion Capture (OMC) - Genauigkeitsstudie
   1. Verwenden Sie das in früheren Studien beschriebene optische Motion-Capture-Datenerfassungsprotokoll (OMC)^14,15. Befestigen Sie zwei Marker-Cluster mit jeweils vier retroreflektierenden Markerkugeln mit einem Durchmesser von 9,5 mm direkt an den dritten Mittelhand- und Radiusknochen. Erfassen Sie Markierungsbewegungen mit 8 optischen Motion-Capture-Kameras. Synchronisieren Sie den Start der OMC-Datenerfassung mit dem BVR durch einen aktiven externen Low-Trigger.

2. Datenverarbeitung

1. Computertomographie (CT)
   1. DICOM-Anonymisierung. Anonymisieren Sie die DICOMs und importieren Sie sie in eine Bildverarbeitungssoftware für die 3D-Modellierung (z. B. Mimics Materialise). Öffnen Sie in der Mimics Materialise-Software in der Symbolleiste "Datei " das Fenster "Anonymisieren ". Wenn das neue Fenster geöffnet wird, wählen Sie auf der linken Registerkarte Alle Bilder anonymisieren und klicken Sie auf die Schaltfläche Anonymisieren unten rechts.
   2. Segmentierung (Abbildung 3). Segmentieren Sie die Knochen oder Implantate von Interesse nach einer zuvor beschriebenen Methodik 16,22,23.
      1. Wählen Sie in Kürze in der Symbolleiste "Segment" die Option "Schwellenwert " aus, und wählen Sie beim Öffnen des Fensters die vordefinierten Schwellenwerte für "Knochen " aus. Nachdem die Maske mit Schwellenwert erstellt wurde, verwenden Sie die Option "Geteilte Maske" und malen Sie manuell die Bereiche von Bones oder Implantatkomponenten.
      2. Wenn alle Bereiche farbig sind, klicken Sie auf OK und warten Sie, bis die Software die Masken für jeden Knochen und die Implantatkomponente automatisch generiert. Überprüfen Sie alle Masken, um sicherzustellen, dass sie die vorgesehenen Bereiche vollständig abdecken. Wenn nicht, verwenden Sie die Option Masken bearbeiten , um die Regionen manuell und einzeln zu ändern.
         HINWEIS: Um das Handgelenk zu untersuchen, sollten der 2^. und 3^{. Mittelhandknochen} und die Radiusknochen segmentiert und vom Rest der Knochen getrennt werden. Optional können der Kopf und andere Knochen für die Nachbearbeitung segmentiert werden.
         HINWEIS: Um die DRUJ zu untersuchen, sollten der Radius und die Elle segmentiert und vom Rest der Knochen getrennt werden.
         HINWEIS: Bei den Implantaten sollten die radiale Komponente und die Karpalkomponente mit ihren Schrauben segmentiert werden.

Abbildung 3. Computertomographie-Aufnahme des Handgelenks und rekonstruierte Modelle des Radius, des dritten Mittelhandknochens und der Elle. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

3. Segmentierung - nur radiale Komponente. Aufgrund von dichtebasierten Streifenartefakten der Oberfläche der radialen Komponente in den CT-Bildern kann das radiale Komponentenmodell nicht aus den Bildern segmentiert werden. Verwenden Sie daher ein CAD-Modell oder einen 3D-Oberflächenscanner, um das 3D-Modell des explantierten Radialbauteils zu generieren. Registrieren Sie dieses Modell für die grobe Segmentierung der radialen Komponente mit der Standardmethode von Mimics Materialise.
   HINWEIS: In dieser Studie haben wir einen Oberflächenscanner mit einer Auflösung von 0,1 mm verwendet. Das Implantat wurde auf einen Tisch gelegt, und der 3D-Scanner wurde manuell um das Implantat herum bewegt, um alle äußeren Oberflächen zu erfassen.
4. Partielle Bildvolumen. Die Tracking-Software erfordert, dass ein segmentierter Body of Interest als dichtebasiertes Bildvolumen eingegeben wird. Um dieses Teilvolumen zu erstellen, generieren Sie eine Vollmaske des Bildvolumens, die alle Grauwerte enthält, indem Sie in der Symbolleiste "Segment" die Option "Schwellenwert" auswählen. Passen Sie die Schwellenwerte von den minimalen bis zu den maximalen Grauwerten an.
   1. Verwenden Sie dann die Option Boolesche Operatoren und subtrahieren Sie das segmentierte Volumen des interessierenden Knochens oder Implantats von der generierten Vollmaske. Ändern Sie die Farbe der Maske dieses Teilvolumens in Schwarz (RGB: 0,0/0,0/0,0), da die Registrierungssoftware nur Graustufen-Bildvolumes akzeptiert. Exportieren Sie die Maske als DICOM, indem Sie DICOM exportieren... in der Software. Die Ausgabe ist ein Bildvolumen des isolierten Knochens oder Implantats.
5. Dreidimensionale Modelle. Konvertieren Sie die segmentierten Masken in triangulierte, vernetzte 3D-Oberflächenmodelle, indem Sie die Option 3D berechnen mit der optimalen Auflösung auswählen. Exportieren Sie diese Modelle im VRML-Format, das die 3D-Position der Scheitelpunkte (Punkte) und die Reihenfolge ihrer Verbindungen enthält. Die Modelle werden für die Konstruktion des Koordinatensystems und die weitere Visualisierung generiert.

2. Vorverarbeitung der Videoradiographie
   1. XMALab¹⁸ Import. Erstellen Sie für jeden Probanden eine neue Testversion in der XMALab-Software. Weisen Sie die Ordnerpfade den Undistortion Grid-Bildern und 8 Sätzen von Kalibrierungsbildern im Dialogfeld "Neue Testversion " zu.
      HINWEIS: Wenn die Röntgenquellen während der Aufnahme umgedreht werden, muss die Option "Spiegeln" in der XMALab-Software aktiviert werden.
   2. Entzerrung. Um Röntgenbilder zu entzerren, klicken Sie, nachdem die Testversion erstellt wurde und die Software die Rasterbilder im Arbeitsbereich "Verzerrung" geöffnet hat, auf die Schaltfläche "Verzerrung berechnen ". XMALab ermittelt und zeigt automatisch die verzerrten Bilder der Raster an. Sobald die Mittelpunkte aller Bohrungen von der Software erkannt wurden, ändern Sie den Arbeitsbereich im Menü oben links in den Arbeitsbereich Kalibrierung . Weitere Informationen und Unterstützung beim Debuggen potenzieller Probleme finden Sie in der Referenz²⁴.
   3. Kalibrierung. In dieser Phase bestimmt die XMALab-Software die Kalibriermatrizen. In XMALab werden die Röntgenquellen als Lochkameras mit intrinsischen und extrinsischen Parametern modelliert, wie z. B. Brennweite, Mittelpunkt der Quelle und Abstände von Quelle zu Bild, und die Kalibrierungsphase ist ein Prozess, der diese Metriken bestimmt¹⁸. Wählen Sie zum Kalibrieren jedes der 4 Referenzelemente aus, die sich im Kalibrierungswürfel für alle Bildsätze und für jede Ansicht befinden. In der Konfiguration waren diese Referenzen Pyramid, Jack, Dome und Helix (Abbildung 2B). Wenn die Software die Punkte nicht automatisch findet, drücken Sie auf Kalibrierung berechnen. Nachdem alle Kalibrierungsbilder kalibriert wurden, wählen Sie Kamera-Setup optimieren aus.
   4. Exportieren von Kalibrierungsmatrizen. Sortieren Sie nach der Optimierung alle 8 Kalibrierungssätze (d. h. die 4 Sätze, die vor dem Experiment erfasst wurden, und die 4 Sätze, die nach dem Experiment erfasst wurden) und wählen Sie den Bildsatz mit dem geringsten Fehler unverzerrt aus. Suchen Sie diesen Wert, indem Sie auf die Informationsoption in der oberen rechten Ecke jedes Kalibrierungsfensters klicken. Exportieren Sie das Bild mit dem geringsten Fehler, indem Sie die Option MayaCams 2.0 aus dem Datei-Export-Menü auswählen. Weitere Informationen und zum Debuggen möglicher Probleme finden Sie in der Referenz²⁰.
   5. Videoradiographie Verzerrung. Ändern Sie den Arbeitsbereich auf Marker-Tracking und laden Sie die Videoröntgenbilder, die im CINE-Format aufgenommen wurden, indem Sie das +-Symbol drücken. Nachdem der Ladevorgang abgeschlossen ist, exportieren Sie die unverzerrten Testbilder, indem Sie im Menü Datei-Export die Option Unverzerrte Testbilder auswählen.
3. Modellbasiertes Tracking (Abbildung 4)
   1. Verbesserte Funktionen von Röntgenbildern/DRRs (Abbildung 4A-B). Das Verbessern der Bildmerkmale mithilfe von Filtern ist ein notwendiger Schritt, um eine genaue Übereinstimmung zu erzielen. Definieren Sie die Parameter der vier Filter, einschließlich Kontrast (Intensitätserkennung), Sobel (Kantenerkennung), Gauß (Unschärfe/Glättung) und Schärfen (Fettdruck der Kanten) in der Software. Diese Filter können ausgewählt werden, indem Sie mit der rechten Maustaste auf die Rad-Renderer- oder DRR-Renderer-Objekte klicken, die im Widget oben links angezeigt werden.
      HINWEIS: In dieser Studie wurden die Ränder der Knochenbilder auf den Röntgenbildern mit einem Sobel-Filter mit einem Skalenfaktor von 3 und einem Mischwert von 0,4 verbessert. Zusätzlich wurde ein Kontrastfilter mit einem Alpha (für Bildkontrast) von 2,5 und Beta (für die Bildhelligkeit) von 0,9 verwendet, um die Qualität der Röntgenbilder weiter zu verbessern. Um die DRRs mit dem Röntgenbild abzugleichen, wurde ein Strahlenintensitätswert von 0,35 mit einem Sobel-Filter mit einem Mischwert von 0,1 und einem Skalenfaktor von 1,7 verwendet.
   2. Manuelle Initialisierung. Verschieben Sie die DRR jedes Knochens und jeder Komponente mithilfe des Drehpunkts , um die bestmögliche Übereinstimmung zwischen DRR und Röntgenbildern zu erzielen. Der Drehpunkt hilft Benutzern, den ausgewählten DRR aus dem unteren linken Widget zu drehen und zu verschieben. Dieser Schritt ist notwendig, da die Position des Knochens oder Implantats mindestens einmal und mindestens für den ersten Frame initialisiert werden muss, bevor die Optimierung durchgeführt wird. Drücken Sie W , um den DRR in den Translationsmodus zu verschieben, und drücken Sie E , um den DRR zu drehen.
      HINWEIS: Das Ändern der Position des Drehpunkts ist in der Regel nicht erforderlich, aber es ist mit der Option Drehpunkt verschieben in der Symbolleiste möglich.
   3. Optimierung. Drücken Sie C oder klicken Sie in der Symbolleiste auf die Schaltfläche Strom verfolgen, um die beste Übereinstimmung zwischen dem DRR und den Röntgenbildern zu finden. Das Standardverfahren der Software verwendet die Kostenfunktion der normalisierten Kreuzkorrelation (NCC) und sowohl die Methode zur Optimierung des Partikelschwarms als auch die Downhill-Simplex-Verfahren^26,27. Dieser Vorgang wird auch als Matching- oder Tracking-Schritt bezeichnet. Das Optimierungsverfahren kann auch über den Tracking-Dialog ausgeführt werden. Drücken Sie dazu die Option Tracking-Dialog in der Symbolleiste. Wenn das neue Fenster geöffnet wird, ändern Sie die Werte "Von Frame" und "Bis Frame" in 0 und drücken Sie "OK".
      HINWEIS: NCC ist eine Funktion, die die Ähnlichkeit zwischen Röntgenbildern und DRRs misst, und ein NCC-Wert, der näher an 0 liegt, zeigte eine bessere Übereinstimmung. Das Erreichen dieses Wertes hängt jedoch vollständig von den Bildfiltern und der Aufnahmequalität ab. Der Wert von NCC kann im "Terminalfenster" beobachtet werden.
   4. Matching-Prozess - Erster Durchgang. Nachdem der erste Frame automatisch optimiert wurde, öffnen Sie das Dialogfeld "Tracking", ändern Sie den Wert "Von Frame " auf 0 und den Wert von "Bis Frame" auf die letzte Framenummer (diese befindet sich rechts unten). Der standardmäßige Abgleichsprozess der Software verwendet den aktuellen Frame als Anfangsposition des DRR für den Abgleichsprozess. Der Optimierungsprozess verwendet die Methode der Partikelschwarmoptimierung (PSO) in einem Bereich von 3 mm und 3° der Ausgangsposition.
   5. Abgleichsprozess - Letzter Durchlauf (Abbildung 4C). Da der automatische Abgleichsprozess aufgrund einer fehlerhaften Initialisierung oder von Filtern fehlschlagen kann, überprüfen Sie alle Frames manuell, um sicherzustellen, dass die Optimierung korrekt ausgeführt wurde. Wenn die DRR und die Röntgenbilder nicht korrekt übereinstimmen, wiederholen Sie die in den Abschnitten 2.3.2 und 2.3.3 beschriebenen Schritte.
      HINWEIS: Die Verfolgung des Handgelenks wurde zunächst mit einem Modell durchgeführt, das den zweiten und dritten Mittelhandknochen (MC2-MC3) umfasste, um die Auswirkungen der Knochenüberlappung zu reduzieren und die Übereinstimmungsgenauigkeit zu verbessern. Nach der Lokalisierung der kombinierten DRR-Position und -Rotation in den Röntgenbildern wurden die abgestimmten und optimierten MC2-MC3-Positionen in das MC3-Teilbildvolumen transformiert und die Anfangspositionen des MC3 geseedet. Anhand dieser gesetzten Positionen wurde der MC3 nachgeführt. Ähnlich wie bei MC3 wurden auch der Radius, die Ulna, die radiale Komponente und die Karpalkomponente in den Videoröntgenaufnahmen während aller Aufgaben verfolgt.

Abbildung 4. A) Aufgenommenes Röntgenbild einer Röntgenquelle mit digital rekonstruierten Röntgenbildern (DRRs) der Knochen. B) Verbesserte (gefilterte) Röntgenaufnahmen und DRRs. C) Angepasste DRRs nach dem Optimierungsprozess. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

6. Datenreduzierung. Basierend auf der Bildrate und der Qualität der Röntgenbilder können Filteransätze wie die Methode des gleitenden Durchschnitts (mit einer Spanne von 5 Bildern) verwendet werden. Wählen Sie dazu in der Symbolleiste die Option Tracking-Erweiterter Dialog und klicken Sie auf die Schaltfläche Glätten . Dieser Ansatz wurde für alle Aufnahmen in dieser Studie verwendet.
7. Exportieren von Knochen-/Implantatpositionen. Nachdem jeder Knochen mit den Röntgenbildern abgeglichen und alle Frames optimiert wurden, exportieren Sie die 4x4-Transformationsmatrizen der DRRs in die Röntgenwelt, indem Sie auf die Schaltfläche Save Tracking klicken und die Ausgabe im Matrixformat auswählen. Diese Transformationsmatrix definiert die Rotation und Translation des Teilbildvolumens des Knochens/Implantats im kalibrierten Röntgenweltkoordinatensystem und kann für zusätzliche Verarbeitungs- und Bewegungsberechnungen verwendet werden. Das Koordinatensystem des Teilbildvolumens muss für eine aussagekräftige biomechanische Analyse in das anatomische Koordinatensystem übertragen werden.

3. Datenanalyse

1. Koordinatensysteme (Abbildung 5). Um die Kinematik zu erfassen, konstruieren Sie Koordinatensysteme (CS) für die Knochen und implantierten Komponenten auf der Grundlage ihrer anatomischen und geometrischen Orientierungspunkte. Nachdem diese CS erstellt wurden, registrieren Sie die Modelle, die sich in der neuen CS befinden, in den Oberflächenmodellen, die in Abschnitt 2.1.4 mit dem iterativen Algorithmus für den nächsten Punkt generiert wurden. Diese Eins-zu-Eins-Registrierung berechnet eine neue 4x4-Transformationsmatrix, die für Kinematikberechnungen verwendet wird.
   HINWEIS: In dieser Studie wurden die CS für den Radius, die Elle, den dritten Mittelhandknochen, die Karpalkomponente, die radiale Komponente, die Polyethylenkappe und den Kopf mit Methoden erstellt, die zuvor beschrieben wurden 16,22,23.

Abbildung 5. Koordinatensysteme der Knochen und der Komponenten des Implantats. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

2. Kinematik. Definieren Sie in dieser Studie die Bewegung des Handgelenks als Bewegung des MC3 relativ zum Radius, und die kinematischen Daten wurden relativ zur neutralen Handgelenksposition berichtet.
   1. Berechnen Sie für die DRUJ-Analyse die helixalen Bewegungsachsenparameter (HAM)²⁸ , um die Kinematik als die Relativbewegung des Radius CS in der ulnaren CS in Bezug auf die neutrale Pose zu beschreiben.
   2. Verwenden Sie die HAM-Analyse, um das Rotationszentrum (COR) des Handgelenks bei Beuge-Streckung und radial-ulnarer Abweichung zu bestimmen.
   3. Um die eindimensionale proximal-distale Verschiebung des COR zu beschreiben, definiert man den projizierten COR für die gesunden Handgelenke als einen Punkt auf der Mittelachse des Kopfknochens, der den kürzesten Abstand von der Rotationsachse der Schraube¹⁶ aufwies.
   4. Zerlegen Sie die HAM-Rotation im ulnaren Koordinatensystem mit Hilfe der HAM-Schraubenachse und berechnen Sie die Pronation (positiv) und Supination (negativ) des Unterarms. Die neutrale Pose wurde definiert, wenn die Pronations-Supination (PS) Null war.
   5. Definieren Sie abschließend die ulnare Varianz (UV) als den Abstand zwischen der ulnaren Fovea und der Sigmakerbe auf dem Radius.
3. Artikulationsmuster
   1. Berechnen Sie die Kontaktmuster zwischen der Polyethylenkappe und dem radialen Bauteil unter Verwendung der Handgelenkskinematik und der komponentenspezifischen Abstandsfelder²⁹.
   2. Berechnen Sie Entfernungsfelder für jedes 3D-Oberflächenmodell als volumetrisches Array von vorzeichenbehafteten Entfernungen von der Oberfläche.
   3. Berechnen Sie die Näherungswerte der Entfernungsfelder auf der Oberfläche der Polyethylenkappe und der radialen Komponente für jede Haltung.
   4. Um die Kontaktfläche zwischen den Komponenten zu erhalten, passen Sie diese Näherungswerte an die Auflösung des Erfassungssystems an (die Abstandsausschlussschwelle wurde in dieser Studie mit 0,70 mm gewählt).
4. Statistische Analyse
   1. Verwenden Sie die Bland-Altman-Analyse, um die Genauigkeit zu bewerten, indem Sie die Verzerrung (mittlere Differenzen) und die 95%-Übereinstimmung (Verzerrung ± 1,96SD) zwischen BVR und OMC^{demonstrieren 14, 30}.
   2. Verwenden Sie verallgemeinerte lineare Modelle (GLM), um das Rotationszentrumsverhalten des gesunden Handgelenks zu beschreiben und eine Beziehung zwischen der Änderung von UV und PS (UV = _{p 1}×PS² + p₂×PS) zu finden, wobei p₁ und p₂ Koeffizienten waren, die mit Hilfe der linearen Regression optimiert wurden. Verwenden Sie die RMSE-Metrik (Root-Mean-Squared-Error), um die Genauigkeit des Modells zu bewerten.

Die Auswahl der 2D-zu-3D-Bildregistrierungssoftware für das modellbasierte Tracking hängt zum Teil vom Zugriff auf Grafikprozessoreinheiten (GPU) und High-Performance-Computing-Systeme (HPC) ab. Diese Programme haben unterschiedliche Pipelines, und bis jetzt gibt es keine gemeinsame Methodik für die Programme. In dieser Studie verwenden wir Autoscoper, ein Open-Source-Programm zur 2D-zu-3D-Bildregistrierung, das an der Brown University^{entwickelt wurde 25}. Die Wahl von Open Source ermöglicht es den Ermittlern, ihre Pipeline zu modifizieren und zu automatisieren. In dieser Software werden Röntgenbilder als "Rad Renderer" und digital rekonstruierte Röntgenbilder als "DRR Renderer" bezeichnet. Die Eigenschaften dieser Bilder wurden mit den vier Arten von Filtern verbessert, und die Software führte den Abgleichsprozess mit 2 Optimierungsalgorithmen (Teilchenschwarm und Downhill-Simplex) durch. Zwei Ähnlichkeitsmaße (Kostenfunktionen) der normalisierten Kreuzkorrelation (NCC) und der Summe der absoluten Differenz (SAD) sind in dieser Software ebenfalls vordefiniert.

Die Vorspannung zwischen BVR und OMC betrug Submillimeter und Subgrad für das Handgelenk, das ersetzte Handgelenk (TWA) und das DRUJ^{14, 15}. Die 95%igen Übereinstimmungsgrenzen zwischen den Methoden lagen bei -1,5° bis 1,5° in der Rotation und -1,2 mm bis 1,4 mm in der Translation für das Handgelenk (Tabelle 1), -1,0° bis 0,8° in der Rotation und -0,8 mm bis 0,9 mm in der Translation für die TWA (Tabelle 2) und -1,1° bis 0,9° in der Rotation und -1,0 mm bis 1,4 mm in der Translation für die DRUJ-Bewegung (Tabelle 3). Die ulnare Varianz wurde auch während der gesamten Pronation und Supination mit 95%-Übereinstimmungsgrenzen von -0,5 mm bis 0,7 mm bzw. -0,4 mm bis 0,7 mm gemessen.

Für das Handgelenk wurde das dynamische Rotationszentrum während aller Handgelenksbewegungen bewertet und dann auf den Kopf projiziert (Abbildung 6A)⁸. Der COR des Handgelenks befand sich im proximalen Pol des Kopfes mit einem durchschnittlichen Abstand von 21,5 mm bzw. 20,8 mm von der distalen Oberfläche des Kopfes in Flexion bzw. Streckung. Der COR befand sich in der Mitte des Kopfes mit einem durchschnittlichen Abstand von 13,9 mm von der distalen Oberfläche des Kopfes sowohl für den Bewegungsbereich der radialen als auch der ulnaren Abweichung.

Für unsere Analyse der Handgelenkstotalendoprothetik wurde das Kontaktartikulationsmuster der Komponenten mit einer Auflösung von 0,4 mm beschrieben (Abbildung 6B). In diesem Experiment bewegte sich das Kontaktzentrum in einem Bereich von 34,2 ± 13,1 mm² um die dorsal-radiale Seite der CS der Polyethylenkappe und in einem Bereich von 21,9 ± 8,0 mm² auf der radialen Komponente.

Für die DRUJ wurde beobachtet, dass sich die ulnare Varianz dynamisch veränderte, aber in der vollen Pronation am positivsten war (Abbildung 6C). Die dynamische Änderung der ulnaren Varianz wurde als Polynom 2. Grades mit einem durchschnittlichen p₁ von 0,00033 und p₂ von 0,0276 modelliert. Die angepasste Gleichung hatte einen RMSE von 0,60 mm, und die subjektspezifischen Polynommodelle erreichten eine hohe Konsistenz mit RMSEs, die weniger als 0,59 mm betrugen.

Abbildung 6. A) Rotationszentrum (COR) des Handgelenks auf dem Kopf. B) Kontaktbild einer Handgelenks-Totalendoprothetik während der Zirkumduktion. C) Veränderung der ulnaren Varianz. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Tabelle 1. Die Verzerrung und 95%ige Übereinstimmungsgrenzen (LOA) zwischen biplanarer Videoradiographie und optischer Bewegungserfassung (Goldstandard) bei der Berechnung der Bewegung des Handgelenks.

Tabelle 2. Die Verzerrung und die 95%ige Übereinstimmung (LOA) zwischen biplanarer Videoradiographie und optischer Bewegungserfassung (Goldstandard) bei der Berechnung der Bewegung des ersetzten Handgelenks (TWA).

Tabelle 3. Die Verzerrung und 95%ige Grenzwerte (LOA) zwischen biplanarer Videoradiographie und optischer Bewegungserfassung (Goldstandard) bei der Berechnung der Bewegung des distalen Radioulnargelenks (DRUJ).

Die biplanare Videoradiographie (BVR) ist eine bildbasierte Methode, mit der Knochen- und Implantatbewegungen im Handgelenk und im distalen Radioulnargelenk submillimeter- und subgradgenau gemessen werden können. In den Studien, die wir hier beschrieben haben, wurde die BVR verwendet, um ein genaues Muster der projizierten COR für ein gesundes Handgelenk sowie TWA-Kontaktmuster zu identifizieren. Solche Erkenntnisse können in das Design von Handgelenk-Totalprothesen der nächsten Generation einfließen und In-vivo-Daten für die Validierung der Berechnung von Modellen liefern. Unter Verwendung der BVR wurde auch der nichtlineare Zusammenhang zwischen der Veränderung der ulnaren Varianz und der Unterarmpronosupination beobachtet, was bei der Behandlungsplanung für DRUJ-Pathologien hilfreich sein könnte. Aufgrund seiner dynamischen Erfassung und seiner hohen Genauigkeit kann BVR verwendet werden, um Handgelenk- und DRUJ-Pathologien in verschiedenen Bewegungen zu untersuchen und Strategien für Behandlungen und Diagnosen zu empfehlen.

Um genaue Ergebnisse zu gewährleisten, gibt es kritische Schritte, die von den Experimentatoren sowohl in der Vorverarbeitungs- als auch in der Verarbeitungsphase sorgfältig beachtet werden müssen. Während des gesamten Experiments müssen die Forscher bei der Kalibrierung der Röntgenquellen akribisch vorgehen, da das endgültige Ergebnis von den Kalibriermatrizen abhängt. Die mehrfache Kalibrierung der Röntgenquellen, sowohl vor als auch nach dem Experiment, hilft den Forschern, sicherzustellen, dass die Kalibrierung genau ist. Während der Verarbeitung können die Optimierungsmethoden und Kostenfunktionen sowie die Filter, die auf den Röntgenbildern und DRRs verwendet werden, das Ergebnis beeinflussen. Daher ist es am besten, diese Parameter in einem einzelnen Projekt konstant zu halten. Darüber hinaus ist modellbasiertes Tracking auf PCs eine zeitaufwändige Aufgabe, da diese Systeme in der Regel nicht über leistungsstarke GPUs verfügen und die Parallelisierung von CPUs, die von HPC-Systemen angeboten werden kann, nicht vollständig nutzen können. In dieser Studie haben wir die Verwendung von Autoscoper vorgeschlagen, da es sich um eine Open-Source-Software handelt, die die GPU nutzen und auf HPC-Systemen ausgeführt werden kann. Derzeit wird Autoscoper von Forschern auf der ganzen Welt häufig verwendet³¹.

Modellbasiertes Tracking BVR ist eine leistungsfähige und genaue Methodik. Viele Schritte im Protokoll während des Experiments oder in den Nachbearbeitungsphasen erfordern jedoch möglicherweise eine zusätzliche Fehlerbehebung. Der Kalibriertisch kann mühsam und arbeitsintensiv sein, wenn die Referenzpunkte in der Röntgenansicht fehlen. Darüber hinaus gibt es viele Methoden zur Beschreibung der Kalibrierungsparameter, und derzeit gibt es keinen Standard unter den Wissenschaftlern, die an den 2D-zu-3D-Bildregistrierungsprogrammen arbeiten. In diesem Protokoll wurden OpenCV-Standards verwendet, die im Bereich des maschinellen Sehens üblich sind, in der Hoffnung, einen Konsens unter den Forschern in allen Bereichen zu schaffen³². In Autoscoper ist dieser Standard eine Textdatei, die die Bildgröße in Pixeln, eine 3x3-Kameramatrix, eine 3x3-Rotationsmatrix und einen 3x1-Translationsvektor enthält. (Rotation und Translation beschreiben die Ausrichtung und Position der Röntgenquelle im Weltraum). Darüber hinaus mag die Verfeinerung der Ergebnisse während der Nachverfolgung trivial erscheinen, aber eine sorgfältige Beobachtung des NCC-Werts und der Art und Weise, wie sich die Kostenfunktion Frame für Frame ändert, ist wichtig, um optimale Ergebnisse zu gewährleisten. Schließlich ist die Initialisierungsphase zeitaufwändig und erfordert vom Benutzer ein gutes Verständnis der räumlichen 3D-Ansicht von Objekten. Um dies zu überwinden, entwickeln wir derzeit eine Methode, um die Initialisierungsphase für die Knochen der Hände zu automatisieren oder teilweise zu automatisieren.

Es gibt drei Haupteinschränkungen bei der Verwendung von BVR zur Untersuchung der oberen Extremität. Erstens ist es derzeit schwierig oder manchmal unmöglich, die kleinen überlappenden Handwurzelknochen im Handgelenk zu verfolgen (Abbildung 7). Es ist auch schwierig, den 3^. Mittelhandknochen bei Aufgaben zu verfolgen, bei denen sich alle Mittelhandknochen überlappen, wie z. B. bei voller Beugung oder voller Streckung. Daher kann die Karpalkinematik nicht gemessen werden, und es ist ein zusätzlicher Schritt zur Verfolgung des 3^. Mittelhandknochens erforderlich. Zweitens ist die BVR-Methode zeitaufwändig, teuer und erfordert eine ständige Überwachung. Drittens steigt die Strahlenbelastung der Patienten, wenn sie über einen längeren Zeitraum viele Aufgaben ausführen müssen. Zusätzliche Sicherheitsstrategien zur Begrenzung der Exposition können befolgt werden, indem die Exposition für jedes Setup überprüft und Bleiwesten verwendet werden. Typischerweise wurden unsere Probanden in unserem Versuchsaufbau einer Strahlung von etwa 0,095 mSV pro Sekunde ausgesetzt.

Abbildung 7. Okklusionsproblem bei der Verfolgung von Darpalknochen und drittem Mittelhandknochen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Die bildbasierte Objektverfolgung ist der Stand der Technik für die genaue Quantifizierung von 3D-Skelettbewegungen, und die biplanare Videoradiographie ist eine wichtige Methode, die es Forschern ermöglicht, das Handgelenk, die Totalendoprothetik des Handgelenks und das distale Radioulnargelenk in vivo zu untersuchen. Obwohl die Handwurzelknochen im BVR nicht optimal verfolgt werden können, können Methoden wie die multiplanare Videoradiographie den Verschluss der Handwurzelknochen begrenzen. Alternative Methoden wie MRT und CT können verwendet werden, wenn keine hohe zeitliche Auflösung erforderlich ist und die Bewegung nicht über einen längeren Zeitraum untersucht werden muss. Andere Methoden wie die optische Bewegungserfassung können ebenfalls eingesetzt werden, wenn Forscher Bewegungsartefakte eliminieren können, was nur in biomechanischen In-vitro-Studien möglich ist.

In diesen Studien haben wir die Verwendung von BVR für das Handgelenk, die Handgelenkstotalendoprothetik und das distale Radioulnargelenk nachgewiesen. BVR wurde auch verwendet, um die Wirbelsäule^{33, 34}, die Schulter^{35, 36, 37, 38, 39}, den Ellbogen⁴⁰, die Hüfte⁴¹, das Knie^{42, 43, 44} und den Fuß und den Knöchel^{45, 46, 47, 48} zu untersuchen. Im Bereich der oberen Extremitäten gehören zu den möglichen Anwendungen von BVR im Forschungsumfeld die Verfolgung des Fortschreitens einer Erkrankung und die dynamische Erfassung von Knochen- und Gelenkbewegungen. Diese Methode kann auch verwendet werden, um die genaue Implantatbewegung zu untersuchen, in der Hoffnung, mögliche Gründe für das Versagen des Implantats zu finden oder bessere Implantate zu entwerfen.

Wir haben keinen Interessenkonflikt zu deklarieren.

Die Autoren danken Josephine Kalshoven und Lauren Parola für die Überarbeitung des Protokolls. Die Autoren danken auch Erika Tavares und Rohit Badida für ihre Hilfe bei der Datenerfassung sowie Kalpit Shah, Arnold-Peter Weiss und Scott Wolfe für ihre Hilfe bei der Dateninterpretation. Diese Studie war möglich mit Unterstützung der National Institutes of Health P30GM122732 (COBRE Bio-engineering Core) und einem Zuschuss der American Foundation for Surgery of the Hand (AFSH).