In orthopedic surgery, and in case of Total Knee Arthroplasty (TKA) for osteoarthritic subjects, planning of the intervention is of fundamental importance. The insertion of the prosthetic components is extremely delicate because the deformations induced by the osteophytes must be resected and at the same time the mechanical axis of the leg must be corrected. The size of the implant and the plane of resection are estimated through a standing X-ray projection that covers the whole leg. This view gives a hint on the direction of the mechanical axis that must be restored, but cannot evaluate how the kinematics of the knee is influenced by the insertion. The possibility to check the pre-operative kinematic of the knee under weight bearing conditions, in order to evaluate tension of the ligaments and the distance between the bones, would be of great importance for the success of the intervention, giving to the surgeon the possibility to check the bone's motion before entering in the surgery room. This evaluation is currently intraoperatively performed by the surgeon, who performs passive movements of the joint to check the correct placement of the prosthetic components, although the conditions are not similar to the real stress applied during everyday life, as weight and muscles strengths are missing. The use of fluoroscopic sequences is common in clinics to rapidly evaluate the knee kinematics. These fast and low dose X-ray images allow an accurate visualization of the bone movements without the invasiveness typical of other methodologies. Knee motion analysis is currently done manually superimposing the shape obtained from Computer Tomography (CT) or Magnetic Resonance Imaging (MRI) on the fluoroscopic set acquired. The surgeon evaluates the projection of the shape on the image plane and through further approximations defines the best pose of the model onto the images. This procedure occupies the surgeon for a long time, and is affected by operator inaccuracies. A completely automatic algorithm would solve the challenge, relieving the surgeon from the duty of detecting the correct pose and allowing a fast and accurate 2D/3D registration. Eventually, the shape could also be derived from a Statistical Shape Model, in order to reduce costs and radiation doses that would be higher with a subject-specific shape derived from CT or MRI. The work herein presented shows two alternative methods to perform 2D/3D registration for femur kinematics estimation, starting from a set of fluoroscopic images and a SSM. Both algorithms allow the surgeon to have a more complete and functional evaluation of the knee performance under weight bearing conditions, that is essential for some type of operations, such as osteoarthritis and patellofemoral pain. The thesis begins with the description of a new method for SSM creation, based on the Minimum Description Length algorithm. SSM are currently used in orthopedic surgery to allow accurate positioning of prosthetic components through bone morphing and to assess the correct post-operative follow up by virtually reconstructing the surgical site. Focusing on computer assisted TKA applications, a new approach for establishing landmark correspondence of 3D shapes is proposed, to build SSMs of anatomical structures of the knee joint. The method is based on landmark correspondence by MDL and introduces a new constraint on local geometric similarity. This local linear regularization ensures that the local shape geometry of corresponding landmarks on different shapes is similar. The method was tested building SSMs of three anatomical structures from MRI images of knees, namely femur, patella and tibia. Compared with the original method using only the MDL criterion, this new approach shows significant improvement both qualitatively and quantitatively. The landmarks are in fact better distributed on the shape surface, and can more accurately represent the underlying shapes. The new SSM is the basis for the development of a 2D/3D registration algorithm for knee kinematics reconstruction. Starting from the acquisition of two calibrated fluoroscopic images, taken at different flexion-extension angles, the algorithm performs a feature based non-rigid registration. The projection of the model's silhouette and the contour extracted from the fluoroscopic image are matched using a one-to-many correspondence based on a nearest neighbor approach. To avoid local minima, the optimization is inserted in a Genetic Algorithm (GA), that solves the issues of the suboptimal results but slows down the time for the solution. The proposed approach was evaluated on 3 sets of digitally reconstructed radiographic images of osteoarthritic patients. Using the estimated shape, rather than that calculated from CT, significantly reduces the pose accuracy, but still has reasonably good results (angle errors around 2 degrees, translation around 1.5mm). The obtained results proved to be comparable with the literature, even if our trials were done using pathological femurs. Although accurate, the algorithm is very slow and it took a few hours for every femur pose to be properly reconstructed. To overcome this limitation, a new algorithm based on Gaussian Mixture Models (GMM) is implemented. It is based on the definition of Gaussian mixture, so that each point of the 3D shape used for reconstruction is considered a mixture of Gaussian Probability Density Function. Using a Maximum Likelihood Estimation (MLE) approach, the most probable position of the shape in the 3D space is obtained. The algorithm was evaluated using Digitally Reconstructed Radiographies of both healthy and diseased subjects, with a CT extracted shape and a SSM as the 3D model. In vivo tests were done with fluoroscopically acquired images and subject specific CT shapes. The results obtained are in line with the literature, but the computational time is substantially reduced. This method proved to be accurate and fast, providing to the surgeon an efficient tool to check the pre-operatory kinematics of the knee in a virtual 3D environment. Both the algorithms described show a millimeter accuracy, comparable with the results obtained in literature. The novelty of the GMM approach opens the way to a fast and accurate kinematic pose reconstruction for surgery planning, increasing the performance of the operations and reducing hospitalization costs. The registration is inserted in a clinical routine already performed: it does not imply additional examinations of the patient and provides a valid external help to the surgeon.

In chirurgia ortopedica, ed in particolar modo in caso di Protesi Totale di Ginocchio (PTG) per soggetti osteoartritici, la pianificazione dell’intervento assume importanza fondamentale. L’inserimento del componente protesico è estremamente delicato, poiché le deformazioni indotte dagli osteofiti devono essere rimosse e allo stesso tempo l’asse meccanico della gamba deve essere corretto. La dimensione dell’impianto e il piano di resezione sono attualmente stimati tramite una radiografia che copre l’intera gamba del paziente posto in piedi. Questa vista fornisce un’indicazione sulla direzione dell’asse meccanico della gamba che va ripristinato, ma non può essere utilizzata per valutare come la cinematica del ginocchio è influenzata dalla protesi. La possibilità di controllare la cinematica del ginocchio in condizioni di carico e in fase pre-operatoria, in modo da valutare le tensioni dei legamenti e la distanza tra le ossa, migliorerebbe di molto le possibilità di riuscita dell’intervento, dando al chirurgo la possibilità di controllare il movimento del ginocchio prima di entrare in sala operatoria. Questa valutazione è attualmente fatta in fase intra-operatoria dal chirurgo, che esegue movimenti passivi dell’articolazione per controllare il corretto posizionamento della protesi, anche se in questo caso le condizioni di lavoro non sono simii a quelle applicate durante i normali movimenti quotidiani, in cui il ginocchio è sottoposto alla forza peso e alle forze dei muscoli. L’uso di immagini fluoroscopiche in clinica è diffuso per visualizzare rapidamente la cinematica del ginocchio. Queste immagini radiografiche, rapide e a basso dosaggio, permettono un’accurata visione dei movimenti delle ossa senza l’invasività tipica delle altre metodiche. L’analisi del movimento è fatta manualmente, sovrapponendo il volume estratto da TAC o RM alle immagini fluoroscopiche acquisite. Il chirurgo valuta la proiezione del volume su piano immagine e per approssimazioni successive definisce la miglior posa del modello sulle immagini. Questa procedura occupa il chirurgo per molto tempo, ed è affetta da errori e inaccuratezze dell’operatore. Un algoritmo completamente automatico risolverebbe il problema, sollevando il chirurgo da questa incombenza e permettendo una rapida e accurata registrazione 2D/3D. Il volume potrebbe anche essere derivato da un modello statistico di forme, per ridurre costi e dosi di radiazioni che sarebbero molto alte con un volume paziente-specifico derivato da TAC o RM. Il lavoro qui presentato mostra due metodi alternativi per effettuare una registrazione 2D/3D della cinematica del femore, partendo da un modello statistico e da un set di immagini fluoroscopiche. Entrambi gli algoritmi permettono al chirurgo di avere una valutazione più completa e funzionale delle performance del ginocchio in condizioni di carico, essenziale per alcuni tipi di operazioni tipo osteoartriti e dolore patellofemorale. La tesi comincia con la descrizione di un nuovo metodo per la creazione di un modello statistico, basata sulla Minima Distanza Descrittiva (MDD). I modelli statistici sono attualmente usati in clinica per permettere un accurato posizionamento della protesi tramite metodi di deformazione e per valutare il corretto follow-up clinico ricostruendo virtualmente il sito chirurgico. Concentrandoci su applicazioni di PTG, viene proposto un nuovo approccio per stabilire corrispondenze tra punti di volumi diversi, per poi costruire il modello statistico delle strutture anatomiche dell’articolazione di ginocchio. Il metodo è basato su corrispondenze di punti fatte con MDD e introduce un nuovo vincolo sulla somiglianza geometrica locale. Questa regolarizzazione locale lineare assicura che la geometria locale del volume per punti corrispondenti sia simile. Il metodo è stato testato costruendo modelli statistici di tre strutture anatomiche da immagini di RM del ginocchio, e precisamente femore, tibia e rotula. Confrontato con il metodo originale che usa solo il criterio di MDD, questo nuovo approccio mostra miglioramenti significativi sia qualitativamente che quantitativamente. I punti corrispondenti sono distribuiti meglio sulla superficie e possono rappresentare meglio le strutture sottostanti. Il nuovo modello statistico è la base per lo sviluppo di un algoritmo di registrazione 2D/3D per ricostruzione della cinematica di ginocchio. Partendo dall’acquisizione di coppie di fluoroscopie calibrate, prese a diversi angoli di flesso-estensione, l’algoritmo effettua una registrazione non rigida basata su features. La proiezione della silhouette del modello e il contorno estratto dall’immagine fluoroscopica sono confrontati usando una corrispondenza uno-a-molti, basata sul punto più vicino. Per evitare i minimi locali, l’ottimizzazione è inserita in un Algoritmo Genetico (AG), che risolve il problema dei risultati subottimali ma rallenta la soluzione. L’approccio è stato valutato su 3 set di immagini radiografiche sintetizzate artificialmente da pazienti osteoartritici. Usando il volume stimato, piuttosto che quello estratto dalla TAC, l’accuratezza della posa si riduce significativamente, ma mantiene risultati accettabili (errori angolari entro i 2°, traslazioni attorno a 1.5 mm). I risultati ottenuti sono confrontabili con la letteratura, anche se le prove sono state fatte utilizzando femori patologici. Anche se molto accurato, l’algoritmo è molto lento e occupa qualche ora per ogni posa da ricostruire. Per superare questo limite, è stato implementato un nuovo algoritmo basato su Modelli Gaussiani. E’ basato sulla definizione di Miscela gaussiana, in modo che ogni punto del volume usato per la registrazione sia una miscela di densità di probabilità gaussiane. Usando un algoritmo di massima verosimiglianza, si ottiene la posizione più probabile del volume nello spazio 3D. L’algoritmo è stato valutato usando set di immagini radiografiche sintetizzate artificialmente da pazienti osteoartritici e sani, con un modello statistico e uno ottenuto da TAC. Test in vivo sono stati fatti con immagini fluoroscopiche e volumi estratti da TAC. I risultati ottenuti sono confrontabili con la letteratura, ma il tempo computazionale è sostanzialmente ridotto. Questo metodo è veloce e accurato e fornisce al chirurgo uno strumento efficiente per valutare la cinematica del ginocchio in fase pre-operatoria in un ambiente virtuale. Entrambi gli algoritmi hanno accuratezza millimetrica, confrontabili con i risultati di letteratura. La novità dei modelli gaussiani in questo ambito apre la strada a metodi per ricostruire la cinematica del ginocchio in modo veloce e accurato in fase di pianificazione, migliorando la riuscita delle operazioni e riducendo i costi di ospedalizzazione. La registrazione è inserita in una routine già usata dai chirurghi: non aggiunge nessun esame al paziente e fornisce un valido aiuto esterno al chirurgo.

Statistical shape models based 2D/3D registration methods for knee orthopaedic surgery

VALENTI, MARTA

Abstract

In orthopedic surgery, and in case of Total Knee Arthroplasty (TKA) for osteoarthritic subjects, planning of the intervention is of fundamental importance. The insertion of the prosthetic components is extremely delicate because the deformations induced by the osteophytes must be resected and at the same time the mechanical axis of the leg must be corrected. The size of the implant and the plane of resection are estimated through a standing X-ray projection that covers the whole leg. This view gives a hint on the direction of the mechanical axis that must be restored, but cannot evaluate how the kinematics of the knee is influenced by the insertion. The possibility to check the pre-operative kinematic of the knee under weight bearing conditions, in order to evaluate tension of the ligaments and the distance between the bones, would be of great importance for the success of the intervention, giving to the surgeon the possibility to check the bone's motion before entering in the surgery room. This evaluation is currently intraoperatively performed by the surgeon, who performs passive movements of the joint to check the correct placement of the prosthetic components, although the conditions are not similar to the real stress applied during everyday life, as weight and muscles strengths are missing. The use of fluoroscopic sequences is common in clinics to rapidly evaluate the knee kinematics. These fast and low dose X-ray images allow an accurate visualization of the bone movements without the invasiveness typical of other methodologies. Knee motion analysis is currently done manually superimposing the shape obtained from Computer Tomography (CT) or Magnetic Resonance Imaging (MRI) on the fluoroscopic set acquired. The surgeon evaluates the projection of the shape on the image plane and through further approximations defines the best pose of the model onto the images. This procedure occupies the surgeon for a long time, and is affected by operator inaccuracies. A completely automatic algorithm would solve the challenge, relieving the surgeon from the duty of detecting the correct pose and allowing a fast and accurate 2D/3D registration. Eventually, the shape could also be derived from a Statistical Shape Model, in order to reduce costs and radiation doses that would be higher with a subject-specific shape derived from CT or MRI. The work herein presented shows two alternative methods to perform 2D/3D registration for femur kinematics estimation, starting from a set of fluoroscopic images and a SSM. Both algorithms allow the surgeon to have a more complete and functional evaluation of the knee performance under weight bearing conditions, that is essential for some type of operations, such as osteoarthritis and patellofemoral pain. The thesis begins with the description of a new method for SSM creation, based on the Minimum Description Length algorithm. SSM are currently used in orthopedic surgery to allow accurate positioning of prosthetic components through bone morphing and to assess the correct post-operative follow up by virtually reconstructing the surgical site. Focusing on computer assisted TKA applications, a new approach for establishing landmark correspondence of 3D shapes is proposed, to build SSMs of anatomical structures of the knee joint. The method is based on landmark correspondence by MDL and introduces a new constraint on local geometric similarity. This local linear regularization ensures that the local shape geometry of corresponding landmarks on different shapes is similar. The method was tested building SSMs of three anatomical structures from MRI images of knees, namely femur, patella and tibia. Compared with the original method using only the MDL criterion, this new approach shows significant improvement both qualitatively and quantitatively. The landmarks are in fact better distributed on the shape surface, and can more accurately represent the underlying shapes. The new SSM is the basis for the development of a 2D/3D registration algorithm for knee kinematics reconstruction. Starting from the acquisition of two calibrated fluoroscopic images, taken at different flexion-extension angles, the algorithm performs a feature based non-rigid registration. The projection of the model's silhouette and the contour extracted from the fluoroscopic image are matched using a one-to-many correspondence based on a nearest neighbor approach. To avoid local minima, the optimization is inserted in a Genetic Algorithm (GA), that solves the issues of the suboptimal results but slows down the time for the solution. The proposed approach was evaluated on 3 sets of digitally reconstructed radiographic images of osteoarthritic patients. Using the estimated shape, rather than that calculated from CT, significantly reduces the pose accuracy, but still has reasonably good results (angle errors around 2 degrees, translation around 1.5mm). The obtained results proved to be comparable with the literature, even if our trials were done using pathological femurs. Although accurate, the algorithm is very slow and it took a few hours for every femur pose to be properly reconstructed. To overcome this limitation, a new algorithm based on Gaussian Mixture Models (GMM) is implemented. It is based on the definition of Gaussian mixture, so that each point of the 3D shape used for reconstruction is considered a mixture of Gaussian Probability Density Function. Using a Maximum Likelihood Estimation (MLE) approach, the most probable position of the shape in the 3D space is obtained. The algorithm was evaluated using Digitally Reconstructed Radiographies of both healthy and diseased subjects, with a CT extracted shape and a SSM as the 3D model. In vivo tests were done with fluoroscopically acquired images and subject specific CT shapes. The results obtained are in line with the literature, but the computational time is substantially reduced. This method proved to be accurate and fast, providing to the surgeon an efficient tool to check the pre-operatory kinematics of the knee in a virtual 3D environment. Both the algorithms described show a millimeter accuracy, comparable with the results obtained in literature. The novelty of the GMM approach opens the way to a fast and accurate kinematic pose reconstruction for surgery planning, increasing the performance of the operations and reducing hospitalization costs. The registration is inserted in a clinical routine already performed: it does not imply additional examinations of the patient and provides a valid external help to the surgeon.
ALIVERTI, ANDREA
CAIANI, ENRICO GIANLUCA
ZHENG, GUOYAN
13-gen-2016
In chirurgia ortopedica, ed in particolar modo in caso di Protesi Totale di Ginocchio (PTG) per soggetti osteoartritici, la pianificazione dell’intervento assume importanza fondamentale. L’inserimento del componente protesico è estremamente delicato, poiché le deformazioni indotte dagli osteofiti devono essere rimosse e allo stesso tempo l’asse meccanico della gamba deve essere corretto. La dimensione dell’impianto e il piano di resezione sono attualmente stimati tramite una radiografia che copre l’intera gamba del paziente posto in piedi. Questa vista fornisce un’indicazione sulla direzione dell’asse meccanico della gamba che va ripristinato, ma non può essere utilizzata per valutare come la cinematica del ginocchio è influenzata dalla protesi. La possibilità di controllare la cinematica del ginocchio in condizioni di carico e in fase pre-operatoria, in modo da valutare le tensioni dei legamenti e la distanza tra le ossa, migliorerebbe di molto le possibilità di riuscita dell’intervento, dando al chirurgo la possibilità di controllare il movimento del ginocchio prima di entrare in sala operatoria. Questa valutazione è attualmente fatta in fase intra-operatoria dal chirurgo, che esegue movimenti passivi dell’articolazione per controllare il corretto posizionamento della protesi, anche se in questo caso le condizioni di lavoro non sono simii a quelle applicate durante i normali movimenti quotidiani, in cui il ginocchio è sottoposto alla forza peso e alle forze dei muscoli. L’uso di immagini fluoroscopiche in clinica è diffuso per visualizzare rapidamente la cinematica del ginocchio. Queste immagini radiografiche, rapide e a basso dosaggio, permettono un’accurata visione dei movimenti delle ossa senza l’invasività tipica delle altre metodiche. L’analisi del movimento è fatta manualmente, sovrapponendo il volume estratto da TAC o RM alle immagini fluoroscopiche acquisite. Il chirurgo valuta la proiezione del volume su piano immagine e per approssimazioni successive definisce la miglior posa del modello sulle immagini. Questa procedura occupa il chirurgo per molto tempo, ed è affetta da errori e inaccuratezze dell’operatore. Un algoritmo completamente automatico risolverebbe il problema, sollevando il chirurgo da questa incombenza e permettendo una rapida e accurata registrazione 2D/3D. Il volume potrebbe anche essere derivato da un modello statistico di forme, per ridurre costi e dosi di radiazioni che sarebbero molto alte con un volume paziente-specifico derivato da TAC o RM. Il lavoro qui presentato mostra due metodi alternativi per effettuare una registrazione 2D/3D della cinematica del femore, partendo da un modello statistico e da un set di immagini fluoroscopiche. Entrambi gli algoritmi permettono al chirurgo di avere una valutazione più completa e funzionale delle performance del ginocchio in condizioni di carico, essenziale per alcuni tipi di operazioni tipo osteoartriti e dolore patellofemorale. La tesi comincia con la descrizione di un nuovo metodo per la creazione di un modello statistico, basata sulla Minima Distanza Descrittiva (MDD). I modelli statistici sono attualmente usati in clinica per permettere un accurato posizionamento della protesi tramite metodi di deformazione e per valutare il corretto follow-up clinico ricostruendo virtualmente il sito chirurgico. Concentrandoci su applicazioni di PTG, viene proposto un nuovo approccio per stabilire corrispondenze tra punti di volumi diversi, per poi costruire il modello statistico delle strutture anatomiche dell’articolazione di ginocchio. Il metodo è basato su corrispondenze di punti fatte con MDD e introduce un nuovo vincolo sulla somiglianza geometrica locale. Questa regolarizzazione locale lineare assicura che la geometria locale del volume per punti corrispondenti sia simile. Il metodo è stato testato costruendo modelli statistici di tre strutture anatomiche da immagini di RM del ginocchio, e precisamente femore, tibia e rotula. Confrontato con il metodo originale che usa solo il criterio di MDD, questo nuovo approccio mostra miglioramenti significativi sia qualitativamente che quantitativamente. I punti corrispondenti sono distribuiti meglio sulla superficie e possono rappresentare meglio le strutture sottostanti. Il nuovo modello statistico è la base per lo sviluppo di un algoritmo di registrazione 2D/3D per ricostruzione della cinematica di ginocchio. Partendo dall’acquisizione di coppie di fluoroscopie calibrate, prese a diversi angoli di flesso-estensione, l’algoritmo effettua una registrazione non rigida basata su features. La proiezione della silhouette del modello e il contorno estratto dall’immagine fluoroscopica sono confrontati usando una corrispondenza uno-a-molti, basata sul punto più vicino. Per evitare i minimi locali, l’ottimizzazione è inserita in un Algoritmo Genetico (AG), che risolve il problema dei risultati subottimali ma rallenta la soluzione. L’approccio è stato valutato su 3 set di immagini radiografiche sintetizzate artificialmente da pazienti osteoartritici. Usando il volume stimato, piuttosto che quello estratto dalla TAC, l’accuratezza della posa si riduce significativamente, ma mantiene risultati accettabili (errori angolari entro i 2°, traslazioni attorno a 1.5 mm). I risultati ottenuti sono confrontabili con la letteratura, anche se le prove sono state fatte utilizzando femori patologici. Anche se molto accurato, l’algoritmo è molto lento e occupa qualche ora per ogni posa da ricostruire. Per superare questo limite, è stato implementato un nuovo algoritmo basato su Modelli Gaussiani. E’ basato sulla definizione di Miscela gaussiana, in modo che ogni punto del volume usato per la registrazione sia una miscela di densità di probabilità gaussiane. Usando un algoritmo di massima verosimiglianza, si ottiene la posizione più probabile del volume nello spazio 3D. L’algoritmo è stato valutato usando set di immagini radiografiche sintetizzate artificialmente da pazienti osteoartritici e sani, con un modello statistico e uno ottenuto da TAC. Test in vivo sono stati fatti con immagini fluoroscopiche e volumi estratti da TAC. I risultati ottenuti sono confrontabili con la letteratura, ma il tempo computazionale è sostanzialmente ridotto. Questo metodo è veloce e accurato e fornisce al chirurgo uno strumento efficiente per valutare la cinematica del ginocchio in fase pre-operatoria in un ambiente virtuale. Entrambi gli algoritmi hanno accuratezza millimetrica, confrontabili con i risultati di letteratura. La novità dei modelli gaussiani in questo ambito apre la strada a metodi per ricostruire la cinematica del ginocchio in modo veloce e accurato in fase di pianificazione, migliorando la riuscita delle operazioni e riducendo i costi di ospedalizzazione. La registrazione è inserita in una routine già usata dai chirurghi: non aggiunge nessun esame al paziente e fornisce un valido aiuto esterno al chirurgo.
Tesi di dottorato
File allegati
File Dimensione Formato  
thesis.pdf

accessibile in internet per tutti

Descrizione: Testo della tesi
Dimensione 5.53 MB
Formato Adobe PDF
5.53 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/114515