مجموعة بيانات التصوير الشعاعي بالفيديو ثنائية المستوى لتطوير تقدير الوضع المستند إلى النموذج وتدريب المستخدم الجديد

يقدم هذا العمل مجموعة بيانات في الجسم الحي مع أوضاع العظام المقدرة بطرق قائمة على العلامات. يتم تضمين طريقة هنا لتدريب المشغلين على تحسين تقديراتهم الأولية لتقدير الوضع المستند إلى النموذج وتقليل التباين بين المشغلين.

يعد قياس حركة عظام القدم الصغيرة أمرا بالغ الأهمية لفهم الفقدان المرضي للوظيفة. التصوير الشعاعي بالفيديو ثنائي المستوى مناسب تماما لقياس حركة العظام في الجسم الحي ، ولكن تنشأ تحديات عند تقدير دوران وترجمة (وضع) كل عظم. عادة ما يتم تقدير وضع العظم بطرق قائمة على العلامات أو النموذج. الأساليب القائمة على العلامات دقيقة للغاية ولكنها غير شائعة في الجسم الحي بسبب غزوها. تعد الأساليب المستندة إلى النموذج أكثر شيوعا ولكنها حاليا أقل دقة لأنها تعتمد على مدخلات المستخدم والخوارزميات الخاصة بالمختبر. يقدم هذا العمل مجموعة بيانات نادرة في الجسم الحي لوضعيات العقبي والكالة والساق ، كما تم قياسها بطرق قائمة على العلامات أثناء الجري والقفز. يتم تضمين طريقة لتدريب المستخدمين على تحسين تخميناتهم الأولية في برنامج تقدير الوضع المستند إلى النموذج ، باستخدام ردود الفعل المرئية القائمة على العلامات. تمكن المشغلون الجدد من تقدير أوضاع العظام في حدود 2 درجة من الدوران و 1 مم من ترجمة الوضع المستند إلى العلامة ، على غرار مستخدم خبير للبرنامج القائم على النموذج ، ويمثل تحسنا كبيرا مقارنة بالتباين بين المشغلين الذي تم الإبلاغ عنه سابقا. علاوة على ذلك ، يمكن استخدام مجموعة البيانات هذه للتحقق من صحة برامج تقدير الوضع الأخرى المستندة إلى النموذج. في النهاية ، ستؤدي مشاركة مجموعة البيانات هذه إلى تحسين السرعة والدقة التي يمكن للمستخدمين من خلالها قياس أوضاع العظام من التصوير الشعاعي بالفيديو ثنائي المستوى.

يعد قياس حركة عظام القدم الصغيرة أمرا بالغ الأهمية لفهم الفقدان المرضي للوظيفة. ومع ذلك ، فإن قياس حركة عظام القدم الديناميكي يمثل تحديا نظرا لصغر الحجم والتكوين الكثيف للعظام والمفاصل^1،2. تعد تقنية التصوير الشعاعي بالفيديو ثنائي المستوى (BVR) مناسبة تماما لقياس الحركة ثلاثية الأبعاد (3D) في الجسم الحي للعظام الصغيرة للقدم والكاحل أثناء الأنشطة الديناميكية. يوفر BVR رؤى حول حركية المفصليات باستخدام مصدرين للأشعة السينية مقترنة بمكثفات الصور ، والتي تحول الأشعة السينية للحركة الديناميكية إلى ضوء مرئي. أثناء تحرك القدم عبر حجم الالتقاط ، تلتقط الكاميرات عالية السرعة الصور. الصور غير مشوهة ويتم عرضها في حجم الالتقاط باستخدام مواضع الكاميرا المعايرة ^3,4. ثم يتم تقدير الدرجات الست من الحرية (6 d. o. f.) وضعية العظام (3 d.o.f. للموضع و 3 d.o.f. للاتجاه) باستخدام الطرق القائمة على العلامات أو النموذج³.

تختلف طرق تقدير الوضع المستندة إلى العلامة أو النموذج بين المختبرات والتخصصات. المعيار الذهبي لقياس وضعية BVR الديناميكي هو زرع علامات التنتالوم الصغيرة في عظم الاهتمام^4،5. مطلوب ما لا يقل عن ثلاث علامات لكل عظم لتقدير الوضع ، مع علامات إضافية تؤدي إلى دقة أعلى^5،6. هذه الطريقة أقل شيوعا في الجسم الحي بسبب غزوها ، حيث تتطلب الزرع الجراحي ، ثم يتم تضمين العلامات بشكل دائم في العظام⁷. بدلا من ذلك ، يستخدم التتبع المستند إلى النموذج معلومات حجمية من طرق التصوير الأخرى ، مثل التصوير المقطعي المحوسب (CT) أو التصوير بالرنين المغناطيسي ، لإعادة إنشاء النموذج على صور BVR^{2،3،8،9،10،11،12،13،14،15}. ثم يتم معالجة النموذج بشكل شبه يدوي لمطابقة الصور بشكل أفضل (التنظير الدوار) ، وعادة ما يستخدم مجموعة من مدخلات المستخدم كتقدير أولي وتحسين الارتباط^{المتبادل 3،8،9،10،15}. يعد تقدير الوضع المستند إلى النموذج أقل توغلا ، وبالتالي فهو أكثر شيوعا ، ولكنه يتطلب وقت معالجة أكبر ويتطلب مدخلات المستخدم. نظرا لأن عملية التنظير الدوري هي حاليا شبه يدوية ، فلا تزال هناك حاجة لتدريب المشغلين بشكل موثوق في البرامج الخاصة بالمختبر حيث يمكن أن تتراوح أخطاء متوسط التربيع بين المشغلين (RMS) من 0.83 مم إلى 4.96 مم ، و 0.58 درجة إلى 10.29 درجة على طول أو حول محور^{واحد 1}. علاوة على ذلك ، تتحسن خوارزميات مطابقة النماذج ، ولكنها تتطلب التحقق من الصحة باستخدام نماذج تجريبية قريبة من ظروف الجسم الحي قدر الإمكان.

غالبا ما يتم تقييم دقة تقديرات الوضع المستندة إلى النموذج مقابل المقاييس المستندة إلى العلامات. على سبيل المثال ، تم نقل أقدام الجثث البشرية المزروعة بعلامات من خلال مواضع حركية محاكاة^13،14،16. ثم يتم تغذية صور BVR الملتقطة بطريقة التنظير الدوار المستندة إلى النموذج ومقارنتها بالمقاييس المستندة إلى العلامات من أجل الدقة (التحيز والدقة). في حين أن استخدام قدم الجثة الثابتة هو نهج قيم ، إلا أن له قيودا في تقييم دقة وضع العظام الحقيقية في الجسم الحي . على سبيل المثال ، تكون أوضاع المفاصل ثابتة نسبيا في قدم الجثة مع عدم وجود نشاط عضلي وأحمال في الجسم الحي . وبالتالي ، قد لا يمثل حدود حركة المفصل في المهام الحركية المتنوعة. تعمل الاختلافات في وضعية المفصل على تغيير الانسداد في صور BVR ، وهو مصدر لخطأ القياس عند تقدير عظم القدم الصغير المعبأ بكثافة¹³. علاوة على ذلك ، عند استخدام خوارزميات مطابقة الصور ، من المحتمل أن يؤدي وجود علامات في صور BVR إلى تحيز النتائج. بينما قامت المجموعات بإزالة العلامات من الصور الرقمية للتصوير المقطعي المحوسب (CT) والاتصالات في الطب (DICOM)^9،14،16 ، إلا أنها تتم إزالتها أيضا في بعض الأحيان من صور التصوير الشعاعي بالفيديو ثنائية^{المستوى 16}.

يقدم هذا العمل مجموعة بيانات BVR مفتوحة المصدر لمشارك يقفز ويركض في الجسم الحي ، والذي لديه علامات مزروعة في عظام قدمه والكاحل (الشكل 1). يتم توفير تقدير الوضع القائم على العلامة لحركة العظام في الجسم الحي في الساق والكاحم والعقب. تمت إزالة العلامات من كل من صور الأشعة السينية والتصوير المقطعي المحوسب للحد من أي تحيز يتم إدخاله أثناء تقييم دقة التتبع المستندة إلى النموذج. تهدف مجموعة البيانات هذه إلى تقييم دقة أي برنامج تقدير وضعية قائم على النموذج ، ولتحسين اختيار تقديرات الوضع الأولية للعمليات شبه اليدوية. إنه الأنسب للأفراد الذين يهدفون إلى تحسين سرعة ودقة خط أنابيب معالجة صور BVR ، وللمختبرات التي ترغب في تباين منخفض بين المشغلين في تقدير الوضع الأولي.

الشكل 1: نظرة عامة على مجموعة بيانات التصوير الشعاعي بالفيديو ثنائية المستوى (BVR) المقدمة. يتم تتبع العلامات المزروعة في الجسم الحي كمعيار ذهبي لتقدير وضعية العظام. تمت إزالة العلامات رقميا من صور BVR وعمليات التصوير المقطعي المحوسب لمنع التحيز في التتبع المستند إلى النموذج. يمكن مقارنة الوضعيات المقدرة من أي برنامج تتبع قائم على النموذج بالمعيار الذهبي للتتبع المستند إلى العلامات. يمكن أيضا استخدام تقدير الوضع المستند إلى العلامة لتدريب المشغلين الجدد على تحسين تقدير وضعية العظام الأولي للتتبع المستند إلى النموذج. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

تمت الموافقة على البروتوكولات التجريبية من قبل مجلس أخلاقيات البحث في العلوم الصحية بجامعة كوينز والمستشفيات التعليمية التابعة. أعطى المشارك موافقة مستنيرة قبل المشاركة في جمع البيانات.

1. إعداد المريض وإنشاء مجموعة البيانات

ملاحظة: كان لدى المشارك (ذكر ، 49 عاما ، 83 كجم ، طوله 1.75 مترا) عدة علامات التنتالوم بقطر 0.8 مم تم زرعها مسبقا في العقبي (3 علامات) ، الكاحل (4 علامات) ، والساق (5 علامات. الشكل 1).

1. احصل على التصوير المقطعي المحوسب باستخدام خوارزمية تقليل القطع الأثرية المعدنية (لتقليل تشوه الصورة بسبب الغرسات المعدنية) على قدم المشارك في وضعية الكاحل الأخمصية إلى أقصى حد بحجم بكسل 0.500 مم أو أقل ، وسمك شريحة 0.625 مم أو أقل.
   ملاحظة: هنا ، تم مسح القدم اليمنى للمشارك بدقة 0.441 مم × 0.441 مم × 0.625 مم. لا يتم وضع مواقع العلامات في مواقع تشريحية محددة داخل العظم⁴. بدلا من ذلك ، يتم توزيعها في جميع أنحاء العظام⁵.
2. للاطلاع على طرق جمع التصوير الشعاعي بالفيديو ثنائي المستوى ومعالجة البيانات بالتفصيل ، انظر¹⁷. باختصار ، اطلب من المشارك إكمال الحركة المطلوبة ، مع تنظيم موضع البداية بحيث تهبط قدمه في حجم التصوير الشعاعي بالفيديو ثنائي المستوى. استخدم كائن معايرة وشبكات إلغاء التشويه لتحديد موقع الكاميرات وإلغاء تشويه الصور ، على التوالي¹⁸.
   ملاحظة: أكمل المشارك في هذه الدراسة تجارب حركتين مختلفتين. قفزوا إلى بندول الإيقاع عند 108 نبضة في الدقيقة وركضوا ببطء عبر مستوى الصوت. تم التقاط الصور بشكل مستمر عند 250 هرتز بسرعة مصراع تبلغ 1111 ميكرو ثانية ، وتم ضبط نظام الأشعة السينية على 70 كيلو فولت و 100 مللي أمبير.
3. قم بتقسيم العلامات بشكل فردي باستخدام برنامج معالجة الصور الطبية ثلاثي الأبعاد. باستخدام خوارزمية التعبئة المدركة للمحتوى في محرر الرسومات النقطية ومواقع العلامات المعروفة، قم بإزالة العلامات من صور DICOM. قم بإنشاء الأحجام الجزئية للعظام والشبكات الفسيفساء عن طريق تجزئة الصور الخالية من العلامات كما هو موضح في¹⁷. قم بمحاذاة كل من وحدات التخزين الجزئية والشبكات وتخزينها في مساحة التصوير المقطعي المحوسب.
4. لكل إطار ، قم بجدولة إحداثيات الصورة xy غير المصفاة لكل علامة في XMALab وتصديرها¹⁸. قم بتثليث الإحداثيات ثلاثية الأبعاد باستخدام صندوق أدوات رؤية الكمبيوتر في MATLAB. قم بتقدير الوضع من خلال مطابقة مواضع العلامات ثلاثية الأبعاد في مساحة الأشعة السينية مع النقاط الوسطى المناسبة للكرة في مساحة التصوير المقطعي المحوسب باستخدام نهج المربعات الصغرى¹⁹. استخدم نفس الخوارزمية في محرر الرسومات النقطية لإزالة العلامات الموجودة في صور الأشعة السينية لإعدادها للتتبع.

2. الوصول إلى مجموعة البيانات والتعليمات البرمجية

1. قم بتنزيل مجموعة البيانات من هنا. هناك صور BVR وملفات معايرة لكل تجربة ، بالإضافة إلى تقديرات الوضع المرجعي المحفوظة بتنسيق .tra (الشكل 2). قم بتنزيل / استنساخ حزمة التعليمات البرمجية من: https://github.com/skelobslab/JOVE_BVR_FootModelAndMarkerBased.

الشكل 2: شجرة بيانات حزمة التدريب JOVE_BVR_Foot_ModelAndMarkerBased. تظهر المجلدات في مربعات سوداء، ويظهر الرمز في مربعات رمادية فاتحة، وتوجد أوصاف الملفات في مربعات رمادية داكنة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

3. تقييم دقة خوارزمية تتبع النموذج

1. احفظ تقديرات الوضع كملف .tra في المجلد المرجعي للإصدار التجريبي. رتب ملف .tra مع الوضع من مساحة العظام إلى مساحة الأشعة السينية المكتوبة بتنسيق صف واحد × 16 عمودا ، مع كل صف يتوافق مع الإطار ومصفوفة وضعية 4 × 4 مكتوبة ك [العمود الأول ، العمود الثاني ، العمود الثالث ، والعمود الرابع].
   ملاحظة: مساحة العظام مرادفة لمساحة التصوير المقطعي المحوسب في مجموعة البيانات هذه.
2. تحقق من تقديرات الوضع عن طريق فتح البرنامج النصي verifyAssessmentPoses.m في النظام الأساسي للحوسبة ثم النقر فوق تشغيل. قم بتحميل الملفات كما هو موضح في المطالبات. سيحسب البرنامج النصي المحور الحلزوني بين تقدير الوضع المستند إلى النموذج والعلامة ويرجع فرق الدوران والترجمة لكل إطار من البيانات المتتبعة.

4. تدريب المشغل الجديد

ملاحظة: يصف هذا القسم التدريب مع ملاحظات لمشغل جديد. هنا ، Autoscoper هو برنامج تقدير الوضع المستند إلى النموذج المحدد ، ولكن يمكن استخدام برامج أخرى كبديل.

1. قم بتنزيل أحدث إصدار من برنامج تقدير الوضع من: https://simtk.org/projects/autoscoper.
2. لتحديد موقع ملفات BVR المحلية، افتح الملف في محرر نصوص (.\JOVE_BVR_Foot_ModelAndMarkerBased\Data\SOL001A\T0019_jog0001\Autoscoper\POINTER_T0019_jog001.cfg). يستخدم البرنامج ملف مؤشر (.cfg) لتحديد موقع الملفات. قم بتعديل الدلائل بحيث تؤدي إلى الملفات المحلية المناسبة. احفظ الملف وأغلقه.
3. لتحميل صور BVR ومعلومات الكاميرا، افتح برنامج تقدير الوضع وانقر فوق تحميل الإصدار التجريبي. انتقل إلى ملف تكوين المؤشر المحفوظ في الخطوة السابقة وانقر فوق فتح.
4. للتتبع، اتبع البروتوكول الوارد في أخباري^{وآخرون 17} (التتبع المستند إلى النموذج). باختصار ، قم بتدوير العظم وترجمته عن طريق النقر فوق المحاور الموجودة على العظم وسحبها حتى تشعر بالرضا عن موضع واتجاه العقب. اضغط على المفتاح S على لوحة المفاتيح لحفظ الإطار الحالي للعقبي (cal).
   ملاحظة: يتم تضمين إعدادات التصفية في \JOVE_BVR_Foot_ModelAndMarkerBased\Data\SOL001A\T0019_jog0001\Autoscoper\ والتي يمكن استخدامها للتصفية كما هو موضح في Akhbari et^{al 17}.
5. لحفظ الملفات، انقر فوق حفظ التتبع. احفظ الملف ك [رقم المحاكمة]_[رقم الموضوع]_[اسم المحاكمة]_[رمز عظم 3 أحرف].tra (على سبيل المثال، T0019_SOL001A_jog0001_cal.tra) ضمن الدليل المطلوب. قم بتصدير الإعدادات على أنها الحالية ، المصفوفة ، العمود ، الفاصلة ، لا شيء ، مم ، درجات.
   ملاحظة: رموز العظام المكونة من ثلاثة أحرف للساق والكاهدر هي tib و tal ، على التوالي.
6. لإنشاء ملفات لتتبع الدقة، افتح النظام الأساسي للحوسبة وقم بتشغيل البرنامج النصي animateBonesWithReferences.m في مجلد التعليمات البرمجية. انتقل إلى المجلدات الموجودة داخل حزمة التدريب كما هو مطلوب في مربعات الحوار.
   ملاحظة: كود animateBonesWithReferences.m هو رمز متخصص للتدريب يوفر الوضعيات من البيانات المستندة إلى العلامات كملاحظات لتحسين تتبع المشغل الجديد.
7. قم بتثبيت برنامج التصور من: https://github.com/DavidLaidlaw/WristVisualizer/tree/master. لتصور التتبع ، افتح ملف .pos الذي تم إنشاؤه في الخطوة 4.6 في برنامج المرئيات ؛ سيكون موقع الملف الخاص به في نافذة أوامر منصة الحوسبة.
8. تحقق من محاذاة العظم المجنزرة (الرمادي) مع العظم المرجعي. يشير اللون الأخضر إلى أن الوضع يقع ضمن عتبات الدوران والترجمة بينما يشير اللون الأحمر إلى أنه خارج العتبة. استمر في التتبع والتصور حتى تصبح جميع الإطارات خضراء. قم بتغيير العتبات (phi - rotation ، trans - translation) في السطرين 10 و 11 من البرنامج النصي animateBonesWithReferences.m ، إذا لزم الأمر.
   ملاحظة: إذا كان العظم المرجعي أحمر (الشكل 3 أ) ، فهذا يعني أن الوضع يبعد أكثر من 1 مم أو 2 درجة عن الوضع القائم على العلامة ، كما تم قياسه باستخدام المحور الحلزوني. إذا كان أخضر ، وكان معقولا بصريا ، تتبع هذا الإطار بشكل جيد بما فيه الكفاية (الشكل 3 ب).
9. لتتبع العظام الأخرى في مجمع الكاحل ، كرر الخطوات من 4.4 إلى 4.8 للكاحل والساق. استخدم برنامج التصور للتأكد من عدم اصطدام العظام.
10. لإكمال التقييم ، تتبع وتصور الساق والكاحم والعقبي في التجربة التي تسمى تجربة التقييم.
    1. افتح منصة الحوسبة وقم بتشغيل الكود animateBonesGeneral.m. انتقل إلى المجلدات الموجودة داخل حزمة التدريب كما هو مطلوب في مربعات الحوار. تحقق من وضعيات العظام باستخدام ملف .pos في برنامج التصور. هذا الرمز قابل للتعميم على التجارب الأخرى للتصور ثلاثي الأبعاد للعظام.
       ملاحظة: لن يكون الوضع الحقيقي المستند إلى العلامة متاحا بعد الآن. فقط العظام الرمادية ستكون موجودة.
11. لتقييم تقديرات الوضع ، افتح البرنامج النصي verifyAssessmentPoses.m في منصة الحوسبة وانقر فوق تشغيل. سيحسب البرنامج النصي المحور الحلزوني بين تقدير الوضع المستند إلى النموذج والعلامة ويرجع فرق الدوران والترجمة لكل إطار من البيانات المتتبعة. سينتج عن هذا نفس الرسم البياني كما هو الحال في animateBoneswithReferences.m ولكنه لن ينتج عنه رسم متحرك.
12. تحقق من أن جميع نقاط البيانات أقل من الحد المحدد (الخط الثابت) لكل من التدوير والترجمة. احفظ النتائج في ملف .csv، إذا لزم الأمر.

الشكل 3: تصور التتبع المقبول وغير المقبول. (أ) تتبع عظم العقبي باستخدام التتبع المستند إلى النموذج (رمادي ؛ يشار إليه أيضا بالسهم الرمادي) الذي لا يتطابق بشكل كاف مع الوضع من تقدير الوضع المستند إلى العلامة (أحمر ؛ يشار إليه أيضا بالسهم الأحمر). (ب) العقبي الذي يتطابق بشكل كاف مع الوضع من تقدير الوضع المستند إلى العلامة. نتيجة لذلك يظهر العقبي المتعقب بعلامة باللون الأخضر (يشار إليه أيضا بالسهمين الرمادي والأخضر). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

أكمل اثنان من المشغلين الجدد وخبير واحد التدريب القائم على النموذج. قامت الإطارات ال 41 لتجربة التقييم بقياس كفاءة تتبعها القائم على النموذج (الشكل 4). كانت تقديرات المشغلين عادة أقل بكثير من العتبات المحددة. كان متوسط التحيز المتوسط (النطاق) في الدوران عبر العظام 0.75 درجة (0.69 درجة إلى 0.85 درجة) للعقبي ، و 0.40 درجة (0.37 درجة إلى 0.46 درجة) للكاحل ، و 0.89 درجة (0.76 درجة إلى 1.07 درجة) لقصوب الساق. كان متوسط تحيز الترجمة المتوسط 0.10 مم (0.05 مم إلى 0.16 مم) للعقبي ، و 0.31 مم (0.22 مم إلى 0.41 مم) للكاحل ، و 0.33 مم (0.27 مم إلى 0.37 مم) للظنبوب. تشير هذه النتائج إلى أن البرنامج التعليمي فعال في تدريب المشغلين على نطاق محدد من التسامح.

الشكل 4: التحيز في التناوب والترجمة للمشغلين الجدد والخبراء. تظهر مخططات الكمان²⁰ تحيزا في دوران (A) (C) (E) و (B) (D) (F) بين تقديرات الوضع المستندة إلى النموذج والقائمة على العلامات لاثنين من المشغلين الجدد وخبير واحد ل (A) (B) calcaneus و (C) (D) talus و (E) (F) الساق. يتم عرض جميع إطارات تجربة التقييم البالغ عددها 41 إطارا كنقاط بيانات ، مع الوسيط (الدائرة البيضاء) ، والمدى الربيعي (الخط الرأسي السميك) ، والمتوسط (الخط الأفقي السميك). يمثل الخط الأسود عند 2 درجة و 1 مم العتبات المحددة. لا يتم عرض ستة إطارات خارج الحد الأدنى للمشغل الجديد 2 في (E). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

كان لدى أحد المشغلين الجدد ستة إطارات فوق عتبة الدوران 2 درجة في تتبع الساق. تم تحديد الإطارات باستخدام أحد الرسوم البيانية التي تم إنشاؤها في verifyAssessmentPoses.m (الشكل 5). يصعب تتبع هذه الإطارات الستة بسبب انسداد الساق من قبل القدم الأخرى التي تتأرجح عبر المنظر.

الشكل 5: انحياز الدوران لكل إطار على مرحلة الوقوف. مثال على تتبع دوران المشغل الجديد الثاني على جزء من مرحلة الوقوف من الجري ، ل (أ) العقبي ، (ب) الكاحل ، و (ج) الظنبوب. لاحظ أن المربع الأحمر في (C) يعرض الإطارات ذات الأخطاء العالية. (د) على اليسار ، تظهر صورة تمثيلية الفرق التقريبي في محاذاة الخطين البرتقالي والأزرق للساق الأمامي (يشار إليه بسهمين برتقالي وأسود). تظهر الصورة اليمنى مثالا على الساق القريبة جيدا (يشار إليها بالسهم الأبيض). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

ملف تكميلي. الرجاء النقر هنا لتنزيل هذا الملف.

يعد التقدير الدقيق للوضع المستند إلى النموذج أمرا أساسيا لقياس حركية المفصليات وحركة الهيكل العظمي. استندت طرق التحقق السابقة لتقدير الوضع إلى عينات الجثث ذات العلامات المزروعة ، دون تحميل في الجسم الحي ونطاقات حركة المفاصل. تتيح مجموعة البيانات في الجسم الحي هذه للتشغيل والتنقل مع تقدير الوضع المستند إلى العلامة التحقق من صحة الخوارزميات المستندة إلى النموذج. علاوة على ذلك ، يتم تنظيم مجموعة البيانات لتدريب المشغلين الجدد ، بحيث يكون التقدير الأولي المطلوب لمعظم الخوارزميات القائمة على النموذج ضمن مجموعة من التسامح ، مما يقلل من التباين بين المشغلين. يتم توفير كود MATLAB بحيث يمكن تحريك العظام ويتم إنشاء ملاحظات الجودة تلقائيا.

تم تدريب المشغلين الجدد بنجاح على تحديد مدى تحمل 2 درجة من الدوران و 1 مم من الترجمة. هذه الحدود أقل بكثير من الموثوقية بين المشغلين المبلغ عنها ، والتي يمكن أن تصل إلى 5 مم و 10 درجات ¹. ومع ذلك ، فإن التفاوتات المختارة أعلى بمقدار 2 إلى 4 مرات من خطأ RMS لتجارب قدم الجثث السليمة الأخرى (0.59 مم و 0.71 درجة ¹⁶). وتشمل التفاوتات النطاقات العليا لخطأ RMS، ولكنها لا تزال تمثل تحسنا كبيرا مقارنة بالتباين بين المشغلين المبلغ عنه. علاوة على ذلك ، فإن تتبع الظروف في الجسم الحي أكثر صعوبة من أوضاع القدم الثابتة بسبب التباين في انسداد العظام والأنسجة الرخوة والتحف ذات الحركة عالية السرعة من خلال حجم الأشعة السينية. نجح المشغلون الجدد في إجراء التجارب ضمن التسامح وكانوا قريبين من نتائج الخبير ، باستثناء الإطارات الستة الموضحة في الشكل 5C. وبالتالي ، يمثل التسامح المحدد تحسنا مقارنة بالتباين بين المشغلين المبلغ عنه ، وتظهر النتائج أن هذه الطريقة يمكن أن تدرب بنجاح مشغلين جدد ضمن هذا التسامح.

تتمثل إحدى الخطوات الحاسمة في هذا البروتوكول في التكرار بين التنظير الدوار في البرنامج المحدد والتصور في 3D. هذا التكرار مهم لفهم كيفية توجيه العظام في الفضاء. يسمح للمشغل بالتحقق مما إذا كانت أوضاع العظام ممكنة بيولوجيا ولا تصطدم بالعظام الأخرى. يؤدي التناوب المستمر بين التنظير الدوار والتصور إلى تحسين جودة تقديرات وضع العظام النهائية ويساعد في اكتشاف أخطاء التحسين.

تتضمن مجموعة التدريب ، وخاصة تجربة التقييم ، سيناريوهات تتبع صعبة لدفع حدود المشغلين الجدد. تسبب موضع مصادر الأشعة السينية ومكثفات الصور في هذه المجموعة في حجب القدم المتأرجحة للمناظر ، مما خلق تحديات لمحاذاة نماذج العظام. تأثر المشغل الجديد ، الذي يحتوي على عدة إطارات فوق عتبة الدوران ، بالقدم المقابلة التي تحجب المنظر. يمكن أن تساعد استراتيجيات مثل تغيير إعدادات المرشح وتدوير الإطارات مباشرة قبل وبعد الانسداد في التخفيف من هذه المشكلات. علاوة على ذلك ، يختلف اتجاه أنظمة الإحداثيات بشكل كاف بين DICOMs وبرنامج تقدير الوضع ، مما يتسبب في انعكاس الزاوية في الظنبوب. يجب على المشغلين تتبع كل إطار في هذه المرحلة للتغلب على هذا التحدي. هذه السيناريوهات ليست شائعة في مجموعات البيانات وتمثل تحديات يجب أن يتنقل فيها التقدير التلقائي المستند إلى النموذج في المستقبل ، وبالتالي فهي إضافة قيمة لمجموعة البيانات هذه.

هناك قيود معينة على هذا البروتوكول. أولا ، يعد الإعلان عن تقدير الوضع المستند إلى العلامة باعتباره المعيار الذهبي أمرا مثيرا للجدل لأن فرق الدقة بين تقدير الوضع المستند إلى العلامة والنموذج ليس عادة ترتيبا مختلفا من حيث الحجم^2،3،10. ومع ذلك ، فمن المحتمل أن تؤدي التغييرات المرئية في صور BVR التي تنشأ مع مجموعات in vivo (أي القطع الأثرية للحركة والأنسجة الرخوة وانسداد العظام) إلى حدوث أخطاء في تقدير الوضع المستند إلى النموذج مقارنة بالطرق القائمة على العلامات. مطلوب مزيد من التجارب لتأكيد هذه الفرضية. بالإضافة إلى ذلك ، لا تلتقط مجموعة البيانات هذه كل مجموعة أشعة سينية ثنائية المستوى. يمكن أن يؤدي اتجاه الكاميرات ، بحيث تكون العظام في مواضع نسبية مختلفة ، إلى تغيير بروز ميزة العظام والتأثير في المقابل على وظيفة تكلفة خوارزمية مطابقة الوضعية. علاوة على ذلك ، قد تتأثر هذه الميزات بإعدادات مرشح الصور^15،17. وبالتالي ، فإن مجموعة البيانات هذه ليست بالضرورة تقييما قابلا للتعميم لدقة BVR. بدلا من ذلك ، فهي أداة لتدريب المستخدمين على إدخال تقديرات الوضع الأولية المناسبة ولتحسين خوارزميات تقدير الوضع المستندة إلى النموذج حتى لا تكون هناك حاجة إلى التخمينات الأولية ذات المنظار الدوري يدويا.

ليس لدى المؤلفين أي تضارب في المصالح للإفصاح عنه.

تم تمويل هذا العمل من قبل NSERC Discovery Grant (RGPIN / 04688-2015) وجائزة أونتاريو للباحث المبكر.