《Journal of Biomechanics》:Predicting tibia and fibula geometry from shank surface skin in a paediatric population
编辑推荐:
摘要肌肉骨骼模型生成通常需要对一个通用成人骨架进行缩放,这种方法速度快但通常不够准确。统计形状模型的开发使得能够基于特定人群来缩放肌肉骨骼模型,从而提高了个性化程度。低成本3D表面扫描提供了直接从外部身体形状缩放肌肉骨骼模型的新机遇,例如SKEL模型。本研究评估了以下内容的准
摘要
肌肉骨骼模型生成通常需要对一个通用成人骨架进行缩放,这种方法速度快但通常不够准确。统计形状模型的开发使得能够基于特定人群来缩放肌肉骨骼模型,从而提高了个性化程度。低成本3D表面扫描提供了直接从外部身体形状缩放肌肉骨骼模型的新机遇,例如SKEL模型。本研究评估了以下内容的准确性:1)一种结合形状模型,用于在正常发育的儿童人群中从皮肤表面预测胫骨/腓骨几何形态;2)通过SKEL进行的通用缩放输出结果。从318例全身CT扫描中分割出左胫骨/腓骨和小腿皮肤表面。主成分分析捕捉了小腿部表面与胫骨/腓骨几何形态之间的联合形态变化。随后开发了一种结合形状模型,使用主成分拟合从外部小腿表面预测胫骨/腓骨几何形态。该模型使用留一法分析进行了验证。结合形状模型预测胫骨和腓骨的均方根误差为2.00 ± 0.90 mm,而SKEL拟合的表面误差为2.98 ± 0.62 mm。从预测骨骼中获得的临床骨测量值与分割骨骼相比显示出较低误差,但胫骨长度和机械内侧近端胫骨角除外。这些结果在三轮预测中具有可重复性,证明了从外部皮肤表面预测骨形态和临床测量值的稳健性和准确性。这一概念验证展示了从皮肤推断骨骼的可行性,为开发全身模型以增强儿童临床步态分析铺平了道路。
引言
肌肉骨骼模型越来越多地用于临床步态分析,以估计关节运动学和动力学。这些模型的准确性对于增强对人类运动的理解以及改善诊断、治疗、康复和表现分析至关重要。传统上,有两种方法用于将肌肉骨骼模型个性化到受试者:(1)将通用成人模型线性缩放以匹配受试者的人体测量数据(Delp等人,2007;J. L. Hicks等人,2015;Lund等人,2015);(2)基于医学影像进行患者特异性骨和/或肌肉重建,这被认为是金标准(Baldwin等人,2010;Gerus等人,2013;Pitto等人,2019;Rajagopal等人,2020)。基于成人模板线性缩放的肌肉骨骼模型会在骨几何形态、关节中心位置和肌肉附着点方面引入误差(Bahl等人,2019;Fukuda等人,2017;Gerus等人,2013)。模型的个性化对于生成在生理学和力学上均有效的估计值至关重要(Bottin等人,2024;Davico等人,2022)。然而,患者特异性医学影像受到成本、时间和可及性的限制。为克服线性缩放和医学影像重建的局限性,统计形状模型作为一种有前景的替代方案应运而生,能够在生理极限的约束下实现骨几何形态的非线性缩放,且无需医学影像(Bahl等人,2019;Bakke等人,2023;Carman等人,2024;Chen等人,2026)。
尽管统计形状模型方法具有诸多优势,但仍面临操作性挑战。我们的研究小组此前基于333例4至18岁儿童的CT扫描队列开发了儿童下肢形状模型(Carman等人,2024),与线性缩放相比提高了骨重建准确性(平均RMSE < 3 mm,而线性缩放为4.4 – 4.8 mm)。然而,该形状模型依赖于人体测量数据、线性测量和/或解剖标志点,而所有这些都易受实验方法和操作者解释差异的影响(Gorton等人,2009)。
利用LiDAR(光探测与测距)、激光扫描仪和立体摄影测量技术开发的多种3D人体扫描解决方案,为捕捉皮肤表面几何形态提供了客观且可重复的替代方案(Bartol等人,2021)。一种常见方法是拟合参数化人体模型,如SMPL(皮肤化多人线性模型,Loper等人,2015)及其替代方案STAR(稀疏训练关节人体回归器,Osman等人,2020),以适应可能含有噪声、不完整或存在空洞的实验扫描数据。该方法生成了标准化的、不依赖操作者的皮肤网格。然而,由于这些计算机视觉框架旨在估计人体形状和姿态,SMPL和STAR并不包含肌肉骨骼建模所需的潜在骨形态信息。
近期的研究进展试图弥合这一从皮肤到骨骼的差距。SKEL模型(Skin to Skeleton,Keller等人,2023)将来自通用OpenSim模型的骨骼约束结构整合到SMPL中,而McConnochie等人(2025)将LiDAR人体扫描得出的关键解剖标志点与成人关节形状模型(Zhang等人,2014)相结合,以推断OpenSim缩放因子。尽管这些方法消除了肌肉骨骼缩放对传统动作捕捉标记点的依赖,但它们仍然依赖线性缩放来估计潜在的肌肉骨骼模型。因此,目前仍存在一个局限:虽然3D人体扫描解决了操作者误差问题,统计形状模型改善了骨形态估计,但尚无框架将3D皮肤表面几何形态与儿童非线性骨形状模型联系起来。利用我们的儿童CT数据集(Carman等人,2024)建立皮肤表面与潜在骨形态之间的关系,可以为骨形态预测提供客观的自动化流程。
本可行性研究的目的是开发并评估一种方法,用于在儿童队列中从3D表面皮肤形状预测胫骨和腓骨骨形态。我们的目标是:(1)评估一种结合形状模型在正常发育的儿童人群中利用小腿皮肤表面数据预测胫骨和腓骨几何形态的准确性;以及(2)评估结合形状模型预测的骨骼与通过SKEL通用缩放输出的胫骨/腓骨之间的差异。
章节摘要
影像数据集
318名儿童(132名女性和186名男性;年龄:12 ± 5岁[4,18];身高:149 ± 24 cm[96,192];体重:48 ± 22 kg[14,140])的计算机断层扫描(CT)来自澳大利亚墨尔本维多利亚法医研究所(VIFM),获得了VIFM伦理委员会的伦理批准编号2023-Choisne-1143–2385/3以及奥克兰健康研究伦理委员会的批准编号AH24671。其中265名具有全身CT扫描(从头到脚)的儿童子集被用于SKEL拟合,这需要完整
非刚性配准误差
小腿皮肤表面的RBF拟合RMSE为0.18 ± 0.04 mm,胫骨/腓骨为0.16 ± 0.04 mm(Carman等人,2022)。SKEL骨骼的RBF拟合RMSE为:腓骨0.15 ± 0.03 mm,胫骨0.20 ± 0.05 mm。
主成分分析
结合形状模型(小腿皮肤、胫骨和腓骨)的第一主成分解释了总方差的79.91%(图3),主要捕捉了骨骼和小腿段段的长度,以及胫骨结节、胫骨髁间隆起、以及
讨论
本研究旨在开发并评估一种方法,用于在儿童队列中从3D表面小腿皮肤形状预测胫骨和腓骨骨形态。主要目标是:(1)评估一种结合统计形状模型利用小腿皮肤表面数据预测胫骨和腓骨几何形态的准确性;以及(2)评估结合形状模型预测的骨骼与SKEL骨骼输出之间的差异。结合形状模型表明,胫骨/腓骨可以
结论
本研究展示了从3D表面皮肤扫描预测骨形态的潜力,且精度较为合理。这些发现作为一项概念验证,为未来工作开辟了道路,包括将预测扩展到全身。开发一种能够从快速3D人体扫描预测全身骨架的结合统计形状模型,将是改善儿童和青少年个性化肌肉骨骼模型生成的一大进步。
声明
CRediT作者贡献声明
Enzo Allevard:写作 – 审阅与编辑,写作 – 初稿撰写,可视化,验证,方法学,调查,形式分析,概念化。Thor F. Besier: 。Julie Choisne:写作 – 审阅与编辑,验证,指导,资源,项目管理,方法学,资金支持获取,形式分析,数据管理,概念化。
未引用参考文献
Cignoni等人,日期不详;CloudCompare—开源项目,日期不详;Musculoskeletal,2025;Zhang等人,2016a;Zhang等人,2016b。
利益冲突声明
作者声明以下可能存在潜在利益冲突的财务利益/个人关系:Julie Choisne报告获得了Aotearoa基金会提供的资金支持。如有其他作者,他们声明不存在已知的可能影响本论文所报告工作的竞争性财务利益或个人关系。
致谢
我们感谢澳大利亚墨尔本维多利亚法医研究所(VIFM)提供这一独特数据集的支持。我们感谢Aotearoa基金会(Aotearoa奖学金)提供的资金支持。我们感谢Laura Carman提供临床骨测量代码并协助实施,感谢Conrad Werkhoven将SKEL模型拟合到从CT扫描中获取的外部身体形状。
Enzo Allevard|Thor F. Besier|Julie Choisne