论文部分内容阅读
背景:膝关节前交叉韧带（anterior cruciate ligament,ACL）是连接胫骨与股骨的重要解剖结构,有限制胫骨过度前移、与其他韧带共同维持膝关节稳定性的重要作用。前交叉韧带断裂可导致明显的膝关节不稳,严重影响膝关节功能,如果不及时治疗,由于关节失稳,不仅容易发生膝关节的反复扭伤,还可能引起关节软骨、半月板等重要膝关节结构的继发性损伤,导致膝关节过早退变及骨关节病的发生。基于现有的研究,目前前交叉韧带损伤的主流手术方式是关节镜下的前交叉韧带重建手术。该手术的目的是重建前交叉韧带、恢复膝关节稳定性以获得更好的运动表现,同时保护膝关节的其他结构免受损伤（尤其是半月板和关节软骨）。移植物骨隧道的建立是前交叉韧带重建手术的关键步骤。研究表明,影响前交叉韧带重建手术预后的主要因素包括移植物隧道位置、移植物的选择、移植物的固定方式、术后的康复方案等,其中隧道位置不佳是前交叉韧带重建手术失败的主要原因,约70%-80%的前交叉韧带重建手术失败是由于隧道位置不佳导致的。因此,如何高效准确地定位和定向移植物隧道,是关节镜下前交叉韧带重建术的焦点所在。近年来,虚拟现实（virtual reality,VR）和混合现实（mixed reality,MR）等技术系统的研究越发深入,并逐渐应用到人类生产和生活的许多方面,为人类生活带来巨大便利。在医学方面,VR更常用于技术培训、术前准备、医患沟通等工作,允许医学生和外科医生在虚拟受控环境中进行操作练习,以提高手术技巧,加深解剖认识,规避犯严重错误的风险,也可以明显改善医患双方信息不对等的情况、有效提升医患沟通效果。而MR则更有可能应用于术中指导手术医师操作,具有实时提供清晰地解剖关系图解、有效提高手术精准度、降低手术难度、减少术中患者和医生电离辐射暴露风险和改善临床结果的潜在优势。因此,将MR用于骨科手术实践极具发展前景。但目前还没有MR用于前交叉韧带重建术的相关应用研究报道。图像配准算法是提高混合现实技术在实时术中指导过程中影像配准准确性的关键所在,对图像配准算法的开发研究是重点攻坚方向。第一部分混合现实辅助前交叉韧带重建术的临床应用目的:评估混合现实技术辅助前交叉韧带重建术中隧道位置、方向的准确性及早期临床效果。方法:采用回顾性病例对照研究的方法,纳入2020年6月至2022年3月期间符合纳排标准的由陆军军医大学陆军特色医学中心骨科收治的前交叉韧带损伤患者共44例,其中,混合现实技术辅助手术组（MR组）21例,常规手术组23例。所有患者均在关节镜下完成单束前交叉韧带重建手术。术后,通过CT成像和三维重建的方法比较移植物骨隧道相关参数,并通过指导患者填写Lysholm功能评分量表和国际膝关节文献委员会（the International Knee Documentation Committee,IKDC）评分量表评估术后早期临床效果。结果:MR组术后实际隧道和术前模拟的隧道导针在每个轴向平面上的投影角度差异无统计学意义（均有P＞0.05）。与常规组相比,MR组股骨隧道出口位置在近-远端轴上更靠近股骨外侧髁顶点（P＜0.05）,移植物弯曲角度更小（P＜0.05）。股骨隧道中心位置分布的散点图显示,与常规组相比,MR组中的点较少离散,更接近术前设计的理想位置。两组之间的平均手术时间（P=0.304）和胫骨平台处胫骨隧道出口的中心位置(PML=0.602,PAP=0.473)差异无统计学意义。所有患者均随访12个月以上,平均随访17.91±4.49月。术后3个月、6个月、12个月,两组患者的患肢Lysholm功能评分和IKDC评分的差异无统计学意义（均有P＞0.05）,但与术前相比均有显著改善（均有P＜0.001）。结论:借助混合现实技术进行前交叉韧带重建手术,可在手术过程中准确定位和定向股骨隧道,有效提高移植物股骨隧道重建的准确性,是个体化前交叉韧带重建的可行选择。据我们的检索,本研究为混合现实技术辅助前交叉韧带重建术的初次文献报道。第二部分基于有界广义高斯混合模型的医学图像配准算法的初步探索目的:探索新的医学图像配准方法,为下一步混合现实技术结合导航实现术中图像自动配准、提高影像配准精准度提供理论依据。方法:使用有界广义高斯混合模型（bounded generalized Gaussian mixture model,BGGMM）来逼近源医学图像的联合强度。该混合模型的公式化基于最大似然框架,并且通过期望最大化算法求解。选用斯坦福大学开源的最大的肌肉骨骼医学影像数据库（Musculoskeletal Radiographs,MURA）（https://stanfordmlgroup.github.io/competitions/mura/）与南加州大学开源的中风后病灶解剖追踪数据集（the Anatomical Tracings of Lesions after Stroke,Atlas）（http://fcon＿1000.projects.nitrc.org/indi/retro/atlas.html）对该配准方法及传统配准方法的配准性能进行测试。使用像素位移（pixel displacement,PAD）的大小评估配准误差,客观地衡量不同方法的配准性能。结果:提出了一种基于有界广义高斯混合模型（BGGMM）的医学图像配准方法,使用MURA和Atlas两个开源数据集进行模拟和训练,与互信息法、增强相关系数法、集成配准法等传统配准方法相比较,该方法的图像配准性能有明显的提升。在MURA数据集上对比其他方法平均PAD分别降低了88.15%、97.21%、96.52%,在Atlas数据集上对比其他方法平均PAD值分别降低了5.12%、93.68%、92.55%。结论:所提出的基于有界广义高斯混合模型的配准方法显著提高了医学图像配准性能,在处理具有更多干扰信息和更大偏移的源图像时,该方法的效果更明显,为未来进一步开发基于该方法的三维配准模式,结合导航系统,实现术中混合现实医学图像模型与现实实体的自动配准提供了理论依据。