根据计算机断层扫描数据评估通过增材制造复制三维模型引起的几何偏差

封面图片

如何引用文章

全文:

详细

论证。三维建模和三维打印技术现已在临床和基础医学的各个领域得到应用，主要是在外科领域。谈到外科医生的术前准备，印刷品与患者解剖结构的一致性可以在评估病变和纠正病变的方法方面发挥重要作用。确定所得模型大小的偏差与伦理和技术困难有关，这些困难分别与确定标准和进行大量测量的需要相关。 本文中我们建议使用具有预定尺寸的几何图形作为参考，并使用通过原型制作获得的多边形网格的每个顶点的最近点的迭代算法来估计线性偏差。

目标是通过三维建模（基于计算机断层扫描数据）和增材制造来评估模拟骨组织的物体复制时出现的几何偏差。

材料与方法为了创建初始对象，使用了 FreeCAD 程序，在 Blender 和 Meshmixer 程序中编辑多边形网格。 这些模型是在含有铜颗粒的 BFCopper PLA 的 Ender-3 打印机上进行 3D 打印的。 使用飞利浦 Ingenuity CT 128 层 CT 扫描仪进行扫描。 将一系列断层图像加载到 3D Slicer 程序中，使用自动（阈值为 500 HU、0 HU、-500 HU、-750 HU）和手动分割的方法创建虚拟模型. 原始模型和复制模型的比较是基于 CloudCompare 程序中最近点的迭代算法进行的。

结果。根据分割方法的不同，复制模型的体积超过相应原始模型的体积 1-27%。 复制模型的多边形网格与原始模型的线性偏差平均值为 0.03-0.41 毫米。 使用斯皮尔曼等级相关系数比较线性偏差和模型体积变化的积分和的值显示它们之间存在显着相关性（ρ = 0.83； temp=5.27，p=0.05）。

结论。再现对象的几何参数不可避免地会发生变化，失真更多地取决于所选的分割方法，而不是模型或其零件的总体比例。 使用手动分割方法会导致线性尺寸的更大失真（与自动分割方法相比），但它允许您保留所有必要的解剖结构。

作者简介

Aleksandr V. Shirshin

Kirov Military Medical Academy; ITMO University

编辑信件的主要联系方式.
Email: asmdot@gmail.com
ORCID iD: 0000-0002-1494-9626
SPIN 代码: 4412-0498
俄罗斯联邦, 6G, Akademika Lebedeva street, Saint-Petersburg, 194044; 49, Kronverksky pr., St. Petersburg, 197101

Igor S. Zheleznyak

Kirov Military Medical Academy

Email: igzh@bk.ru
ORCID iD: 0000-0001-7383-512X
SPIN 代码: 1450-5053

MD, Dr. Sci. (Med.), Assistant Professor

俄罗斯联邦, 6G, Akademika Lebedeva street, Saint-Petersburg, 194044

Vladimir N. Malakhovsky

Kirov Military Medical Academy

Email: malakhovskyvova@gmail.com
ORCID iD: 0000-0002-0663-9345
SPIN 代码: 2014-6335

MD, Dr. Sci. (Med.), Professor

俄罗斯联邦, 6G, Akademika Lebedeva street, Saint-Petersburg, 194044

Sergei V. Kushnarev

Kirov Military Medical Academy

Email: S.v.kushnarev@yandex.ru
ORCID iD: 0000-0003-2841-2990
SPIN 代码: 5859-0480

MD, Cand. Sci. (Med.)

俄罗斯联邦, 6G, Akademika Lebedeva street, Saint-Petersburg, 194044

Natalia S. Gorina

Kirov Military Medical Academy

Email: natali_bgmu@mail.ru
ORCID iD: 0000-0002-6220-8195
SPIN 代码: 8175-6746
俄罗斯联邦, 6G, Akademika Lebedeva street, Saint-Petersburg, 194044

参考

  1. Trauner KB. The emerging role of 3D printing in arthroplasty and orthopedics. J Arthroplasty. 2018;33(8):2352–2354. doi: 10.1016/j.arth.2018.02.033
  2. Randazzo M, Pisapia JM, Singh N, Thawani JP. 3D printing in neurosurgery: a systematic review. Surg Neurol Int. 2016;7(Suppl 33):S801–S809. doi: 10.4103/2152-7806.194059
  3. Meier LM, Meineri M, Qua Hiansen J, Horlick EM. Structural and congenital heart disease interventions: the role of three-dimensional printing. Neth Heart J. 2017;25(2):65–75. doi: 10.1007/s12471-016-0942-3
  4. Ochoa S, Segal J, Garcia N, Fischer EA. Three-dimensional printed cardiac models for focused cardiac ultrasound instruction. J Ultrasound Med. 2019;38(6):1405–1409. doi: 10.1002/jum.14818
  5. Takao H, Amemiya S, Shibata E, Ohtomo K. 3D printing of preoperative simulation models of a splenic artery aneurysm: precision and accuracy. Acad Radiol. 2017;24(5):650–653. doi: 10.1016/j.acra.2016.12.015
  6. Owen BD, Christensen GE, Reinhardt JM, Ryken TC. Rapid prototype patient-specific drill template for cervical pedicle screw placement. Comput Aided Surg. 2007;12(5):303–308. doi: 10.3109/10929080701662826
  7. Sánchez-Sánchez Á, Girón-Vallejo Ó, Ruiz-Pruneda R, et al. Three-dimensional printed model and virtual reconstruction: an extra tool for pediatric solid tumors surgery. European J Pediatr Surg Rep. 2018;6(1):e70–e76. doi: 10.1055/s-0038-1672165
  8. Choi JY, Choi JH, Kim NK, et al. Analysis of errors in medical rapid prototyping models. Int J Oral Maxillofac Surg. 2002;31(1): 23–32. doi: 10.1054/ijom.2000.0135
  9. Kwun JD, Kim HJ, Park J, et al. Open wedge high tibial osteotomy using three-dimensional printed models: Experimental analysis using porcine bone. Knee. 2017;24(1):16–22. doi: 10.1016/j.knee.2016.09.026
  10. Chung M, Radacsi N, Robert C, et al. On the optimization of low-cost FDM 3D printers for accurate replication of patient-specific abdominal aortic aneurysm geometry. Version 2. 3D Prin Med. 2018;4(1):2. doi: 10.1186/s41205-017-0023-2
  11. El-Katatny I, Masood SH, Morsi YS. Error analysis of FDM fabricated medical replicas. Rapid Prototyp J. 2010;16(1):36–43. doi: 10.1108/13552541011011695
  12. Salmi M, Paloheimo KS, Tuomi J, et al. Accuracy of medical models made by additive manufacturing (rapid manufacturing). J Craniomaxillofac Surg. 2013;41(7):603–609. doi: 10.1016/j.jcms.2012.11.041
  13. Mitsouras D, Liacouras P, Imanzadeh A, et al. Medical 3D printing for the radiologist. Radiographics. 2015;35(7):1965–1988. doi: 10.1148/rg.2015140320
  14. Dionísio FC, Oliveira LS, Hernandes MA, et al. Manual and semiautomatic segmentation of bone sarcomas on MRI have high similarity. Braz J Med Biol Res. 2020;53(2):e8962. doi: 10.1590/1414-431x20198962
  15. Parmar C, Rios Velazquez E, Leijenaar R, et al. Robust radiomics feature quantification using semiautomatic volumetric segmentation. PLoS One. 2014;9(7):e102107. doi: 10.1371/journal.pone.0102107
  16. De Lima Moreno JJ, Liedke GS, Soler R, et al. Imaging factors impacting on accuracy and radiation dose in 3D printing. J Maxillofac Oral Surg. 2018;17(4):582–587. doi: 10.1007/s12663-018-1098-z
  17. Narizzano M, Arnulfo G, Ricci S, et al. SEEG assistant: a 3DSlicer extension to support epilepsy surgery. BMC Bioinformatics. 2017;18(1):124. doi: 10.1186/s12859-017-1545-8

补充文件

附件文件
动作
1. JATS XML
下载
2. 图 2标准型号的外部1在步骤下限： а - 参数造型， b - 3D打印， c - CT扫描（轴向切片，窗口电平+805 HU，窗宽3718 HU，由于近距离铺设的灯丝较近的灯具水平平面）和d - 基于CT数据创建多边形网格。 CT—计算机断层摄影

下载 (483KB)
索引源数据
3. Fig. 4.

下载 (421KB)
索引源数据
4. 图 5半自动分割的模型外观，截止阈值为 0 HU（a - 带有与标准的偏差图，b - 一般视图）和手动（c - 带有与标准的偏差图，d - 一般视图） 方法。

下载 (775KB)
索引源数据
5. 图 6.测量比较模型（红线）的缺陷区域与标准（蓝线）的线性偏差。

下载 (441KB)
索引源数据
6. 图 1研究设计。 CT—计算机断层摄影

下载 (205KB)
索引源数据
7. 图 3模型的多边形网格对齐 (a) 和线性尺寸计算偏差的直方图 (b)。

下载 (209KB)
索引源数据
8. 图 4。线性归一化值：红色 - 标准模型体积的差异，蓝色 - 线性偏差积分和的差异。

下载 (129KB)
索引源数据

版权所有 © Shirshin A.V., Zheleznyak I.S., Malakhovsky V.N., Kushnarev S.V., Gorina N.S., 2021

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».