Reconstruction and biomechanical simulation of the deformable knee complex

The development of an accurate subject specific finite element model of the knee anatomy can be helpful to look into the mechanics of the knee joint. The segmentation of computed tomography (CT) or magnetic resonance (MR) images is a well-established method to obtain subject specific geometrical...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Νικολόπουλος, Φίλιππος
Άλλοι συγγραφείς: Moustakas, Konstantinos
Μορφή: Thesis
Γλώσσα:English
Έκδοση: 2019
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/12571
id nemertes-10889-12571
record_format dspace
institution UPatras
collection Nemertes
language English
topic Finite element analysis
Knee anatomy
Multi-atlas segmentation
Automatic segmentation
Hexahedral mesh
Medical images
Image registration
Geometric reconstruction
Ανάλυση πεπερασμένων στοιχείων
Ανατομία γονάτου
Κατάτμηση με πολλαπλούς άτλαντες
Αυτόματη κατάτμηση
Εξαεδρικό πλέγμα
Ιατρικές εικόνες
Ευθυγράμμιση εικόνων
Γεωμετρική ανακατασκευή
616.707 5
spellingShingle Finite element analysis
Knee anatomy
Multi-atlas segmentation
Automatic segmentation
Hexahedral mesh
Medical images
Image registration
Geometric reconstruction
Ανάλυση πεπερασμένων στοιχείων
Ανατομία γονάτου
Κατάτμηση με πολλαπλούς άτλαντες
Αυτόματη κατάτμηση
Εξαεδρικό πλέγμα
Ιατρικές εικόνες
Ευθυγράμμιση εικόνων
Γεωμετρική ανακατασκευή
616.707 5
Νικολόπουλος, Φίλιππος
Reconstruction and biomechanical simulation of the deformable knee complex
description The development of an accurate subject specific finite element model of the knee anatomy can be helpful to look into the mechanics of the knee joint. The segmentation of computed tomography (CT) or magnetic resonance (MR) images is a well-established method to obtain subject specific geometrical models. Nevertheless, the manual segmentation is a laborious and time consuming task that heavily relies on the performance of the expert. Multi-atlas segmentation is becoming one of the most successful automatic image segmentation techniques, that has been widely tested for brain images but the effort concerning the knee complex is less. Upon segmentation, the 3D surface is reconstructed using mesh generation and refinement techniques, necessary for the subsequent biomechanical modelling task. The quality and robustness of the simulation strongly depends on the contour of the volumetric meshes derived from the 3D surfaces and the shape of the elements. While hexahedral elements are expected to provide better convergence properties, the generation of geometries composed of hexahedral elements is a task that requires high expertise and automatic methods do not exist for complex geometries. To realize a scheme that generates finite element models of the knee complex from MR images, this thesis utilizes a multi-atlas segmentation method to automatically delineate the regions of interest in MR images utilizing a set of atlases and an anatomy-adopted meshing algorithm that automatically creates structured meshes with well shaped hexahedra for the soft tissues of the knee.
author2 Moustakas, Konstantinos
author_facet Moustakas, Konstantinos
Νικολόπουλος, Φίλιππος
format Thesis
author Νικολόπουλος, Φίλιππος
author_sort Νικολόπουλος, Φίλιππος
title Reconstruction and biomechanical simulation of the deformable knee complex
title_short Reconstruction and biomechanical simulation of the deformable knee complex
title_full Reconstruction and biomechanical simulation of the deformable knee complex
title_fullStr Reconstruction and biomechanical simulation of the deformable knee complex
title_full_unstemmed Reconstruction and biomechanical simulation of the deformable knee complex
title_sort reconstruction and biomechanical simulation of the deformable knee complex
publishDate 2019
url http://hdl.handle.net/10889/12571
work_keys_str_mv AT nikolopoulosphilippos reconstructionandbiomechanicalsimulationofthedeformablekneecomplex
AT nikolopoulosphilippos anakataskeuēkaiembiomēchanikēprosomoiōsētouparamorphōsimousymplegmatostougonatou
_version_ 1771297135430467584
spelling nemertes-10889-125712022-09-05T04:59:25Z Reconstruction and biomechanical simulation of the deformable knee complex Ανακατασκευή και εμβιομηχανική προσομοίωση του παραμορφώσιμου συμπλέγματος του γονάτου Νικολόπουλος, Φίλιππος Moustakas, Konstantinos Δερματάς, Ευάγγελος Δεληγιάννη, Δέσποινα Nikolopoulos, Filippos Finite element analysis Knee anatomy Multi-atlas segmentation Automatic segmentation Hexahedral mesh Medical images Image registration Geometric reconstruction Ανάλυση πεπερασμένων στοιχείων Ανατομία γονάτου Κατάτμηση με πολλαπλούς άτλαντες Αυτόματη κατάτμηση Εξαεδρικό πλέγμα Ιατρικές εικόνες Ευθυγράμμιση εικόνων Γεωμετρική ανακατασκευή 616.707 5 The development of an accurate subject specific finite element model of the knee anatomy can be helpful to look into the mechanics of the knee joint. The segmentation of computed tomography (CT) or magnetic resonance (MR) images is a well-established method to obtain subject specific geometrical models. Nevertheless, the manual segmentation is a laborious and time consuming task that heavily relies on the performance of the expert. Multi-atlas segmentation is becoming one of the most successful automatic image segmentation techniques, that has been widely tested for brain images but the effort concerning the knee complex is less. Upon segmentation, the 3D surface is reconstructed using mesh generation and refinement techniques, necessary for the subsequent biomechanical modelling task. The quality and robustness of the simulation strongly depends on the contour of the volumetric meshes derived from the 3D surfaces and the shape of the elements. While hexahedral elements are expected to provide better convergence properties, the generation of geometries composed of hexahedral elements is a task that requires high expertise and automatic methods do not exist for complex geometries. To realize a scheme that generates finite element models of the knee complex from MR images, this thesis utilizes a multi-atlas segmentation method to automatically delineate the regions of interest in MR images utilizing a set of atlases and an anatomy-adopted meshing algorithm that automatically creates structured meshes with well shaped hexahedra for the soft tissues of the knee. Η ανάπτυξη ενός ακριβούς εξατομικευμένου μοντέλου πεπερασμένων στοιχείων της ανατομίας του γονάτου μπορεί να γίνει χρήσιμη για την μελέτη των μηχανικών ιδιοτήτων της άρθρωσης. Η κατάτμηση εικόνων αξονικής ή μαγνητικής τομογραφίας είναι μία καθιερωμένη μέθοδος για την εξασφάλιση εξατομικευμένων γεωμετρικών μοντέλων. Παρόλα αυτά, η χειροκίνητη κατάτμηση εικόνων είναι μία κοπιώδης και χρονοβόρα διαδικασία που εξαρτάται αρκετά απ' την απόδοση του ειδικού. Η κατάτμηση με πολλαπλούς άτλαντες γίνεται μια απ' τις πιο επιτυχείς τεχνικές αυτόματης κατάτμησης, που έχει ευρέως δοκιμαστεί για απεικονίσεις του εγκεφάλου με το ενδιαφέρον να είναι λιγότερο για τις απεικονίσεις του γονάτου. Απ' την κατετμημένη εικόνα μπορούν να προκύψουν τρισδιάστατες επιφάνειες με τεχνικές δημιουργίας και βελτιστοποίησης δισδιάστατων πλεγμάτων, που είναι απαραίτητες για την επακόλουθη μοντελοποίηση. Η ποιότητα και η σθεναρότητα της προσομοίωσης εξαρτώνται έντονα απ' το περίγραμμα των ογκομετρικών πλεγμάτων που προκύπτουν απ' τις τρισδιάστατες γεωμετρίες και του σχήματος των εσωτερικών στοιχείων. Ενώ τα εξαεδρικά πλέγματα αναμένονται να παρέχουν καλύτερες ιδιότητες σύγκλισης, η δημιουργία γεωμετριών που αποτελούνται από εξαεδρικά στοιχεία είναι ένα έργο που απαιτεί γνώσεις και αυτόματες μέθοδοι δεν υπάρχουν για πολύπλοκες γεωμετρίες. Για την δημιουργία ενός σχήματος που γεννά μοντέλα πεπερασμένων στοιχείων για την ανατομία του γονάτου από εικόνες μαγνητικής τομογραφίας, αυτή η εργασία κάνει χρήση μιας μεθόδου κατάτμησης βασισμένης σε πολλαπλούς άτλαντες για να σκιαγραφήσει αυτόματα περιοχές ενδιαφέροντος χρησιμοποιώντας ένα σύνολο ατλάντων. Τέλος, ένας αλγόριθμος προσαρμοσμένος στην κάθε γεωμετρία γεννά ογκομετρικά πλέγματα για την αυτόματη δημιουργία δομημένων πλεγμάτων με εξάεδρα καλής ποιότητας για τους μαλακούς ιστούς του γονάτου. 2019-10-10T20:32:28Z 2019-10-10T20:32:28Z 2019-05-29 Thesis http://hdl.handle.net/10889/12571 en 0 application/pdf