方法文章

癫痫手术中三维多模态影像整合与计算机辅助规划的流程

11.5K 次观看

⸱

DOI：

10.3791/53450

⸱

2016年5月20日

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Clinical and Experimental Epilepsy, UCL Institute of Neurology, 2Center of Medical Imaging and Computing, UCL, 3Department of Neurosurgery, National Hospital for Neurology and Neurosurgery

本文内容

摘要

我们介绍了使用自主设计的软件进行癫痫手术中图像整合、可视化和手术规划的步骤。

摘要

癫痫手术具有挑战性，利用三维多模态影像融合（3DMMI）辅助术前规划已被广泛认可。多模态影像融合在技术上要求较高，因此在临床实践中尚未得到充分应用。我们开发了一个集影像融合、三维可视化和手术规划于一体的单一软件平台。本文逐步描述了该工作流程，从影像采集开始，依次进行影像配准、手动分割、脑组织与血管提取、三维可视化，以及立体定向脑电图（SEEG）电极植入的手动规划。通过推广该软件，其他医疗中心可复制此工作流程，使更多团队受益于三维多模态影像融合技术。我们还介绍了使用一种自动多轨迹规划工具生成SEEG植入方案的方法。初步研究表明，该工具可快速、安全且有效地辅助SEEG植入规划。最后，本文描述了一种简便的解决方案，可将规划方案和三维模型导出至商用神经导航系统，以便在手术室中实施规划。该软件是一项有价值的工具，可在癫痫手术全流程中支持临床决策。

引言

在外科实践中，外科医生必须充分理解解剖结构及其在三维空间中的相互关系。这一点在外科操作空间受限、视野和接触复杂解剖结构受限的神经外科中尤为重要。然而迄今为止，大多数医学影像仍以外科医生所熟悉的传统平面二维形式呈现，且不同成像模态通常以序列方式逐一展示。因此，外科医生必须针对每位患者在脑海中整合这些影像数据，并将其纳入解剖学框架中以进行术前规划。构建能够同时在同一空间背景下显示大脑皮层解剖结构、血管、存在的病理性病变以及其他相关三维解剖标志的个体化患者脑部三维计算机模型，具有明确的临床价值1-4。在手术前，外科医生可对这些模型进行旋转并调整其透明度，以全面理解不同目标结构之间的三维空间关系。这一原理被称为三维多模态影像（3DMMI）。

癫痫手术术前评估的目的是推断癫痫发作起源脑区的位置，并确保该区域可以安全切除，而不会引起显著的功能缺损5。多种诊断性影像学方法有助于实现这一目标，包括结构磁共振成像（MRI）、氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）、发作期单光子发射计算机断层扫描（SPECT）、脑磁图（MEG）偶极子、功能磁共振成像（fMRI）和扩散张量成像（DTI）6。由于癫痫手术需要同时解读多个数据集，并综合分析各数据集之间的相互关系，因此特别适用于三维多模态成像（3DMMI）技术。

在许多情况下，无创性检查无法提供进行切除手术所需的充分证据。此时必须通过颅内脑电图（IC EEG）记录来确定为防止癫痫发作而需要切除的脑区。目前，颅内脑电图越来越多地采用一种称为立体定向脑电图（SEEG）的技术，该技术通过在脑内植入多个记录用深部电极，以三维方式捕捉与癫痫发作相关的电活动的起源和传播过程1,7-10。

立体定向脑电图（SEEG）植入的第一步是制定植入策略，明确需要进行采样的脑区。这需要整合临床和无创脑电图数据、结构性影像、任何病灶信息以及能够推断癫痫起源位置的功能影像数据。

第二步是精确规划电极的植入路径。外科医生必须确保电极路径避开血管，电极入口应位于脑回的顶部，远离皮层表面静脉，并垂直穿过颅骨。此外，整个植入布局需经过周密设计，电极间距应合理，且避免电极之间发生碰撞。

在繁忙的癫痫外科临床实践中，生成三维多模态成像（3DMMI）模型以指导颅内脑电图（IC EEG）电极植入的可行性此前已得到证实11。我们还证明了使用3DMMI在临床决策中具有额外价值。在一项前瞻性研究中，3DMMI信息的披露改变了54例患者中43例（80%）的某些治疗决策，特别是改变了212个深部电极中158个（75%）的放置位置12。

有多种软件包可辅助三维医学图像融合（3DMMI），包括在手术室中使用的商业化的神经导航平台、与神经导航平台配套的专用规划软件套件，以及面向研究的独立图像整合与可视化平台。随着这些平台功能、灵活性和通用性的增强，其可用性以及向临床实践转化的可能性也随之降低。

我们开发了定制软件，用于多模态图像融合、高级三维可视化以及癫痫治疗中的立体定向脑电图（SEEG）电极植入规划12,13。该软件侧重于在临床环境中的易用性，使临床医生能够实时使用，并可快速整合到临床工作流程中。该软件运行在一个转化成像平台14上，该平台整合了NiftyReg、NiftySeg和NiftyView。

本文阐述了在临床实践中使用该软件的操作流程。具体步骤包括图像配准、感兴趣区域的分割、脑部分割、从专用血管成像中提取血管15、构建三维模型、规划立体定向脑电图（SEEG）电极植入路径，以及将模型和计划快速导出至手术室。此外，还介绍了一种用于自动化多路径规划的新型工具13，该工具可提高植入手术的安全性和有效性，并显著缩短规划时间。

方案

注意：此处提供的软件命令针对当前版本（19.01.2015）的软件，后续软件发布后可能会有所变更。各版本的使用手册可应要求提供。

1. 执行图像整合与可视化

  1. 获取影像。
    1. 获取带有钆增强的神经导航T1加权MRI扫描——这将作为参考图像。（注：神经导航商业供应商提供图像采集要求11,12。参见表1）。
    2. 以DICOM或Nifti格式收集术前评估期间完成的所有其他影像（可能包括功能磁共振成像（fMRI）、扩散张量成像（DTI）纤维束追踪、氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）、发作期-发作间期单光子发射CT（SPECT）、脑磁图（MEG）偶极子、三维相位对比MRI、CT血管造影）。参见表1。
  2. 在内部软件之外运行预处理。
    1. 使用开源Freesurfer软件在Linux工作站上处理各向同性T1加权MRI，通过命令'recon-all'生成皮层分割。
    2. 使用命令'mrconvert'将wmparc.mgz和ribbon.mgz文件转换为nifti格式。
  3. 在Windows PC上打开内部软件并加载数据（图1）。
    1. 注意2×2窗口显示，最左侧为DataManager，顶部为不同图像处理工具的图标，最右侧为当前选中的工具。
    2. 通过“拖放”方式导入数据，或通过主菜单"文件/打开"，或通过快捷按钮（图标）"打开"。滚动浏览不同的数据集以确保完整性。注意通过右键单击并移动鼠标实现的缩放功能，以及DataManager的层次结构特性，支持连续图像叠加。
  4. 图像配准。
    1. 单幅图像。
      1. 从快捷图标中选择NiftyReg工具。
      2. 在DataManager中选择带钆增强的神经导航T1图像——这将作为所有其他影像配准的参考图像。
      3. 选择待配准的“浮动图像”。
      4. 定义配准后图像的名称和存储位置。将优化参数设置为层级数4、执行层级3、迭代次数5、配准类型为刚体。
      5. 点击“运行”按钮执行自动刚体配准。
      6. 检查配准的准确性。将配准后的图像叠加在参考图像上进行观察，并通过在DataManager中右键单击图像并移动“不透明度”滑块来调整配准图像的透明度。通过观察清晰的解剖标志（如Monro孔）验证配准效果。
    2. 成对图像。
      1. 首先使用NiftyReg工具对“空间定义图像”（例如：分数各向异性图）进行配准，步骤同1.4.1.1–1.4.1.6。
      2. 从快捷图标中选择RegResample工具。
      3. 在DataManager中选择带钆增强的神经导航T1图像作为参考图像。
      4. 选择处理结果图像（例如，纤维束成像）作为浮动图像。
      5. 使用上一步“空间定义图像”配准生成的txt文件作为输入变换。
      6. 定义配准后图像的名称和存储位置。选择插值类型为0。
      7. 点击“运行”按钮执行“处理结果”的重采样。
      8. 在DataManager中选择新生成的图像进行查看。
      9. 按照步骤1.4.1.6检查配准的准确性。
    3. 对所有数据集重复步骤1.4.1–1.4.2。
  5. 图像分割。
    1. 在DataManager中选择待分割的图像，并从快捷图标中选择“分割编辑器”工具。
    2. 使用高级分割工具（手动分割、区域增长、减法等），在轴向、冠状和矢状面的多个切片上绘制感兴趣区域。
    3. 选择三维插值功能，在三维窗口中可视化正在形成的分割结构。确认分割以生成分割结构的新Nifti文件。
    4. 对所有需要手动分割的图像重复步骤1.5.1–1.5.3。
  6. 生成脑模型。
    1. 在DataManager中选择wmparc.nii图像，并使用步骤1.4.1确保wmparc.nii与参考图像已配准。
    2. 从快捷图标中选择“基本处理工具”。
    3. 对wmparc.nii应用1–5002的阈值，生成皮层的二值化掩膜。
  7. 将感兴趣区域渲染为三维表面（图2, 3）。注：将数据集以三维表面渲染（stl文件）有两种方法：
    1. 使用“表面提取器”工具。
      1. 选择“表面提取器”图标。定义表面提取的阈值并点击“应用”。在DataManager中命名表面渲染结果。
    2. 在DataManager中右键单击Nifti文件，选择“平滑多边形表面”。
  8. 提取血管的表面模型（图4）。注：从专用血管影像（三维相位对比MRI、CT血管造影、带钆增强的T1加权MRI）中提取血管有两种方法。
    1. 使用“表面提取器”工具。
      1. 使用NiftyReg将血管影像配准至参考图像。使用“表面提取器”对图像进行三维表面渲染。
      2. 通过对皮层二值化掩膜应用“基本图像处理”中的膨胀和闭合功能生成颅内掩膜。使用“基本图像处理”中的乘法功能将颅内掩膜应用于血管影像，以去除颅外血管。
      3. 通过外部内部软件处理stl文件以去除噪声，使用三维网格处理软件包。注：该工具的使用说明可在网上免费获取。
    2. 使用VesselExtractor工具。
      1. 从快捷图标中选择VesselExtractor工具。选择血管影像数据集，并指定血管提取Nifti文件的名称和位置。
      2. 点击“运行”执行VesselExtractor。使用“基本图像处理”中的乘法功能将颅内掩膜应用于VesselExtractor的结果，以去除颅外血管。注：颅内掩膜的生成方法同1.8.1.2，即对皮层二值化掩膜应用“基本图像处理”中的膨胀和闭合功能。
    3. 对CT血管造影、三维相位对比MRI和带钆增强的神经导航T1图像重复1.8.1或1.8.2的流程。
  9. 生成脑的体积渲染（图5）。
    1. 在DataManager中选择wmparc.nii图像，并使用步骤1.4.1确保wmparc.nii与参考图像已配准。
    2. 从快捷图标中选择“基本处理工具”。
    3. 使用“基本处理工具”对wmparc.nii图像应用高斯平滑。
    4. 从快捷图标中选择体积渲染工具，并确保在DataManager中已高亮显示平滑后的wmparc.nii文件。
    5. 在体积渲染工具中勾选“体积渲染”框，以生成皮层的体积渲染。

2. 执行手动规划

  1. 使用轨迹规划器速度图标。
    1. 选择神经导航T1扫描作为参考图像。选择“新建计划”和“新建轨迹”。
    2. 根据临床医生提供的目标解剖位点列表，在平面图像上按住“Alt”键并单击鼠标右键选择目标点。注：目标点示例包括内侧颞叶结构（杏仁核、海马体）、岛叶、扣带回。
    3. 根据临床医生提供的入口点列表，在平面图像上按住“Alt”键并单击鼠标左键选择进入点。注：进入点示例包括中颞回、中央前回、缘上回。
    4. 观察在目标点与进入点之间生成的线性轨迹。
  2. 可视化风险。
    1. 选择“风险可视化”速度图标以检查轨迹长度。
    2. 选择“链接视图平面”，将探针眼视图与主窗口中的正交视图平面关联。
    3. 沿轨迹滚动，观察探针眼视图，确保路径避开血管。

3. 进行计算机辅助规划

  1. 准备数据。
    1. 准备灰质表面。
      1. 选择由皮层分割软件生成的 ribbon.nii 文件。
      2. 使用 NiftiReg 将 ribbon.nii 文件与参考图像进行配准。
      3. 使用“平滑多边形表面”功能对配准后的图像进行三维表面渲染。
    2. 准备头皮及头皮排除模板。
      1. 选择 T1 神经导航图像作为参考图像。
      2. 使用基础图像处理工具进行高斯变换。
      3. 使用表面提取器（Surface Extractor）对图像进行表面渲染，生成头皮表面。
      4. 将图像保存并导出为 stl 文件。
      5. 将 stl 文件加载到三维网格处理软件中。
      6. 对于头皮模型，使用清理和编辑工具删除颅内内容。
      7. 对于头皮排除模板，使用手动编辑工具移除不适合电极进入点的区域（i.e., 面部、耳部、对侧半球、小脑幕下方区域）。
    3. 准备表面脑沟表面。
      1. 生成完整脑沟。
        1. 使用基础图像处理工具对 wmparc.nii 文件进行二值化处理，方法同步骤 1.6.3。
        2. 使用基础图像处理工具将二值化的 wmparc.nii 文件膨胀 3 个单位。
        3. 使用基础图像处理工具，将步骤 3.1.3.1.1 生成的二值化文件从步骤 3.1.3.1.2 生成的闭合二值化文件中减去。
      2. 去除深层脑沟以生成表面脑沟图像。注意：使用表面脑沟图像作为关键结构的优势在于，可使路径轨迹远离大脑表面的脑沟，同时允许轨迹接近深层脑沟，而灰质正位于该区域。
        1. 使用基础图像处理工具对步骤 3.1.3.1.2 生成的闭合二值化 wmparc 文件进行缩减。
        2. 使用基础图像处理工具对步骤 3.1.3.2.1 生成的文件进行反相处理。
        3. 使用基础图像处理工具将步骤 3.1.3.2.2 生成的文件与步骤 3.1.3.1.3 生成的完整脑沟图像相乘。
  2. 运行多轨迹规划器（图 6）。
    注意：自动多轨迹规划依赖于高质量的数据准备；需要提供头皮、头皮排除掩模、颅内血管、表面脑沟、皮层和灰质的表面渲染图像。
    1. 从快捷图标中选择“轨迹规划器”，并选择神经导航 T1 MRI 作为参考图像。
    2. 选择“目标点”；可通过按住 Shift 键并单击鼠标左键输入多个目标点，或加载已保存的目标点集。注意：目标点示例包括内侧颞叶结构（杏仁核、海马体）、岛叶、扣带回等。
    3. 选择“进入点”，并在下拉菜单中选择头皮排除掩模。注意：此操作旨在将可能进入点的搜索范围限制在手术上可行的区域内。
    4. 选择关键结构，并从下拉列表中勾选轨迹应避开的表面。选择高级设置；根据需要调整用户自定义的约束条件，如轨迹长度、进入角度以及轨迹之间的距离。
    5. 选择灰质-白质评估，并启用风险分层排序，以优化轨迹中位于灰质部分的比例。
    6. 通过选择“添加新计划”和“重新计算计划”来运行多轨迹规划器。
  3. 可视化风险（图 7）。
    1. 使用“风险可视化”快捷图标，在轨迹规划完成后评估各轨迹的风险与安全性。
      注意：每条轨迹均提供长度、进入角度、累积风险、距血管最小距离以及灰质/白质比值等指标，并沿轨迹路径图形化显示距关键结构的距离。同时包含探针视角查看功能。
    2. 在 DataManager 中选择“风险图”，以在头皮排除掩模上叠加显示彩色编码的等高线图，表示潜在进入点及其对应的风险等级，其中红色代表高风险，绿色代表低风险（针对任意选定的轨迹）。
  4. 手动调整轨迹。
    1. 选择待调整的轨迹。
    2. 按住 Alt 键并单击鼠标右键选择新的进入点，按住 Alt 键并单击鼠标左键选择新的目标点。
    3. 使用步骤 3.3 中的“风险可视化”快捷图标评估新轨迹。

4. 将手术方案和模型导出至手术室

  1. 检查参考图像是否为 DICOM 格式。从快捷图标中选择 S7 导出。
  2. 定义要导出的参考图像、计划、路径以及模型，并指定保存归档文件的目标位置。运行 S7 导出工具。
  3. 将生成的归档文件上传至 U 盘，转移至手术室的神经导航系统，并在神经导航系统中加载该归档文件夹，以用于临床实施规划的路径。

5. 术后电极植入重建

  1. 获取术后 CT 影像。
  2. 将 CT 头部数据载入内部软件，并加载先前保存的患者数据集。
  3. 使用 NiftyReg 工具将 CT 与参考 T1 加权 MRI 进行共配准。
  4. 在配准后的 CT 上，使用 SurfaceExtractor 工具以高阈值生成电极的三维表面渲染。
  5. 使用三维网格处理软件的清理和修复功能，去除表面渲染电极中的噪声和导线。

结果

自2013年8月以来，国家神经病学与神经外科医院已采用所述的图像融合、可视化、手动规划及导出至选定神经导航系统的操作流程。该流程已应用于35例立体定向脑电图（SEEG）植入手术12，共植入319根深部电极。其中27例（27/35，77%）患者在电极植入后接受了皮质切除术，表明电极植入准确定位了癫痫发作起源区域。在电极植入过程中发生了一例与深部电极置入相关的出血并发症，经保守治疗处理。

术前评估期间所使用的影像学检查方式根据具体病例而定，详见表1。该方案具有灵活性，可整合任何可导入为DICOM或Nifti格式的影像学检查方式。图1展示了我们自主研发软件平台的基本查看界面，图2、图3、图4和图5则展示了构建三维多模态模型过程中的典型界面截图。

将本方案无缝整合到我们的临床流程中，并将该软件推广至其他中心，是衡量成功的一项有效替代“指标”。在癫痫手术人群中评估临床获益的困难众所周知，并在其他文献中已有详细描述12。本流程提供了一种简化的解决方案，具有灵活性高、相对易于操作、且便于在其他中心复制的优点。

计算机辅助规划（CAP）是一项近期发展起来的技术，已对既往手动规划的植入手术进行了回顾性测试16。初步结果表明，CAP 能够生成更安全、更高效的植入方案，具有可实施性，并能以时间高效的方式完成16。表2展示了这一量化比较结果。目前，一项关于在临床实践中应用 CAP 的前瞻性试验正在进行中。驱动 CAP 的算法此前已有描述13。

图6展示了一个典型的自动化多轨迹规划器输出结果。已输入的关键结构包括静脉、动脉和脑表面沟回。注意轨迹中心位于脑回的冠部，且轨迹进入点被限制在头皮排除掩膜范围内。图7展示了一条单独轨迹的典型风险可视化图，包含相关的度量指标以及轨迹长度的图形表示。

脑部MRI分析，显示轴向、矢状和冠状视图；神经影像学软件界面。
图1. 自研软件平台的基本查看器界面。左侧—数据管理器，顶部—包含快捷插件工具的工具栏，右侧—当前正在使用的插件工具，中心—四正交视图显示界面。 请点击此处查看该图的放大版本。

脑成像分析：MRI扫描（左）和显示神经通路的三维重建（右）。
图2. 自主软件中的分割与三维可视化。（A）叠加表面模型的轴向T1加权MRI图像，（B）模型的三维表面渲染（青色-静脉，绿色-经颅磁刺激定位的手部运动区，橙色-弓状束纤维示踪，蓝色-皮质脊髓束纤维示踪，粉色-视辐射纤维示踪，黄色-钩束纤维示踪，紫色-丘脑分割）。 请点击此处查看该图的放大版本。

大脑分割示意图，MRI数据分析，三维重建，神经影像学研究。
图3. 大脑皮层表面模型的生成。（A）wmparc文件的轴向视图，（B）wmparc文件在1-5002范围内的阈值处理结果，（C）二值化后wmparc文件的表面渲染结果。请点击此处查看该图的放大版本。

CT扫描与三维脑血管重建；神经影像学，血管分析，诊断成像
图4. 使用血管性特征在自主开发软件中进行血管提取. (A) 轴向CT血管造影图像与三维相位对比MRI共配准。(B) 静脉（青色）和动脉（红色）的三维表面重建。请点击此处查看该图的高清版本。

显示大脑结构的3D脑部扫描模型；神经科学研究，解剖可视化。
图5. 大脑皮层体积模型的生成 大脑皮层的3D体积渲染（灰色）与头皮表面的表面渲染（白色）。请点击此处查看该图的放大版本。

大脑三维模型可视化，显示神经和血管结构的示意图，解剖学研究。
图 6. 计算机辅助路径规划的三维多模态模型。（A）头皮（白色）、头皮排除掩膜（黄色）和路径（紫色）。（B）头皮和掩膜透明化，以显示脑组织（粉色）、脑沟（绿色）、静脉（青色）和动脉（红色）。（C）移除头皮和掩膜，以显示路径和脑组织。（D）移除脑组织，以显示路径、脑沟表面、静脉和动脉。请点击此处查看该图的放大版本。

Risk analysis chart; electrode 2 data; trajectory length; graph showing risk vs. distance.
图7. 个体轨迹相关指标的图形可视化顶部长度、角度穿越颅骨、风险、灰质/白质比率以及与血管的最小距离 >直径1 mm。中图：沿轨迹长度最近关键结构的图形显示（红色-动脉，青色-静脉，y轴-距结构的距离（最大10 mm），x轴-从脑入点到靶点的轨迹距离，SM-安全 margin，以水平红线表示轨迹与关键结构之间3 mm的间距）。下图：轨迹穿过灰质和白质路径的图形显示（绿色-颅外，灰色-灰质，白色-白质）。 请点击此处以查看此图的放大版本。

成像方式机构预处理视野范围（前后 × 左右 × 切面）体素大小（前后 × 左右 × 切面）
3D T1 FSPGRES否256 × 256 × 1660.94 × 0.94 × 1.1
冠状位 T2 FLAIRES否256 × 160 × 320.94 × 1.5 × 3.5
含钆导航 T1NHNN否512 × 512 × 1440.5 × 0.5 × 1.5
MRI 3D 相位对比NHNN否256 × 256 × 1600.85 × 0.85 × 1
CT 血管造影NHNN否512 × 512 × 3830.43 × 0.43 × 0.75
MEG 偶极子NHNN是
发作期-发作间期 SPECTUCLH是128 × 128 × 493.9 × 3.9 × 3.9
FDG-PETUCLH是128 × 128 × 471.95 × 1.95 × 3.3
DTIES是128 × 128 × 601.88 × 1.88 × 2.4
功能 MRI，EEG 相关 fMRIES是128 × 128 × 581.87 × 1.87 × 2.5

表1. 用于图像融合的成像方式（ES-癫痫学会，NHNN-国家神经病学与神经外科医院，UCLH-伦敦大学学院医院，FSPGR-快速扰相梯度回波，MEG-脑磁图，SPECT-单光子发射计算机断层扫描，FDG PET-氟脱氧葡萄糖正电子发射断层扫描，DTI-扩散张量成像，AP-前后方向，RL-左右方向，IS-头足方向）。

手动规划*CAP*估计差异（手动 - CAP）误差P 值
电极长度（mm，1 位小数）57.9 (21.8)53.9 (15.6)4.741.59<0.05
进入角度（偏离垂直方向的度数，1 位小数）16.2 (12.8)13.0 (7.6)5.891.07<0.05
风险（归一化单位，2 位小数）0.41 (0.79)0.36 (0.42)0.190.03<0.05
距血管的最小距离（mm，1 位小数）4.5 (3.0)4.5 (3.0)-0.560.2<0.05
脑内电极位于灰质中的比例（2 位小数）0.33 (0.33)0.48 (0.28)-0.110.02<0.05

表2. 手动规划与计算机辅助规划（CAP）之间的统计学比较。 *第一个值为中位数，括号内的第二个值为四分位距。本表格已获许可转载自16。

讨论

总之，图像整合与三维可视化的关键步骤包括图像配准、脑组织、血管及其他感兴趣结构或区域的分割，以及向神经导航系统的导出。此前，本研究团队使用商业化的图像整合软件完成该流程。该流程的一个缺点是耗时较长，整个过程需要 2 - 4 小时。通过使用我们自主研发的软件平台，该流程得到显著简化，可在 1 - 2 小时内完成。此外，该软件还具备立体定向脑电图（SEEG）电极路径的手术规划功能，可手动或在计算机辅助下完成。与手动规划相比，计算机辅助规划（CAP）具有更高的精确性、更低的风险和更快的速度，相关优势已在其他文献中讨论（Nowell et al，待发表；Sparks et al，已投稿）。

该内部软件平台正处于持续开发中，不断添加新工具和功能，以支持术前评估和手术管理的各个阶段。因此，每次新版本发布时都需要进行严格的测试。当前软件的局限性包括缺乏高质量的容积渲染功能，而其他平台已具备此功能，该功能对于高级三维可视化具有重要价值。此外，目前导出功能仅与选定的一家神经导航公司兼容。这些局限性并未影响该软件在我科的临床实用性，也未阻碍该技术向其他中心的推广。

该软件的意义在于消除了此前各研究团队所提及的阻碍3DMMI应用的种种障碍。该解决方案在一个单一平台上提供了易于使用的工具，无需专业培训或专业知识，具有时间与成本效益，并可轻松转化为临床实践。我们计划为该软件增加更多创新功能，以支持癫痫外科手术。此外，这些方法也可轻松应用于神经外科的其他领域，例如靠近功能皮层的低级别肿瘤切除、局灶性毁损以及靶向刺激的递送。随着越来越多复杂病例被纳入治疗范围，以及微创治疗逐渐成为常规实践，3DMMI和精确的外科手术规划工具在现代外科手术中可能将变得愈发重要。

披露

基金支持：Mark Nowell、Gergely Zombori、Rachel Sparks 和 Roman Rodionov 获得英国卫生部与惠康信托基金通过健康创新挑战基金（HICF-T4-275，项目资助号 97914）的支持。

John Duncan 已从卫材（Eisai）、UCB Pharma、葛兰素史克（GSK）、强生西雅图（Janssen Cilag）、美敦力（Medtronic）和通用电气医疗集团（GE Healthcare）获得机构资助。Andrew McEvoy 已从 UCB、百特（Baxter）和赛博诺克斯（Cyberonics）获得资助。其余作者无利益冲突。

本出版物所呈现的研究由健康创新挑战基金（HICF-T4-275，项目资助号97914）支持，该基金是英国卫生部与惠康信托基金会之间的并行资助合作项目。本出版物中表达的观点属于作者（们）个人观点，并不代表英国卫生部或惠康信托基金会的立场。

致谢

本项目得到了英国卫生部和惠康信托健康创新挑战基金（HICF-T4-275，项目资助号 97914）的支持。我们感谢沃尔夫森信托基金会和癫痫协会对癫痫协会磁共振成像仪的资助。本工作得到了英国国家健康研究所（NIHR）伦敦大学学院医院生物医学研究中心（BRC）的支持。

材料

本文使用的材料清单
姓名公司目录编号评论
EpiNavUCL用于图像融合、分割、可视化及手术规划的内部软件平台
FreesurferMartinos Centre for Biomedical Imaging用于皮层分割的软件
S7 StealthstationMedtronic神经导航系统
MeshLabISTI-CNR三维网格处理软件
NiftiKUCL转化成像平台
AMIRAVisualisation Sciences Group图像融合软件

参考文献

  1. Cardinale, F., et al. Stereoelectroencephalography: surgical methodology, safety, and stereotactic application accuracy in 500 procedures. Neurosurgery. 72, discussion 366 353-366 (2013).
  2. Murphy, M., O'Brien, T. J., Morris, K., Cook, M. J. Multimodality image-guided epilepsy surgery. J Clin Neurosci. 8, 534-538 (2001).
  3. Murphy, M. A., O'Brien, T. J., Morris, K., Cook, M. J. Multimodality image-guided surgery for the treatment of medically refractory epilepsy. J Neurosurg. 100, 452-462 (2004).
  4. Harput, M. V., Gonzalez-Lopez, P., Ture, U. Three-dimensional reconstruction of the topographical cerebral surface anatomy for presurgical planning with free OsiriX Software. Neurosurgery. 10, (Suppl 3) 426-435 (2014).
  5. Duncan, J. S. Selecting patients for epilepsy surgery: synthesis of data. Epilepsy Behav. 20, 230-232 (2011).
  6. Duncan, J. S. Imaging in the surgical treatment of epilepsy. Nat Rev Neurol. 6, 537-550 (2010).
  7. Cossu, M., et al. Stereoelectroencephalography in the presurgical evaluation of focal epilepsy: a retrospective analysis of 215 procedures. Neurosurgery. 57, 706-718 (2005).
  8. Cossu, M., et al. Stereo-EEG in children. Childs Nerv Syst. 22, 766-778 (2006).
  9. Gonzalez-Martinez, J., et al. Stereotactic placement of depth electrodes in medically intractable epilepsy. J Neurosurg. 120, 639-644 (2014).
  10. Gonzalez-Martinez, J. A., et al. Stereoelectroencephalography in the ''difficult to localize'' refractory focal epilepsy: Early experience from a North American Epilepsy Center. Epilepsia. 54, 1-8 (2012).
  11. Rodionov, R., et al. Feasibility of multimodal 3D neuroimaging to guide implantation of intracranial EEG electrodes. Epilepsy Res. 107, 91-100 (2013).
  12. Nowell, M., et al. Utility of 3D multimodality imaging in the implantation of intracranial electrodes in epilepsy. Epilepsia. 56, 403-413 (2015).
  13. Zombori, G., et al. Information Processing in Computer-Assisted Interventions. , Fukuoka, Japan. (2014).
  14. Clarkson, M. J., et al. The NifTK software platform for image-guided interventions: platform overview and NiftyLink messaging. Int J Comput Assist Radiol Surg. , (2014).
  15. Zuluaga, M. A., et al. Medical Image Computing and Computer-Assisted Intervention-MICCAI. 2014. , Springer International Publishing. 651-658 (2014).
  16. Nowell, M., et al. Comparison of computer-assisted planning and manual planning for depth electrode implantations in epilepsy. J Neurosurg. , In Press (2015).

重印与许可

标签

三维多模态影像融合癫痫手术规划影像配准手动分割脑血管提取三维可视化立体脑电图植入多轨迹规划神经导航导出
癫痫手术中三维多模态影像整合与计算机辅助规划的流程
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。