管道在癫痫手术3D多模图像集成和计算机辅助规划
May 20th, 2016
我们描述的步骤来使用我们的形象整合，可视化和规划癫痫外科的定制设计的软件。
软件 Pipeline 的总体目标是允许软件本身在其他中心传播，使其他群体能够从癫痫手术中的 3D 多模态图像集成中受益。癫痫术前评估的所有步骤（包括图像配准、解剖分割和计算机辅助计划）的主要优点是可以在一个软件平台上进行。大脑结构的 3D 可视化，加上多模态图像集成，以及用于电极植入的自动多轨迹规划器，是提高癫痫手术疗效和安全性的相关工具。
3D 多模态结构和功能脑成像显示，包括正常和异常的结构和功能，可以更准确、更快速地规划和植入深度电极。首先在 PC 上打开内部软件并加载数据。请注意 2 x 2 窗口显示，数据管理器位于最左侧，顶部图标代表不同的图像处理工具，所选工具位于最右侧。
通过单击打开"图标导入数据。滚动浏览不同的数据集以确保完整性。接下来，通过从速度图标中选择 NiftyReg 工具来共同注册单个图像。
在数据管理器中选择含钆的神经导航 T1 以用作参考图像。然后，选择要共同注册到参考图像的浮动图像。定义已注册映像的名称和位置。
将优化参数设置为级别 4，将级别设置为执行级别 3，将迭代编号设置为五个，并将共同配准类型设置为刚体。单击 Run 以共同注册自动化刚体。然后，通过在参考图像上检查已注册的图像来检查共同注册的准确性。
通过在数据管理器中右键单击图像并移动不透明度光标来更改注册图像的透明度。首先在 Data Manager 中选择要分割的图像，然后从速度图标中选择分割编辑器工具。使用高级分割工具在轴向、冠状面和矢状面的多个成像切片上绘制感兴趣区域。
最后，选择 3D interpolation 以在 3D 窗口中可视化不断发展的分段结构。确认分段以生成分段结构的新 Nifty 文件。右键单击数据管理器中的 Nifty 文件，然后选择 smooth polygon surface。
首先从 Data Manager 上的 whole brain parcellation 中选择图像文件，并确保此图像与参考图像共同配准。从速度图标中选择基本处理工具。应用从 1 到 5002 的阈值，以创建皮层的二值化掩码。
右键单击数据管理器中的 Nifty 文件，然后选择 smooth polygon surface。选择容器提取器工具以提取容器的表面模型。然后，选择血管图像数据集。
指定容器提取 Nifty 文件的名称和位置。单击 Run" 以执行容器提取器。使用基本图像处理工具中的乘法功能对结果应用颅内掩码，以去除颅外血管。
最后，要将感兴趣区域渲染为 3D 表面，请选择表面提取器图标，并定义表面提取的阈值。选择"应用"，然后在数据管理器中命名曲面渲染。首先，通过选择 trajectory planner 图标来运行多轨迹 Planner
。选择 Neuronavigation T1 MRI 作为参考图像。然后，通过按住 Shift 键并单击鼠标左键来选择目标点，例如杏仁核、海马体、岛叶或扣带回。或者从以前保存的文件中加载目标点。
接下来，选择入口点，以及所附下拉菜单上的头皮排除掩码，以便将可能的入口点的搜索限制为仅手术可行的区域。从下拉列表中标记轨迹应避开的关键结构的表面。选择高级设置，并调整用户定义的有关轨迹长度、入口角和轨迹之间距离的约束。
然后，通过选择 Add new plan （添加新计划） 和 recompute plan （重新计算计划） 来运行多轨迹规划器。接下来，使用风险可视化"速度图标来评估轨迹规划后的风险和安全概况。注意长度、进入角度、累积风险、到血管的最小距离和灰质/白质比值的指标。
在数据管理器中通过单击特定轨迹选择风险地图，以显示覆盖头皮排除掩码的颜色编码等高线图。请注意，对于任何选定的轨迹，潜在入场点都是用颜色编码的，因此红色代表高风险，绿色代表低风险。然后，将计划和模型导出到手术室。
为此，请首先确保参考图像已加载为图标格式，然后打开 S7 导出工具。定义要导出的参考图像、平面图、轨迹和模型，并指定已保存存档的目标。然后运行 S7 导出工具。
最后，将保存的档案上传到 U 盘上，以便传输到手术室的神经导航系统。在 neuronaivgation 系统上加载存档文件夹，用于临床实施计划的轨迹。该协议允许在癫痫手术前进行更简化的图像集成以及 3D 可视化和规划。
计算机辅助计划产生更安全、更高效的植入，与手动计划相比，可以以省时的方式完成。这里显示了 3D 多轨迹规划器的典型结果。已输入的关键结构是静脉、动脉和表面溶胶，它们可以进行更精确的电极植入。
该视频应该可以让您很好地了解多模态图像集成的原理，以及计算机辅助规划的使用。根据要包含的成像量，成像组件的准备很难集成到 3D 多模态显示器中，可能需要数小时。如果源数据中存在任何错误，这些错误将在集成后保留。
在尝试此协议时，重要的是要记住分段解剖结构的质量是确保准确的计算机辅助计划结果的关键。该软件在一个平台中提供了易于使用的工具，因此不需要专业培训或专业知识，具有成本效益，并且很容易转化为临床实践。此外，该软件可以很容易地应用于神经外科的其他领域，例如切除靠近雄辩皮层的肿瘤、局灶性病变和靶点刺激的实施。
内部软件平台正在不断开发中，并添加了新的工具和功能，以支持术前管理和手术评估的所有阶段。不要忘记，神经外科手术和将设备植入大脑会带来重大风险，需要仔细检查每一步。包括实际执行的轨迹，其中植入电极。
概览
本文介绍了一种为癫痫手术设计的用于3D多模态图像整合、可视化和规划的自定义软件。该软件旨在通过简化术前评估来提高手术程序的效果和安全性。
关键研究组成部分
科学领域
- 神经外科
- 医学成像
- 软件开发
背景
- 癫痫手术需要精确规划和大脑结构的可视化。
- 3D多模态图像整合可以改善手术结果。
- 现有工具通常缺乏术前评估的全面功能。
- 该软件旨在将各种成像过程整合到一个平台中。
研究目的
- 传播用于癫痫手术中图像整合的软件工具。
- 促进更安全和高效的电极植入。
- 为术前规划提供全面的解决方案。
使用的方法
- 使用NiftyReg工具进行图像配准。
- 使用高级分割工具进行解剖分割。
- 大脑结构和功能的3D可视化。
- 电极植入的多轨迹规划。
主要结果
- 该软件允许图像的准确配准。
- 3D可视化有助于识别关键结构。
- 自动规划提高了手术期间的安全性。
- 风险可视化工具提供了轨迹安全性的洞察。
结论
- 该软件简化了图像整合过程。
- 它改善了癫痫手术的规划和执行。
- 总体上，它有助于更好的手术结果和效率。
常见问题
Executive Industry Relevance
In epilepsy surgery, accurate pre-surgical planning is critical for target validation and reducing procedural risk. This software pipeline enables mechanistic de-risking by integrating multimodality imaging, segmentation, and trajectory planning into a unified workflow. It supports predictive confidence in stereotactic electrode implantation by providing quantitative safety metrics and reproducible planning outputs.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of anatomical targets such as hippocampus and amygdala through multimodality image co-registration and segmentation.
- Operational Value: Standardizes target identification across imaging modalities, reducing variability in preclinical target validation studies.
Screening & Assay Development
- Scientific Value: Generates quantitative dependent variable measurements including trajectory length, entry angle, and distance to critical structures for assay-like evaluation of implantation plans.
- Operational Value: Provides reproducible, scalable planning outputs that can be exported to neuronavigation systems for consistent experimental execution.
Translational & Preclinical Research
- Scientific Value: Supports disease-relevant system modeling by enabling 3D visualization of epileptogenic zones and critical vasculature in preclinical surgical simulations.
- Operational Value: Facilitates translational continuity from discovery planning to preclinical validation through standardized export of plans and models.
Pipeline & Workflow Integration
The method integrates into the discovery continuum by supporting hypothesis testing in target validation, enabling assay-ready planning outputs, and providing analytics for go/no-go decisions in surgical intervention strategies.
- Discovery Biology: Supports hypothesis testing through co-registration of structural and functional imaging to clarify epileptic network involvement.
- Screening: Delivers assay readiness via standardized trajectory planning with quantifiable safety parameters for comparative condition evaluation.
- Analytics: Provides statistical outputs including cumulative risk, grey/white matter ratios, and minimum vessel distance to enable comparative trajectory analysis.
- Translational Research: Connects to preclinical continuity by allowing exported plans to be implemented in neuronavigation systems for surgical validation.
- Enterprise Reuse: Functions as a reusable platform for multimodality image integration across neurosurgical indications beyond epilepsy.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence in target engagement, reduction of mechanistic ambiguity in surgical targeting, and enhanced biological de-risking.
- Operational Value: Standardization, reproducibility, and scalability of planning workflows across sites and operators.
- Strategic Value: Improved go/no-go decisions, capital efficiency through reduced planning time, and lowered late-stage procedural risk.
- Portfolio Impact: Risk-adjusted prioritization of surgical candidates based on quantifiable safety profiles and target accuracy.
Implementation Considerations
- Requires expertise in neuroimaging, image co-registration, and 3D segmentation techniques.
- Dependent on computational infrastructure capable of handling multimodality image datasets and 3D rendering.
- Necessitates cross-team standardization of segmentation protocols and trajectory planning parameters for reproducible outputs.
- Involves adaptation considerations when applying the pipeline to different brain targets or surgical indications.
- Limited by the quality of input imaging data; artifacts or misregistration persist in integrated outputs.
