Article de méthode

Co-enregistrement multimodal entre dispositifs et sans marqueur des modalités d’imagerie préclinique

2.2K vues

⸱

DOI :

10.3791/65701

⸱

27 octobre 2023

 ,  ,  ,  ,  ,  , 
1Institute for Experimental Molecular Imaging, RWTH Aachen University, 2Gremse-IT GmbH, 3Carbone Cancer Center, University of Wisconsin, 4Department of Biomedical Engineering and Institute for Quantitative Health Science and Engineering, Michigan State University, 5MediLumine Inc., 6Fraunhofer Institute for Digital Medicine MEVIS

Dans cet article

Résumé

La combinaison de plusieurs modalités d’imagerie est souvent nécessaire pour obtenir une compréhension complète de la physiopathologie. Cette approche utilise des fantômes pour générer une transformation différentielle entre les systèmes de coordonnées de deux modalités, qui est ensuite appliquée pour le co-enregistrement. Cette méthode élimine le besoin de repères dans les scans de production.

Résumé

Les systèmes d’imagerie multimodaux précliniques intégrés, tels que la tomodensitométrie (TDM) à rayons X combinée à la tomographie par émission de positons (TEP) ou l’imagerie par résonance magnétique (IRM) combinée à la TEP, sont largement disponibles et fournissent généralement des volumes co-enregistrés robustes. Cependant, des appareils distincts sont souvent nécessaires pour combiner une IRM autonome avec une TEP-TDM existante ou pour incorporer des données supplémentaires provenant de la tomographie optique ou de la microtomographie à rayons X à haute résolution. Cela nécessite un co-enregistrement d’image, qui implique des aspects complexes tels que la conception d’un lit de souris multimodal, l’inclusion de marqueurs repères, la reconstruction d’images et la fusion d’images basée sur un logiciel. Les marqueurs repères posent souvent des problèmes pour les données in vivo en raison de problèmes de plage dynamique, de limitations du champ de vision d’imagerie, de difficultés de placement des marqueurs ou de perte de signal de marqueur au fil du temps (par exemple, due au séchage ou à la décomposition). Ces défis doivent être compris et relevés par chaque groupe de recherche nécessitant un co-enregistrement d’images, ce qui entraîne des efforts répétés, car les détails pertinents sont rarement décrits dans les publications existantes.

Ce protocole décrit un flux de travail général qui permet de surmonter ces problèmes. Bien qu’une transformation différentielle soit initialement créée à l’aide de marqueurs repères ou de structures visuelles, de tels marqueurs ne sont pas nécessaires dans les scans de production. Les exigences relatives aux données volumétriques et aux métadonnées générées par le logiciel de reconstruction sont détaillées. La discussion porte sur l’obtention et la vérification des exigences séparément pour chaque modalité. Une approche basée sur le fantôme est décrite pour générer une transformation différentielle entre les systèmes de coordonnées de deux modalités d’imagerie. Cette méthode montre comment co-enregistrer des scans de production sans repères. Chaque étape est illustrée à l’aide des logiciels disponibles, avec des recommandations pour les fantômes disponibles dans le commerce. La faisabilité de cette approche avec différentes combinaisons de modalités d’imagerie installées sur différents sites est mise en évidence.

Introduction

Les différentes modalités d’imagerie préclinique présentent des avantages et des inconvénients distincts. Par exemple, la tomodensitométrie (TDM) à rayons X est bien adaptée à l’examen de structures anatomiques de différentes densités radio, telles que les os et les poumons. Il est largement utilisé en raison de sa vitesse d’acquisition rapide, de sa résolution tridimensionnelle élevée, de sa relative facilité d’évaluation de l’image et de sa polyvalence avec ou sans agents de contraste 1,2,3. L’imagerie par résonance magnétique (IRM) offre le contraste des tissus mous le plus polyvalent sans rayonnement ionisant4. D’autre part, les modalités basées sur des traceurs telles que la tomographie par émission de positrons (TEP), la tomographie par émission de photons uniques (SPECT), la tomographie médiée par fluorescence (FMT) et l’imagerie par particules magnétiques (MPI) sont des outils établis pour évaluer quantitativement les processus moléculaires, le métabolisme et la biodistribution de composés diagnostiques ou thérapeutiques radiomarqués avec une sensibilité élevée. Cependant, ils manquent de résolution et d’informations anatomiques 5,6. Par conséquent, des modalités plus axées sur l’anatomie sont généralement associées à des modalités très sensibles ayant leur force dans la détection de traceurs7. Ces combinaisons rendent possible la quantification des concentrations de traceurs dans une région d’intérêt spécifique 8,9. Pour les dispositifs d’imagerie combinés, le co-enregistrement de la modalité est généralement une fonctionnalité intégrée. Cependant, il est également utile de co-enregistrer les numérisations à partir de différents appareils, par exemple si les appareils ont été achetés séparément ou si un appareil hybride n’est pas disponible.

Cet article se concentre sur la fusion intermodale dans l’imagerie des petits animaux, qui est essentielle pour la recherche fondamentale et le développement de médicaments. Une étude précédente10 souligne que cela peut être réalisé avec la reconnaissance de caractéristiques, la cartographie des contours ou les marqueurs de repères (repères). Les repères sont des points de référence pour aligner et corréler avec précision des images provenant de différentes modalités d’imagerie. Dans des cas particuliers, les repères peuvent même être des points d’encre de Chine sur la peau de souris nues11 ; Cependant, une cartouche d’imagerie avec marqueurs repères intégrés est souvent utilisée. Bien qu’il s’agisse d’une méthode robuste et bien développée10, son utilisation pour chaque balayage pose des problèmes pratiques. Les repères détectables par IRM sont souvent à base de liquide et ont tendance à se dessécher pendant le stockage. La TEP nécessite des marqueurs radioactifs, dont le signal diminue en fonction de la période de demi-vie de l’émetteur, qui est généralement courte pour les applications biomédicales, nécessitant une préparation peu de temps avant le balayage. D’autres problèmes, tels que le décalage dans la plage dynamique du signal du marqueur repère et de l’objet examiné, ont un impact important sur l’imagerie in vivo . La large gamme de contrastes dynamiques nécessite une adaptation fréquente de l’intensité du signal du marqueur à l’objet examiné. Par conséquent, bien qu’un signal de marqueur faible puisse ne pas être détecté dans l’analyse, un signal de marqueur fort peut créer des artefacts qui altèrent la qualité de l’image. De plus, pour inclure systématiquement les marqueurs, le champ de vision doit être inutilement grand pour de nombreuses applications, ce qui peut entraîner une exposition plus élevée aux rayonnements, des volumes de données plus importants, des temps de balayage plus longs et, dans certains cas, une résolution plus faible. Cela peut affecter la santé des animaux de laboratoire et la qualité des données générées.

Transformation et transformation différentielle
Un jeu de données d’image se compose de données de voxel et de métadonnées. Chaque voxel est associé à une valeur d’intensité (Figure 1A). Les métadonnées incluent une transformation spécifiant l’emplacement du jeu de données dans le système de coordonnées du dispositif d’imagerie (Figure 1B) et la taille du voxel utilisée pour mettre à l’échelle le système de coordonnées. Des informations supplémentaires, telles que le type d’appareil ou la date d’analyse, peuvent être stockées en option dans les métadonnées. La transformation mentionnée est mathématiquement appelée transformation de corps rigide. Les transformations de corps rigides sont utilisées pour modifier l’orientation ou la position d’objets dans une image ou un espace géométrique tout en préservant la distance entre chaque paire de points, ce qui signifie que l’objet transformé conserve sa taille et sa forme tout en étant pivoté et déplacé dans l’espace. Toute série de telles transformations peut être décrite comme une transformation unique composée d’une rotation suivie d’une translation. La formule utilisée par le logiciel pour passer de la coordonnée de données à la coordonnée cible métrique est illustrée à la figure 1C, où R est une matrice de rotation orthonormée, d et v sont des indices et des tailles de voxels, et t est un vecteur de translation 3 x 112. La rotation est détaillée dans la figure 1D.

figure-introduction-1
Figure 1 : Représentation 2D de la structure et du placement d’un jeu de données d’images dans un système de coordonnées global. (A) Un ensemble de données d’images se compose de données de voxels et de métadonnées. La transformation spécifiant l’emplacement et la taille du voxel sont des composants de métadonnées essentiels. (B) L’image est rendue dans le système de coordonnées de l’appareil. La transformation nécessaire pour placer l’objet consiste en une rotation (bleu) suivie d’une translation (vert). (C) Pour passer de la coordonnée des données à la coordonnée cible, le logiciel utilise cette formule où R est une matrice de rotation orthonormée, d et v sont des indices et des tailles de voxels, et t est un vecteur de translation 3 x 1. (D) Une matrice de rotation (bleue dans le plan A) représente la transformation linéaire des points en rotation. En multipliant les coordonnées d’un point par cette matrice, on obtient les nouvelles coordonnées pivotées. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Une transformation différentielle est une transformation de corps rigide qui convertit les coordonnées d’un système de coordonnées à un autre, par exemple, de la TEP à la microtomographie à rayons X (μCT), et elle peut être calculée à l’aide de marqueurs repères. Au moins trois points communs - les repères - sont sélectionnés dans les deux systèmes de coordonnées. À partir de leurs coordonnées, une transformation mathématique peut être dérivée qui convertit les coordonnées. Le logiciel utilise la méthode des moindres carrés, qui fournit la solution la mieux adaptée à un système d’équations avec des erreurs ou du bruit dans les données mesurées. C’est ce qu’on appelle le problème de Procuste13 et est résolu en utilisant la décomposition en valeurs singulières. La méthode est fiable et robuste car elle conduit à une solution unique et bien définie (si au moins trois marqueurs non colinéaires sont donnés). Six paramètres libres sont calculés : trois pour la translation et trois pour la rotation. Dans ce qui suit, nous utiliserons le terme matrice de transformation même s’il se compose techniquement d’une matrice de rotation et d’un vecteur de translation.

Chaque appareil d’imagerie a son propre système de coordonnées, et le logiciel calcule une transformation différentielle pour les aligner. Les figures 2A, B décrivent comment la transformation différentielle est déterminée, tandis que les figures 2C, D décrivent comment elle est appliquée. Les images des deux modalités peuvent avoir des dimensions différentes et les conserver dans le processus, comme le montre l’image d’exemple avec la fusion de la TDM et de la TEP dans la figure 2E.

figure-introduction-2
Figure 2 : Transformation différentielle. (A-D) Simplifié en 2D. Bien qu’elles soient applicables à d’autres modalités, on suppose que les modalités sont la TDM et la TEP pour cet exemple. (A,C) Une image CT avec une boîte englobante rouge est positionnée dans le système de coordonnées. Appliquée au même système de coordonnées, l’image PET avec un cadre de sélection jaune est positionnée de manière déviante. (B) À l’aide de marqueurs repères qui peuvent être localisés à la fois en TDM et en TEP, une transformation différentielle T peut être déterminée. Ceci est symbolisé par la flèche. La matrice de transformation différentielle est stockée. (D) La matrice de transformation différentielle T précédemment enregistrée peut ensuite être appliquée à chaque image TEP. Il en résulte une nouvelle transformation qui remplace la transformation d’origine dans les métadonnées. (E) Une image CT fusionnée avec une image TEP. Les transformations dans les métadonnées des deux images font référence au même système de coordonnées. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Méthode et exigences
Pour la méthode présentée, un fantôme contenant des marqueurs visibles dans les deux modalités est scanné dans les deux appareils. Il suffit ensuite de marquer ces repères dans le logiciel proposé pour calculer une transformation différentielle entre les deux modalités. La transformation différentielle doit être créée individuellement pour chaque paire d’appareils. Il peut être enregistré et appliqué ultérieurement à n’importe quelle nouvelle image, éliminant ainsi le besoin de repères lors des numérisations ultérieures. Le placement final de l’image dans le système de coordonnées d’un autre appareil peut à nouveau être décrit comme une transformation et être stocké dans les métadonnées de l’image, en y remplaçant la transformation d’origine.

Quatre exigences pour cette méthode peuvent être formulées : (1) Fantôme multimodal : Un fantôme contenant des marqueurs visibles dans les deux modalités doit être disponible. Une large sélection de fantômes est disponible dans le commerce, et l’utilisation de l’impression 3D pour la construction de fantômes a été largement décrite14, y compris même l’incorporation de radio-isitopes15. Les fantômes utilisés dans les exemples suivants sont répertoriés dans la Table des matériaux. Au moins trois points non colinéaires sont nécessaires16. Les marqueurs peuvent être des cavités qui peuvent être remplies avec un traceur approprié, de petits objets faits d’un matériau facilement détectable dans chaque modalité, ou simplement des trous, des coupures ou des arêtes dans le fantôme lui-même, à condition qu’ils puissent être identifiés dans les deux modalités. (2) Transporteur multimodal : Il faut un porteur, tel qu’un lit de souris, qui puisse être fixé dans une position reproductible dans les deux appareils. Idéalement, il ne devrait pas être possible de l’utiliser en position inversée pour éviter les erreurs. Le support est particulièrement important pour l’imagerie in vivo , car il est nécessaire pour transporter un animal sous sédation d’un appareil d’imagerie à un autre sans changer de position. D’après notre expérience, les souris sous sédation sont plus susceptibles de changer de position dans un lit de souris plat par rapport à un lit de forme concave. De plus, un gabarit personnalisé imprimé en 3D pour maintenir le tibia de la souris afin de minimiser les mouvements a déjà été suggéré17. (3) Auto-cohérence : Chaque appareil d’imagerie doit fournir la rotation et la translation du volume reconstruit dans son repère de référence de manière reproductible et cohérente. Cela signifie également qu’un système de coordonnées pour l’ensemble de l’appareil est conservé lorsque seule une petite région est analysée. Il fait partie du protocole pour tester l’auto-cohérence d’un appareil d’imagerie. (4) Support logiciel : Le logiciel proposé doit être capable d’interpréter les métadonnées (taille du voxel, traduction, orientation) stockées avec le volume reconstruit fourni par l’appareil. Le volume peut être au format de fichier DICOM, NIfTI, Analyze ou GFF. Pour une vue d’ensemble des différents formats de fichiers, voir Yamoah et al.12.

Bien que le co-enregistrement de deux modalités soit décrit, la procédure s’applique également à trois modalités ou plus, par exemple, en co-enregistrant deux modalités dans une modalité de référence.

Protocole

Les étapes logicielles du protocole doivent être effectuées dans Imalytics Preclinical, qui est appelé le « logiciel d’analyse » (voir la Table des matériaux). Il peut charger des volumes sous la forme de deux couches différentes appelées « sous-couche » et « superposition »18. Le rendu de la sous-couche est généralement utilisé pour inspecter un ensemble de données anatomiquement détaillées sur lequel une segmentation peut être basée ; La superposition, qui peut être rendue transparente, peut être utilisée pour visualiser des informations supplémentaires dans l’image. Habituellement, la distribution du signal d’une modalité basée sur un traceur est affichée dans la superposition. Le protocole nécessite de changer plusieurs fois la couche sélectionnée. C’est le calque qui sera affecté par les opérations d’édition. Le calque actuellement sélectionné est visible dans la liste déroulante de la barre d’outils supérieure entre les icônes de la souris et de la fenêtre. On peut appuyer sur la touche de tabulation pour basculer entre la sous-couche et la superposition, ou sélectionner la couche souhaitée directement dans la liste déroulante. Le protocole fera référence aux balayages (ou images) utilisés pour tester l’auto-cohérence et déterminer une transformation différentielle en tant que « balayages d’étalonnage », par opposition aux « balayages de production » qui sont ensuite utilisés pour l’imagerie génératrice de contenu. Les modalités utilisées dans le protocole sont la TDM et la TEP. Cependant, comme décrit précédemment, cette méthode s’applique à toutes les modalités d’imagerie préclinique capables d’acquérir des données volumétriques.

1. Assemblage du support et du fantôme

REMARQUE : Un support multimodal approprié, par exemple un lit de souris, doit être disponible sur lequel le fantôme peut être fixé. Consultez la discussion pour des suggestions, des problèmes fréquents et des dépannages concernant cet assemblage.

  1. Préparez les repères dans le fantôme.
    REMARQUE : La préparation spécifique requise varie en fonction de la modalité et du traceur utilisés. Par exemple, de nombreux fantômes IRM contiennent des cavités qui doivent être remplies d’eau, tandis que la TEP, par exemple, nécessite un traceur radioactif.
  2. Placez le fantôme dans le support et fixez-le avec un matériau, tel que du ruban adhésif, qui n’altérera pas la qualité de l’image.
    REMARQUE : Les exigences relatives au fantôme sont détaillées dans la section Introduction.

2. Effectuer des scans d’étalonnage et vérifier l’auto-cohérence

REMARQUE : Cette étape doit être répétée pour chaque appareil d’imagerie.

  1. Acquérez deux numérisations avec des champs de vision différents.
    1. Placez le support dans l’appareil d’imagerie. Assurez-vous qu’il est placé de manière fiable et reproductible.
    2. Numérisez selon les instructions du fabricant de l’appareil, en utilisant un large champ de vision qui couvre l’ensemble du fantôme. Cette image sera appelée « Image A » dans les étapes suivantes.
      REMARQUE : Il est important d’inclure tous les repères, car ce balayage sera également utilisé pour calculer la matrice de transformation différentielle.
    3. Retirez le support de l’appareil d’imagerie et remplacez-le.
      REMARQUE : Cette étape garantit que le placement du support dans l’appareil est fiable.
    4. Si l’appareil d’imagerie ne prend pas en charge un champ de vision limité, c’est-à-dire qu’il scanne toujours tout le champ de vision, on peut raisonnablement supposer une auto-cohérence. Passez directement à l’étape 3.
    5. Effectuez un deuxième balayage selon les instructions du fabricant de l’appareil, cette fois en utilisant un champ de vision nettement plus petit. Cette image sera appelée « Image B » dans les étapes suivantes.
      REMARQUE : Il est important de prendre deux numérisations avec des champs de vision différents. La position exacte du champ de vision n’est pas critique pour l’image B, tant que certaines informations visibles, telles que des structures fantômes ou autant de repères que possible, sont incluses.
  2. Chargez la sous-couche.
    1. Ouvrez le logiciel d’analyse.
    2. Chargez l’image A en tant que sous-couche : Menu Fichier > Sous-couche > Charger la sous-couche. Dans la boîte de dialogue suivante, choisissez le fichier image et cliquez sur ouvrir.
    3. Si la vue 3D n’est pas présente, appuyez sur [Alt + 3] pour l’activer.
    4. Ajuster le fenêtrage : Appuyez sur [Ctrl + W] et ajustez les barres verticales gauche et droite dans la boîte de dialogue suivante afin que le fantôme, ou selon la modalité, les traceurs, puissent être clairement distingués. Cliquez sur OK pour fermer la boîte de dialogue.
  3. Chargez la superposition.
    1. Chargez l’image B en superposition : Menu Fichier > Superposition > Charger la superposition. Dans la boîte de dialogue suivante, choisissez le fichier image et cliquez sur ouvrir.
    2. Changez la méthode de rendu : Menu Rendu 3D > Mode Superposition > cochez Rendu iso.
      REMARQUE : Bien que les modalités basées sur des traceurs comme la TEP ou la SPECT soient généralement visualisées avec le rendu volumique, le rendu iso, dans ce cas, permet une comparaison plus facile des positions. Par défaut, la sous-couche était ouverte en rendu iso.
    3. Activer la vue des cadres englobants : Menu Affichage > Afficher les symboles > Afficher le cadre englobant > Afficher le cadre englobant de sous-couche ; Menu Affichage > Afficher les symboles > Afficher le cadre de sélection > Afficher le cadre de sélection de superposition.
  4. Vérifiez l’alignement de l’image.
    1. Placez le pointeur de la souris sur la vue 3D et utilisez [Ctrl + molette de la souris] pour zoomer sur la vue afin que les deux cadres de délimitation soient entièrement visibles. Maintenez [Alt + bouton gauche de la souris] tout en déplaçant le pointeur de la souris pour faire pivoter la vue.
    2. Basculez le calque sélectionné en superposition.
    3. Pour régler le fenêtrage et la table des couleurs : Appuyez sur [Ctrl + w]. Dans la liste déroulante à gauche de la boîte de dialogue suivante, sélectionnez Jaune. Ajustez la plage dans la boîte de dialogue suivante à une plage similaire qui a été choisie pour la sous-couche, puis modifiez le paramètre par petites étapes jusqu’à ce que le rendu jaune soit juste visible dans le rendu blanc. Cliquez sur OK pour fermer la boîte de dialogue.
      REMARQUE : Le rendu de l’image A (calque sous-jacent) est désormais représenté en blanc et entouré d’un cadre de sélection rouge. Le rendu de l’image B (superposition) est représenté en jaune et entouré d’un cadre de sélection jaune.
    4. Vérifiez visuellement si le dispositif d’imagerie et la méthode de placement du fantôme sont cohérents comme nécessaire. Le fantôme (ou, selon la modalité, les traceurs) doit être entièrement aligné en sous-couche et en superposition. Le rendu jaune doit être un sous-ensemble du rendu blanc.
      REMARQUE : Le cadre de délimitation jaune doit être plus petit et à l’intérieur du cadre de délimitation rouge. Consultez la section Résultats représentatifs pour des exemples visuels. Si l’alignement ne correspond pas, reportez-vous à la discussion pour les problèmes de placement courants et le dépannage.

3. Calcul de la transformation différentielle

  1. Chargez des images des deux modalités.
    1. Ouvrez le logiciel d’analyse.
    2. Chargez l’image CT A en tant que sous-couche : Menu Fichier > Sous-couche > Charger la sous-couche. Dans la boîte de dialogue suivante, choisissez le fichier image et appuyez sur Ouvrir.
    3. Chargez l’image PET A en superposition : Menu Fichier > Superposition > Charger la superposition. Dans la boîte de dialogue suivante, choisissez le fichier image et appuyez sur Ouvrir.
    4. Pour afficher plusieurs vues de tranches : Appuyez sur [Alt + A], [Alt + S] et [Alt + C] pour afficher les vues axiales, sagittales et coronales.
      REMARQUE : Bien que techniquement, un seul plan soit suffisant pour trouver les repères, la vue simultanée de tous les plans permet une meilleure orientation et une navigation plus rapide.
  2. Effectuez une fusion basée sur des marqueurs.
    REMARQUE : Les étapes 3.2 et 3.3 sont des méthodes alternatives pour aligner la sous-couche et la superposition. Essayez d’abord l’étape 3.2, car elle est plus facile à reproduire et potentiellement plus précise. L’étape 3.3 est une solution de repli si l’on ne discerne pas suffisamment de repères.
    1. Basculez la vue pour n’afficher que le calque sous-jacent : Affichage Menu > Paramètres de calque > Visibilité du calque > décochez la case Superposition ; Menu Affichage > Paramètres de calque > Visibilité du calque > vérifier la sous-couche.
    2. Basculez le calque sélectionné sur le calque sous-jacent.
    3. Si nécessaire, ajustez le fenêtrage : Appuyez sur [Ctrl + W] et ajustez les barres verticales gauche et droite dans la boîte de dialogue suivante pour mieux voir les points de repère. Cliquez sur OK pour fermer la boîte de dialogue.
    4. Activez le mode d’action de la souris « créer un marqueur » en cliquant sur le symbole du marqueur dans la barre d’outils verticale sur le côté gauche. Le pointeur de la souris affiche un symbole de marqueur.
    5. Effectuer pour chaque repère du fantôme : Naviguez vers un repère. Pour ce faire, placez le pointeur de la souris sur la vue d’un plan et utilisez [Alt + molette de la souris] pour découper les plans. Placez le pointeur de la souris au centre du repère et faites un clic gauche.
      1. Cela ouvre une boîte de dialogue dans laquelle le logiciel proposera un nom avec des numéros consécutifs. Conservez le nom suggéré, par exemple « Marker001 », et cliquez sur OK pour enregistrer le marqueur.
        REMARQUE : Il est possible d’utiliser des noms différents si vous utilisez à nouveau les mêmes noms de marqueurs pour la superposition.
    6. Ajustez les paramètres d’affichage pour afficher l’incrustation : Affichage du menu > Paramètres des calques > Visibilité des calques > cochez l’incrustation.
      REMARQUE : Il est suggéré de garder la vue de la sous-couche activée, car il est utile de rester orienté et de s’assurer d’identifier le bon marqueur dans les deux modalités. Si les deux modalités sont loin d’être synchronisées ou si la superposition est déroutante, désactivez-la : Affichage du menu > Paramètres des calques > Visibilité des calques > décochez la sous-couche.
    7. Basculez le calque sélectionné en superposition.
    8. Réglage du fenêtrage : Si les repères ne sont pas clairement visibles, appuyez sur [Ctrl + W] et ajustez les barres verticales gauche et droite dans la boîte de dialogue suivante afin que les repères puissent être localisés le mieux possible. Cliquez sur OK pour fermer la boîte de dialogue.
    9. Effectuer pour chaque repère du fantôme : Naviguez vers un repère. Pour ce faire, placez le pointeur de la souris sur la vue d’un plan et utilisez [Alt + molette de la souris] pour découper les plans. Placez le pointeur de la souris au centre du repère et faites un clic gauche.
      1. Cela ouvre une boîte de dialogue dans laquelle le logiciel proposera un nom avec des numéros consécutifs. Conservez le nom suggéré et cliquez sur OK pour enregistrer le marqueur.
        REMARQUE : Il est important d’avoir le même nom pour les marqueurs logiciels correspondants dans la sous-couche et la superposition. Ceci est garanti si vous conservez les noms suggérés et utilisez le même ordre pour créer les marqueurs dans les deux modalités. Si vous modifiez les noms, assurez-vous qu’ils correspondent.
    10. Activez les vues des deux calques : Affichage du menu > Paramètres du calque > Visibilité du calque > vérifier la sous-couche ; Menu Affichage > Paramètres de calque > Visibilité du calque > vérifiez la superposition.
    11. Aligner les marqueurs de sous-couche et de superposition : Menu Fusion > Enregistrer la superposition sur la sous-couche > Calculer la rotation et la translation (marqueurs). La boîte de dialogue suivante montre le résidu de la fusion. Notez cette mesure et cliquez sur OK.
    12. Vérifiez le résultat de l’alignement : les marqueurs de la sous-couche et de la superposition doivent correspondre visuellement. Consultez la section de discussion pour le dépannage et les notes sur la précision concernant le résidu de fusion.
      REMARQUE : La transformation de l’incrustation a été modifiée. Pour afficher les détails de la nouvelle transformation de superposition, appuyez sur [Ctrl + I].
  3. Si la fusion basée sur des marqueurs n’est pas possible, effectuez une fusion interactive. Si l’étape 3.2 est terminée, passez directement à l’étape 3.4.
    1. Activez les vues des deux calques : Affichage du menu > Paramètres des calques > Visibilité des calques > vérifier la sous-couche ; Menu Affichage > Paramètres de calque > Visibilité du calque > vérifier la superposition.
    2. Activez le mode souris « fusion d’images interactives » en cliquant sur le symbole dans la barre d’outils verticale sur le côté gauche. Le symbole se compose de trois ellipses décalées avec un point au centre commun. Le pointeur de la souris affiche maintenant ce symbole.
    3. Assurez-vous que la barre d’outils des paramètres du mode souris apparaît dans la zone supérieure sous la barre d’outils permanente. Il existe trois cases à cocher pour la sous-couche, la superposition et la segmentation. Vérifier la superposition. Décochez la sous-couche et la segmentation.
    4. Alignez de manière interactive la superposition sur la sous-couche : effectuez des rotations et des translations sur les différentes vues jusqu’à ce que la sous-couche et la superposition soient alignées au mieux :
      1. Rotation : Placez le pointeur de la souris près du bord d’une vue (axiale, coronale ou sagittale) ; Le symbole du pointeur de la souris est désormais entouré d’une flèche. Maintenez le bouton gauche de la souris enfoncé et déplacez la souris pour faire pivoter l’incrustation.
      2. Traduction : placez le pointeur de la souris près du centre d’une vue. Le pointeur de la souris n’est pas encerclé. Maintenez le bouton gauche de la souris enfoncé et déplacez la souris pour déplacer l’incrustation.
  4. Créez et enregistrez la transformation différentielle : Menu Fusion > Transformation de superposition > Créer et enregistrer une transformation différentielle. Dans la boîte de dialogue suivante, sélectionnez le fichier de superposition d’origine et cliquez sur Ouvrir. Dans la deuxième boîte de dialogue, entrez un nom de fichier pour la transformation différentielle et appuyez sur Enregistrer.
    REMARQUE : Le logiciel a besoin du fichier de superposition d’origine pour lire la transformation d’origine, puis calculer la transformation différentielle. Nous vous suggérons d’enregistrer la matrice de transformation différentielle avec un nom de fichier qui spécifie les périphériques d’imagerie utilisés.

4. Imagerie de production

  1. Numérisez dans les deux appareils d’imagerie.
    1. Fixez l’échantillon (p. ex., un animal de laboratoire sous sédation) sur le transporteur.
      REMARQUE : Il est important de s’assurer que la position de l’échantillon dans le support ne change pas entre les deux balayages.
    2. Placez le support dans l’appareil de tomodensitométrie. Assurez-vous de placer le support de la même manière que lors du balayage d’étalonnage.
    3. Numérisez selon les instructions du fabricant de l’appareil.
    4. Placez le support dans l’appareil PET. Assurez-vous de placer le support de la même manière que lors du balayage d’étalonnage.
    5. Numérisez selon les instructions du fabricant de l’appareil.
  2. Effectuer l’application de la transformation différentielle.
    1. Ouvrez le logiciel d’analyse.
    2. Chargez le fichier CT en tant que sous-couche : Menu Fichier > Sous-couche > Charger la sous-couche. Dans la boîte de dialogue suivante, choisissez le fichier image CT et appuyez sur OK.
    3. Charger le fichier PET en superposition : Menu Fichier > Superposition > Charger la superposition. Dans la boîte de dialogue suivante, choisissez le fichier image PET et appuyez sur OK.
    4. Activez les vues des deux calques : Affichage du menu > Paramètres du calque > Visibilité du calque > vérifier la sous-couche ; Menu Affichage > Paramètres de calque > Visibilité du calque > vérifier la superposition.
    5. Chargez et appliquez la matrice de transformation différentielle précédemment enregistrée : Menu > Fusion > Transformation de superposition > Charger et appliquer la transformation. Sélectionnez le fichier contenant la matrice de transformation différentielle que vous avez enregistrée dans le processus d’étalonnage et appuyez sur Ouvrir.
      REMARQUE : Cette étape modifie les métadonnées de la superposition.
    6. Enregistrez la superposition modifiée : Menu > Fichier > Superposition > Enregistrer la superposition. Dans la boîte de dialogue suivante, entrez un nom et cliquez sur enregistrer.
      REMARQUE : Il est recommandé de conserver les données d’origine inchangées et, par conséquent, d’enregistrer la superposition sous un nouveau nom.

Résultats

Les figures 3 et 4 fournissent des exemples d’un fantôme visible en TDM et contenant des cavités tubulaires remplies d’un traceur, dans ce cas, pour la SPECT. Le fantôme et le traceur utilisés sont répertoriés dans la table des matériaux.

L’étape 2 du protocole décrit les balayages d’étalonnage et vérifie l’auto-cohérence de chaque appareil d’imagerie. Les rendus des deux numérisations avec des champs de vision différents doivent être congruents pour chaque appareil. Par conséquent, l’image B, représentée en jaune, devrait être un sous-ensemble de l’image A, représentée en blanc. Un exemple d’utilisation de la TDM est présenté à la figure 3A. Les modalités basées sur des traceurs comme la TEP ou la SPECT sont généralement visualisées avec un rendu volumique (Figure 3B). Cependant, le rendu Iso facilite les comparaisons de positions. Par conséquent, le protocole demande aux utilisateurs de basculer la sous-couche et la superposition vers le rendu Iso, quelle que soit la modalité utilisée. Ainsi, dans l’exemple de la TEMP, le rendu jaune doit également être un sous-ensemble du rendu blanc (Figure 3C). Dans tous les cas, le cadre de sélection jaune doit être plus petit et positionné à l’intérieur du cadre de sélection rouge. Si l’alignement ne correspond pas, la discussion met en évidence les problèmes de placement courants et fournit des suggestions de dépannage.

L’étape 3 du protocole décrit comment déterminer la transformation différentielle entre deux modalités à l’aide de marqueurs repères. Étant donné que le traceur dans les modalités basées sur un traceur est présent sous forme de volume, l’utilisateur doit déterminer les points appropriés à utiliser comme marqueur repère (en forme de point). Dans la figure 4, une image CT du fantôme est chargée en tant que sous-couche et une image SPECT est chargée en tant que sous-couche. Le centre d’une courbe d’un tube à l’intérieur du fantôme est choisi comme marqueur repère pour la sous-couche CT, comme le montre la figure 4A-C dans les vues axiales, coronales et sagittales. Le point correspondant doit être marqué dans la superposition, qui est illustrée sur la figure 4D-F dans les vues axiale, coronale et sagittale. Le logiciel peut maintenant calculer et appliquer la transformation différentielle à la superposition. Cela aligne les marqueurs dans les deux modalités, comme le montre la figure 4G,H.

figure-results-1
Figure 3 : Images démontrant l’auto-cohérence. (A) Volume CT. L’étape 2.4 du protocole nécessite de vérifier l’alignement de l’image. Selon les étapes du protocole, la sous-couche est rendue blanche, tandis que la superposition et la boîte englobante de la superposition sont rendues jaunes. Les deux couches sont alignées (ici, le deuxième scan est simulé par une copie recadrée du premier scan). (B) Imagerie TEMP du fantôme avec des tubes remplis de traceurs. Rendu volumique avec la table de couleurs NIH. (C) Image SPECT en rendu ISO. La sous-couche est rendue blanche, tandis que l’incrustation et le cadre de sélection de l’incrustation sont rendus jaunes. Les deux couches sont alignées (ici, le deuxième scan est simulé par une copie recadrée du premier scan). Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-2
Figure 4 : Placement des marqueurs dans les images CT et SPECT. Une image CT du fantôme est chargée en tant que sous-couche. Une image SPECT est chargée en superposition et rendue à l’aide de la table de couleurs NIH. (A-C) L’étape 3.2 du protocole nécessite la mise en place de marqueurs dans la sous-couche. Le centre d’une courbe d’un tube à l’intérieur du fantôme est choisi comme repère, et Marker001 y est placé, comme le montre un point rouge dans les vues axiales, coronales et sagittales. (D-F) Le marqueur correspondant est placé dans la superposition. (G) Vue axiale après la transformation. (H) Vue 3D des modalités fusionnées. Le rendu de projection d’intensité maximale est utilisé pour rendre le traceur SPECT visible dans le fantôme. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Discussion

Une méthode de co-enregistrement d’images multimodales qui ne nécessite pas de marqueurs repères pour les numérisations de production est présentée. L’approche basée sur le fantôme génère une transformation différentielle entre les systèmes de coordonnées de deux modalités d’imagerie.

Résidu de fusion et validation de la transformation différentielle
Lors du calcul de la transformation différentielle, le logiciel affiche un résidu de fusion en millimètres, représentant la racine carrée moyennede l’erreur quadratique 19 de la transformation. Si ce résidu dépasse l’ordre de grandeur de la taille du voxel, il est conseillé d’inspecter les ensembles de données pour détecter des problèmes généraux. Cependant, comme toutes les images présentent de légères distorsions, le résidu ne peut pas devenir arbitrairement petit ; Il ne reflète que l’ajustement des marqueurs utilisés. Par exemple, un co-alignement avec trois marqueurs peut entraîner un résidu plus petit sur les mêmes ensembles de données qu’une transformation avec quatre marqueurs bien distribués. Cela se produit parce que les marqueurs eux-mêmes peuvent être surajustés lorsque moins de repères sont utilisés. La précision sur l’ensemble de l’ensemble de données s’améliore avec un plus grand nombre de marqueurs.

La précision quantitative de la méthode dépend de la paire spécifique d’appareils utilisés. La transformation différentielle calculée entre les systèmes de coordonnées de deux dispositifs peut être validée en suivant ces étapes : Adhérer à l’étape 4 du protocole, mais en utilisant à nouveau le fantôme avec des marqueurs repères comme « échantillon ». Placer le fantôme dans n’importe quelle position, en s’assurant qu’il est différent de celui utilisé pour estimer la transformation différentielle. Il est également possible d’utiliser un fantôme différent adapté aux modalités respectives s’il en existe un. Ensuite, en appliquant la transformation différentielle déterminée précédemment (étape 4.2.5) pour aligner les deux modalités. Ensuite, en plaçant des marqueurs sur les images des deux modalités conformément à l’étape 3.2 du protocole. Pour calculer le résidu de fusion pour ces marqueurs, cliquez sur le menu Fusion > Superposition du registre sur la sous-couche > Affichage du score résiduel.

L’erreur résiduelle décrit l’inpositionnement moyen du signal et doit être de l’ordre de la taille du voxel. Les seuils d’acceptation concrets dépendent de l’application et peuvent dépendre de plusieurs facteurs, tels que la rigidité et la précision des systèmes d’imagerie, mais peuvent également être affectés par des artefacts de reconstruction d’image.

Résolution des problèmes d’auto-cohérence
Souvent, les difficultés d’auto-cohérence proviennent d’un placement peu fiable. Une erreur courante consiste à placer le transporteur dans une position latérale inversée. Idéalement, il ne devrait être inséré mécaniquement dans le dispositif d’imagerie que dans une seule direction. Si cela n’est pas possible, des marquages compréhensibles doivent être ajoutés pour l’utilisateur. Un autre problème fréquent est la possibilité de mouvement dans l’axe longitudinal, ce qui rend le positionnement axial peu fiable. Il est recommandé d’utiliser une entretoise qui peut être fixée à une extrémité pour fixer le lit de la souris en place. Les entretoises personnalisées peuvent, par exemple, être créées rapidement et facilement en les imprimant en 3D. Cependant, certains appareils ne peuvent pas fournir d’auto-cohérence avec des champs de vision variables. Dans de tels cas, il est conseillé de contacter le fournisseur, qui doit confirmer l’incompatibilité et éventuellement la résoudre dans une future mise à jour. Sinon, la méthode reste fiable si un champ de vision identique est maintenu pour tous les balayages, y compris l’étalonnage et l’imagerie de production.

Pour certains scans de production avec un placement différent, la transformation en position calibrée est possible, si une structure de support suffisante est discernable. Pour l’imagerie in vivo , l’animal sous sédation doit rester dans un seul transporteur, et il n’est pas toujours possible de construire un seul support qui s’adapte solidement aux deux appareils. Souvent, un lit de souris pour une modalité basée sur un traceur est utilisé, puis le placement est improvisé dans un appareil de tomodensitométrie. Par exemple, dans la figure 5A, un lit de souris MPI a été placé au-dessus d’un lit de souris CT en raison de contraintes mécaniques. La marge de manœuvre axiale et la possibilité de rouler rendent ce positionnement peu fiable. Dans de tels cas, il est recommandé de concevoir un adaptateur qui remplace le lit inférieur de la souris et permet un ajustement imbriqué. Il peut, par exemple, utiliser des tourillons attachés à la partie inférieure et des trous supplémentaires au bas du lit supérieur de la souris.

Cependant, une correction a posteriori des images existantes est possible, car le lit de la souris est détectable sur l’image CT. Le protocole nécessite des balayages d’étalonnage, suivis du calcul d’une transformation différentielle de la superposition en sous-couche. La procédure est similaire, mais doit également faire correspondre chaque tomodensitométrie de production individuelle à l’échographie d’étalonnage, en utilisant les structures du lit de la souris comme repères.

figure-discussion-1
Figure 5 : dépannage de l’emplacement. (A) Un lit de souris MPI est placé au-dessus d’un lit de souris CT. Par conséquent, la position dans le TC ne peut pas être reproduite de manière fiable. L’auto-cohérence peut être obtenue en fusionnant chaque image CT avec l’image CT de référence utilisée pour estimer la transformation différentielle. (B-D) Simplifié en 2D. (B) Chaque image CT de production est chargée en tant que superposition et enregistrée dans l’image CT de référence (sous-couche) à l’aide des structures du lit de souris visibles dans le CT. L’image CT de production corrigée est maintenant cohérente avec la TC de référence et peut être utilisée avec la transformation différentielle T. (C) Une superposition MPI est enregistrée sur l’image CT de référence à l’aide des marqueurs repères d’un fantôme. (D) Les images multimodales sont assemblées. À cette fin, chaque image CT est mappée sur la position de référence avec sa transformation différentielle individuelle. Par la suite, la superposition MPI est également enregistrée à la position de référence à l’aide de la transformation différentielle, qui est valable pour toutes les images de l’appareil. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Pour faire correspondre les tomodensitogrammes de production à l’étalonnage, reportez-vous à la section 3 du protocole, en incorporant les modifications suivantes. Pour plus de clarté, la description se poursuit en utilisant l’exemple d’une sous-couche CT et d’une superposition MPI : à l’étape 3.1, chargez la numérisation d’étalonnage CT (image A) en tant que sous-couche et la numérisation CT à corriger en tant que superposition. Utilisez les structures du lit de souris MPI comme marqueurs pour l’étape 3.2 ou comme références visuelles pour l’étape 3.3. Ignorez l’étape 3.4, mais enregistrez la superposition représente le volume CT corrigé (Menu Fichier > Superposition > Enregistrement de la superposition sous). Dans la boîte de dialogue suivante, saisissez un nouveau nom et cliquez sur enregistrer. Fermez la superposition en accédant au menu Fichier > Superposition > Fermeture de la superposition. Chargez le prochain scanner qui nécessite une correction en tant que superposition et reprenez la procédure à partir de l’étape 3.2 du protocole. Le concept sous-jacent à cette étape est illustré à la figure 5B.

Le lit de la souris est maintenant pratiquement aligné de manière identique à la numérisation d’étalonnage dans tous les volumes de tomodensitométrie récemment enregistrés. Dans le cadre de la procédure standard, le balayage d’étalonnage est enregistré sur les images MPI à l’aide de la transformation différentielle T (Figure 5C). Pour fusionner ultérieurement l’image CT avec MPI, utilisez toujours le volume CT corrigé (Figure 5D).

Dépannage des images retournées et de la mise à l’échelle
La méthode de recalage présentée ici suppose une qualité d’image raisonnablement précise et ne règle que la rotation et la translation. Il ne corrige pas les images inversées ou la mise à l’échelle incorrecte. Cependant, ces deux problèmes peuvent être résolus manuellement avant de calculer la transformation différentielle.

Des incohérences entre les formats de données de différents fabricants peuvent entraîner l’affichage de certains ensembles de données, en particulier ceux au format DICOM, en miroir dans le logiciel. Comme les fantômes et les lits de souris sont souvent symétriques, ce problème peut ne pas être immédiatement apparent. La détection des images retournées est plus facile lorsque le balayage contient des lettres reconnaissables dans la modalité respective, comme les lettres en relief dans l’orientation correcte observées dans le fantôme de la figure 3H. Dans l’exemple illustré à la figure 6, les données CT sont chargées en tant que sous-couche et les données MPI sont chargées en tant que superposition. Il s’agit d’un balayage in vivo d’une souris placée dans un lit de souris MPI avec des marqueurs repères attachés. Le lit de souris MPI est situé au-dessus d’un lit de souris μCT (Figure 6A). En respectant le protocole et en marquant les repères à la fois dans la sous-couche et dans le recouvrement dans un sens de rotation cohérent, on obtient un résultat visiblement incongru (Figure 6B). Cependant, en y regardant de plus près, le problème peut être identifié. Les points de repère forment un triangle asymétrique. En observant les côtés du triangle dans la vue axiale (Figure 6C, D) du plus court au milieu au plus long, une rotation dans le sens des aiguilles d’une montre est évidente dans les données CT, tandis qu’une rotation dans le sens inverse des aiguilles d’une montre est apparente dans les données MPI. Cela démontre que l’une des images est inversée latéralement. Dans ce cas, nous supposons que les données CT sont exactes. Pour rectifier la superposition MPI, l’image est inversée : pour ce faire, basculez le calque sélectionné en superposition et cliquez sur Menu Edition > Retourner > Flip X. La transformation différentielle calculée par le logiciel englobe toutes les rotations nécessaires, de sorte que « Flip X » est suffisant même si l’image apparaît inversée dans une autre direction.

figure-discussion-2
Figure 6 : dépannage de la transformation. Les données CT sont chargées en tant que sous-couche avec une taille de voxel de 0,240 mm, et les données MPI en superposition avec une taille de voxel de 0,249 mm. Le lit de souris contient des repères. (A) Vue 3D de l’image de superposition non corrigée. Les repères de la sous-couche TC sont indiqués par des flèches. Les repères dans la superposition MPI sont visibles sous forme de sphères dans la table de couleurs NIH. (B) Résultat inadapté d’une transformation effectuée sans corrections appropriées. Résidu de fusion = 6,94 mm. (C) Mesure des distances entre les repères en TC. Rotation dans le sens des aiguilles d’une montre de la distance la plus courte à la plus longue. (D) Mesure des distances entre les repères en MPI. Rotation dans le sens inverse des aiguilles d’une montre de la distance la plus courte à la plus longue. La comparaison avec les mesures CT aboutit à un facteur d’échelle de 0,928774. (E) Correction de la superposition après retournement et mise à l’échelle. (F) Transformation avec résultats correspondants en vue 3D. (G) Transformation avec résultats correspondants en vue axiale. Résidu de fusion = 0,528 mm. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Les jeux de données avec des tailles de voxel incorrectes peuvent également être corrigés manuellement. Comme les dimensions du fantôme doivent être connues, cela peut être vérifié dans l’image. La méthode la plus simple consiste à utiliser une arête de longueur connue. Appuyez sur [Ctrl + bouton droit de la souris] à l’une des extrémités d’un bord et, tout en maintenant le bouton enfoncé, déplacez le pointeur de la souris vers l’autre extrémité du bord et relâchez le bouton. Dans la boîte de dialogue suivante, le logiciel affiche la longueur de la distance mesurée dans l’image. Dans l’exemple illustré à la figure 6, il est évident que les tailles ne sont pas congruentes lorsque l’on compare les distances entre les points de repère dans les deux modalités (Figure 6C,D). Encore une fois, les données de TDM sont supposées être exactes. Pour modifier la mise à l’échelle, un facteur d’échelle (SF) est calculé. Comme le rapport des longueurs (CT/MPI) n’est pas exactement identique pour chaque côté du triangle, le quotient moyen est calculé : SF = ((l1CT/l1MPI) + (l2CT/l2MPI) + (l2CT/l2MPI)) / 3.

Par la suite, ajustez la taille du voxel de la superposition en multipliant chaque dimension par SF. Pour ce faire, basculez la couche sélectionnée en superposition et ouvrez le menu Modifier > Modifier les tailles de voxel. Calculez chaque dimension, entrez la valeur, puis cliquez sur OK. Le résultat des deux corrections est illustré à la figure 6E. Ensuite, le recouvrement est enregistré sur la sous-couche conformément au protocole. L’alignement résultant est illustré à la figure 6F,G. Bien qu’il s’agisse d’une solution rapide pour corriger un balayage existant, nous vous recommandons d’étalonner l’appareil d’imagerie pour une utilisation en production.

Limitations
Cette méthode se limite au co-enregistrement spatial de données volumétriques existantes composées de voxels en forme de cube. Il n’inclut pas un processus de reconstruction qui calcule le volume à partir de données brutes générées par le dispositif d’imagerie (par exemple, des projections en tomodensitométrie). Diverses techniques d’amélioration de l’image sont associées à cette étape, telles que les méthodes itératives20,21 et l’application de l’intelligence artificielle21. Bien que la méthode décrite soit, en principe, applicable à toutes les modalités qui produisent des images 3D avec des voxels en forme de cube, elle ne peut pas être utilisée pour fusionner des données 3D avec des données 2D, comme un volume IRM combiné à une thermographie infrarouge2D 22 ou à l’imagerie par fluorescence, qui peuvent être pertinentes dans les applications de chirurgie guidée par l’image. L’enregistrement des données 3D ne corrige pas les distorsions, telles que celles qui se produisent dans les images IRM au bord de la bobine. Bien que cela ne soit pas obligatoire, des résultats optimaux sont obtenus lorsque les distorsions sont corrigées pendant le processus de reconstruction. La transformation automatisée ne traite pas non plus les images inversées ou les mises à l’échelle incorrectes. Cependant, ces deux problèmes peuvent être résolus manuellement, comme indiqué dans la section de dépannage.

Importance de la méthode
La méthode proposée élimine le besoin de repères dans les scans de production, offrant plusieurs avantages. Il s’agit de modalités pour lesquelles l’entretien des marqueurs ou leur remplacement fréquent est nécessaire. Par exemple, la plupart des marqueurs IRM sont basés sur l’humidité mais ont tendance à se dessécher avec le temps, et les marqueurs TEP radioactifs se désincarcent. En supprimant la nécessité d’utiliser des repères dans les numérisations de production, le champ de vision peut être réduit, ce qui permet de réduire les temps d’acquisition. Ceci est utile dans les environnements à haut débit pour réduire les coûts et minimiser la dose de rayons X dans la tomodensitométrie. Une dose réduite est souhaitable car le rayonnement peut avoir un impact sur les voies biologiques des animaux d’essai dans les études d’imagerie longitudinale23.

De plus, la méthode n’est pas limitée à des modalités spécifiques. L’inconvénient de cette polyvalence est que moins d’étapes sont automatisées. Une méthode précédemment publiée pour fusionner les données μCT et FMT utilise des marqueurs intégrés dans un lit de souris pour chaque balayage et peut effectuer une détection automatique des marqueurs et une correction de distorsion pendant la reconstruction24. D’autres méthodes éliminent le besoin de marqueurs en utilisant la similitude d’image. Bien que cette approche donne de bons résultats et puisse également corriger les distorsions25, elle n’est applicable que si les deux modalités fournissent des images suffisamment similaires. Ce n’est généralement pas le cas dans la combinaison d’une modalité anatomiquement détaillée et d’une modalité basée sur un traceur. Cependant, ces combinaisons sont nécessaires pour évaluer la pharmacocinétique des agents ciblés26, qui ont des applications dans des domaines tels que la nanothérapie anticancéreuse27,28.

Étant donné que le contrôle de la qualité est moins rigoureux dans les applications précliniques que dans les applications cliniques, le désalignement des dispositifs d’imagerie combinés est un problème reconnu29. Les données affectées par ce désalignement pourraient être améliorées rétrospectivement en scannant un fantôme et en déterminant la transformation différentielle, ce qui pourrait réduire les coûts et minimiser les dommages causés aux animaux. En plus de la méthode démontrée qui utilise des marqueurs repères pour calculer une transformation différentielle, qui est ensuite appliquée aux balayages de production, d’autres possibilités de fusion d’images sont décrites et utilisées. Une vue d’ensemble, qui comprend des références à divers logiciels disponibles, se trouve dans Birkfellner et al.30.

En conclusion, la méthode présentée offre une solution efficace pour le co-enregistrement d’images multimodales. Le protocole est facilement adaptable à diverses modalités d’imagerie, et les techniques de dépannage fournies améliorent la robustesse de la méthode contre les problèmes typiques.

Déclarations de divulgation

FG est propriétaire de Gremse-IT GmbH, une spin-out de l’université RWTH d’Aix-la-Chapelle, qui commercialise des logiciels d’analyse d’images biomédicales. J. J est copropriétaire de Phantech LLC, qui commercialise des fantômes pour l’imagerie moléculaire. Les autres auteurs déclarent que la recherche a été menée en l’absence de toute relation commerciale ou financière qui pourrait être interprétée comme un conflit d’intérêts potentiel. M. T a écrit le manuscrit original. J. J a effectué les tomodensitogrammes, qui sont exemplaires, comme le montre l’article. B. S et Y. Z ont effectué les scanners CT/MPI, qui sont exemplaires dans l’article. F. G a supervisé l’étude et révisé l’article. Tous les auteurs ont contribué à l’article et ont approuvé la version soumise.

Remerciements

Les auteurs tiennent à remercier le gouvernement fédéral de Rhénanie-du-Nord-Westphalie et l’Union européenne (EFRE), la Fondation allemande pour la recherche (CRC1382 projet ID 403224013 - SFB 1382, projet Q1) pour leur financement.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
177Luradiotracer
MPI sur mesure
Hot Rod Derenzo  ;Phantech LLC. Madison, WI, États-UnisD271626canal à remplissage linéaire derenzo phantom
Imalytics Preclinical 3.0Gremse-IT GmbH, Aix-la-Chapelle, AllemagneLogiciel d’analyse
MagneticInsight Magnetic Insight Inc., Alameda, CA, USA MPIAppareil d’imagerie
Quantum GX microCTPerkinElmerµ ; Appareil d’imagerie TOMODENSITOMÉTRIE
U-SPECT/CT-UHRMILabs B.V., CD  ; Houten, Pays-BasAppareil d’imagerie CT/SPECT
VivoTrax (5,5 Fe mg/mL)Magnetic Insight Inc., Alameda, CA, États-UnisMIVT01-LOT00004MPI Marqueurs
Souris

Références

  1. Hage, C., et al. Characterizing responsive and refractory orthotopic mouse models of hepatocellular carcinoma in cancer immunotherapy. PLOS ONE. 14 (7), (2019).
  2. Mannheim, J. G., et al. Comparison of small animal CT contrast agents. Contrast Media & Molecular Imaging. 11 (4), 272-284 (2016).
  3. Kampschulte, M., et al. Nano-computed tomography: technique and applications. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 188 (2), 146-154 (2016).
  4. Wang, X., Jacobs, M., Fayad, L. Therapeutic response in musculoskeletal soft tissue sarcomas: evaluation by magnetic resonance imaging. NMR in Biomedicine. 24 (6), 750-763 (2011).
  5. Hage, C., et al. Comparison of the accuracy of FMT/CT and PET/MRI for the assessment of Antibody biodistribution in squamous cell carcinoma xenografts. Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 59 (1), 44-50 (2018).
  6. Borgert, J., et al. Fundamentals and applications of magnetic particle imaging. Journal of Cardiovascular Computed Tomography. 6 (3), 149-153 (2012).
  7. Vermeulen, I., Isin, E. M., Barton, P., Cillero-Pastor, B., Heeren, R. M. A. Multimodal molecular imaging in drug discovery and development. Drug Discovery Today. 27 (8), 2086-2099 (2022).
  8. Liu, Y. -H., et al. Accuracy and reproducibility of absolute quantification of myocardial focal tracer uptake from molecularly targeted SPECT/CT: A canine validation. Journal of Nuclear Medicine Official Publication, Society of Nuclear Medicine. 52 (3), 453-460 (2011).
  9. Zhang, Y. -D., et al. Advances in multimodal data fusion in neuroimaging: Overview, challenges, and novel orientation. An International Journal on Information Fusion. 64, 149-187 (2020).
  10. Nahrendorf, M., et al. Hybrid PET-optical imaging using targeted probes. Proceedings of the National Academy of Sciences. 107 (17), 7910-7915 (2010).
  11. Zhang, S., et al. In vivo co-registered hybrid-contrast imaging by successive photoacoustic tomography and magnetic resonance imaging. Photoacoustics. 31, 100506(2023).
  12. Yamoah, G. G., et al. Data curation for preclinical and clinical multimodal imaging studies. Molecular Imaging and Biology. 21 (6), 1034-1043 (2019).
  13. Schönemann, P. H. A generalized solution of the orthogonal procrustes problem. Psychometrika. 31 (1), 1-10 (1966).
  14. Filippou, V., Tsoumpas, C. Recent advances on the development of phantoms using 3D printing for imaging with CT, MRI, PET, SPECT, and ultrasound. Medical Physics. 45 (9), e740-e760 (2018).
  15. Gear, J. I., et al. Radioactive 3D printing for the production of molecular imaging phantoms. Physics in Medicine and Biology. 65 (17), 175019(2020).
  16. Sra, J. Cardiac image integration implications for atrial fibrillation ablation. Journal of Interventional Cardiac Electrophysiology: An International Journal of Arrhythmias and Pacing. 22 (2), 145-154 (2008).
  17. Zhao, H., et al. Reproducibility and radiation effect of high-resolution in vivo micro computed tomography imaging of the mouse lumbar vertebra and long bone. Annals of Biomedical Engineering. 48 (1), 157-168 (2020).
  18. Gremse, F., et al. Imalytics preclinical: interactive analysis of biomedical volume data. Theranostics. 6 (3), 328-341 (2016).
  19. Willmott, C. J., Matsuura, K. On the use of dimensioned measures of error to evaluate the performance of spatial interpolators. International Journal of Geographical Information Science. 20 (1), 89-102 (2006).
  20. Thamm, M., et al. Intrinsic respiratory gating for simultaneous multi-mouse µCT imaging to assess liver tumors. Frontiers in Medicine. 9, 878966(2022).
  21. La Riviere, P. J., Crawford, C. R. From EMI to AI: a brief history of commercial CT reconstruction algorithms. Journal of Medical Imaging. 8 (5), 052111(2021).
  22. Hoffmann, N., et al. Framework for 2D-3D image fusion of infrared thermography with preoperative MRI. Biomedical Engineering / Biomedizinische Technik. 62 (6), 599-607 (2017).
  23. Boone, J. M., Velazquez, O., Cherry, S. R. Small-animal X-ray dose from micro-CT. Molecular Imaging. 3 (3), 149-158 (2004).
  24. Gremse, F., et al. Hybrid µCt-Fmt imaging and image analysis. Journal of Visualized Experiments. 100, e52770(2015).
  25. Bhushan, C., et al. Co-registration and distortion correction of diffusion and anatomical images based on inverse contrast normalization. NeuroImage. 115, 269-280 (2015).
  26. Lee, S. Y., Jeon, S. I., Jung, S., Chung, I. J., Ahn, C. -H. Targeted multimodal imaging modalities. Advanced Drug Delivery Reviews. 76, 60-78 (2014).
  27. Dasgupta, A., Biancacci, I., Kiessling, F., Lammers, T. Imaging-assisted anticancer nanotherapy. Theranostics. 10 (3), 956-967 (2020).
  28. Zhu, X., Li, J., Peng, P., Hosseini Nassab, N., Smith, B. R. Quantitative drug release monitoring in tumors of living subjects by magnetic particle imaging nanocomposite. Nano Letters. 19 (10), 6725-6733 (2019).
  29. McDougald, W. A., Mannheim, J. G. Understanding the importance of quality control and quality assurance in preclinical PET/CT imaging. EJNMMI Physics. 9 (1), 77(2022).
  30. Birkfellner, W., et al. Multi-modality imaging: a software fusion and image-guided therapy perspective. Frontiers in Physics. 6, 00066(2018).

Réimpressions et autorisations

Mots-clés

Imagerie multimodaleCo enregistrement d imagesEnregistrement sans marqueursTransformation diff rentielleImagerie des petits animauxFusion d imagesMarqueurs fiduciairestalonnage sur fant meDonn es d imagerie volum triques
Co-enregistrement multimodal entre dispositifs et sans marqueur des modalités d’imagerie préclinique
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.