てんかん手術における3Dマルチモダリティ画像の統合とコンピュータ支援計画のためのパイプライン

Summary

私たちは、てんかん手術における画像統合、可視化および計画のために私たちのカスタム設計されたソフトウェアを使用するための手順を説明します。

Abstract

てんかん手術は、困難であり、術前計​​画を補助するための3Dマルチモダリティ画像の統合（3DMMI）の使用は十分に確立されています。マルチモダリティ画像の統合は、技術的に厳しいことができ、臨床現場で十分に活用されています。我々は、画像統合、3次元可視化と手術計画のための単一のソフトウェア・プラットフォームを開発しました。ここでは、私たちのパイプラインは、画像の共同登録、マニュアルセグメンテーション、脳や血管抽出、3次元可視化とstereoEEG（SEEG）注入のマニュアル計画を通じて進み、画像取得から始めて、ステップバイステップの方法で記載されています。ソフトウェアの普及により、このパイプラインは、他のグループが3DMMIから利益を得ることができ、他のセンターで再生することができます。我々はまた、stereoEEG移植計画を生成するために、自動化された多軌道プランナの使用を記載しています。予備研究では、これがSEEG注入を計画するための、迅速、安全かつ効果的な補助剤であることを示唆しています。最後に、単純なsoluti手術室での計画の実施のための商業的なニューロシステムの計画とモデルの輸出のために記載されています。このソフトウェアは、てんかんの手術経路を通じて臨床意思決定を支援することができる貴重なツールです。

Introduction

外科医は三次元で相互に解剖学的構造とその空間的関係を理解することのための外科実際には非常に重要です。これは、外科医が限られて可視化し、複雑な解剖学的構造へのアクセスを、限られたスペースで働いている神経外科において特に重要です。それにもかかわらず、今日まで最もイメージングは​​、従来の平面的な2次元状に外科医に提供されており、別のイメージングモダリティは、多くの場合、直列に次々に提示されます。その結果、外科医は、精神的に患者ごとにこのデータを統合し、術前計画のための解剖学的枠組みにそれを配置する必要があります。皮質の解剖学を示している個々の患者の脳、血管、存在する任意の病変だけでなく、同じ空間コンテキスト^1-4内の他の関連する3Dランドマークの3Dコンピュータモデルを生成する際に明らかな利点があります。手術前に外科医は、回転及びo透明性を変更することができますこれらのモデルfは、完全に関心の異なる構造間の3D関係を理解し​​ます。この原理は、3Dマルチモダリティイメージング（3DMMI）と呼ばれます。

てんかん手術の術前評価の目的は、発作が起こる脳の領域の局在化を推定し、これを安全に重大な欠損^5を引き起こすことなく^、切除することができることを保証することです。構造的MRI、フルオロ陽電子放出断層撮影（FDG-PET）、発作単光子放出コンピュータ断層撮影（SPECT）、磁（MEG）双極子、機能的MRI（fMRIの）を含む、これに寄与する画像診断モダリティの広い範囲があります拡散テンソルイメージング^{（DTI）6。}それは複数のデータセットの同時通訳、各データセットは、別の関係を考慮を必要とするのでてんかん手術は3DMMIために理想的に適しています。

多くの場合、非侵襲性の研究は、TフェイルO切除に進むために必要な証拠のレベルを提供します。これらのケースでは、頭蓋内EEG（IC EEG）記録は、発作を防止するために除去しなければならない脳の領域を識別するために必要です。ますます、IC EEG記録深電極の数は、3D ^1,7-10に発作と関連する電気的活動の起源と伝播を捕獲するために脳内に配置されているSEEGと呼ばれる技術によって行われます。

SEEG注入の最初のステップは、サンプリングする必要がある脳の領域を定義し、移植の戦略を開発することです。これは、病変を有する、構造的イメージングを用いて、臨床的および非侵襲的なEEG日付を統合、およびてんかんの発生源の位置を推定する機能的撮像データを含みます。

第二段階は、電極軌道の正確な手術計画です。外科医は、エルを中心に、安全な無血管電極の軌道を確認する必要がありますectrodeの皮質表面の静脈から脳回とリモートの冠でエントリー、及び直交頭蓋骨を横断します。さらに全体の注入装置は、十分に妥当電極間の間隔と無電​​極の衝突で、考案されなければなりません。

ビジーてんかん手術実際にIC EEG電極の移植を案内する3DMMIモデルを生成する可能性は、以前に¹¹実証されています。また、3DMMIの使用は、臨床的意思決定に付加価値を与えるという原則を実証しました。前向き研究では、3DMMIの開示は、54分の43（80％）のケースでは、管理のいくつかの側面を変更し、特に深電極¹²の212分の158（75％）の位置を変更しました。

3DMMIを容易にするソフトウェアパッケージの範囲が存在します。これらは、手術室で使用されている市販のニューロプラットフォーム、専門的な計画ソフトウェア・スイート同盟を含みますニューロプラットフォームと研究志向のスタンドアローン画像の統合と可視化プラットフォームと。これらのプラットフォームの増加の機能性、柔軟性と汎用性としては、臨床実践にそれらを翻訳の使いやすさと可能性が相応に減少します。

私たちは、てんかんの治療のためのマルチモダリティ画像の統合、高度な3Dの視覚化とSEEG電極の配置計画^12,13用のカスタム設計されたソフトウェアを開発しました。重点は、臨床パイプラインにリアルタイムの臨床医によってソフトウェアの使用、および迅速な取り込みを可能にする、臨床シナリオで使いやすさにあります。ソフトウェアはNiftyReg、NiftySegとNiftyViewを組み合わせた翻訳イメージングプラットフォーム¹⁴上で動作します。

本稿では臨床現場でソフトウェアを使用するためのプロトコルが出て設定されています。画像の共同登録、関心領域のセグメント化、脳分割、抽出するステップ専用の血管イメージング^15、、3Dモデルを構築するSEEG注入を計画し、急速に手術室にモデルや計画をエクスポートから血管が記載されています。新規ツールは、注入の安全性および有効性を増加させ、実質的に計画の継続時間を減少させる、多軌道^13を計画自動化のために記載されています。

Protocol

注：ここで提供されるソフトウェアコマンドは、ソフトウェアの現在のバージョン（2015年1月19日）に固有のものであり、その後のソフトウェア・リリース時に変更されることがあります。個々のバージョンのマニュアルは、リクエストに応じてご利用いただけます。

1.画像の統合と可視化を行います

1. イメージングを取得します。
   1. ニューロのT1強調MRIはガドリニウムでスキャンenhancement-これが基準画像となりますを取得します。 （注：画像取得の要件は、ニューロ商業的供給業者^11,12から入手可能であり、 表1を参照してください。）。
   2. （DICOMまたはNifti形式の術前評価中に行われたすべての他のイメージングは​​、（機能的MRI（fMRIの）、拡散テンソル画像（DTI）ラクトグラフィー、フルオロデオキシグルコース陽電子放出断層撮影（FDG-PET）、発作、発作間欠期単一光子放出CTを含むことができ集めますSPECT）、脳磁図（MEG）ダイポール、3D位相コントラストMRI、CT血管造影）、表1を参照してください。
2. 社内外のソフトウェアを事前に処理を実行します。
   1. 皮質セグメンテーションを生成するために、コマンド「偵察-すべて」を使用してLinuxワークステーション上で実行するオープンソースFreesurferソフトウェアで処理アイソメトリックT1強調MRI、。
   2. コマンド「mrconvert」を使用してnifti形式にwmparc.mgzとribbon.mgzファイルを変換します
3. WindowsのPCと負荷データのOpenの社内ソフトウェア（ 図1）。
   1. 2×2ウィンドウ表示、異なる画像処理ツールと右端に選択したツールを表す上に左端、アイコン上のデータマネージャーに注意してください。
   2. 「/ファイルを開く」のメインメニューにアクセスすることによって、またはスピードボタン（アイコン）を「開く」ことによって、「ドラッグ＆ドロップ」を使用してデータをインポートします。完全性を保証するために、異なるデータセットをスクロールします。右クリックしてズーム機能を注意し、マウスを移動し、データマネージャーの階層的な性質、連続した画像のオーバーレイを持ちます。
4. Coregister画像。 <オール>
5. シングルイメージ。
   1. スピードアイコンからNiftyRegツールを選択します。
   2. DataManager-にガドリニウムとニューロのT1を選択し、これは他のすべての撮影をしcoregisteredされていることを基準画像になります。
   3. 基準画像にcoregisteredする「浮遊画像」を選択します。
   4. 登録画像の名前と場所を定義します。レベル番号4、レベルに設定する最適化パラメータは3、繰り返し回数5、coregistration型リジッドボディを実行します。
   5. 「ファイル名を指定して実行」ボタンをクリックすることで自動化された剛体coregistrationを実行します。
   6. coregistrationの精度を確認してください。基準画像上に登録された画像を点検し、データマネージャーの画像を右クリックして、登録画像の透明度を変更し、「不透明度」にカーソルを移動させます。このようなモンローの孔としての明確な解剖学的目印を検査することによりcoregistrationを確認します。
6. ペア画像。
   1. Coregister「空間を規定する画像初（例えば。 1.4.1.6 - 手順1.4.1.1のようにNiftyRegツールを使用してフラクショナル異方性マップ）、。
   2. スピードアイコンからRegResampleツールを選択します。
   3. 基準画像としてデータマネージャーでガドリニウムとニューロのT1を選択します。
   4. 処理の結果（ 例えば 、ラクトグラフィ画像）浮動画像などで画像を選択。
   5. 入力変換としての「空間を規定する画像」の以前の登録から生成されたTXTファイルを使用してください。
   6. 登録画像の名前と場所を定義します。 0として補間タイプを選択します。
   7. 「ファイル名を指定して実行」ボタンをクリックして「処理結果」のリサンプリングを実行します。
   8. データマネージャーで選択して、新しい生成された画像を見ます
   9. ステップ1.4.1.6のようにcoregistrationの精度を確認してください。
7. すべてのデータセットのために1.4.2 - を繰り返して、1.4.1を繰り返します。

セグメント画像。

1. 選択した画像は、データマネージャーにセグメント化し、スピードのアイコンからセグメンテーションエディタツールを選択します。
2. 、軸方向の冠状および矢状面でのイメージングのいくつかのスライスに関心領域を描画するために、高度なセグメンテーションツールを使用します（手動セグメンテーション、領域成長、減算）
3. 3Dウィンドウ内のセグメント構造を進化視覚化する3D補間を選択します。セグメント構造の新しいNiftiファイルを生成するためにセグメンテーションを確認してください。
4. 手動分割が示されているすべての画像のための1.5.3 - を繰り返し1.5.1手順。

脳のモデルを生成します。

1. データマネージャー上wmparc.nii画像を選択し、手順1.4.1を使用して、基準画像とcoregisteredさwmparc.niiことを確認します。
2. スピードアイコンから基本的な処理ツールを選択します。
3. 皮質の2値化マスクを作成するために、1から5002からwmparc.niiするしきい値を適用します。

3D面として関心領域レンダリング（ 図2,3）。注：3D表面レンダリング（STLファイル）としてデータセットの可視化は、2つの方法で行うことができます。

1. 表面Extractorのトンを使用してくださいOOL。
   1. 表面Extractorのアイコンを選択します。表面抽出のためのしきい値を定義し、適用]を選択します。データマネージャーで表面レンダリングに名前を付けます。
2. 右のDataManagerでNiftiファイルをクリックして、「滑らかなポリゴンサーフェス」を選択します。

容器の表面モデルを抽出する（ 図4）。注：（3D位相コントラストMRI、CT血管造影、ガドリニウムとT1強調MRI）は、2つの方法で行うことができ、専用の血管造影から血管を抽出します。

1. 表面抽出ツールを使用します。
   1. NiftiRegを使用して、参照画像に血管イメージングCoregister。 3D表面は、表面抽出を使用して画像をレンダリングします。
   2. 拡張を適用し、皮質の2値化マスクへの基本的な画像処理の関数を閉じることによって頭蓋内のマスクを生成します。頭蓋外血管を除去するための基本的な画像処理に乗算関数を使用して、血管イメージングに頭蓋内のマスクを適用します。
   3. STLフィルからノイズを除去3Dメッシュ処理ソフトウェアパッケージを使用して、外部の社内ソフトウェアを処理することにより、電子。注意：このツールを使用するための手順は、自由にオンラインで入手できます。
2. VesselExtractorツールを使用します。
   1. スピードアイコンからVesselExtractorツールを選択します。血管画像データセットを選択し、血管抽出Niftiファイルの名前と場所を指定します。
   2. 「ファイル名を指定して実行]をクリックしてVesselExtractorを実行します。頭蓋外血管を除去するための基本的な画像処理に乗算関数を使用してVesselExtractorの結果に頭蓋内のマスクを適用します。注：拡張を適用し、1.8.1.2のように皮質の2値化マスクへの基本的な画像処理の関数を閉じることによって生成された頭蓋マスクを。
3. CT血管造影用の1.8.1または1.8.2のプロセスを繰り返し、ガドリニウムと3次元位相コントラストMRIとニューロのT1。

脳のボリュームレンダリング（ 図5）を生成します。

1. wmparc.niiイムを選択データマネージャー上の年齢、および手順1.4.1を使用して、基準画像とcoregisteredさwmparc.niiことを確認します。
2. スピードアイコンから基本的な処理ツールを選択します。
3. 基本的な処理ツールを使用して、wmparc.nii画像にガウス平滑化を適用します。
4. スピード選択アイコンからツールをボリュームレンダリング、および平滑化wmparc.niiファイルはデータマネージャーで強調表示されていることを確認。
5. ダニ「ボリュームレンダリング」ボックス皮質のボリュームレンダリングを生成するためのボリュームレンダリングツールの内部。

2.マニュアル計画の実行

1. 軌道プランナー速度アイコンを使用します。
   1. 選択ニューロT1が基準画像としてスキャンします。新プランを選択して、新しい軌道。
   2. 「Altキー」を押すと、臨床医によって、所望の解剖学的目標点のリストに基づいて、マウスを右クリックすることにより、平面画像上の選択目標点。注：ターゲットの例としては、内側側頭構造（扁桃体、海馬）、島、帯状回を含みます。
   3. 「Altキー」と押して、平面画像上のエントリポイントを選択し、臨床医によって所望のエントリポイントのリストに基づいて、マウスの左クリックします。注：エントリポイントの例としては、中側頭回、中心前回、縁上回を含みます。
   4. ターゲットとエントリ・ポイントとの間に発生する線状の軌跡を観察します。
2. リスクをVisu​​alise。
   1. 軌道の長さを調べるために、リスクの可視化速度アイコンを選択します。
   2. メインウィンドウに直交ビュー平面にプローブアイビューアをリンクする「リンク・ビュー・プレーン」を選択します。
   3. 無血管の経路を確保するために、プローブのアイビューアを調べ、軌道に沿ってスクロールします。

3.コンピュータ支援計画を実行します

1. データを準備します。
   1. 灰白質の表面を準備します。
      1. 皮質セグメンテーションソフトウェアから生成されたribbon.niiファイルを選択します。
      2. NiftiRegを使用して、参照画像にribbon.niiファイルを共同登録。
      3. 3D表面レンデRの「滑らかなポリゴン面」機能を使用してイメージを共同で登録します。
   2. 頭皮と頭皮除外テンプレートを準備します。
      1. 参照画像としてT1ニューロイメージを選択します。
      2. ガウス変換を適用するための基本的な画像処理ツールを使用します。
      3. 表面は、頭皮表面を生成するために、表面の抽出を使用して画像をレンダリングします。
      4. STLファイルとして画像を保存してエクスポート。
      5. 3Dメッシュ処理ソフトウェアにロードしたSTL FLE。
      6. 頭皮のために、頭蓋内のコンテンツを削除するには、クリーニングと編集ツールを使用しています。
      7. 頭皮除外テンプレートの場合は、電極のエントリポイントに適していない領域（ すなわち 、顔、耳、対側半球、テントの小脳の下の領域）を除去する手動編集ツールを使用しています。
   3. 表面脳溝の表面を準備します。
      1. 全体の脳溝を生成します。
         1. ステップ1.6.3のように基本的な画像処理ツールを使用してBinarise wmparc.niiファイル。
         2. 閉じる2値化基本的な画像処理ツールを使用して、3によるwmparc.niiファイル。
         3. 基本的な画像処理ツールを使用して、3.1.3.1.2で生成された、閉じた2値化ファイルから3.1.3.1.1で生成された2値化ファイルを引きます。
      2. 表面脳溝画像を生成する深さで脳溝を削除します。注：灰白質の所在である、深さで脳溝に接近する軌跡を臨界構造離れ脳溝から脳の表面に間隔軌道の利点を有するように、表面の脳溝画像を用いて、可能にします。
         1. 基本的な画像処理ツールを使用して、3.1.3.1.2で生成閉じ、2値化wmparcファイルを減らしてください。
         2. 基本的な画像処理ツールを使用して、3.1.3.2.1に生成されたファイルを反転。
         3. 基本的な画像処理ツールを使用して、3.1.3.1.3で生成された全脳溝により3.1.3.2.2で生成されたファイルを掛けます。
2. マルチ軌跡プランナー（ 図6）を実行します。
   注：オートマット編マルチ軌道計画は、堅牢なデータの準備に依存しています。頭皮の表面レンダリング、頭皮排除マスク、頭蓋内血管系、表面の脳溝、皮質および灰白質が必要とされています。
   1. スピードアイコンから軌道プランナーを選択します。ニューロT1 MRIなどの参照画像を選択します。
   2. 「目標点」を選択します。複数のターゲットポイントは、「Shiftキー」によって入力することができ、マウスを左クリック、または保存された目標点セットをロードすることもできます。注：ターゲットの例としては、内側側頭構造（扁桃体、海馬）、島、帯状回を含みます。
   3. 「エントリポイント」を選択し、添付のドロップダウンメニューで、頭皮の除外マスクを選択します。注：これは、実装が外科的に実行可能である制限された領域への可能なエントリポイントの検索を制限することを目的としています。
   4. 軌道は避けるべきであるドロップダウンリストから、表面をマーキング、重要な構造を選択します。高度な設定を選択します。ユーザー定義の短所を調整好ましいと軌道の間の軌道長、エントリの角度と距離に関するtraints。
   5. 灰白質にある軌道の割合を最適化するために、灰色matter-白質の評価と階層化リスクの並べ替えを選択します。
   6. 新プランを追加]を選択することで、マルチ軌道プランナを実行し、再計算計画。
3. Visualiseリスク（ 図7）。
   1. リスクの可視化速度のアイコンを使用して、軌道計画後のリスクと安全性プロファイルを評価します。
      注：各軌跡について長さのメトリック、エントリの角度、累積リスク、重要構造への距離の軌道経路に沿って血管と灰白質白質比、プラスグラフィック表現に最小距離があります。プローブの目のビューアも含まれています。
   2. 表現の潜在的なエントリポイントとリスクの共同の関連するレベルで、頭皮の除外マスクの上にある色分けされた等高線地図を表示するためのDataManagerにおけるリスクマップを選択lourは赤の高リスクを表すと緑の任意の選択された軌道のための低リスクを表すと、コード化されました。
4. 軌道の手動調整。
   1. 軌道を選択します。
   2. 左クリックAltキーとマウスを押して、Altキーとマウスの右クリックして、新たな目標点を押して、新しいエントリポイントを選択します。
   3. ステップ3.3のようにリスクの可視化のスピードアイコンを使用して、新しい軌道を評価します。

4.エクスポート計画とオペレーティングシアターがモデル

1. 参照画像は、DICOM形式であることを確認してください。スピードのアイコンからS7エクスポート]を選択します。
2. 基準画像、計画や軌道とエクスポートされるモデルを定義し、保存されたアーカイブの保存先を指定します。 S7エクスポートツールを実行します。
3. アップロードは、手術室でのニューロシステムに転送するためにUSBスティック上にアーカイブを生成し、計画されたT​​Rの臨床実施のためのニューロシステムにアーカイブフォルダを読み込みますajectories。

5.再構築電極移植手術後

1. 術後のCT撮影を取得します。
2. 社内のソフトウェアにロードCTヘッドを、以前に保存された患者データセットをロードします。
3. Coregister CTはNiftyRegツールを使用して、T1強調MRIを参照します。
4. 高いしきい値で、登録されたCT上SurfaceExtractorツールを使用して電極の3D表面レンダリングを生成します。
5. 清浄表面レンダリングノイズの電極、および3Dメッシュ処理ソフトウェアの洗浄および修復機能を使用してワイヤ。

Results

選択されたニューロシステムへの画像の統合、可視化、マニュアル計画およびエクスポートについて記載したプロトコルは、これは319の深さ電極の注入と、SEEG注入¹²の35例を含む、8月、2013年以来、神経内科や脳神経外科のための国立病院で採用されています。患者の35分の27（77％）は、注入が発作発症の領域を同定していることの指標である、移植、次の皮質切除に進んでいます。そこ深電極の配置に関連する1つ出血性合併症であった、これは保存的に処理しました。

術前評価の際に使用されるイメージングモダリティは、ケースバイケースに基づいて決定され、 表1に記載されている。プロトコルは柔 ​​軟性があり、かつDICOMまたはNifti形式にインポートすることができる任意のイメージングモダリティを組み込むことができます。 図1は 、社内のソフトウェア・プラットフォームのための基本的なビューアを実証し、2、3、4と5は、3Dマルチモダリティモデルの構築中に典型的なスクリーンショットを示しています。

私たちの臨床パイプラインにこのプロトコル、および他のセンターには、このソフトウェアの普及のシームレスな統合は、成功の有用な代理「マーカー」です。てんかん手術集団における臨床的有益性を評価する上での困難は、よく知られており、他の箇所¹²に記載されています。このパイプラインは、比較的ユーザーフレンドリー、および他のセンターに複製しやすい柔軟で合理化されたソリューションを提供しています。

コンピュータ支援計画（CAP）は、遡及的に、以前の手動計画注入¹⁶でテストされている最近の開発です。予備的な結果は、CAPは、より安全でefficを生成することを示唆しています実装することは可能であり、ient注入は、効果的な方法¹⁶ 表2は、この定量的な比較を示している時間内に完了されています。臨床現場でCAPを使用してのプロスペクティブ試験が進行中です。 CAPを駆動するアルゴリズムは、以前に^13を説明してきました。

図6は、自動化されたマルチ軌跡プランナーからの典型的な結果を示しています。入力された重要な構造物は、静脈、動脈および表面脳溝です。脳回のクラウンで軌道のセンタリング、及び頭皮排除マスクへの軌跡エントリポイントの制約に注意してください。 図7は、関連するメトリックと軌跡長のグラフィック表示で、個々の軌道のための典型的なリスクの可視化グラフを示しています。

図1. 自社のソフトウェアプラットフォームの基本的なビューアで表示します。ショートカットプラグインツール、使用中のツールで右現在のプラグインが含まれている左のDataManager、TOP-ツールバー、CENTRE- 4オーソ・ビューが表示されます。 この図の拡大版をご覧になるにはこちらをクリックしてください。

社内のソフトウェア図 2. セグメンテーションと3次元可視化 。経頭蓋磁気刺激からモデル（シアン、静脈、緑モータの手の（A）重ね合わせた表面モデルとの軸方向T1 MRI、（B）の3D表面レンダリング、橙弓状束のラクト、青皮質脊髄ラクトグラフィー、pink-光学放射線ラクト、黄鉤状束のラクト、紫視床秒egmentation）。 この図の拡大版をご覧になるにはこちらをクリックしてください。

皮質表面モデルの3世代図 。ファイルは、1から5002から閾値wmparc（A）wmparcファイルの軸方向の図、（B）、2値化wmparcファイルの（C）表面レンダリング。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図4。Vesselness を使用して、社内のソフトウェアにおける血管抽出 。 （A）軸方向CT血管造影3次元位相差Mと同時登録RI。静脈（シアン）、動脈（赤）の（B）の3D表面レンダリング。 この図の拡大版をご覧になるにはこちらをクリックしてください。

皮質の皮質ボリュームモデルの3Dボリュームレンダリング（灰色）と頭皮表面の表面レンダリング（白） の図5世代 。 この図の拡大版をご覧になるにはこちらをクリックしてください。

コンピュータ支援軌道計画の 図6. 3Dマルチモダリティモデル 。 （A）頭皮（白）、頭皮除外マスク（黄色）と軌道た（purple）。 （B）頭皮と脳（ピンク）、脳溝（緑）、静脈（シアン）、動脈（赤）を示すために透明マスク。軌道と脳を表示するために除去（C）頭皮とマスク。 （D）脳は軌道、表面脳溝、静脈と動脈を示すために除去。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図7。 個々の軌跡とメトリクス関連のグラフィック可視化 。トップ長さ、直径の血管>から1mm頭蓋骨、危険性、G / W比と最小距離を横断する角度。構造体への軌跡（赤動脈、シアン、静脈、Y-axis-距離（最大10ミリメートル）の長さに沿って、最も近い重要な構造の中型グラフィック表示とx-axis-軌道に沿った距離を脳のエントリから、重要な構造に軌道の3ミリメートルの分離をマークする水平赤線のように表さSM-安全マージンを対象とします）。グレーと白質を通る軌道経路のボトムグラフィック表示（緑-脳外、グレー灰白質、白-白質）。 この図の拡大版をご覧になるにはこちらをクリックしてください。

モダリティ	サイト	前処理	視野（APのx RL xはIS）	ボクセルサイズ（APのx RL xは）
3D T1 FSPGR	ES	いいえ	256×256×166	0.94のx 0.94のx 1.1
冠状T2のFLAIR	ES	いいえ	256×160×32	0.94×1.5×3.5
ナビゲーションT1ガドリニウムと	NHNN	いいえ	512×512×144	0.5×0.5×1.5
MRI 3次元位相コントラスト	NHNN	いいえ	256×256×160	0.85のx 0.85×1
CT血管造影	NHNN	いいえ	512×512×383	0.43のx 0.43のx 0.75
MEG双極子	NHNN	はい
発作時、発作間欠期SPECT	UCLH	はい	128×128×49	3.9×3.9×3.9
FDG-PET	UCLH	はい	128×128×47	1.95のx 1.95のx 3.3
DTI	ES	はい	128×128×60	1.88のx 1.88のx 2.4
機能的MRI、EEG相関のfMRI	ES	はい	128×128×58

神経内科と脳神経外科、UCLH-ロンドン大学病院、FSPGR-FastSpoiledGradientRecalledEcho、MEG-磁図、SPECT-単光子放出コンピュータ断層撮影、FDG PETのためのイメージ統合 （（ES-てんかん学会、NHNN-国立病院のために使用される 表1 イメージングモダリティ - フルオロデオキシグルコース陽電子放射断層撮影は、DTI-拡散テンソル画像、AP-前方後方、RL - 右から左、IS​​ - 優れ劣ります）。

	マニュアル計画*	キャップ*	推定差（マニュアル-CAP）	エラー	P値
電極長さ（mm、1 DP）	57.9（21.8）	53.9（15.6）	4.74	1.59	<0.05
エントリーの角度（垂直1 DPをオフ度）	16.2（12.8）	13.0（7.6）	5.89	1.07	<0.05
リスク（正規化された単位、2 DP）	0.41（0.79）	0.36（0.42）	0.19	0.03	<0.05
血管からの最小距離（ミリメートル、1 DP）	4.5（3.0）	4.5（3.0）	-0.56	0.2	<0.05
灰白質における脳内電極の割合（2 DP）	0.33（0.33）	0.48（0.28）	-0.11	0.02	<0.05

マニュアルおよびコンピュータアシスの間 、表2 の統計の比較テッド計画（CAP）。*最初の値は中央値で、括弧内の2番目の値は四分位範囲です。この表は^、16から許可を得て再現されています。

Discussion

要約すると、画像の統合および3D視覚化のための重要なステップは、ニューロシステムへの画像の同時登録、脳のセグメンテーション、血管および他の構造や領域、およびエクスポートがあります。このプロセスは、以前に市販されている画像統合ソフトウェアを使用して、グループで行いました。 4時間 - このパイプラインの欠点は、2を取るプロセス全体で、撮影した時間でした。当社の社内のソフトウェア・プラットフォームを使用して、このパイプラインは大幅に簡略化され、そして1で完了することができます - 2時間。また、手動又はコンピュータ支援で行うことができます。このソフトウェアにSEEG電極軌道の手術計画の追加機能があります。マニュアル計画の上にCAPの利点は、精度を増加したリスクを低減し、速度を増加し、他の場所で議論されているされている（Nowell らは 、プレスでは、スパークスら 、投稿中）。

社内のソフトウェアプラットフォームは、連続（d）にあります新しいツールと機能を備えたevelopmentは、術前評価および外科的管理のすべての段階をサポートするために追加されています。それぞれの新しいバージョンのリリースで厳密な試験が必要です。ソフトウェアの現在の制限は、他のプラットフォームに存在し、高度な3D可視化のために貴重な追加で高品質のボリュームレンダリングの欠如が挙げられます。また、輸出は、現時点で選択されたニューロ会社とのみ互換性があります。これらの制限は、私たちのユニット内のソフトウェアの臨床的有用​​性に影響を与えていない、と他のセンターへの技術の普及を遅らせていません。

このソフトウェアの重要性は、それが前のグループが3DMMIを使用していない理由として挙げているの障壁を除去することです。解決策は、専門のトレーニングや専門知識を必要とせず、1つのプラットフォームでツールを使用して簡単に提供し、時間と費用対効果であり、容易に臨床診療に翻訳されています。我々は、pを持っていますLANはてんかん外科をサポートするために、ソフトウェアにさらなる革新を追加します。さらに、方法は簡単にそのような雄弁皮質、焦点lesioningと標的刺激の配信に近い低悪性度の腫瘍の切除などの脳神経外科の他の領域に適用することができます。より挑戦的な例は、上に取られるとのような低侵襲性治療が一般的な慣行を入力として3DMMIで正確な手術計画ツールは、現代の手術においてますます重要になる可能性があります。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
EpiNav	UCL		画像統合、セグメンテーション、視覚化、手術計画のための社内ソフトウェアプラットフォーム
Freesurfer	Martinos Centre for Biomedical Imaging		皮質セグメンテーション用ソフトウェア
S7 Stealthstation	Medtronic		ニューロナビゲーションシステム
MeshLab	ISTI-CNR		3Dメッシュ処理ソフトウェア
NiftiK	UCL		トランスレーショナルイメージングプラットフォーム
AMIRA	Visualisation Sciences Group		画像統合ソフトウェア