Artykuł metodologiczny

Ścieżka rozwoju integracji obrazów 3D multimodalnych i planowania wspomaganego komputerowo w chirurgii padaczki

11.5K wyświetleń

⸱

DOI:

10.3791/53450

⸱

20 maja 2016

 ,  ,  ,  ,  ,  ,  ,  , 
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

W tym artykule

Podsumowanie

Opisujemy kroki, które należy wykonać, aby korzystać z naszego specjalnie zaprojektowanego oprogramowania do integracji, wizualizacji i planowania obrazów w chirurgii epilepsji.

Streszczenie

Operacja epilepsji jest wyzwaniem, a wykorzystanie integracji obrazów 3D multimodality (3DMMI) do pomocy w planowaniu przedoperacyjnym jest dobrze ugruntowane. Integracja obrazów multimodalnych może być wymagająca pod względem technicznym i nie jest w pełni wykorzystywana w praktyce klinicznej. Opracowaliśmy jedną platformę oprogramowania do integracji obrazów, wizualizacji 3D i planowania chirurgicznego. Tutaj nasz pipeline jest opisany krok po kroku, zaczynając od akwizycji obrazu, przechodząc przez korejestrację obrazu, manualną segmentację, ekstrakcję mózgu i naczyń, wizualizację 3D i ręczne planowanie implantacji stereoEEG (SEEG). Dzięki rozpowszechnieniu oprogramowania proces ten może być powielany w innych ośrodkach, co pozwoli innym grupom na czerpanie korzyści z 3DMMI. Opisujemy również wykorzystanie zautomatyzowanego, wielotrajektoriowego planera do generowania planów implantacji stereoEEG. Wstępne badania sugerują, że jest to szybki, bezpieczny i skuteczny środek wspomagający planowanie implantacji SEEG. Na koniec opisano proste rozwiązanie do eksportu planów i modeli do komercyjnych systemów neuronawigacji w celu realizacji planów na bloku operacyjnym. To oprogramowanie jest cennym narzędziem, które może wspierać podejmowanie decyzji klinicznych na całym etapie operacji padaczki.

Wprowadzenie

W praktyce chirurgicznej ważne jest, aby chirurg doceniał struktury anatomiczne i ich przestrzenne relacje względem siebie w trzech wymiarach. Jest to szczególnie ważne w neurochirurgii, gdzie chirurg pracuje w ograniczonej przestrzeni, z ograniczoną wizualizacją i dostępem do złożonej anatomii. Mimo to, do tej pory większość obrazowania była prezentowana chirurgom w konwencjonalnej płaskiej formie 2D, a różne metody obrazowania są często prezentowane jedna po drugiej w seriach. W związku z tym chirurg musi mentalnie zintegrować te dane dla każdego pacjenta i umieścić je w anatomicznych ramach planowania przedoperacyjnego. Istnieje wyraźna korzyść z generowania komputerowych modeli 3D mózgu indywidualnego pacjenta, które pokazują anatomię kory mózgowej, naczyń krwionośnych, wszelkich obecnych zmian patologicznych, a także innych istotnych punktów orientacyjnych 3D w tym samym kontekście przestrzennym1-4. Przed zabiegiem chirurg może obracać i zmieniać przezroczystość tych modeli, aby w pełni zrozumieć relacje 3D między różnymi interesującymi strukturami. Zasada ta jest określana jako obrazowanie multimodalne 3D (3DMMI).

Celem oceny przedoperacyjnej dla operacji epilepsji jest określenie lokalizacji obszaru mózgu, w którym pojawiają się napady, i zapewnienie, że można go bezpiecznie wyciąć bez powodowania znaczących deficytów5. Przyczynia się do tego szeroki zakres metod obrazowania diagnostycznego, w tym strukturalny rezonans magnetyczny, pozytonowa tomografia emisyjna fluorodeoksyglukozy (FDG-PET), tomografia komputerowa z emisją pojedynczych fotonów (SPECT), dipole magnetoencefalografii (MEG), funkcjonalny rezonans magnetyczny (fMRI) i obrazowanie tensora dyfuzji (DTI)6. Chirurgia padaczki idealnie nadaje się do 3DMMI, ponieważ wymaga jednoczesnej interpretacji wielu zestawów danych i rozważenia, w jaki sposób każdy zestaw danych odnosi się do innego.

W wielu przypadkach nieinwazyjne badania nie dostarczają wystarczających dowodów, aby przystąpić do resekcji. W takich przypadkach wewnątrzczaszkowe zapisy EEG (IC EEG) są niezbędne do zidentyfikowania obszaru mózgu, który należy usunąć, aby zapobiec napadom. Coraz częściej IC EEG jest wykonywany za pomocą techniki zwanej SEEG, w której szereg elektrod rejestrujących głębokość jest umieszczanych śródmózgowo w celu uchwycenia pochodzenia i propagacji aktywności elektrycznej związanej z napadami w 3D1,7-10.

Pierwszym krokiem implantacji SEEG jest opracowanie strategii implantacji, definiując obszary mózgu, które muszą zostać pobrane. Polega to na zintegrowaniu klinicznej i nieinwazyjnej daty EEG z obrazowaniem strukturalnym, z wszelkimi zmianami i funkcjonalnymi danymi obrazowymi, które wskazują na lokalizację źródła padaczki.

Drugim krokiem jest precyzyjne chirurgiczne planowanie trajektorii elektrod. Chirurg musi zapewnić bezpieczne beznaczyniowe trajektorie elektrod, centrując wejścia elektrod na koronie zakrętu i z dala od żył powierzchniowych kory korowej oraz przecinając czaszkę ortogonalnie. Dodatkowo cały układ implantacji musi być dobrze przemyślany, z rozsądnymi odstępami między elektrodami i bez kolizji elektrod.

Możliwość generowania modeli 3DMMI do kierowania implantacją elektrod IC EEG w ruchliwym gabinecie chirurgii epilepsji została wcześniej zademonstrowana11. Wykazaliśmy również zasadę, że zastosowanie 3DMMI daje wartość dodaną w podejmowaniu decyzji klinicznych. W badaniu prospektywnym ujawnienie 3DMMI zmieniło pewien aspekt postępowania w 43/54 (80%) przypadkach, a w szczególności zmieniło położenie 158/212 (75%) elektrod głębokościowych12.

Istnieje szereg pakietów oprogramowania, które umożliwiają 3DMMI. Należą do nich dostępne na rynku platformy neuronawigacji, które są wykorzystywane na sali operacyjnej, specjalistyczne pakiety oprogramowania do planowania powiązane z platformami neuronawigacyjnymi oraz zorientowane na badania, samodzielne platformy integracji i wizualizacji obrazów. Wraz ze wzrostem funkcjonalności, elastyczności i wszechstronności tych platform, odpowiednio maleje użyteczność i prawdopodobieństwo przełożenia ich na praktykę kliniczną.

Opracowaliśmy specjalnie zaprojektowane oprogramowanie do integracji obrazów multimodalnych, zaawansowanej wizualizacji 3D i planowania rozmieszczenia elektrod SEEG12,13 w leczeniu padaczki. Nacisk kładziony jest na łatwość użycia w scenariuszu klinicznym, umożliwiającą korzystanie z oprogramowania w czasie rzeczywistym przez klinicystów i szybkie włączenie do procesu klinicznego. Oprogramowanie działa na platformie obrazowania translacyjnego14, która łączy w sobie NiftyReg, NiftySeg i NiftyView.

W tym artykule przedstawiono protokół korzystania z oprogramowania w praktyce klinicznej. Opisano etapy korejestracji obrazu, segmentacji obszarów zainteresowania, segmentacji mózgu, ekstrakcji naczyń krwionośnych z dedykowanego obrazowania naczyniowego15, budowania modeli 3D, planowania implantacji SEEG oraz szybkiego eksportu modeli i planów na salę operacyjną. Opisano również nowatorskie narzędzie do zautomatyzowanego planowania wielu trajektorii13, które zwiększa bezpieczeństwo i skuteczność implantacji oraz znacznie skraca czas planowania.

Protokół

UWAGA: Polecenia oprogramowania dostępne w tym miejscu są specyficzne dla bieżącej wersji (19.01.2015) oprogramowania i mogą ulec zmianie w kolejnych wersjach oprogramowania. Instrukcje obsługi dla poszczególnych wersji są dostępne na życzenie.

1. Wykonaj integrację i wizualizację obrazu

  1. Zdobądź obrazowanie.
    1. Uzyskaj neuronawigacyjny skan MRI zależny od T1 ze wzmocnieniem gadolinu - będzie to obraz referencyjny. (Uwaga: Wymagania dotyczące pozyskiwania obrazów są dostępne u komercyjnego dostawcy neuronawigacji11,12. Patrz Tabela 1).
    2. Zbierz wszystkie inne obrazowanie wykonane podczas oceny przedoperacyjnej w formacie DICOM lub Nifti (może obejmować funkcjonalny rezonans magnetyczny (fMRI), traktografię obrazowania tensora dyfuzji (DTI), pozytonową tomografię emisyjną fluoro-deoksyglukozy (FDG-PET), tomografię emisyjną pojedynczego fotonu ictal-interictal (SPECT), dipol magnetoencefalograficzny (MEG), rezonans magnetyczny 3D z kontrastem fazowym, angiografię CT) Patrz Tabela 1.
  2. Uruchamianie przetwarzania wstępnego poza oprogramowaniem wewnętrznym.
    1. Przetwarzaj izometryczny rezonans magnetyczny ważony T1 za pomocą oprogramowania Freesurfer o otwartym kodzie źródłowym, uruchom na stacji roboczej z systemem Linux za pomocą polecenia "recon-all", aby wygenerować segmentacje kory mózgowej.
    2. Konwertuj pliki wmparc.mgz i ribbon.mgz do formatu nifti za pomocą polecenia "mrconvert"
  3. Otwórz oprogramowanie wewnętrzne na komputerze z systemem Windows i załaduj dane (Rysunek 1).
    1. Uwaga Wyświetlanie okna 2 x 2, DataManager po lewej stronie, ikony na górze reprezentujące różne narzędzia do przetwarzania obrazu i wybrane narzędzie po prawej stronie.
    2. Importuj dane za pomocą "przeciągnij i upuść", uzyskując dostęp do menu głównego "Plik/Otwórz" lub za pomocą przycisku prędkości (ikony) "Otwórz". Przewijaj różne zestawy danych, aby zapewnić kompletność. Zwróć uwagę na funkcję powiększania poprzez kliknięcie prawym przyciskiem myszy i przesunięcie myszy, a także hierarchiczny charakter DataManager z kolejnym nakładaniem obrazu.
  4. Rejestruj obrazy.
    1. Pojedyncze obrazy.
      1. Wybierz narzędzie NiftyReg z ikon prędkości.
      2. Wybierz neuronawigację T1 z gadolinem w DataManager - będzie to obraz referencyjny, do którego wszystkie inne obrazowania są współzarejestrowane.
      3. Wybierz "pływający obraz", który ma zostać zarejestrowany jako obraz referencyjny.
      4. Określ nazwę i lokalizację rejestrowanego obrazu. Ustaw parametry optymalizacyjne na poziom numer 4, poziom do wykonania 3, iterację numer 5, typ korejestracji ciało sztywne.
      5. Uruchom automatyczną korejestrację nadwozia sztywnego, klikając przycisk "Uruchom".
      6. Sprawdź dokładność korejestracji. Sprawdź zarejestrowany obraz na obrazie referencyjnym i zmień przezroczystość zarejestrowanego obrazu, klikając obraz prawym przyciskiem myszy w DataManager i przesuwając kursor "Krycie". Zweryfikuj współrejestrację, sprawdzając wyraźne anatomiczne punkty orientacyjne, takie jak otwór Monroe.
    2. Sparowane obrazy.
      1. Najpierw zarejestruj 'obraz definiujący przestrzeń' (np. Frakcyjna mapa anizotropowa), za pomocą narzędzia NiftyReg, jak w krokach 1.4.1.1 - 1.4.1.6.
      2. Wybierz narzędzie RegResample z ikon prędkości.
      3. Wybierz neuronawigację T1 z gadolinem w DataManager jako obraz referencyjny.
      4. Wybierz obraz z wynikami przetwarzania (np. obraz traktograficzny) jako obraz pływający.
      5. Użyj pliku txt wygenerowanego na podstawie poprzedniej rejestracji 'obrazu definiującego przestrzeń' jako transformacji wejściowej.
      6. Określ nazwę i lokalizację rejestrowanego obrazu. Wybierz typ interpolacji jako 0.
      7. Uruchom ponowne próbkowanie "wyniku przetwarzania", klikając przycisk "Uruchom".
      8. Wyświetl nowo wygenerowany obraz, wybierając w DataManager
      9. Sprawdzić dokładność korejestracji jak w kroku 1.4.1.6.
    3. Powtórz kroki od 1.4.1 do 1.4.2 dla wszystkich zestawów danych.
  5. Segmentowanie obrazów.
    1. Wybierz obraz, który ma zostać podzielony na segmenty w DataManager, a następnie wybierz narzędzie Edytor segmentacji z ikon prędkości.
    2. Użyj zaawansowanych narzędzi do segmentacji (segmentacja ręczna, powiększanie regionów, odejmowanie), aby narysować obszar zainteresowania na kilku wycinkach obrazowania w płaszczyźnie osiowej, czołowej i strzałkowej
    3. Wybierz Interpolację 3D, aby zobrazować ewoluującą strukturę segmentową w oknie 3D. Potwierdź segmentację, aby wygenerować nowy plik Nifti o strukturze segmentowej.
    4. Powtórz kroki od 1.5.1 do 1.5.3 dla wszystkich obrazów, na których wskazana jest ręczna segmentacja.
  6. Generuj modele mózgu.
    1. Wybierz obraz wmparc.nii w DataManager i upewnij się, że wmparc.nii jest współzarejestrowany z obrazem referencyjnym, wykonując kroki 1.4.1.
    2. Wybierz Podstawowe narzędzia przetwarzania z ikon prędkości.
    3. Zastosuj próg do wmparc.nii od 1-5002, aby utworzyć binarną maskę kory
      4. .
  7. Renderuj interesujące obszary jako powierzchnie 3D (Rysunek 2, 3). Uwaga: Wizualizację zbiorów danych jako renderingów powierzchni 3D (pliki stl) można wykonać na dwa sposoby:
    1. Użyj narzędzia Surface Extractor.
      1. Wybierz ikonę Ekstraktor powierzchni. Zdefiniuj próg wyodrębniania powierzchni i wybierz opcję Zastosuj. Nazwij renderowanie powierzchni w DataManager.
    2. Kliknij prawym przyciskiem myszy plik Nifti w DataManager i wybierz "Gładka powierzchnia wielokąta".
  8. Wyodrębnij modele powierzchniowe naczyń (rysunek 4). Uwaga: Ekstrakcja naczyń z dedykowanego obrazowania naczyniowego (rezonans magnetyczny z kontrastem fazowym 3D, angiografia CT, rezonans magnetyczny T1 z gadolinem) może odbywać się na dwa sposoby.
    1. Użyj narzędzia Surface Extractor.
      1. Współrejestruj obrazowanie naczyniowe z obrazem referencyjnym za pomocą NiftiReg. 3D powierzchni renderuj obraz za pomocą ekstraktora powierzchni.
      2. Wygeneruj maskę wewnątrzczaszkową, stosując funkcje dylatacji i zamykania w podstawowym przetwarzaniu obrazu do binarnej maski kory mózgowej. Nałóż maskę wewnątrzczaszkową na obrazowanie naczyniowe za pomocą funkcji mnożenia w podstawowym przetwarzaniu obrazu, aby usunąć naczynia pozaczaszkowe.
      3. Usuń szum z pliku stl, przetwarzając go poza wewnętrznym oprogramowaniem, korzystając z pakietu oprogramowania do przetwarzania siatki 3D. Uwaga: Instrukcje korzystania z tego narzędzia są bezpłatnie dostępne w Internecie.
    2. Użyj narzędzia VesselExtractor.
      1. Wybierz narzędzie VesselExtractor z ikon prędkości. Wybierz zestaw danych obrazu naczyniowego i określ nazwę oraz lokalizację pliku Nifti do ekstrakcji naczynia.
      2. Uruchom VesselExtractor, klikając "Uruchom". Nałóż maskę wewnątrzczaszkową na wyniki VesselExtractor, korzystając z funkcji mnożenia w podstawowym przetwarzaniu obrazu, aby usunąć naczynia pozaczaszkowe. Uwaga: Maska wewnątrzczaszkowa generowana przez zastosowanie funkcji rozszerzania i zamykania w Podstawowym przetwarzaniu obrazu do binaryzowanej maski kory mózgowej, jak w 1.8.1.2.
    3. Powtórz proces 1.8.1 lub 1.8.2 dla angiografii CT, rezonansu magnetycznego z kontrastem fazowym 3D i neuronawigacji T1 z gadolinem.
  9. Wygeneruj renderowanie objętości mózgu (rysunek 5).
    1. Wybierz obraz wmparc.nii w DataManager i upewnij się, że wmparc.nii jest współzarejestrowany z obrazem referencyjnym, wykonując kroki 1.4.1.
    2. Wybierz Podstawowe narzędzia przetwarzania z ikon prędkości.
    3. Zastosuj wygładzanie gaussowskie do obrazu wmparc.nii za pomocą narzędzi do przetwarzania podstawowego.
    4. Wybierz narzędzie do renderowania woluminów z ikon prędkości i upewnij się, że wygładzony plik wmparc.nii jest podświetlony w DataManager.
    5. Zaznacz pole "renderowanie objętości" w narzędziu do renderowania objętości, aby wygenerować renderowanie objętości kory mózgowej.

2. Wykonaj ręczne planowanie

  1. Użyj ikony prędkości Planera trajektorii.
    1. Wybierz skanowanie neuronawigacji T1 jako obraz referencyjny. Wybierz pozycję Nowy plan i pozycję Nowa trajektoria.
    2. Wybierz punkt docelowy w obrazowaniu płaskim, naciskając Alt i klikając prawym przyciskiem myszy, na podstawie listy pożądanych przez lekarzy anatomicznych punktów docelowych. Uwaga: przykładami celów są mezjalne struktury skroniowe (ciało migdałowate, hipokamp), wyspa, zakręt obręczy.
    3. Wybierz punkt wejścia w obrazowaniu płaskim, naciskając Alt i klikając lewym przyciskiem myszy, w oparciu o listę punktów wejścia żądanych przez lekarzy. Uwaga: przykładami punktów wejścia są zakręt skroniowy środkowy, zakręt przedśrodkowy, zakręt nadbrzeżny.
    4. Obserwuj trajektorię liniową generowaną między celem a punktem wejścia.
  2. Wizualizacja ryzyka.
    1. Wybierz ikonę prędkości wizualizacji ryzyka, aby sprawdzić długość trajektorii.
    2. Wybierz opcję 'Połącz płaszczyzny widoku', aby połączyć przeglądarkę oka sond z ortogonalnymi płaszczyznami widoku w oknie głównym.
    3. Przewiń wzdłuż trajektorii, badając przeglądarkę oka sondy, aby upewnić się, że ścieżka jest beznaczyniowa.

3. Planowanie wspomagane komputerowo

  1. Przygotowanie danych.
    1. Przygotować powierzchnię istoty szarej.
      1. Wybierz plik ribbon.nii wygenerowany przez oprogramowanie do segmentacji kory mózgowej.
      2. Zarejestruj plik ribbon.nii, aby odwołać się do obrazu za pomocą NiftiReg.
      3. Powierzchnia 3D renderuje współzarejestrowany obraz za pomocą funkcji "Wygładź powierzchnię wielokąta".
    2. Przygotuj szablon skóry głowy i wykluczenia skóry użytkownika.
      1. Wybierz obraz neuronawigacji T1 jako obraz referencyjny.
      2. Użyj narzędzia Podstawowe przetwarzanie obrazu, aby zastosować transformację Gaussa.
      3. Obraz renderowania powierzchni za pomocą narzędzia Surface Extractor w celu wygenerowania powierzchni skóry głowy.
      4. Zapisz i wyeksportuj obraz jako plik stl.
      5. Załaduj stl fle do oprogramowania do przetwarzania siatki 3D.
      6. W przypadku skóry głowy użyj narzędzi do czyszczenia i edycji, aby usunąć zawartość wewnątrzczaszkową.
      7. W przypadku szablonu wykluczenia skóry głowy użyj ręcznych narzędzi do edycji, aby usunąć obszary, które nie są odpowiednie dla punktów wejścia elektrod (np. twarz, uszy, półkula przeciwległa, obszar poniżej ścięgna móżdżkowego).
    3. Przygotuj powierzchnię bruzd powierzchniowych.
      1. Wygeneruj całe bruzdy.
        1. Binaryzuj plik wmparc.nii za pomocą narzędzia Podstawowe przetwarzanie obrazu, jak w kroku 1.6.3.
        2. Zamknij binarny plik wmparc.nii o 3 za pomocą narzędzia Basic Image Processing.
        3. Odejmij binarny plik wygenerowany w 3.1.3.1.1 od zamkniętego pliku binaryzowanego wygenerowanego w 3.1.3.1.2 za pomocą narzędzia Basic Image Processing.
      2. Usuń bruzdy na głębokości, aby wygenerować obraz bruzd powierzchniowych. Uwaga: wykorzystanie obrazu bruzd powierzchniowych jako struktury krytycznej ma tę zaletę, że oddala trajektorie od bruzd na powierzchni mózgu i pozwala trajektoriom zbliżyć się do bruzd na głębokości, czyli tam, gdzie znajduje się istota szara.
        1. Zmniejsz liczbę zamkniętych, binarnych plików wmparc wygenerowanych w wersji 3.1.3.1.2 za pomocą narzędzia Basic Image Processing.
        2. Odwróć plik wygenerowany w wersji 3.1.3.2.1 za pomocą narzędzia Podstawowe przetwarzanie obrazu.
        3. Pomnóż plik wygenerowany w 3.1.3.2.2 przez całe bruzdy wygenerowane w 3.1.3.1.3, używając narzędzia Basic Image Processing.
  2. Uruchom narzędzie do planowania wielu trajektorii (Rysunek 6).
    UWAGA: Zautomatyzowane planowanie wielu trajektorii zależy od solidnego przygotowania danych; Wymagane są renderingi powierzchniowe skóry głowy, maski wykluczającej skórę głowy, naczyń wewnątrzczaszkowych, bruzd powierzchniowych, kory i istoty szarej.
    1. Wybierz Planer trajektorii z ikon prędkości. Wybierz obraz referencyjny jako neuronawigację T1 MRI.
    2. Wybierz 'punkty docelowe'; wiele punktów docelowych można wprowadzić za pomocą Shift i lewego przycisku myszy lub wczytując zapisany zestaw punktów docelowych. Uwaga: przykładami celu są mezjalne struktury skroniowe (ciało migdałowate, hipokamp), wyspa, zakręt obręczy.
    3. Wybierz "punkty wejścia" i wybierz maskę wykluczającą skórę głowy z załączonego menu rozwijanego. Uwaga: Ma to na celu ograniczenie przeszukiwania możliwych punktów wejścia do obszaru o ograniczonym dostępie, który jest chirurgicznie wykonalny.
    4. Wybierz konstrukcje krytyczne, zaznaczając z listy rozwijanej powierzchnie, których trajektorie powinny unikać. Wybierz ustawienia zaawansowane; Dostosuj zdefiniowane przez użytkownika ograniczenia dotyczące długości trajektorii, kąta wejścia i odległości między trajektoriami zgodnie z preferencjami.
    5. Wybierz ocenę istoty szarej – istoty białej i stratyfikuj sortowanie ryzyka, aby zoptymalizować proporcję trajektorii leżących w istocie szarej.
    6. Uruchom planistę wielu trajektorii, wybierając pozycję Dodaj nowy plan i Oblicz ponownie plan.
  3. Wizualizacja ryzyka (Rysunek 7).
    1. Oceniaj profile ryzyka i bezpieczeństwa po zaplanowaniu trajektorii, korzystając z ikony prędkości wizualizacji ryzyka.
      Uwaga: Dla każdej trajektorii dostępne są wskaźniki długości, kąta wejścia, skumulowanego ryzyka, minimalnej odległości do naczynia krwionośnego i współczynnika istoty białej istoty szarej, a także przedstawienie graficzne wzdłuż ścieżki trajektorii odległości do struktur krytycznych. W zestawie znajduje się również przeglądarka oka sondy.
    2. Wybierz opcję Mapa ryzyka w DataManager, aby wyświetlić kolorową mapę konturową nałożoną na maskę wykluczającą skórę głowy, z reprezentowanymi potencjalnymi punktami wejścia i powiązanym poziomem ryzyka oznaczonym kolorami, przy czym kolor czerwony oznacza wysokie ryzyko, a zielony oznacza niskie ryzyko dla dowolnej wybranej trajektorii.
  4. Ręczna regulacja trajektorii.
    1. Wybierz trajektorię.
    2. Wybierz nowy punkt wejścia, naciskając Alt i kliknij prawym przyciskiem myszy, a nowy punkt docelowy, naciskając Alt i kliknij lewym przyciskiem myszy.
    3. Oceń nową trajektorię za pomocą ikony prędkości wizualizacji ryzyka, jak w kroku 3.3.

4. Eksport planów i modeli do sali operacyjnej

  1. Sprawdź, czy obraz referencyjny jest w formacie DICOM. Wybierz S7 Eksportuj z ikony prędkości.
  2. Zdefiniuj obraz referencyjny, plany i trajektorie oraz modele, które mają zostać wyeksportowane, a także określ miejsce docelowe zapisanego archiwum. Uruchom narzędzie do eksportu S7.
  3. Prześlij wygenerowane archiwum na pamięć USB w celu przesłania do systemu neuronawigacji na sali operacyjnej i załaduj zarchiwizowany folder do systemu neuronawigacji w celu klinicznej realizacji zaplanowanych trajektorii.

5. Rekonstrukcja implantacji elektrody po operacji

  1. Uzyskaj pooperacyjne obrazowanie CT
    2. .
  2. Załaduj głowicę tomografu komputerowego do własnego oprogramowania i załaduj wcześniej zapisany zestaw danych pacjenta.
  3. Zarejestruj CT w celu odniesienia do rezonansu magnetycznego ważonego T1 za pomocą narzędzia NiftyReg.
  4. Generuj renderowanie powierzchni 3D elektrod za pomocą narzędzia SurfaceExtractor na zarejestrowanym przekładniku prądowym, z wysokim progowaniem.
  5. Oczyść elektrody i przewody z powierzchni renderowanej za pomocą funkcji czyszczenia i naprawy oprogramowania do obróbki siatek 3D.

Wyniki

Protokół opisany w zakresie integracji obrazów, wizualizacji, planowania manualnego i eksportu do wybranego systemu neuronawigacji jest stosowany w National Hospital for Neurology and Neurosurgery od sierpnia 2013 roku. Obejmuje on 35 przypadków implantacji SEEG12, z wszczepieniem 319 elektrod głębinowych. U 27 z 35 (77%) pacjentów po implantacji przeprowadzono resekcję kory, co świadczy o tym, że implantacja pozwoliła na zidentyfikowanie obszaru ogniska napadów. Wystąpiło jedno powikłanie krwotoczne związane z umieszczeniem elektrod głębinowych, które leczono zachowawczo.

Metody obrazowania stosowane podczas oceny przedoperacyjnej są dobierane indywidualnie dla każdego przypadku i zostały opisane w Tabeli 1. Protokół jest elastyczny i może obejmować każdą metodę obrazowania, z której dane mogą zostać zaimportowane do formatu DICOM lub Nifti. Rysunek 1 przedstawia podstawowy podgląd naszej wewnętrznej platformy programistycznej, a Rysunki 2, 3, 4 i 5 ilustrują typowe zrzuty ekranu z procesu budowania wielomodalnych modeli 3D.

Bezproblemowa integracja tego protokołu z naszą ścieżką kliniczną oraz udostępnienie tego oprogramowania innym ośrodkom stanowią przydatny zastępczy „marker” sukcesu. Trudności w ocenie korzyści klinicznych w populacji pacjentów poddawanych operacjom padaczki są dobrze znane i opisane w innych opracowaniach12. Niniejsza ścieżka oferuje usprawnione rozwiązanie, które jest elastyczne, stosunkowo przyjazne dla użytkownika i łatwe do powtórzenia w innych ośrodkach.

Planowanie wspomagane komputerowo (CAP) jest nowym rozwiązaniem, które zostało przetestowane retrospektywnie na podstawie wcześniejszych implantacji planowanych manualnie16. Wstępne wyniki sugerują, że CAP pozwala na bezpieczniejsze i bardziej efektywne implantacje, które są możliwe do wdrożenia i mogą być wykonane w czasie efektywnym16. Tabela 2 przedstawia to porównanie ilościowe. Trwa prospektywne badanie nad zastosowaniem CAP w praktyce klinicznej. Algorytm sterujący CAP został opisany wcześniej13.

Rycina 6 przedstawia typowy wynik działania zautomatyzowanego planera wielotorowego. Wprowadzonymi strukturami krytycznymi są żyły, tętnice oraz bruzdy powierzchniowe. Należy zwrócić uwagę na wycentrowanie trajektorii na wierzchołkach zakrętów oraz ograniczenie punktów wejścia trajektorii do maski wykluczającej skórę głowy. Rycina 7 przedstawia typowy wykres wizualizacji ryzyka dla pojedynczej trajektorii, wraz z powiązanymi metrykami i graficzną reprezentacją długości trajektorii.

Analiza MRI mózgu, przedstawiająca widoki osiowy, strzałkowy i czołowy; interfejs oprogramowania do neuroobrazowania.
Rysunek 1. Podstawowy widok przeglądarki wewnętrznej platformy programowej. LEWO – DataManager, GÓRA – pasek narzędzi zawierający skróty do wtyczek, PRAWO – aktualnie używane narzędzie wtyczki, ŚRODEK – wyświetlanie w czterech widokach ortogonalnych (Ortho-view). Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Analiza obrazowania mózgu: skan MRI (lewo) i rekonstrukcja 3D (prawo) przedstawiająca szlaki neuronalne.
Rycina 2. Segmentacja i wizualizacja 3D w autorskim oprogramowaniu. (A) osiowy obraz MRI T1 z nałożonymi modelami powierzchni, (B) renderowanie powierzchni 3D modeli (cyjan – żyły, zielony – droga ruchowa ręki z przezczaszkowej stymulacji magnetycznej, pomarańczowy – traktografia pęczka łukowatego, niebieski – traktografia drogi korowo-rdzeniowej, różowy – traktografia promieniwania wzrokowego, żółty – traktografia pęczka haczykowatego, purpurowy – segmentacja wzgórza). Aby zobaczyć powiększoną wersję tej ryciny, kliknij tutaj.

Schemat segmentacji mózgu, analiza danych MRI, rekonstrukcja 3D, badanie obrazowania neurologicznego.
Rycina 3. Generowanie modeli powierzchni kory. (A) widok osiowy pliku wmparc, (B) plik wmparc po zastosowaniu progu od 1-5002, (C) renderowanie powierzchni zbinaryzowanego pliku wmparc. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Tomografia komputerowa i 3D rekonstrukcja naczyń mózgowych; neuroobrazowanie, analiza naczyniowa, obrazowanie diagnostyczne.
Rysunek 4. Ekstrakcja naczyń w autorskim oprogramowaniu przy użyciu parametru Vesselness. (A) Aksjalna angiografia CT zarejestrowana wspólnie z 3D obrazowaniem MRI w kontraście fazowym. (B) 3D renderowanie powierzchni żył (cyjan) i tętnic (czerwony). Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Model 3D skanu mózgu pokazujący strukturę mózgowia; badania neurobiologiczne, wizualizacja anatomiczna.
Rysunek 5. Generowanie modelu objętości kory mózgowej Renderowanie objętościowe 3D kory (szary) i renderowanie powierzchni skóry głowy (biały). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Wizualizacja trójwymiarowego modelu mózgu, schematy przedstawiające struktury nerwowe i naczyniowe, badanie anatomiczne.
Rysunek 6. Wielomodalne modele 3D planowania trajektorii wspomaganego komputerowo. (A) skóra głowy (biała), maska wykluczająca skórę głowy (żółta) i trajektorie (fioletowe). (B) skóra głowy i maska przezroczyste, aby ukazać mózg (różowy), bruzdy (zielone), żyły (cyjanowe) i tętnice (czerwone). (C) usunięto skórę głowy i maskę, aby ukazać trajektorie i mózg. (D) usunięto mózg, aby ukazać trajektorie, bruzdy powierzchniowe, żyły i tętnice. Aby zobaczyć powiększoną wersję tego rysunku, kliknij tutaj.

Wykres analizy ryzyka; dane z elektrody 2; długość trajektorii; graf przedstawiający ryzyko w stosunku do odległości.
Rysunek 7. Graficzna wizualizacja parametrów związanych z poszczególnymi trajektoriami. Góra – długość, kąt przejścia przez czaszkę, ryzyko, stosunek G/W oraz minimalna odległość od naczynia krwionośnego o średnicy >1 mm. Środek – graficzne przedstawienie najbliższej struktury krytycznej wzdłuż długości trajektorii (czerwony – tętnica, cyjan – żyła, oś y – odległość od struktury (maksymalnie 10 mm), oś x – odległość wzdłuż trajektorii od miejsca wejścia do mózgu do celu, SM – margines bezpieczeństwa przedstawiony jako pozioma czerwona linia wyznaczająca 3 mm odstępu trajektorii od struktury krytycznej). Dół – graficzne przedstawienie ścieżki trajektorii przez istotę szarą i białą (zielony – pozaobszar mózgu, szary – istota szara, biały – istota biała). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

ModalnośćOśrodekPrzetwarzanie wstępnePole widzenia (AP x RL x IS)Rozmiar woksela (AP x RL x IS)
3D T1 FSPGRESNie256 x 256 x 1660.94 x 0.94 x 1.1
Koronalne T2 FLAIRESNie256 x 160 x 320.94 x 1.5 x 3.5
Nawigacyjne T1 z gadolinemNHNNNie512 x 512 x 1440.5 x 0.5 x 1.5
MRI 3D kontrast fazowyNHNNNie256 x 256 x 1600.85 x 0.85 x 1
Angiografia CTNHNNNie512 x 512 x 3830.43 x 0.43 x 0.75
Dipol MEGNHNNTak
SPECT iktalny i interiktalnyUCLHTak128 x 128 x 493.9 x 3.9 x 3.9
FDG-PETUCLHTak128 x 128 x 471.95 x 1.95 x 3.3
DTIESTak128 x 128 x 601.88 x 1.88 x 2.4
Funkcjonalne MRI, fMRI skorelowane z EEGESTak128 x 128 x 581.87 x 1.87 x 2.5

Tabela 1. Modalności obrazowania wykorzystane do integracji obrazów ((ES-Epilepsy Society, NHNN-National Hospital for Neurology and Neurosurgery, UCLH- University College London Hospital, FSPGR-FastSpoiledGradientRecalledEcho, MEG-magnetoencefalografia, SPECT- 단일 광자 방출 컴퓨터 단층 촬영 (tomografia emisyjna pojedynczego fotonu), FDG PET- pozytonowa tomografia emisyjna z fluorodeoksyglukozą, DTI- obrazowanie tensora dyfuzji, AP- przednio-tylny, RL - prawo-lewo, IS - dolno-górny).

Planowanie ręczne*CAP*Szacowana różnica (Planowanie ręczne-CAP)BłądWartość P
Długość elektrody (mm, 1 dp)57.9 (21.8)53.9 (15.6)4.741.59<0.05
Kąt wprowadzenia (stopnie od prostopadłej, 1 dp)16.2 (12.8)13.0 (7.6)5.891.07<0.05
Ryzyko (jednostki znormalizowane, 2 dp)0.41 (0.79)0.36 (0.42)0.190.03<0.05
Minimalna odległość od naczynia krwionośnego (mm, 1 dp)4.5 (3.0)4.5 (3.0)-0.560.2<0.05
Proporcja elektrody wewnątrzczaszkowej w istocie szarej (2 dp)0.33 (0.33)0.48 (0.28)-0.110.02<0.05

Tabela 2. Porównanie statystyczne planowania manualnego i wspomaganego komputerowo (CAP). *pierwsza wartość to mediana, druga wartość w nawiasach to rozstęp międzykwartylowy. Tabela ta została powielona za zgodą 16.

Dyskusja

Podsumowując, kluczowymi etapami integracji obrazu i wizualizacji 3D są korejestracja obrazu, segmentacja mózgu, naczyń krwionośnych i innych struktur lub obszarów zainteresowania oraz eksport do systemu neuronawigacji. Proces ten był wcześniej wykonywany w grupie przy użyciu dostępnego na rynku oprogramowania do integracji obrazów. Wadą tego rurociągu był czas potrzebny na jego trwanie, ponieważ cały proces trwał od 2 do 4 godzin. Dzięki naszej wewnętrznej platformie oprogramowania proces ten jest znacznie uproszczony i można go ukończyć w ciągu 1-2 godzin. Ponadto w tym oprogramowaniu dostępna jest dodatkowa funkcja chirurgicznego planowania trajektorii elektrod SEEG, którą można wykonać ręcznie lub z pomocą komputera. Korzyści płynące z CAP w porównaniu z planowaniem ręcznym to zwiększona precyzja, zmniejszone ryzyko i zwiększona szybkość, które zostały omówione w innym miejscu (Nowell i wsp., In Press, Sparks i inni, przedłożone).

Wewnętrzna platforma oprogramowania jest stale rozwijana, a nowe narzędzia i funkcje są dodawane w celu wsparcia wszystkich etapów oceny przedoperacyjnej i leczenia chirurgicznego. W związku z tym istnieje potrzeba rygorystycznych testów przy każdym wydaniu nowej wersji. Obecne ograniczenia oprogramowania obejmują brak wysokiej jakości renderingu objętościowego, który jest obecny na innych platformach i jest cennym dodatkiem do zaawansowanej wizualizacji 3D. Również eksport jest obecnie kompatybilny tylko z wybraną firmą zajmującą się neuronawigacją. Ograniczenia te nie wpłynęły na użyteczność kliniczną oprogramowania w naszej jednostce i nie spowolniły rozpowszechniania technologii w innych ośrodkach.

Znaczenie tego oprogramowania polega na tym, że usuwa ono bariery, które poprzednie grupy podawały jako powody nieużywania 3DMMI. Rozwiązanie zapewnia łatwe w użyciu narzędzia na jednej platformie, która nie wymaga specjalistycznego szkolenia ani specjalistycznej wiedzy, jest czasochłonna i kosztowa oraz można ją łatwo przełożyć na praktykę kliniczną. W planach mamy dodanie kolejnych innowacji do oprogramowania, aby wspierać chirurgię padaczki. Co więcej, metody te mogą być z łatwością stosowane w innych obszarach neurochirurgii, takich jak resekcja guzów o niskim stopniu złośliwości w pobliżu kory elokwentnej, zmiany ogniskowe i dostarczanie ukierunkowanej stymulacji. 3DMMI i precyzyjne narzędzia do planowania chirurgicznego prawdopodobnie staną się coraz ważniejsze w nowoczesnej chirurgii, ponieważ podejmowane są coraz trudniejsze przypadki, a minimalnie inwazyjne metody leczenia stają się powszechną praktyką.

Oświadczenia

Finansowanie: Mark Nowell, Gergely Zombori, Rachel Sparks i Roman Rodionov są wspierani przez Departament Zdrowia i Wellcome Trust za pośrednictwem Health Innovation Challenge Fund (HICF-T4-275, Grant Programowy 97914).

John Duncan otrzymał wsparcie w postaci grantów instytucjonalnych od Eisai, UCB Pharma, GSK, Janssen Cilag, Medtronic i GE Healthcare. Andrew McEvoy otrzymał wsparcie od UCB, Baxter i Cyberonics. Pozostali autorzy nie pozostają w konflikcie interesów.

Niniejsza publikacja przedstawia niezależne badania wspierane przez Health Innovation Challenge Fund (HICF-T4-275, Programme Grant 97914), równoległe partnerstwo finansowe między Departamentem Zdrowia a Wellcome Trust. Poglądy wyrażone w tej publikacji są poglądami autora (autorów), a niekoniecznie poglądami Departamentu Zdrowia lub Wellcome Trust.

Podziękowania

Ten program został wsparty przez Departament Zdrowia i Wellcome Trust Health Innovation Challenge Fund (HICF-T4-275, Grant Programu 97914). Jesteśmy wdzięczni Wolfson Trust i Epilepsy Society za wsparcie skanera MRI Epilepsy Society. Prace te były wspierane przez Narodowy Instytut Badań nad Zdrowiem (NIHR), University College London Hospitals, Biomedical Research Centre (BRC)

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
EpiNavUCLWewnętrzna platforma oprogramowania do integracji obrazów, segmentacji, wizualizacji i planowania chirurgicznego
FreesurferMartinos Centrum ObrazowaniaOprogramowanie do segmentacji kory mózgowej
S7 StealthstationMedtronicSystem neuronawigacji
MeshLabISTI-CNROprogramowanie do przetwarzania siatek 3D
NiftiKUCLPlatforma obrazowania translacyjnego
AMIRAVisualisation Sciences GroupOprogramowanie do integracji obrazów
Biomedycznego

Bibliografia

  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).

Przedruki i uprawnienia

Tagi

3D integracja obrazowania multimodalnegoplanowanie operacji padaczkikorejestracja obrazówsegmentacja manualnaekstrakcja naczyń mózgowychwizualizacja 3Dimplantacja sEEGplaner wielotorowyeksport do neuronavigacji
Ścieżka rozwoju integracji obrazów 3D multimodalnych i planowania wspomaganego komputerowo w chirurgii padaczki
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.