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

Summary

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

Abstract

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.

Introduction

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 przestrzennym^1-4. 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 3D^1,7-10.

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 SEEG^12,13 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.

Protocol

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 neuronawigacji^11,12. 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
   .
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. 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.

Results

Opisany protokół integracji obrazów, wizualizacji, ręcznego planowania i eksportu do wybranego systemu neuronawigacji jest stosowany w Narodowym Szpitalu Neurologii i Neurochirurgii od sierpnia 2013 roku. Obejmuje to 35 przypadków implantacji SEEG¹², w tym wszczepienie 319 elektrod głębokościowych. U 27/35 (77%) pacjentów doszło do progresji do resekcji kory mózgowej po implantacji, co jest wskaźnikiem, że implantacja zidentyfikowała obszar, w którym wystąpił napad. Wystąpiło jedno powikłanie krwotoczne związane z umieszczeniem elektrod wgłębnych, które leczono zachowawczo.

Metody obrazowania stosowane podczas oceny przedoperacyjnej są ustalane indywidualnie dla każdego przypadku i są opisane w Tabeli 1. Protokół jest elastyczny i może obejmować dowolną modalność obrazowania, którą można zaimportować do formatu DICOM lub Nifti. Rysunek 1 przedstawia podstawową przeglądarkę dla naszej wewnętrznej platformy oprogramowania, a rysunki 2, 3, 4 i 5 ilustrują typowe zrzuty ekranu podczas budowania modeli multimodalnych 3D.

Bezproblemowa integracja tego protokołu z naszym systemem klinicznym i rozpowszechnienie tego oprogramowania w innych ośrodkach, jest użytecznym zastępczym 'markerem' sukcesu. Trudności w ocenie korzyści klinicznych w populacji pacjentów po zabiegach chirurgicznych w leczeniu padaczki są dobrze znane i opisane w innym miejscu¹². Rurociąg ten oferuje usprawnione rozwiązanie, które jest elastyczne, stosunkowo przyjazne dla użytkownika i łatwe do powielenia w innych centrach.

Planowanie wspomagane komputerowo (CAP) to najnowsze osiągnięcie, które zostało retrospektywnie przetestowane na poprzednich ręcznie planowanych implantacjach¹⁶. Wstępne wyniki sugerują, że CAP prowadzi do bezpieczniejszych i wydajniejszych implantacji, które są wykonalne do wdrożenia i które są wykonywane w sposób efektywny czasowo^16. Tabela 2 przedstawia to porównanie ilościowe. Trwają prospektywne badania nad zastosowaniem CAP w praktyce klinicznej. Algorytm, który kieruje WPR, został już wcześniej opisany¹³.

Rysunek 6 pokazuje typowy wynik automatycznego planowania wielu trajektorii. Krytycznymi strukturami, do których doprowadzono żyły, tętnice i bruzdy powierzchniowe. Zwróć uwagę na wyśrodkowanie trajektorii na koronie zakrętu i ograniczenie punktów wejścia trajektorii do maski wykluczającej skórę głowy. Rysunek 7 przedstawia typowy wykres wizualizacji ryzyka dla pojedynczej trajektorii wraz z powiązanymi wskaźnikami i graficzną reprezentacją długości trajektorii.

Rysunek 1. Podstawowe wyświetlanie przeglądarki na wewnętrznej platformie oprogramowania. PO LEWEJ - DataManager, GÓRA - pasek narzędzi zawierający skróty klawiszowe wtyczek, PO PRAWEJ - aktualnie używane narzędzie wtyczki, CENTER - 4 Wyświetlacz Orto-view. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 2. Segmentacja i wizualizacja 3D w oprogramowaniu własnym. (A) osiowy rezonans magnetyczny T1 z nałożonymi modelami powierzchni, (B) renderowanie powierzchni 3D modeli (żyły błękitne, zielona ręka motoryczna z przezczaszkowej stymulacji magnetycznej, traktografia pęczka pomarańczowo-łukowatego, traktografia niebiesko-korowo-rdzeniowa, różowa - traktografia promieniowania wzrokowego, żółta - traktografia pęczka bez zacięcia, fioletowa - segmentacja wzgórza). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 3. Generowanie modeli powierzchniowych kory mózgowej. (A) widok osiowy pliku wmparc, (B) plik wmparc z progiem od 1-5002, (C) renderowanie powierzchni binaryzowanego pliku wmparc. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 4. Ekstrakcja naczyń w oprogramowaniu wewnętrznym przy użyciu Vesselness. (A) Osiowy angiogram CT zarejestrowany jednocześnie z rezonansem magnetycznym 3D z kontrastem fazowym. (B) Renderowanie powierzchni 3D żył (cyjan) i tętnic (czerwony). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 5. Generowanie modelu objętości kory mózgowej Renderowanie objętości 3D kory mózgowej (szare) i renderowanie powierzchni skóry głowy (białe). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 6. Multimodalne modele 3D wspomaganego komputerowo planowania trajektorii. (A) skóra głowy (biała), maska wykluczająca skórę głowy (żółta) i trajektorie (fioletowa). (B) skóra głowy i maska przezroczyste, aby pokazać mózg (różowy), bruzdy (zielony), żyły (cyjan) i tętnice (czerwony). (C) skóra głowy i maska usunięte, aby pokazać trajektorie i mózg. (D) mózg usunięty w celu pokazania trajektorii, bruzd powierzchniowych, żył i tętnic. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 7. Graficzna wizualizacja metryk powiązanych z poszczególnymi trajektoriami. Długość górna, kąt poprzeczny czaszki, ryzyko, stosunek G/W i minimalna odległość od naczynia krwionośnego >1 mm średnicy. Środek - graficzne przedstawienie najbliższej struktury krytycznej wzdłuż długości trajektorii (czerwona tętnica, żyła niebiesko-osiowa, oś y - odległość do struktury (maksymalnie 10 mm), oś x - odległość wzdłuż trajektorii od wejścia do mózgu do celu, SM - margines bezpieczeństwa reprezentowany jako pozioma czerwona linia, która oznacza 3 mm odstęp trajektorii od struktury krytycznej). U dołu - graficzne przedstawienie ścieżki trajektorii przez istotę szarą i białą (zielony-pozamózgowy, szaro-szary, biały-biały istota). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

modalność miejsce Przetwarzanie wstępne Pole widzenia (AP x RL x IS) Rozmiar woksela (AP x RL x IS) Napęd FSPGR 3D T1 Es Nie Wymiary: 256 x 256 x 166 0,94 x 0,94 x 1,1 FLAIR koronalny T2 Es Nie Wymiary: 256 x 160 x 32 0,94 x 1,5 x 3,5 Nawigacja T1 z gadolinem Szpital Narodowy (NHNN) Nie Wymiary: 512 x 512 x 144 0,5 x 0,5 x 1,5 Kontrast fazowy MRI 3D Szpital Narodowy (NHNN) Nie Wymiary: 256 x 256 x 160 0,85 x 0,85 x 1 Angiogram CT Szpital Narodowy (NHNN) Nie Wymiary: 512 x 512 x 383 0,43 x 0,43 x 0,75 Dipol MEG Szpital Narodowy (NHNN) tak Ictal-interictal SPECT Uniwersytet Kalifornijski w Los Angeles (UCLH tak Wymiary: 128 x 128 x 49 3,9 x 3,9 x 3,9 FDG-PET (zwierzę domowe) Uniwersytet Kalifornijski w Los Angeles (UCLH tak Wymiary: 128 x 128 x 47 1,95 x 1,95 x 3,3 Dti Es tak Wymiary: 128 x 128 x 60 1,88 x 1,88 x 2,4 Funkcjonalny rezonans magnetyczny, fMRI skorelowany z EEG Es tak Wymiary: 128 x 128 x 58 1,87 x 1,87 x 2,5

Tabela 1. Metody obrazowania używane do integracji obrazów ((ES-Epilepsy Society, NHNN-National Hospital for Neurology and Neurosurgery, UCLH- University College London Hospital, FSPGR-FastSpoiledGradientRecalledEcho, MEG-magnetoencefalografia, SPECT-tomografia komputerowa emisji pojedynczych fotonów, FDG PET- pozytonowa tomografia emisyjna fluorodeoksyglukozy, DTI-obrazowanie tensora dyfuzji, AP- przedni tylny, RL - prawy lewy, IS - dolny górny).

Planowanie ręczne* czapka* Szacowana różnica (Manual-CAP) błąd Wartość P Długość elektrody (mm, 1 dp) 57,9 (21,8) 53,9 (15,6) Z godziny 4,74 1,59 pkt. <0,05 Kąt wejścia (stopnie odchylenia od prostopadłej, 1 dp) 16,2 (12,8) 13,0 (7,6) Norma 5,89 pkt. 1,07 <0,05 Ryzyko (jednostki znormalizowane, 2 dp) 0,41 (0,79) 0,36 (0,42) 0,19 pkt. 0,03 pkt. <0,05 Minimalna odległość od naczynia krwionośnego (mm, 1 dp) 4,5 (3,0) 4,5 (3,0) -0,56 pkt. 0,2 pkt. <0,05 Udział elektrody śródmózgowej w istocie szarej (2 dp) 0,33 (0,33) 0,48 (0,28) -0,11 pkt. 0,02 pkt. <0,05

Tabela 2. Porównanie statystyczne między planowaniem ręcznym i wspomaganym komputerowo (CAP). *pierwsza wartość to mediana, druga wartość w nawiasach to rozstęp międzykwartylowy. Tabela ta została powielona za zgodą ¹⁶.

Discussion

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.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
EpiNav	UCL		Wewnętrzna platforma oprogramowania do integracji obrazów, segmentacji, wizualizacji i planowania chirurgicznego
Freesurfer	Martinos Centrum Obrazowania		Oprogramowanie do segmentacji kory mózgowej
S7 Stealthstation	Medtronic		System neuronawigacji
MeshLab	ISTI-CNR		Oprogramowanie do przetwarzania siatek 3D
NiftiK	UCL		Platforma obrazowania translacyjnego
AMIRA	Visualisation Sciences Group		Oprogramowanie do integracji obrazów