Summary
Se describen los pasos para utilizar nuestro software diseñado a medida para la integración de la imagen, la visualización y la planificación en la cirugía de la epilepsia.
Abstract
cirugía de la epilepsia es un reto y el uso de integración de imagen multimodalidad 3D (3DMMI) para ayudar a la planificación prequirúrgica está bien establecido. integración de imagen multimodalidad puede ser técnicamente exigente, y es poco utilizado en la práctica clínica. Hemos desarrollado una única plataforma de software para la integración de imagen, visualización en 3D y planificación quirúrgica. Aquí, nuestra cartera se describe de una manera paso a paso, empezando con la adquisición de imágenes, procediendo a través de la imagen co-registro, la segmentación manual, cerebro y extracción de los vasos, visualización 3D y la planificación manual de stereoEEG implantaciones (SEEG). Con la difusión del software de esta tubería puede ser reproducido en otros centros, permitiendo que otros grupos puedan beneficiarse de 3DMMI. También se describe el uso de un sistema automatizado, planificador multi-trayectoria para generar planes de implantación stereoEEG. Estudios preliminares sugieren que esto es un complemento rápido, seguro y eficaz para la planificación de implantes SEEG. Por último, una sencilla solutipor la exportación de planes y modelos de sistemas de neuronavegación comerciales para la ejecución de los planes en el quirófano se describe. Este software es una herramienta valiosa que puede apoyar la toma de decisiones clínicas a lo largo de la ruta de la cirugía de la epilepsia.
Introduction
En la práctica quirúrgica es crucial para que el cirujano apreciar estructuras anatómicas y sus relaciones espaciales entre sí en tres dimensiones. Esto es especialmente importante en neurocirugía, donde el cirujano está trabajando en un espacio confinado, con la visualización limitado y el acceso a la anatomía compleja. A pesar de ello, hasta la fecha la mayoría de imágenes se ha presentado a los cirujanos en forma plana en 2D convencional, y las diferentes modalidades de imágenes se presentan a menudo una tras otra en serie. Como consecuencia, el cirujano tiene que integrar mentalmente estos datos para cada paciente, y colocarlo en un marco anatómica para la planificación prequirúrgica. Existe un claro beneficio en la generación de modelos informáticos 3D del cerebro del paciente individual, lo que demuestra la anatomía de la corteza, los vasos sanguíneos, lesiones patológicas presentes, así como otros puntos de referencia en 3D relevantes en el mismo contexto espacial 1-4. Antes de la cirugía, el cirujano puede rotar y modificar la transparencia of estos modelos, para entender completamente las relaciones entre las diferentes estructuras 3D de interés. Este principio se denomina proyección de imagen multimodalidad 3D (3DMMI).
El objetivo de la evaluación pre-quirúrgica para la cirugía de la epilepsia es inferir la localización de la zona del cerebro donde se presentan convulsiones, y asegurarse de que esto puede ser resecado de manera segura sin causar déficits significativos 5. Hay una amplia gama de modalidades de diagnóstico por imagen que contribuyen a esto, incluyendo MRI estructural, fluorodeoxiglucosa tomografía por emisión de positrones (FDG-PET), tomografía ictal emisión de fotón único (SPECT), magnetoencefalografía (MEG) dipolos, resonancia magnética funcional (fMRI) y tensor de difusión (DTI) 6. cirugía de la epilepsia es ideal para 3DMMI ya que requiere la interpretación simultánea de múltiples conjuntos de datos, y la consideración de cómo cada conjunto de datos se refiere a otro.
En muchos casos, las investigaciones no invasivas fallan to proporcionar el nivel de las pruebas necesarias para proceder a la resección. En estos casos EEG intracraneal (IC EEG) son necesarios para identificar la región del cerebro que debe ser eliminado para prevenir las convulsiones. Cada vez más, IC EEG se lleva a cabo por una técnica llamada SEEG, en el que se colocan un número de electrodos de profundidad de grabación intracerebral para capturar el origen y la propagación de la actividad eléctrica asociada con las convulsiones en 3D 1,7-10.
El primer paso de implantes SEEG es desarrollar la estrategia de la implantación, la definición de las áreas del cerebro que necesitan ser muestreado. Esto implica la integración de la fecha de EEG clínica y no invasiva, con imágenes estructurales, con cualquier lesión, y los datos de imagen funcional que inferir la ubicación de la fuente de la epilepsia.
El segundo paso es la planificación quirúrgica precisa de las trayectorias de los electrodos. El cirujano debe asegurarse de trayectorias de electrodos avasculares seguras, centrando elentradas ectrode en la corona de las circunvoluciones y remota de las venas superficiales corticales, y atravesando el cráneo ortogonalmente. Además toda la disposición de implantación tiene que ser bien concebido, con razonable separación entre electrodos y no hay colisiones de electrodos.
La viabilidad de la generación de modelos 3DMMI para guiar la implantación de electrodos de EEG IC en una práctica cirugía de la epilepsia ocupado previamente se ha demostrado 11. También hemos demostrado el principio de que el uso de 3DMMI confiere valor en la toma de decisiones clínicas añadió. En un estudio prospectivo, la divulgación de 3DMMI cambiado algún aspecto de la gestión en 43/54 (80%) casos, y cambió específicamente el posicionamiento de 158/212 (75%) de 12 electrodos profundos.
Hay una variedad de paquetes de software que facilitan 3DMMI. Estos incluyen plataformas de neuronavegación disponibles en el mercado que se utilizan en la sala de operaciones, especializados paquetes de software de planificación de aliadoscon las plataformas de neuronavegación y plataformas de integración de imagen y visualización independientes de investigación orientada. A medida que la funcionalidad, la flexibilidad y la versatilidad de estas plataformas de aumento, la usabilidad y la probabilidad de su traducción en la práctica clínica disminuye correspondientemente.
Hemos desarrollado un software diseñado a medida para la integración de imagen multimodalidad, visualización 3D avanzada y colocación de los electrodos SEEG planificación de 12,13 para el tratamiento de la epilepsia. El énfasis está en la facilidad de uso en un escenario clínico, permitiendo el uso de tiempo real de software por los médicos, y la incorporación rápida en la línea de producción clínica. El software se ejecuta en una plataforma de imágenes de traslación 14, que combina NiftyReg, NiftySeg y NiftyView.
En este documento, el protocolo para el uso del software en la práctica clínica se establece. Los pasos para la imagen co-registro, la segmentación de las regiones de interés, la segmentación del cerebro, la extracción deSe describen los vasos sanguíneos a partir de imágenes vasculares dedicado 15, la construcción de modelos 3D, la planificación de implantes SEEG y rápidamente exportar modelos y planes a la sala de operaciones. Una nueva herramienta también se describe para multi-trayectoria automatizado de planificación 13, que aumenta la seguridad y eficacia de las implantaciones y reduce sustancialmente la duración de la planificación.
Protocol
NOTA: Los comandos de software proporcionados aquí son específicas de la versión actual (01/19/2015) del software y pueden cambiar en versiones de software posteriores. Manuales para versiones individuales disponibles bajo petición.
1. Realizar la integración y visualización de imágenes
- Adquirir formación de imágenes.
- Adquirir neuronavegación en T1 Imagen de resonancia magnética con gadolinio enhancement- esta será la imagen de referencia. (Nota: Los requisitos de adquisición de imágenes están disponibles en el proveedor comercial neuronavegación 11,12 Ver Tabla 1)..
- Reunir el resto de imágenes realizado durante la evaluación prequirúrgica en formato Nifti DICOM o (puede incluir resonancia magnética funcional (fMRI), tensor de difusión (DTI) tractography, tomografía por emisión de positrones fluoro-desoxiglucosa (FDG-PET), emisión de fotón único ictal-interictal CT ( SPECT), magnetoencefalografía (MEG) dipolo, contraste MRI fase 3D, la angiografía TC) Ver Tabla 1.
- Ejecutar pre-procesamiento fuera de software propio.
- Proceso de T1 isométrica RM ponderada con software de código abierto FreeSurfer, se ejecutan en una estación de trabajo Linux usando el comando 'recon-todo ", para generar segmentaciones corticales.
- Convertir wmparc.mgz y archivos a formato ribbon.mgz Nifti utilizando el comando 'mrconvert'
- Abra el software de la casa en la PC de Windows y cargar datos (Figura 1).
- Nota 2 x 2 visualización de la ventana, Data Manager en la extrema izquierda, los iconos en la parte superior que representan diferentes herramientas de procesamiento de imágenes y herramienta seleccionada en el extremo derecho.
- Importar datos utilizando "arrastrar y soltar", accediendo al menú principal "Archivo / Abrir" o por un botón de velocidad (icono) "abierto". Desplazarse a través de diferentes conjuntos de datos para garantizar la integridad. Tenga en cuenta la función de zoom pulsando el botón derecho del ratón y el movimiento, y la naturaleza jerárquica de Data Manager, con superposición de imágenes consecutivas.
- Coregister imágenes. <ol>
- Imágenes individuales.
- Seleccione la herramienta NiftyReg de iconos de velocidad.
- Seleccione T1 con gadolinio en neuronavegación DataManager- esta será la imagen de referencia que el resto de imágenes se corregistradas a.
- Seleccione "imagen flotante" que se corregistradas para hacer referencia a la imagen.
- Definir el nombre y la ubicación de la imagen registrada. Establecer los parámetros de optimización a nivel número 4, Nivel 3 para realizar, número de iteración 5, tipo coregistration cuerpo rígido.
- Ejecutar coregistration cuerpo rígido automatizado haciendo clic en el botón "Ejecutar".
- Comprobar la exactitud de co-registro. Inspeccionar la imagen registrada la imagen de referencia, y alterar la transparencia de la imagen registrada por el botón derecho sobre la imagen en Data Manager, y moviendo el cursor 'opacidad'. Coregistration verificar mediante la inspección de los puntos anatómicos claros, como el agujero de Monroe.
- imágenes pareadas.
- Coregister 'que define el espacio-imagen' primero (por ejemplo. mapa anisotrópico fraccional), con la función NiftyReg como en los pasos 1.4.1.1 - 1.4.1.6.
- Seleccione la herramienta RegResample de iconos de velocidad.
- Seleccione T1 con gadolinio en neuronavegación Data Manager como imagen de referencia.
- Seleccionar imagen con los resultados de procesamiento (por ejemplo., Imagen tractography) como imagen flotante.
- Utilice el archivo txt generado a partir de un registro previo de "definir el espacio-imagen 'como la transformación de entrada.
- Definir el nombre y la ubicación de la imagen registrada. Seleccionar el tipo de interpolación como 0.
- Ejecutar remuestreo de "resultado del procesamiento 'haciendo clic en el botón" Ejecutar ".
- Ver nueva imagen generada mediante la selección de DataManager
- Comprobar la exactitud de co-registro como en el paso 1.4.1.6.
- Repita los pasos 1.4.1 - 1.4.2 para todos los conjuntos de datos.
- Seleccione la imagen para ser segmentada en Data Manager, y seleccione la herramienta Editor Segmentación de iconos de velocidad.
- Utilice herramientas avanzadas de segmentación (segmentación manual de la región, crecimiento, restar) para dibujar región de interés en varias rebanadas de formación de imágenes en planos axial, coronal y sagital
- Seleccionar interpolación 3D para visualizar la evolución de la estructura segmentada en la ventana 3D. Confirmar la segmentación para generar nuevo archivo Nifti de estructura segmentada.
- Repita los pasos 1.5.1 - 1.5.3 para todas las imágenes que está indicada la segmentación manual.
- Seleccione una imagen en wmparc.nii Data Manager, y garantizar wmparc.nii se corregistradas con la imagen de referencia utilizando los pasos 1.4.1.
- Seleccione Herramientas básicas de procesamiento de iconos de velocidad.
- Aplicar un umbral de wmparc.nii a partir 1-5002 para crear máscara binarised de la corteza.
- Utilice superficie Extractor tool.
- Seleccione el icono Extractor de superficie. Definir umbral para la extracción superficial y seleccione Aplicar. Nombre representación en superficie en Data Manager.
- Haga clic derecho en el archivo Nifti en Data Manager y seleccione 'Surface Polígono Smooth ".
- Utilice la herramienta extractora de superficie.
- Coregister la imagen vascular a la imagen de referencia usando NiftiReg. superficie 3D de procesamiento de la imagen usando Extractor de superficie.
- Generar máscara intracraneal mediante la aplicación de la dilatación y el cierre de las funciones de procesamiento básico de la máscara binarised de la corteza. Aplicar máscara intracraneal a la imagen vascular utilizando la función se multiplican en el procesamiento básico de imágenes para eliminar los vasos extracraneales.
- Eliminar el ruido de la fil STLe procesando fuera de software propio, utilizando el paquete de software de procesamiento de malla 3D. Nota: Las instrucciones para el uso de esta herramienta están libremente disponibles en línea.
- Utilice la herramienta VesselExtractor.
- Seleccione la herramienta VesselExtractor de los iconos de velocidad. Seleccionar conjunto de datos de imagen vascular y especificar el nombre y la ubicación del archivo Nifti recipiente de extracción.
- VesselExtractor ejecutar haciendo clic en "Ejecutar". Aplicar máscara intracraneal a los resultados de VesselExtractor utilizando la función se multiplican en el procesamiento básico de imágenes para eliminar los vasos extracraneales. Nota: máscara intracraneal generada por la aplicación de la dilatación y el cierre de las funciones de procesamiento básico de la máscara binarised de la corteza como en 1.8.1.2.
- Repita el proceso de 1.8.1 o 1.8.2 para la angiografía TC, RM de contraste de fase 3D y neuronavegación T1 con gadolinio.
- Seleccionar im wmparc.niila edad en Data Manager, y garantizar wmparc.nii se corregistradas con la imagen de referencia utilizando los pasos 1.4.1.
- Seleccione Herramientas básicas de procesamiento de iconos de velocidad.
- Aplicar suavizado gaussiano a wmparc.nii imagen, utilizando herramientas básicas de procesamiento.
- Seleccione el volumen representación herramienta de iconos de velocidad, y el archivo wmparc.nii garantizar alisado se resalta en Data Manager.
- Tick 'representación de volumen' dentro de la caja de herramientas representación de volumen para generar la interpretación del volumen de la corteza.
2. Realizar la planificación manual
- Utilice Trayectoria icono de velocidad del planificador.
- Seleccione neuronavegación T1 escanear la imagen de referencia. Seleccione Nuevo Plan, y Nueva trayectoria.
- Seleccione el punto de destino en imagen planar pulsando "Alt" y haga clic en el ratón, sobre la base de la lista de objetivos de puntos anatómicos deseadas por los clínicos. Nota: Los ejemplos de objetivos incluyen estructuras mesiales temporales (amígdala, el hipocampo), ínsula, circunvolución del cíngulo.
- Seleccionar punto de entrada en la imagen planar pulsando "Alt" y hacer clic izquierdo en el ratón, sobre la base de la lista de puntos de entrada deseadas por los clínicos. Nota: Los ejemplos de puntos de entrada incluyen la circunvolución temporal media, giro precentral, giro supramarginal.
- Observe trayectoria lineal generada entre el objetivo y el punto de entrada.
- Visualizar riesgo.
- Seleccione Riesgo icono de velocidad de visualización para examinar longitud de trayectoria.
- Seleccione 'enlace Ver planes' para vincular el espectador del ojo Sondas para ver planos ortogonales en la ventana principal.
- Desplazarse a lo largo de la trayectoria, examinando el espectador del ojo Sondas para asegurar ruta avascular.
3. Realizar Planificación asistida por ordenador
- Preparar los datos.
- Prepare la superficie de la materia gris.
- Seleccione el archivo ribbon.nii generada por el software de segmentación cortical.
- Co-registro archivo ribbon.nii imagen de referencia a la utilización de NiftiReg.
- rende superficie 3DImagen r co-registrado mediante la función 'superficie lisa polígono'.
- Prepara el cuero cabelludo y la plantilla de exclusión cuero cabelludo.
- neuronavegación imagen T1 seleccionar una imagen de referencia.
- Utilice la herramienta de procesamiento de imágenes básico para aplicar la transformación de Gauss.
- Superficie de procesamiento de imagen utilizando Extractor de superficie, para generar la superficie del cuero cabelludo.
- Guardar y exportar la imagen como archivo STL.
- Cargar stl fle en el software de procesamiento de malla 3D.
- Para el cuero cabelludo, utilizar herramientas de limpieza y edición para eliminar contenido intracraneal.
- Para la plantilla exclusión cuero cabelludo, utilizar herramientas de edición manual para eliminar las áreas no adecuadas para los puntos de entrada de electrodos (es decir., Cara, orejas, hemisferio contralateral, la zona de abajo tienda del cerebelo).
- Prepare la superficie surcos superficie.
- Generar surcos conjunto.
- archivo wmparc.nii Binarise con la función de procesamiento de imágenes básico como en el paso 1.6.3.
- Cerrar binarisedarchivo wmparc.nii por 3 utilizando la herramienta de procesamiento de imágenes básico.
- Restar archivo binarised generada en 3.1.3.1.1 del archivo binarised cerrado generada en 3.1.3.1.2 utilizando la herramienta de procesamiento de imágenes básico.
- Retire los surcos en la profundidad para generar la imagen surcos superficie. Nota: imagen surcos superficie utilizando como estructura crítica tiene la ventaja de las trayectorias de separación de distancia de los surcos en la superficie del cerebro, y permitiendo que las trayectorias de acercarse a los surcos en la profundidad, que es donde se encuentra la materia gris.
- Reducir el archivo wmparc cerrado, binarised generada en 3.1.3.1.2 con la función de procesamiento de imágenes básico.
- Invertir archivo generado en 3.1.3.2.1 con la función de procesamiento de imágenes básico.
- Multiplicar archivo generado en 3.1.3.2.2 por el conjunto de los surcos generados en 3.1.3.1.3, utilizando la herramienta de procesamiento de imágenes básico.
- Generar surcos conjunto.
- Prepare la superficie de la materia gris.
- Ejecutar planificador multi-trayectoria (Figura 6).
NOTA: Automated planificación multi-trayectoria depende de la preparación de datos robusta; Se requieren interpretaciones de la superficie del cuero cabelludo cuero cabelludo, máscara de exclusión, la vasculatura intracraneal, surcos de la superficie, corteza y la sustancia gris.- Seleccione Planificador de trayectorias de iconos de velocidad. Seleccionar imagen de referencia como neuronavegación T1 MRI.
- Seleccionar '' puntos de destino; múltiples puntos de destino pueden introducirse en el 'Shift' y el ratón izquierdo del ratón, o bien cargando un conjunto de puntos de destino guardado. Nota: Los ejemplos de destino incluyen estructuras mesiales temporales (amígdala, el hipocampo), ínsula, circunvolución del cíngulo.
- Selecciona "puntos de entrada" y seleccione la máscara de la exclusión del cuero cabelludo en el menú desplegable adjunto. Nota: Esto tiene el propósito de restringir la búsqueda de posibles puntos de entrada a un área restringida que es quirúrgicamente factible implementar.
- Seleccionar las estructuras críticas, marcando las superficies de la lista desplegable que las trayectorias deben evitar. Seleccione la configuración avanzada; ajustar los contras definidas por el usuariotraints con respecto a la longitud de trayectoria, ángulo de entrada y la distancia entre las trayectorias según se prefiera.
- Seleccionar gris evaluación de la materia blanca materia- y estratificar el tipo de riesgo para optimizar la proporción de las trayectorias que se encuentran en la materia gris.
- Ejecutar planificador multi-trayectoria seleccionando Añadir nuevo plan, y el Plan de recálculo.
- Visualizar riesgo (Figura 7).
- Evaluar los perfiles de riesgo y seguridad después de planificación de trayectorias, utilizando el icono de Riesgos velocidad de visualización.
Nota: Para cada trayectoria existen métricas de longitud, ángulo de entrada, el riesgo acumulativo, la distancia mínima para los vasos sanguíneos y las relaciones de la materia blanca de materia gris, además de la representación gráfica a lo largo de la ruta de la trayectoria de la distancia a estructuras críticas. También se incluye un espectador del ojo de sondas. - Seleccionar mapa de riesgos en Data Manager para mostrar un mapa con código de color de contorno que cubre la máscara de exclusión cuero cabelludo, con los posibles puntos de entrada representados y el correspondiente nivel de riesgo coLour codificado, con representación de alto riesgo roja y verde que representa un riesgo bajo de cualquier trayectoria seleccionada.
- Evaluar los perfiles de riesgo y seguridad después de planificación de trayectorias, utilizando el icono de Riesgos velocidad de visualización.
- El ajuste manual de las trayectorias.
- Seleccione trayectoria.
- Seleccione el nuevo punto de entrada pulsando Alt y haga clic con el ratón, y el nuevo punto de destino pulsando Alt y el ratón izquierdo del ratón.
- Evaluar nueva trayectoria usando el icono de velocidad de visualización del riesgo como en el paso 3.3.
4. Los planes de exportación y modelos a la sala de operaciones
- Compruebe que la imagen de referencia está en formato DICOM. Seleccionar S7 exportación de icono velocidad.
- Definir la imagen de referencia, los planes y las trayectorias y los modelos que se van a exportar, y especifique el destino del archivo guardado. Ejecutar herramienta de exportación S7.
- Subir generó archivo en una memoria USB para la transferencia a un sistema de neuronavegación en el quirófano, y la carga de carpetas archivadas en el sistema de neuronavegación para la aplicación clínica de tr previstoajectories.
5. La reconstrucción del electrodo de implantación Después de la operación
- Adquirir la TC postoperatoria.
- la cabeza de carga CT en el software de la casa, y la carga guardan los últimos datos de los pacientes.
- Coregister CT hacer referencia a imágenes de resonancia magnética T1 con la función NiftyReg.
- Generar la representación 3D de la superficie de los electrodos utilizando la herramienta SurfaceExtractor en el TC registrado, con un alto umbral.
- electrodos de superficie limpia prestados de ruido, y los cables utilizando las funciones de limpieza y reparación de software de procesamiento de malla 3D.
Representative Results
El protocolo descrito para la integración de la imagen, la visualización, la planificación manual y la exportación a un sistema de neuronavegación seleccionado se ha empleado en el Hospital Nacional de Neurología y Neurocirugía desde agosto de 2013. Este total de 35 casos de implantación SEEG 12, con la implantación de 319 electrodos profundos. 27/35 (77%) de los pacientes han progresado a un cortical implantación resección siguiente, que es un indicador de que la implantación identificó la zona de inicio de la crisis. No ha sido una complicación hemorrágica relacionada con la colocación de electrodos de profundidad, y esto se trató de forma conservadora.
Las técnicas de imagen utilizadas durante la evaluación prequirúrgica se deciden sobre una base caso por caso, y se describen en la Tabla 1. El protocolo es flexible, y puede incorporar cualquier modalidad de imagen que se puede importar en formato DICOM o Nifti. La figura 1 demuestra que el espectador básico para nuestra plataforma de software-casa en, y las Figuras 2, 3, 4 y 5 ilustran capturas de pantalla típicos durante la construcción de los modelos multimodales 3D.
La perfecta integración de este protocolo en nuestra línea de producción clínica, y la difusión de este programa a otros centros, es un sustituto útil "marcador" de éxito. Las dificultades en la evaluación de beneficio clínico en la población cirugía de la epilepsia son bien conocidos y descrito en otra parte 12. Este oleoducto ofrece una solución optimizada, que es flexible, relativamente fácil de usar y fácil de replicar en otros centros.
La planificación asistida por ordenador (PAC) es un desarrollo reciente que ha sido probado de forma retrospectiva en anteriores implantaciones previstas manualmente 16. Los resultados preliminares sugieren que la PAC genera más seguro, más efficimplantaciones ient, que son factibles de implementar y que se completan en un tiempo efectivo de forma 16. En el Cuadro 2 muestra esta comparación cuantitativa. Un estudio prospectivo de la utilización de la PAC en la práctica clínica está en marcha. El algoritmo que impulsa CAP se ha descrito previamente 13.
La Figura 6 muestra un resultado típico de la planificador multi-trayectoria automatizado. Las estructuras críticas que se han introducido son venas, arterias y surcos de la superficie. Tenga en cuenta el centrado de las trayectorias en la corona de las circunvoluciones, y la restricción de la trayectoria puntos de entrada a una máscara de exclusión cuero cabelludo. La figura 7 muestra un gráfico de visualización riesgo típico de una trayectoria individual, con métricas asociadas y representación gráfica de la longitud de trayectoria.
Figura 1. Visor básico Display de plataforma interna que Software. IZQUIERDA Data Manager, barra de herramientas TOP- que contiene accesos directos plug-in de herramientas, el enchufe de corriente DERECHA en la herramienta en uso, CENTRE- 4 Ortho-vista de la pantalla. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2. Segmentación y Visualización 3D en el software interno. (A) La RM axial T1 con modelos de superficie de superposición, la representación de la superficie (B) en 3D de los modelos (cian-venas, verde-lado del motor de la estimulación magnética transcraneal, naranja tractography fascículo arqueado, tractography corticoespinal azulado, Rosa-tractography la radiación óptica, amarillo- tractography fascículo uncinado, púrpura-tálamo segmentation). Haga clic aquí para ver una versión más grande de esta figura.
Figura 3. Generación de modelos de la corteza de la superficie. (A) Vista axial de archivo wmparc, (B) wmparc archivo thresholded a partir 1-5002, (C) Representación superficial de archivo wmparc binarised. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4. Extracción de los vasos de software propio usando Vesselness. (A) TC axial angiograma co-registrados con contraste de fase 3D MRHODE ISLAND. Representación de superficie (B) 3D de las venas (cian) y arterias (rojo). Haga clic aquí para ver una versión más grande de esta figura.
Figura 5. Generación de la corteza de volumen Modelo 3D Interpretación de volumen de la corteza (gris) y la representación superficial de la superficie del cuero cabelludo (blanco). Haga clic aquí para ver una versión más grande de esta figura.
Figura 6. 3D Modelos de multimodalidad asistida por ordenador de planificación de trayectoria. (A) del cuero cabelludo (blanco), la máscara de la exclusión del cuero cabelludo (amarillo) y las trayectorias (purple). (B) del cuero cabelludo y la máscara transparente para mostrar cerebro (rosa), surcos (verde), venas (cian) y arterias (rojo). (C) del cuero cabelludo y la máscara de retirada para mostrar las trayectorias y el cerebro. (D) del cerebro retirada para mostrar las trayectorias, los surcos de superficie, las venas y arterias. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7. La visualización gráfica de las mediciones asociadas a las trayectorias individuales. longitud Top-, cráneo ángulo atravesar, riesgo, G relación / W y la distancia mínima de un vaso sanguíneo> 1 mm de diámetro. la distancia media de pantalla gráfica más cercano estructura crítica a lo largo de la longitud de la trayectoria (rojo-arteria, vena-cian, distancia y-eje- con la estructura (máximo 10 mm), x-eje- lo largo de la trayectoriadesde la entrada cerebro para apuntar, margen de seguridad SM-representa como línea roja horizontal que marca la separación de 3 mm de la trayectoria a la estructura fundamental). Bottom visualización gráfica de la trayectoria de la trayectoria a través de la materia gris y blanca (verde-extracerebral, la materia gris-gris, blanco-materia blanca). Por favor, haga clic aquí para ver una versión más grande de esta figura.
| Modalidad | Sitio | Pre-procesamiento | Campo de visión (AP x RL X es) | Tamaño de vóxel (AP x RL X es) |
| 3D T1 FSPGR | ES | No | 256 x 256 x 166 | 0,94 x 0,94 x 1,1 |
| FLAIR coronal T2 | ES | No | 256 x 160 x 32 | 0.94 x 1.5 x 3.5 |
| NHNN | No | 512 x 512 x 144 | 0,5 x 0,5 x 1,5 | |
| contraste de fase MRI 3D | NHNN | No | 256 x 256 x 160 | 0,85 x 0,85 x 1 |
| angiografía TC | NHNN | No | 512 x 512 x 383 | 0,43 x 0,43 x 0,75 |
| dipolo MEG | NHNN | Sí | ||
| SPECT ictal-interictal | UCLH | Sí | 128 x 128 x 49 | 3,9 x 3,9 x 3,9 |
| PET-FDG | UCLH | Sí | 128 x 128 x 47 | 1.95 x 1.95 x 3.3 |
| DTI | ES | Sí | 128 x 128 x 60 | 1,88 x 1,88 x 2,4 |
| Funcional de resonancia magnética funcional MRI, correlacionada-EEG | ES | Sí | 128 x 128 x 58 |
Tabla 1. Modalidades de imagen utilizados para la imagen de Integración ((ES-Epilepsy Society, Hospital NHNN-Nacional de Neurología y Neurocirugía, Hospital UCLH- University College de Londres, FSPGR-FastSpoiledGradientRecalledEcho, MEG-magnetoencefalografía, por emisión de fotón único SPECT-TAC, PET con FDG - La tomografía por emisión de positrones fluorodeoxiglucosa, DTI-tensor de difusión de imágenes, anterior, posterior AP, RL - derecha-izquierda, ES - inferiores superiores).
| Planificación manual * | GORRA* | Diferencia estimada (Manual-PAC) | Error | valor de p | |
| Electrodo Longitud (mm, 1 dp) | 57,9 (21,8) | 53,9 (15,6) | 4.74 | 1.59 | <0,05 |
| Ángulo de entrada (grados fuera de la perpendicular, 1 dp) | 16,2 (12,8) | 13,0 (7,6) | 5.89 | 1.07 | <0,05 |
| Riesgo (unidades normalizadas, 2 dp) | 0,41 (0,79) | 0,36 (0,42) | 0.19 | 0.03 | <0,05 |
| Distancia mínima a partir de vasos sanguíneos (mm, 1 dp) | 4,5 (3,0) | 4,5 (3,0) | -0.56 | 0,2 | <0,05 |
| Proporción de intracerebral de electrodos en la materia gris (2 dp) | 0,33 (0,33) | 0,48 (0,28) | -0.11 | 0.02 | <0,05 |
Tabla 2. Comparación estadística entre manual y ordenador-assisPlanificación Ted (PAC). * primer valor es la mediana, el segundo valor entre paréntesis es el rango intercuartil. Esta tabla ha sido reproducido con permiso de 16.
Discussion
En resumen, los pasos cruciales para la integración de imágenes y visualización 3D son la imagen co-registro, la segmentación del cerebro, vasos y otras estructuras o áreas de interés, y la exportación a un sistema de neuronavegación. Este proceso se llevó a cabo anteriormente en el grupo que utilizó el software de integración de imagen disponible en el mercado. Una desventaja de este oleoducto fue el tiempo transcurrido, con todo el proceso de toma de 2 - 4 horas. Usando nuestro propio software de plataforma, esta tubería se simplifica considerablemente, y se puede completar en 1 - 2 horas. Además, existe la funcionalidad añadida de la planificación quirúrgica de SEEG trayectorias de electrodo en este software, que se puede hacer manualmente o con el ordenador-asistencia. Los beneficios de la PAC sobre la planificación manual se incrementan precisión, menor riesgo y mayor velocidad, y se han discutido en otra parte (Nowell et al, en prensa, Sparks et al, presentado).
La plataforma de software interno está en continuo desarrollo, con nuevas herramientas y funcionalidades que se añade a apoyar todas las etapas de la evaluación pre-quirúrgica y el tratamiento quirúrgico. Por tanto, existe una necesidad de pruebas rigurosas en cada versión nueva versión. Las limitaciones actuales del software incluyen la falta de representación de volumen de alta calidad, que está presente en otras plataformas y es una adición valiosa para la visualización 3D avanzada. También la exportación sólo es compatible con una empresa neuronavegación seleccionado en el momento presente. Estas limitaciones no han afectado a la utilidad clínica del software en nuestra unidad, y no han frenado la difusión de la tecnología a otros centros.
La importancia de este software es que elimina las barreras que los grupos anteriores se han citado como razones para no usar 3DMMI. La solución proporciona fácil de usar herramientas en una sola plataforma, que no requiere una formación especializada o experiencia, es el tiempo y coste-efectiva y se traduce fácilmente en la práctica clínica. Tenemos pLANs para agregar más innovaciones en el software para soportar la cirugía de la epilepsia. Además, los métodos fácilmente podrían aplicarse a otras áreas de la neurocirugía, tales como la resección de tumores de bajo grado cerca de la corteza elocuente, lesioning focal y la entrega de la estimulación específica. 3DMMI y herramientas de planificación quirúrgica precisas pueden llegar a ser cada vez más importante en la cirugía moderna, y cuando se tomen los casos más difíciles y en que los tratamientos mínimamente invasivos entran en una práctica común.
Disclosures
Financiación: Mark Nowell, Gergely Zombori, Rachel Sparks y Rodionov Romano son apoyadas por el Departamento de Salud y Wellcome Trust a través del Fondo Innovation Challenge de la Salud (HICF-T4-275, Plan de ayudas 97914).
John Duncan ha recibido el apoyo de subvención Institucional de Eisai, UCB Pharma, GSK, Janssen Cilag, Medtronic, y GE Healthcare. Andrew McEvoy ha recibido el apoyo de UCB, Baxter, y Cyberonics. El resto de autores no tienen ningún conflicto de intereses.
Esta publicación presenta una investigación independiente apoyado por el Fondo de Salud Innovación Challenge (HICF-T4-275, Plan de ayudas 97914), una asociación de financiación paralelo entre el Departamento de Salud y Wellcome Trust. Las opiniones expresadas en esta publicación son las del autor (s) y no necesariamente las del Departamento de Salud o Wellcome Trust.
Acknowledgments
Este programa ha sido apoyado por el Departamento de Salud y Salud Wellcome Fondo Fiduciario de Innovación Challenge (HICF-T4-275, Plan de ayudas 97914). Estamos muy agradecidos a la Wolfson La confianza y la Sociedad de Epilepsia para soportar el escáner de resonancia magnética Epilepsy Society. Este trabajo fue apoyado por el Instituto Nacional para la Investigación de la Salud (INDH) University College de Londres Hospitales Centro de Investigación Biomédica (BRC)
Materials
| Name | Company | Catalog Number | Comments |
| EpiNav | UCL | Inhouse software platform for image integration, segmentation, visualisation and surgical planning | |
| Freesurfer | Martinos Centre for Biomedical Imaging | Software for cortical segmentation | |
| S7 Stealthstation | Medtronic | Neuronavigation system | |
| MeshLab | ISTI-CNR | 3D mesh processing software | |
| NiftiK | UCL | Translational imaging platform | |
| AMIRA | Visualisation Sciences Group | Image integration software |
References
- Cardinale, F., et al. Stereoelectroencephalography: surgical methodology, safety, and stereotactic application accuracy in 500 procedures. Neurosurgery. 72, discussion 366 353-366 (2013).
- Murphy, M., O'Brien, T. J., Morris, K., Cook, M. J. Multimodality image-guided epilepsy surgery. J Clin Neurosci. 8, 534-538 (2001).
- 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).
- 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).
- Duncan, J. S. Selecting patients for epilepsy surgery: synthesis of data. Epilepsy Behav. 20, 230-232 (2011).
- Duncan, J. S. Imaging in the surgical treatment of epilepsy. Nat Rev Neurol. 6, 537-550 (2010).
- Cossu, M., et al. Stereoelectroencephalography in the presurgical evaluation of focal epilepsy: a retrospective analysis of 215 procedures. Neurosurgery. 57, 706-718 (2005).
- Cossu, M., et al. Stereo-EEG in children. Childs Nerv Syst. 22, 766-778 (2006).
- Gonzalez-Martinez, J., et al. Stereotactic placement of depth electrodes in medically intractable epilepsy. J Neurosurg. 120, 639-644 (2014).
- 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).
- Rodionov, R., et al. Feasibility of multimodal 3D neuroimaging to guide implantation of intracranial EEG electrodes. Epilepsy Res. 107, 91-100 (2013).
- Nowell, M., et al. Utility of 3D multimodality imaging in the implantation of intracranial electrodes in epilepsy. Epilepsia. 56, 403-413 (2015).
- Zombori, G., et al. Information Processing in Computer-Assisted Interventions. , Fukuoka, Japan. (2014).
- 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).
- Zuluaga, M. A., et al. Medical Image Computing and Computer-Assisted Intervention-MICCAI. 2014. , Springer International Publishing. 651-658 (2014).
- Nowell, M., et al. Comparison of computer-assisted planning and manual planning for depth electrode implantations in epilepsy. J Neurosurg. , In Press (2015).
