Summary
Wir beschreiben die Schritte, um unsere kundenspezifische Software für die Bildintegration, Visualisierung und Planung in der Epilepsiechirurgie verwenden.
Abstract
Epilepsie-Chirurgie ist eine Herausforderung und die Verwendung von 3D-multimodalen Bildintegration (3DMMI) präoperative Planung zu unterstützen ist gut etabliert. Multimodalität Bildintegration kann technisch anspruchsvoll sein und ist in der klinischen Praxis nicht ausgelastet. Wir haben eine einzige Software-Plattform für Bild Integration, 3D-Visualisierung und OP-Planung entwickelt. Hier unsere Pipeline wird in Schritt-für-Schritt-Mode beschrieben, beginnend mit der Bildaufnahme, ausgehend durch Bild Coausrichtung, manuelle Segmentierung, Gehirn und Gefäß Extraktion, 3D-Visualisierung und die manuelle Planung von stereoEEG (SEEG) Implantationen. Mit der Verbreitung der Software kann diese Pipeline in anderen Zentren reproduziert werden, so dass andere Gruppen von 3DMMI zu profitieren. Wir beschreiben auch die Verwendung eines automatisierten Mehrbahnplaner stereoEEG Implantationspläne zu erzeugen. Vorläufige Studien deuten darauf hin, dies ist eine schnelle, sichere und wirksame Ergänzung für SEEG Implantationen Planung. Schließlich ist eine einfache solutiauf für den Export von Plänen und Modellen zu kommerziellen Neuro Systeme für die Umsetzung der Pläne im Operationssaal beschrieben. Diese Software ist ein wertvolles Werkzeug, das die klinische Entscheidungsfindung in der gesamten Epilepsiechirurgie Weg unterstützen können.
Introduction
In der chirurgischen Praxis ist es wichtig für den Chirurgen miteinander in drei Dimensionen anatomischen Strukturen und ihre räumlichen Beziehungen zu schätzen. Dies ist besonders wichtig in der Neurochirurgie, wo der Chirurg in einem beengten Raum arbeiten, mit begrenzter Visualisierung und Zugriff auf komplexe Anatomie. Trotzdem ist bisher die meisten Bildgebungs wurde Chirurgen in herkömmlichen planaren 2D-Form dargestellt, und verschiedene Bildgebungsmodalitäten werden oft nacheinander in Reihe dargestellt. Als Folge hat der Chirurg diese Daten für jeden Patienten geistig zu integrieren, und legen Sie sie in einem anatomischen Rahmen für die präoperative Planung. Es gibt klare Vorteil 3D - Computermodelle des einzelnen Patienten Gehirn bei der Erzeugung, die die Anatomie der Hirnrinde zeigt, die Blutgefäße, alle pathologischen Läsionen sowie andere relevante 3D - Orientierungspunkte in der gleichen räumlichen Kontext 1-4. Vor der Operation kann der Chirurg drehen und verändern die Transparenz of diese Modelle zu verstehen, in vollem Umfang die 3D-Beziehungen zwischen den verschiedenen Strukturen von Interesse. Dieses Prinzip ist 3D multimodale Bildgebung (3DMMI) bezeichnet.
Das Ziel der präoperativen Beurteilung für Epilepsie - Chirurgie ist die Lokalisierung der Bereich des Gehirns zu schließen , wo Anfälle auftreten, und sicherzustellen , dass diese sicher , ohne dass erhebliche Defizite 5 reseziert werden. Es gibt ein breites Spektrum an diagnostischen Bildgebungsmodalitäten, die dazu beitragen, einschließlich struktureller MRT, fluorodeoxyglucose Positronen-Emissions-Tomographie (FDG-PET), ictal Single-Photon-Emissions-Computertomographie (SPECT), Magnetenzephalographie (MEG) Dipole, funktionellen MRT (fMRT) und Diffusions - Tensor - Bildgebung (DTI) 6. Epilepsiechirurgie ist ideal für 3DMMI geeignet, da sie die gleichzeitige Interpretation von mehreren Datensätzen erfordert, und die Überlegung, wie jeder Datensatz zum anderen bezieht.
In vielen Fällen nicht-invasive Untersuchungen scheitern to bieten das Niveau der Beweis Resektion fortzufahren erforderlich. In diesen Fällen intrakraniellen EEG (IC EEG) Aufnahmen erforderlich, um die Region des Gehirns zu identifizieren, die Anfälle zu verhindern, entfernt werden müssen. Zunehmend wird IC EEG durch eine Technik durchgeführt genannt SEEG, in welchem eine Anzahl von Aufzeichnungstiefe Elektroden angeordnet sind intrazerebral den Ursprung und die Ausbreitung der elektrischen Aktivität zu erfassen , die mit Anfällen in 3D 1,7-10.
Der erste Schritt der SEEG Implantationen ist die Strategie der Implantation zu entwickeln, um die Bereiche des Gehirns definiert, die abgetastet werden müssen. Dies beinhaltet die klinische und nicht-invasive EEG Datum mit Strukturabbildungs Integration mit jeder Läsion, und funktionellen Bildgebungsdaten, die den Ort der Quelle der Epilepsie schließen.
Der zweite Schritt ist die genaue chirurgische Planung der Elektrodenbahnen. Der Chirurg muss sicher avascular Elektrodenbahnen zu gewährleisten, el Zentrierungectrode Einträge an der Krone des gyri und entfernt von kortikalen Oberfläche Venen und den Schädel orthogonal durchquert. Zusätzlich wird die gesamte Implantationsanordnung gut konzipiert werden, mit angemessenen Abstand zwischen den Elektroden und keine Elektrode Kollisionen.
Die Durchführbarkeit der Erzeugung 3DMMI Modelle Implantation von IC - EEG - Elektroden in einer belebten Epilepsiechirurgie Praxis zu führen hat bisher 11 gezeigt. Wir haben gezeigt, auch das Prinzip, dass die Verwendung von 3DMMI klinischen Wert bei der Entscheidungsfindung hinzugefügt verleihen. In einer prospektiven Studie, die Offenlegung von 3DMMI geändert , einige Aspekte des Managements in 43/54 (80%) Fällen und verändert insbesondere die Positionierung von 158/212 (75%) von Tiefenelektroden 12.
Es gibt eine Reihe von Software-Paketen, die 3DMMI erleichtern. Dazu gehören im Handel erhältliche Neuro-Plattformen, die im Operationssaal verwendet werden, spezialisiert Planungssoftware Suiten verbündetemit Neuro Plattformen und forschungsorientierte eigenständige Bildintegration und Visualisierungsplattformen. Da die Funktionalität, Flexibilität und Vielseitigkeit dieser Plattformen zu erhöhen, die Nutzbarkeit und die Wahrscheinlichkeit, sie in die klinische Praxis zu übersetzen entsprechend abnimmt.
Wir haben kundenspezifische Software für multimodalen Bildintegration, erweiterte 3D - Visualisierung und SEEG Elektrodenplatzierung 12,13 für die Behandlung von Epilepsie Planung entwickelt. Der Schwerpunkt liegt dabei auf einfache Bedienung in einem klinischen Szenario, so dass Echtzeit-Nutzung von Software, die von Klinikern und eine schnelle Einarbeitung in die klinische Pipeline. Die Software läuft auf einer translatorischen Imaging - Plattform 14, die NiftyReg, NiftySeg und NiftyView kombiniert.
In diesem Papier wird das Protokoll der Software in der klinischen Praxis für die Verwendung festgelegt. Die Schritte für die Bild Coausrichtung, Segmentierung von Regionen von Interesse, Hirnsegmentierung, ExtrahierenBlutgefäße aus gewidmet Gefäßbildgebung 15, 3D - Modelle bauen, die Planung SEEG Implantationen und schnell Modelle und Pläne in den OP Export beschrieben. Ein neues Werkzeug wird auch für eine automatisierte Multi Trajektorie 13 beschrieben Planung, das erhöht die Sicherheit und Wirksamkeit der Implantationen und reduziert wesentlich die Dauer der Planung.
Protocol
HINWEIS: Die Softwarebefehle hier zur Verfügung gestellten sind spezifisch auf die aktuelle Version (2015.01.19) der Software und kann bei der späteren Software - Versionen ändern. Handbücher für die einzelnen Versionen sind auf Anfrage erhältlich.
1. Führen Sie Bild Integration und Visualisierung
- Erwerben Bildgebung.
- Acquire Neuro T1-gewichteten MRT-Untersuchung mit Gadolinium enhancement- dies wird das Referenzbild sein. (Anmerkung: Die Bildaufnahme Anforderungen sind von der Neuro kommerziellen Anbieter 11,12 siehe Tabelle 1) . .
- Sammeln Sie alle anderen Bildgebung während präoperative Auswertung in DICOM oder Nifti Format erfolgen (kann funktionellen MRT (fMRT), Diffusions-Tensor-Bildgebung (DTI) tractography, Fluor-Desoxyglucose Positronen-Emissions-Tomographie (FDG-PET), ictal-interiktalen Single Photon Emission CT umfassen ( SPECT), Magnetenzephalographie (MEG) Dipol, 3D - Phasenkontrast - MRT, CT - Angiographie) Siehe Tabelle 1.
- Führen Sie die Vorverarbeitung außerhalb Inhouse-Software.
- Prozess isometrische T1 gewichteten MRT mit Open-Source-Software Freesurfer, laufen auf einer Linux-Workstation mit dem Befehl 'recon-all ", um kortikale Segmentierungen erzeugen.
- Konvertieren wmparc.mgz und ribbon.mgz Dateien nifti Format mit dem Befehl 'mrconvert'
- Open in-house - Software auf Windows - PC und Laden von Daten (Abbildung 1).
- Hinweis 2 x 2-Fenster-Anzeige, DataManager- auf ganz links, Symbole auf der Oberseite, die verschiedene Bildverarbeitungs-Tools und ausgewählte Werkzeug auf ganz rechts.
- Importieren von Daten unter Verwendung von "Drag and Drop", durch das Hauptmenü "Datei / Öffnen" Zugriff auf oder durch eine Geschwindigkeitstaste (Symbol) "Öffnen". Blättern Sie durch verschiedene Datensätze Vollständigkeit zu gewährleisten. Beachten Sie die Zoom-Funktion durch einen Rechtsklick und Bewegen der Maus, und die hierarchische Natur von DataManager-, mit aufeinanderfolgenden Bildüberlagerung.
- Coregister Bilder. <ol>
- Einzelbilder.
- Wählen Sie NiftyReg Werkzeug aus Geschwindigkeit Symbole.
- Wählen Neuro T1 mit Gadolinium in DataManager- dieser wird Referenzbild sein, dass alle anderen Bildgebung abzugleich.
- Wählen Sie "schwebenden Bild 'zu abzugleichende Bild zu verweisen.
- Definieren Sie den Namen und Ort des registrierten Bildes. Stellen Sie Optimierungsparameter auf Level-Nummer 4, Ebene 3 durchzuführen, Iterationszahl 5, Koregistrieren Typ starrer Körper.
- Ausführen automatisierter starrer Körper Koregistrieren durch einen Klick auf "Ausführen" klicken.
- Überprüfen Sie die Genauigkeit von Koregistrieren. Überprüfen Sie die registrierten Bildes über dem Referenzbild und ändern die Transparenz der registrierten Bildes durch einen Rechtsklick auf das Bild in DataManager-, und Bewegen des 'Opazität' Cursor. Stellen Sie sicher, Koregistrieren durch klare anatomische Orientierungspunkte wie das Foramen Monroe Inspektion.
- Gekoppelte Bilder.
- Coregister 'raumdefiniere Bild' erste (z.B. Fractional anisotropen Karte) unter Verwendung des NiftyReg Werkzeug wie in den Schritten 1.4.1.1 - 1.4.1.6.
- Wählen Sie RegResample Werkzeug aus Geschwindigkeit Symbole.
- Wählen Neuro T1 mit Gadolinium in DataManager- als Referenzbild.
- Wählen Sie Bild mit den Ergebnissen der Verarbeitung (z. B. tractography Bild) als Fließbild.
- Verwenden Sie txt-Datei generiert aus früheren Eintragung von "raumdefiniere Bild 'als Eingabetransformation.
- Definieren Sie den Namen und Ort des registrierten Bildes. Wählen Sie Interpolationsart als 0.
- Führen Sie Resampling von 'Ergebnis der Verarbeitung "durch einen Klick auf" Ausführen "klicken.
- Sehen Sie neu generierte Bild von in DataManager- Auswahl
- Prüfen Sie die Genauigkeit von Koregistrieren wie in Schritt 1.4.1.6.
- Wiederholen Sie die Schritte 1.4.1 - 1.4.2 für alle Datensätze.
- Wählen Sie Bild werden in DataManager- segmentiert und Segmentation-Editor-Tool von Geschwindigkeit Symbolen wählen.
- Verwenden Sie die erweiterte Segmentierung Tools (manuelle Segmentierung, Region-Growing, subtrahierend) Region von Interesse auf mehreren Scheiben Bildgebung in der axialen zu ziehen, koronalen und sagittalen Ebene
- Wählen Sie 3D-Interpolation zu visualisieren segmentierten Struktur in 3D-Fenster entwickelt. Bestätigen Segmentierung neue Nifti Datei segmentierter Struktur zu erzeugen.
- Wiederholen Sie die Schritte 1.5.1 - 1.5.3 für alle Bilder, in denen manuelle Segmentierung angezeigt wird.
- Wählen Sie wmparc.nii Bild auf DataManager- und gewährleisten wmparc.nii mit Referenzbild unter Verwendung der Schritte 1.4.1 abzugleich wird.
- Wählen Sie Standardverarbeitungswerkzeuge von Geschwindigkeit Symbole.
- Tragen Sie eine Schwelle zu wmparc.nii 1-5002 binarisierten Maske des Kortex zu erstellen.
- Nutzung Fläche Extractor tool.
- Wählen Sie Oberfläche Extractor-Symbol. Definieren Schwelle für Oberflächenextraktion und wählen Sie Übernehmen. Name des Oberflächendarstellung in DataManager-.
- Rechtsklick auf Nifti Datei in DataManager- und wählen Sie "Glatte Polygon Surface '.
- Nutzung Fläche Extractor-Tool.
- Coregister der Gefäßdarstellung auf das Bild Referenz mit NiftiReg. 3D-Oberfläche das Bild mit Oberflächen Extractor machen.
- Generieren Sie intrakraniellen Maske durch die Erweiterung der Anwendung und Funktionen in Grundlegende Bildbearbeitung mit dem binarisierten Maske Kortex schließen. Bewerben intrakraniellen Maske auf die Gefäßdarstellung der Multiplikationsfunktion in Grundlegende Bildbearbeitung mit extracranial Gefäße zu entfernen.
- Entfernen Sie das Rauschen aus dem stl file von außen in-house Software Verarbeitung, 3D-Mesh-Verarbeitung Software-Paket. Hinweis: Anweisungen zur Verwendung dieses Tools sind online frei verfügbar.
- Verwenden Sie VesselExtractor Werkzeug.
- Wählen Sie das VesselExtractor Werkzeug aus den Geschwindigkeits Icons. Gefäßbilddatensatz auswählen und den Namen und die Position des Schiffes-Extraktion Nifti Datei angeben.
- Führen Sie VesselExtractor durch einen Klick auf "Ausführen". Bewerben intrakraniellen Maske auf die Ergebnisse der VesselExtractor die Multiplikationsfunktion in Grundlegende Bildbearbeitung mit extracranial Gefäße zu entfernen. Hinweis: intrakranielle Maske, die durch die Ausdehnung der Anwendung und Funktionen in Grundlegende Bildbearbeitung mit dem binarisierten Maske Kortex wie in 1.8.1.2 schließt.
- Wiederholen Sie den Vorgang von 1.8.1 oder 1.8.2 für die CT-Angiographie, 3D-Phasenkontrast-MRT und Neuro T1 mit Gadolinium.
- Wählen Sie wmparc.nii imAlter auf DataManager- und gewährleisten wmparc.nii mit Referenzbild unter Verwendung der Schritte 1.4.1 abzugleichende.
- Wählen Sie Standardverarbeitungswerkzeuge von Geschwindigkeit Symbole.
- Bewerben Gaußglättung Bild wmparc.nii, mithilfe der Standardbearbeitungswerkzeuge.
- Wählen Sie Volumen von Geschwindigkeit Icons Rendering-Tool, und stellen Sie sicher geglättet wmparc.nii Datei wird in DataManager- hervorgehoben.
- Tick 'Volume-Rendering "Box in Volumen-Rendering-Tool Volumen-Rendering von Kortex erzeugen.
2. Führen Sie Manuelle Planung
- Verwenden Bahnplaners Geschwindigkeit Symbol.
- Wählen Neuronavigation T1 abtasten als Referenzbild. Wählen Sie Neuer Plan, und neue Flugbahn.
- Wählen Sie Zielpunkt auf planaren Bildgebung durch "Alt" gedrückt und der rechten Maustaste auf der Maus, basierend auf Liste der gewünschten anatomischen Zielpunkte von Ärzten. Hinweis: Beispiele für Ziele umfassen mesial zeitlichen Strukturen (Amygdala, Hippocampus), Insula, Gyrus cinguli.
- Wählen Sie Einstiegspunkt auf planaren Bildgebung durch Drücken von 'Alt' und der linken Maustaste auf der Maus, basierend auf der Liste der gewünschten Eintrittspunkte von Klinikern. Hinweis: Beispiele für Einstiegspunkte sind Mittel Gyrus temporalis, precentral Gyrus Gyrus supramarginalis.
- Beachten Sie lineare Bahn erzeugt zwischen Ziel und Eintrittspunkt.
- Visualise Risiko.
- Wählen Sie die Risiko Visualisierung Geschwindigkeit Symbol Trajektorienlänge untersuchen.
- Wählen Sie "Link-Ansicht Ebenen 'zu verbinden Probes Auge Betrachter zu Orthogonalansicht Ebenen in Hauptfenster.
- Blättern entlang der Bahn, die Prüfung Probes Auge Betrachter avascular Pfad zu gewährleisten.
3. Führen Sie Computergestützte Planung
- Bereiten Sie Daten.
- Bereiten Sie graue Substanz Oberfläche.
- Wählen Sie die Datei aus ribbon.nii kortikalen Segmentierung Software generiert.
- Co-Register ribbon.nii Datei zu Referenzbild mit NiftiReg.
- 3D-Oberflächen-render Co-registriertes Bild von 'Glatte Polygonfläche "Funktion.
- Bereiten Sie die Kopfhaut und Kopfhaut Ausschluss-Vorlage.
- Wählen Sie T1 Neuro Bild als Referenzbild.
- Verwenden Sie Grundlegende Bildbearbeitung Werkzeug, um Gaußsche Transformation anzuwenden.
- Oberfläche machen Bildfläche Extractor, Kopfoberfläche zu erzeugen.
- Speichern und Exportieren Bild als stl-Datei.
- Last stl fle in Verarbeitungssoftware 3D-Netz.
- Für Kopfhaut, verwenden Sie die Reinigung und Editing-Tools zu intrakraniellen Inhalte zu löschen.
- Für Kopfhaut Ausschluss - Vorlage, verwenden Sie die manuelle Bearbeitungstools Bereiche nicht geeignet für Elektrodeneintrittspunkte zu entfernen (dh., Gesicht, Ohren, kontralateralen Hemisphäre, Fläche unter Tentorium cerebelli).
- Bereiten Oberfläche sulci Oberfläche.
- Generieren ganze sulci.
- Binarise wmparc.nii Datei, um das Grundlegende Bildverarbeitungswerkzeug, wie in Schritt 1.6.3 verwenden.
- Schließen binärisiertwmparc.nii Datei von 3 unter Verwendung Grundlegende Bildbearbeitung-Tool.
- Subtrahiert binärisiert Datei generiert in 3.1.3.1.1 von geschlossenen binarisierten Datei generiert in 3.1.3.1.2 mit Grundlegende Bildbearbeitung-Tool.
- Entfernen Sie die sulci in der Tiefe die Oberfläche sulci Bild zu erzeugen. Hinweis: Die Verwendung Bildoberfläche sulci als eine kritische Struktur den Vorteil der Abstand Trajektorien weg von Furchen auf der Oberfläche des Gehirns hat, und ermöglicht, Trajektorien sulci in der Tiefe zu nähern, die ist, wo graue Substanz liegt.
- Reduzieren Sie die geschlossene, binärisiert wmparc Datei generiert in 3.1.3.1.2 des grundlegenden Bildverarbeitungswerkzeug.
- Invert-Datei in 3.1.3.2.1 erzeugt das Grundlegende Bildbearbeitung-Tool.
- Multiplizieren Sie Datei generiert in 3.1.3.2.2 von der ganzen sulci in 3.1.3.1.3 erzeugt, das Grundlegende Bildbearbeitung-Tool.
- Generieren ganze sulci.
- Bereiten Sie graue Substanz Oberfläche.
- Führen Sie Multi-Bahnplaner (Abbildung 6).
HINWEIS: Automated Planung Multi-Bahn ist auf robuste Datenaufbereitung abhängig; Oberfläche Renderings der Kopfhaut, Kopfhaut Ausschluss Maske werden intrakraniellen Gefäße, Oberfläche sulci, Rinde und graue Substanz erforderlich.- Wählen Bahnplaners von Speed-Symbole. Wählen Sie Referenzbild als Neuro T1 MRI.
- Wählen Sie "Zielpunkte"; mehrere Zielpunkte können durch 'Shift' und Maus Linksklick oder durch das Laden eines gespeicherten Zielpunkt gesetzt eingegeben werden. Hinweis: Beispiele für Ziel umfassen mesial zeitlichen Strukturen (Amygdala, Hippocampus), Insula, Gyrus cinguli.
- Wählen Sie 'Einstiegspunkte', und wählen Sie die Kopfhaut Ausschluss Maske auf dem Drop-Down-Menü zugeordnet. Anmerkung: Dies hat den Zweck, die Suche nach möglichen Eingangspunkte auf einen begrenzten Bereich zu beschränken, die chirurgisch möglich zu implementieren ist.
- Wählen Sie kritische Strukturen, die Kennzeichnung der Flächen aus der Dropdown-Liste, die die Bahnen vermeiden sollten. erweiterte Einstellungen auswählen; stellen Sie die benutzerdefinierten Nachteiletraints bezüglich Trajektorienlänge, Eintrittswinkel und Abstand zwischen den Bahnen als bevorzugt.
- Wählen grau Materie- weißen Substanz Auswertung und stratify Risiko Art, den Anteil der Bahnen zu optimieren, die in der grauen Substanz liegen.
- Multi-Bahnplaner Geführt von Neuer Plan hinzufügen auswählen und Recompute-Plan.
- Visualise Risiko (Abbildung 7).
- Beurteilen Sie Risiko- und Sicherheitsprofile nach Bahnplanung, die Risiko Visualisierung Geschwindigkeit Symbol.
Hinweis: Für jede Bahn gibt es Metriken für Länge, Winkel des Eintritts, kumulative Risiko, Mindestabstand zu Blutgefäß und graue Substanz der weißen Substanz Verhältnisse sowie grafische Darstellung entlang der Bewegungsbahn der Abstand zu kritischen Strukturen. Ein Sonden Auge Betrachter ist ebenfalls enthalten. - Wählen Sie die Risikokarte in DataManager- eine farbcodierte Konturkarte zu zeigen, die Kopfhaut Ausschluss Maske, mit potenziellen Eintrittspunkte dargestellt und die damit verbundene Risikoniveau co überlagerndenfarbkodiert, mit roten hohes Risiko darstellt und Grün repräsentieren ein geringes Risiko für jede ausgewählte Flugbahn.
- Beurteilen Sie Risiko- und Sicherheitsprofile nach Bahnplanung, die Risiko Visualisierung Geschwindigkeit Symbol.
- Manuelle Einstellung der Flugbahnen.
- Wählen Bahn.
- Wählen Sie neue Einstiegspunkt durch Drücken von Alt und der rechten Maustaste klicken und neue Zielpunkt von Alt und Maus Drücken der linken Maustaste.
- Beurteilen Sie neue Flugbahn des Risikos Visualisierung Geschwindigkeit Symbol, wie in Schritt 3.3 verwendet wird.
4. Export Pläne und Modelle in den Operationssaal
- Überprüfen Sie, ob Referenzbild im DICOM-Format ist. Wählen Sie S7 Export von Geschwindigkeit Symbol.
- Definieren Sie das Referenzbild, die Pläne und Flugbahnen und die Modelle, die ausgeführt werden sollen, und das Ziel des gespeicherten Archiv angeben. Führen Sie S7-Export-Tool.
- Hochladen erzeugte Archiv auf einem USB-Stick für die Übertragung an einen Neuro System im Operationssaal, und für die klinische Umsetzung der geplanten tr auf dem Neuro System archivierten Ordner ladenajectories.
5. Rekonstruieren Elektrodenimplantation Postoperativ
- Erwerben postoperative CT-Bildgebung.
- Last CT Kopf auf in-house Software und laden vorher Patientendatensatz gespeichert.
- Coregister CT T1 gewichteten MRT mit dem NiftyReg Werkzeug zu verweisen.
- Generieren Sie 3D-Oberflächendarstellung von Elektroden, die die SurfaceExtractor-Tool auf dem registrierten CT, mit hoher Schwellwertbildung verwendet wird.
- Reinigen Sie die Oberfläche gemacht Elektroden von Lärm, und die Leitungen mit den Reinigungs- und Reparaturfunktionen von 3D-Mesh-Verarbeitungssoftware.
Representative Results
Das Protokoll für die Bildintegration, Visualisierung, manuelle Planung und den Export in eine ausgewählte Neuro System beschrieben wurde , mit der Implantation von 319 Tiefenelektroden Diese umfasst 12, 35 Fälle von SEEG Implantation am National Hospital für Neurologie und Neurochirurgie seit August 2013 eingesetzt. 27/35 (77%) der Patienten wurden auf eine kortikale Resektion nach der Implantation fortschritt, die ein Indikator ist, dass die Implantation der Bereich der Anfallsbeginn identifiziert. Es hat sich zu einem hämorrhagischen Komplikation auf die Vermittlung von Tiefenelektroden bezogen, und dies wurde konservativ behandelt.
Die Bildgebungsverfahren während der präoperativen Auswertung verwendet werden , auf die von Fall zu Fall zu entscheiden, und sind in Tabelle 1 beschrieben. Das Protokoll ist flexibel, und kann jede Bildgebungsmodalität integrieren , die in DICOM oder Nifti - Format importiert werden können. Abbildung 1 zeigt die grundlegende Betrachter für unsere hauseigenen Software - Plattform und die Figuren 2, 3, 4 und 5 typische Screenshots während des Baus der 3D - Multimodalität Modelle veranschaulichen.
Durch die nahtlose Integration des Protokolls in unserer klinischen Pipeline und die Verbreitung dieser Software zu anderen Zentren, ist ein nützlicher Ersatz "Marker" für den Erfolg. Die Schwierigkeiten bei der Beurteilung der klinischen Nutzen in der Epilepsiechirurgie Bevölkerung sind gut bekannt und anderswo 12 beschrieben. Diese Pipeline bietet eine optimierte Lösung, die flexibel ist, relativ benutzerfreundlich und einfach in anderen Zentren zu replizieren.
Computergestützte Planung (CAP) ist eine neuere Entwicklung , die auf früheren manuell geplanten Implantationen 16 nachträglich getestet wurde. Vorläufige Ergebnisse deuten darauf hin, dass die GAP erzeugt sicherer, efficient Implantationen, die machbar sind zu implementieren und wirksame Art und Weise 16. Tabelle 2 zeigt , in einer Zeit , diese quantitativen Vergleich abgeschlossen sind. Eine prospektive Studie von CAP in der klinischen Praxis verwendet ist im Gange. Der Algorithmus, der CAP - Laufwerke wurde zuvor 13 beschrieben.
Figur 6 zeigt ein typisches Ergebnis von der automatisierten Mehrbahnplaner. Die kritischen Strukturen, die eingegeben wurden, sind Venen, Arterien und Oberflächen sulci. Beachten Sie die Zentrierung der Trajektorien auf der Krone des gyri, und die Einspannmittel der Trajektorie Einspeisepunkte auf eine Kopfhaut Ausschlussmaske. 7 zeigt eine typische Risikovisualisierungs Graph für eine einzelne Flugbahn mit zugeordneten Metriken und graphische Darstellung der Flugbahn der Länge.
Abbildung 1. Grundanzeige Anzeige der In-house Software - Plattform. LINKS- DataManager-, TOP- Symbolleiste , die Verknüpfungen Plug-in - Tools, RECHTS- Stromstecker in Werkzeug im Einsatz, Centre- 4 Ortho-View - Display enthält. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.
Abbildung 2. Die Segmentierung und 3D - Visualisierung in Inhouse-Software. (A) axial T1 MRT mit überlagerter Oberflächenmodelle, (B) 3D - Oberflächendarstellung von Modellen (cyan-Adern, grün- Motor Hand von transkranielle Magnetstimulation, Orangen- gebogenen fasciculus tractography, blau- corticospinal tractography, pink- Sehstrahlung tractography, gelb- uncinate fasciculus tractography, purpur Thalamus segmentation). Bitte hier klicken , um eine größere Version dieser Figur zu sehen.
Abbildung 3. Erzeugung von Cortex Oberflächenmodelle. (A) Axialansicht wmparc Datei, (B) wmparc Datei 1-5002 Schwellwertbildung, (C) Oberflächendarstellung von binarisierten wmparc - Datei. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.
Abbildung 4. Fahrzeug Extraktion in Inhouse-Software mit Vesselness. (A) Das axiale CT - Angiographie co-registriert mit 3D - Phasenkontrast - MRI. (B) 3D - Oberflächendarstellung von Venen (cyan) und Arterien (rot). Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
Abbildung 5. Generation von Cortex Volume - Modell 3D Volumendarstellung von Cortex (grau) und Oberflächendarstellung der Kopfoberfläche (weiß). Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
Abbildung 6. 3D Multimodalität Modelle aus Computergestützte Trajektorienplanung. (A) Kopfhaut (weiß), Kopfhaut Ausschluss Maske (gelb) und Bahnen (S.urple). (B) Kopfhaut und Maske transparent Gehirn (pink) zu zeigen, sulci (grün), Venen (cyan) und Arterien (rot). (C) Kopfhaut und Maske entfernt Bahnen und im Gehirn zu zeigen. (D) Gehirn entfernt Bahnen zu zeigen, Oberfläche sulci, Venen und Arterien. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.
Abbildung 7. Grafische Darstellung von Metriken zu einzelnen Trajektorien. Top- Länge, Winkel durchqueren Schädel, Risiko, G / W-Verhältnis und Mindestabstand von einem Blutgefäß> 1 mm im Durchmesser. Middle- grafische Darstellung der nächsten kritischen Struktur entlang der Länge der Trajektorie (red-Arterie, cyan-Vene, y-Achsen- Abstand zur Struktur (maximal 10 mm), x-Achsen- Abstand entlang Trajektorievon Gehirn Eintrag SM- Sicherheitsmarge als horizontale rote Linie dargestellt, die markiert 3 mm Trennung der Bahn auf kritische Struktur zum Ziel,). Bottom- grafische Darstellung der Bewegungsbahn durch grauen und weißen Substanz (grün-extrazerebralen, grau-graue Substanz, weiße weiße Substanz). Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
| Modalität | Standort | Vorverarbeitung | Sichtfeld (AP x RL x IS) | Voxelgröße (AP x RL x IS) |
| 3D-T1 FSPGR | ES | Nein | 256 x 256 x 166 | 0,94 x 0,94 x 1,1 |
| Koronar T2 FLAIR | ES | Nein | 256 x 160 x 32 | 0,94 x 1,5 x 3,5 |
| NHNN | Nein | 512 x 512 x 144 | 0,5 x 0,5 x 1,5 | |
| MRI 3D-Phasenkontrast | NHNN | Nein | 256 x 256 x 160 | 0,85 x 0,85 x 1 |
| CT-Angiographie | NHNN | Nein | 512 x 512 x 383 | 0,43 x 0,43 x 0,75 |
| MEG Dipol | NHNN | ja | ||
| Iktalen-interiktalen SPECT | UCLH | ja | 128 x 128 x 49 | 3,9 x 3,9 x 3,9 |
| FDG-PET | UCLH | ja | 128 x 128 x 47 | 1,95 x 1,95 x 3,3 |
| DTI | ES | ja | 128 x 128 x 60 | 1,88 x 1,88 x 2,4 |
| Functional MRI, EEG-korrelierten fMRI | ES | ja | 128 x 128 x 58 |
Tabelle 1 Bildgebende Verfahren verwendet für die Bildintegration ((ES-Epilepsy Society, NHNN-National Hospital für Neurologie und Neurochirurgie, UCLH- University College London Hospital, FSPGR-FastSpoiledGradientRecalledEcho, MEG-Magnetoenzephalografie, SPECT-Single - Photon - Emissions - Computertomographie, FDG - PET - fluorodeoxyglucose Positronen-Emissions-Tomographie, DTI-Diffusions-Tensor-Bildgebung, AP- anterioren posterioren, RL - rechts nach links, IS - minderwertig superior).
| Manuelle Planung * | KAPPE* | Geschätzte Differenz (Manual-CAP) | Fehler | P - Wert | |
| Elektrodenlänge (mm, 1 dp) | 57,9 (21,8) | 53,9 (15,6) | 4.74 | 1,59 | <0,05 |
| Eintrittswinkel (Grad ab senkrecht, 1 dp) | 16.2 (12.8) | 13,0 (7,6) | 5.89 | 1,07 | <0,05 |
| Risk (normalisierte Einheiten, 2 dp) | 0,41 (0,79) | 0,36 (0,42) | 0,19 | 0,03 | <0,05 |
| Mindestabstand von Blutgefäß (mm, 1 dp) | 4.5 (3.0) | 4.5 (3.0) | -0,56 | 0,2 | <0,05 |
| Anteil der Intrazerebrale Elektrode in Grey Matter (2 dp) | 0,33 (0,33) | 0,48 (0,28) | -0,11 | 0,02 | <0,05 |
Tabelle 2. Statistische Vergleich zwischen manueller und computer assisted Planung (CAP). * erste Wert Median, zweiter Wert in Klammern ist Quartilsabstand. Diese Tabelle wurde mit freundlicher Genehmigung von 16 wiedergegeben.
Discussion
Zusammengefasst sind die entscheidenden Schritte für die Bildintegration und 3D-Visualisierung Bild Co-Registrierung, Segmentierung von Gehirn, Gefäße und andere Strukturen oder Bereiche von Interesse und den Export in ein Neuro System. Dieses Verfahren wurde zuvor in der Gruppe durchgeführt im Handel erhältlichen Bildintegrationssoftware. Ein Nachteil dieser Pipeline war die Zeit genommen, mit den gesamten Prozess: 2 - 4 Stunden. Mit unserer hauseigenen Software-Plattform wird diese Pipeline erheblich vereinfacht und kann in 1 abgeschlossen sein - 2 Std. Ferner gibt es die zusätzliche Funktionalität der chirurgischen Planung von SEEG Elektrodenbahnen auf dieser Software, die manuell oder mit Computerhilfe erfolgen kann. Die Vorteile der GAP über die manuelle Planung Genauigkeit erhöht werden, ein geringeres Risiko und die Geschwindigkeit erhöht, und an anderer Stelle diskutiert (Nowell et al, In Press, Sparks et al, eingereicht).
Die hauseigene Software-Plattform ist in kontinuierlichen development, mit neuen Tools und Funktionen hinzugefügt alle Stufen der präoperative Bewertung und chirurgische Behandlung zu unterstützen. Es besteht daher ein Bedürfnis nach strengen Tests bei jeder neuen Version Release. Aktuelle Einschränkungen der Software gehören der Mangel an qualitativ hochwertigen Volumenrendering, die in anderen Plattformen ist und ist eine wertvolle Ergänzung für die erweiterte 3D-Visualisierung. Auch Export ist nur kompatibel mit einem ausgewählten Neuro Unternehmen in der heutigen Zeit. Diese Einschränkungen haben nicht den klinischen Nutzen der Software in unserer Einheit betroffen sind, und haben nicht die Verbreitung der Technologie auf andere Zentren verlangsamt.
Die Bedeutung dieser Software ist, dass es die Barrieren beseitigt, die vorherigen Gruppen als Gründe angeführt haben nicht 3DMMI verwenden. Die Lösung bietet eine einfache Werkzeuge zu verwenden, in einer einzigen Plattform, die nicht Fachausbildung oder Know-how erfordert, ist zeit- und kosteneffizient und leicht in die klinische Praxis umgesetzt. Wir haben plans weitere Innovationen zur Software hinzuzufügen Epilepsiechirurgie zu unterstützen. Darüber hinaus könnten die Verfahren leicht auf andere Bereiche der Neurochirurgie eingesetzt werden, wie zum Beispiel Resektion von low grade Tumoren der Nähe von eloquent Kortex, fokale Läsion und Lieferung der gezielten Stimulation. 3DMMI und präzise chirurgische Planungstools sind wahrscheinlich in der modernen Chirurgie zunehmend an Bedeutung gewinnen, da immer mehr herausfordernde Fälle auf genommen werden und als minimal-invasive Behandlungen geben gängige Praxis.
Disclosures
Finanzierung: Mark Nowell, Gergely Zombori, Rachel Sparks und Roman Rodionov durch das Ministerium für Gesundheit und Wellcome Trust durch die Health Innovation Challenge Fund (HICF-T4-275, Programm Grants 97914) unterstützt werden.
John Duncan hat Institutional Zuschüsse von Eisai, UCB Pharma, GSK, Janssen Cilag, Medtronic, und GE Healthcare erhalten. Andrew McEvoy erhielt Unterstützung von der Firma UCB, Baxter und CYBERONICS. Die übrigen Autoren haben keine Interessenkonflikte.
Diese Veröffentlichung stellt unabhängige Forschung von der Health Innovation Challenge Fund unterstützt (HICF-T4-275, Programm Grants 97914), eine parallele Finanzierung Partnerschaft zwischen dem Department of Health und Wellcome Trust. Die in dieser Veröffentlichung sind die der Autor (en) und nicht unbedingt die von der Abteilung für Gesundheit oder Wellcome Trust.
Acknowledgments
Dieses Programm wurde durch das Department of Health and Wellcome Trust Health Innovation Challenge Fund (HICF-T4-275, Programm Grants 97914) unterstützt. Wir sind dankbar, dass die Wolfson Trust und der Epilepsy Society für die Epilepsy Society MRI-Scanner unterstützen. Diese Arbeit wurde durch das Nationale Institut für Gesundheitsforschung (NIHR) University College London Hospitals Biomedical Research Centre (BRC) unterstützt
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).
