Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Medicine

A Pipeline para 3D Multimodality Integração imagem e Planejamento assistida por computador em Cirurgia de Epilepsia

doi: 10.3791/53450 Published: May 20, 2016

Summary

Nós descrevemos os passos para usar nosso software projetado sob encomenda para a integração, visualização e planejamento em cirurgia de epilepsia.

Abstract

cirurgia de epilepsia é um desafio e o uso de 3D integração imagem multimodalidade (3DMMI) para auxiliar o planejamento pré-cirúrgico é bem estabelecida. integração imagem multimodalidade pode ser tecnicamente exigente, e é subutilizado na prática clínica. Nós desenvolvemos uma única plataforma de software para integração de imagem, visualização 3D e planejamento cirúrgico. Aqui, nosso pipeline está descrito no passo-a-passo moda, começando com a aquisição da imagem, tramitava imagem co-registro, segmentação manual, cérebro e extração embarcação, visualização 3D e planejamento manual dos stereoEEG implantes (Seeg). Com a disseminação do software este gasoduto pode ser reproduzido em outros centros, permitindo que outros grupos a beneficiar de 3DMMI. Descrevemos também o uso de, um planejador automatizado multi-trajetória para gerar planos de implantação stereoEEG. Estudos preliminares sugerem que este é um complemento rápido, seguro e eficaz para o planejamento de implantações Seeg. Finalmente, um soluti simpleson para a exportação de planos e modelos para sistemas Neuronavegação comerciais para a implementação de planos na sala de operações é descrito. Este software é uma ferramenta valiosa que pode apoiar a tomada de decisão clínica em todo o percurso cirurgia de epilepsia.

Introduction

Na prática cirúrgica é crucial para o cirurgião apreciar estruturas anatómicas e as suas relações espaciais entre si em três dimensões. Isto é especialmente importante em neurocirurgia, onde o cirurgião está a trabalhar num espaço confinado, com visualização limitado e acesso a anatomia complexa. Apesar disso, a data mais imagiologia foi apresentado aos cirurgiões em forma planar 2D convencional e modalidades de imagem diferentes são frequentemente apresentados um após o outro em série. Como consequência, o cirurgião tem de integrar mentalmente esses dados para cada paciente, e colocá-lo em uma estrutura anatômica para o planejamento pré-cirúrgico. Existe um claro benefício na geração de modelos de computador 3D do cérebro do paciente individual, o que demonstra a anatomia do córtex, os vasos sanguíneos, quaisquer lesões patológicas presentes, bem como outros pontos de referência 3D relevantes no mesmo contexto espacial 1-4. Antes da cirurgia, o cirurgião pode girar e alterar a transparência of estes modelos, para compreender plenamente as relações 3D entre diferentes estruturas de interesse. Este princípio é chamado de imagens multimodalidade 3D (3DMMI).

O objetivo da avaliação pré-cirúrgica para a cirurgia de epilepsia é inferir a localização da área do cérebro onde surgem convulsões, e garantir que isso pode ser ressecado com segurança sem causar déficits significativos 5. Existe uma vasta gama de modalidades de diagnóstico por imagem que contribuem para isso, incluindo ressonância magnética estrutural, fluorodeoxyglucose tomografia por emissão de positrões (FDG-PET), tomografia computadorizada por emissão de fóton único ictal (SPECT), magnetoencefalografia (MEG) dipolos, ressonância magnética funcional (fMRI) e tensor de difusão (DTI) 6. cirurgia de epilepsia é ideal para 3DMMI uma vez que exige a interpretação simultânea de vários conjuntos de dados, ea consideração de como cada conjunto de dados refere-se a outro.

Em muitos casos, as investigações não invasivas falhar to fornecer o nível de evidência necessária para prosseguir para ressecção. Nestes casos EEG intracraniana (IC EEG) gravações são necessárias para identificar a região do cérebro que deve ser removida para prevenir convulsões. Cada vez mais, IC EEG é realizada por uma técnica chamada de EEG, em que um certo número de eléctrodos profundidade de gravação são colocados intracerebral para capturar a origem e propagação de actividade eléctrica associada com convulsões em 3D 1,7-10.

O primeiro passo de implantes EEG é desenvolver a estratégia do implante, que define as áreas do cérebro que têm de ser amostrada. Isto envolve a integração da data de EEG clínica e não-invasiva, com imagem estrutural, com qualquer lesão, e os dados de imagem funcional que inferir o local da fonte da epilepsia.

O segundo passo é o planejamento cirúrgico precisa das trajetórias de eléctrodos. O cirurgião deve assegurar trajetórias de eléctrodos avascular seguros, centrando-electrode entradas na coroa do giros e remota a partir de veias superfície cortical, e que atravessa o crânio ortogonalmente. Além disso, o acordo de implantação inteira tem de ser bem concebido, com um espaçamento inter-eletrodo razoável e não há colisões de eléctrodos.

A viabilidade de gerar modelos 3DMMI para orientar a implantação de eletrodos IC EEG em uma prática de cirurgia de epilepsia ocupado foi previamente demonstrado 11. Nós também demonstraram o princípio de que o uso de 3DMMI confere valor na tomada de decisão clínica acrescentou. Em um estudo prospectivo, a divulgação de 3DMMI mudou algum aspecto da gestão em 43/54 (80%) casos, e, especificamente, mudou o posicionamento de 158/212 (75%) dos eletrodos de profundidade 12.

Há uma série de pacotes de software que facilitam 3DMMI. Estes incluem plataformas Neuronavegação comercialmente disponíveis que são utilizados no bloco operatório, conjuntos de software especializadas de planejamento aliadascom plataformas Neuronavegação e plataformas de integração de imagem e visualização autónomos orientadas para a investigação. Como a funcionalidade, flexibilidade e versatilidade destes aumento plataformas, a usabilidade ea possibilidade de traduzi-las em prática clínica correspondentemente diminui.

Nós desenvolvemos software de design personalizado para a integração imagem multimodalidade, visualização 3D avançada e colocação de eletrodos EEG planejando 12,13 para o tratamento da epilepsia. A ênfase está na facilidade de uso em um cenário clínico, permitindo o uso em tempo real de software por médicos, e incorporação rápido no pipeline clínica. O software é executado em uma plataforma de imagem de translação 14, que combina NiftyReg, NiftySeg e NiftyView.

Neste trabalho, o protocolo para a utilização do software na prática clínica é estabelecida. As etapas para a imagem co-registro, segmentação de regiões de interesse, segmentação cérebro, extrairvasos sanguíneos de imagem vascular dedicado 15, a construção de modelos 3D, planejamento de implantações Seeg e rapidamente exportar modelos e planos para o teatro operacional são descritos. Uma nova ferramenta também é descrito para automatizado multi-percurso planear 13, que aumenta a segurança e eficácia dos implantes e reduz substancialmente o período de planeamento.

Protocol

NOTA: Os comandos de software fornecidas aqui são específicos para a versão atual (2015/01/19) do software e podem mudar em cima versões de software posteriores. Manuais para versões individuais estão disponíveis mediante pedido.

1. Realizar Integração Imagem e Visualização

  1. Adquirir imagem.
    1. Adquirir neuronavegação ressonância magnética ponderada em T1 digitalizar com gadolínio enhancement- esta será a imagem de referência. (Nota: Os requisitos de aquisição de imagem estão disponíveis a partir do fornecedor comercial 11,12 neuronavegação Ver Tabela 1)..
    2. Recolha todas as outras imagens feitas durante a avaliação pré-cirúrgica em formato NIfTI DICOM ou (podem incluir ressonância magnética funcional (fMRI), tensor de difusão (DTI) tractography, tomografia por emissão de positrões fluoro-deoxiglicose (FDG-PET), emissão de fóton único ictal-interictal CT ( SPECT), magnetoencefalografia (MEG) dipolo, contraste MRI fase 3D, angio-TC) Ver quadro 1.
  2. Executar pré-processamento fora software in-house.
    1. Processo T1 isométrica ponderada MRI com software Freesurfer open source, executado em uma estação de trabalho Linux utilizando o comando 'Recon-all', para gerar segmentações corticais.
    2. Converter wmparc.mgz e arquivos ribbon.mgz para o formato NIfTI utilizando o comando 'mrconvert'
  3. Software Open in-house no PC Windows e dados de carga (Figura 1).
    1. Nota display de 2 x 2 janela, DataManager na extrema esquerda, ícones no topo, representando diferentes ferramentas de processamento de imagem e ferramenta selecionada na extrema direita.
    2. Importar dados usando "arrastar e soltar", acessando o menu principal "Arquivo / Abrir" ou por um botão de velocidade (ícone) "Open". Percorrer diferentes conjuntos de dados para garantir a integridade. Note-se a função de zoom clicando com o botão direito e rato mover-se, e a natureza hierárquica do DataManager, com sobreposição de imagem consecutivo.
  4. imagens Coregister. <ol>
  5. Imagens individuais.
    1. Selecione ferramenta NiftyReg de ícones velocidade.
    2. Select T1 neuronavegação com gadolínio em DataManager- este será imagem de referência que todos os outros de imagem é georeferenciados para.
    3. Selecione 'imagem flutuante' a ser georeferenciados para fazer referência a imagem.
    4. Definir o nome ea localização de imagem cadastrada. Defina os parâmetros de otimização para o número nível 4, o nível de realizar 3, número de iteração 5, corpo rígido tipo coregistration.
    5. Execute coregistration automatizado corpo rígido, clicando no botão 'Run'.
    6. Verificar a precisão de coregistration. Inspecione a imagem registada sobre a imagem de referência, e alterar a transparência de uma imagem registada clicando com o botão direito sobre a imagem em DataManager, e movendo o cursor 'Opacidade'. Verifique coregistration inspecionando marcos anatômicos claros, como o forame de Monroe.
  6. imagens emparelhados.
    1. Coregister 'imagem de definição de espaço "primeiro (por exemplo. mapa anisotrópica fracionário), utilizando a ferramenta NiftyReg como nos passos 1.4.1.1 - 1.4.1.6.
    2. Selecione ferramenta RegResample de ícones velocidade.
    3. Select T1 neuronavegação com gadolínio em DataManager imagem de referência como.
    4. Selecionar imagem com resultados de processamento (por exemplo., Imagem tractography) como imagem flutuante.
    5. Use txt arquivo gerado a partir de registo anterior de "imagem de definição de espaço" como a transformação de entrada.
    6. Definir o nome ea localização de imagem cadastrada. Escolha um tipo de interpolação como 0.
    7. Execute reamostragem de "resultado do processamento 'clicando no botão' Run '.
    8. Ver nova imagem gerado pela seleção em DataManager
    9. Verificar a precisão de coregistration como no passo 1.4.1.6.
  7. Repita os passos 1.4.1 - 1.4.2 para todos os conjuntos de dados.
  • imagens segmento.
    1. Selecionar imagem a ser segmentado em DataManager, e selecione ferramenta Editor de Segmentação de ícones velocidade.
    2. Use ferramentas avançadas de segmentação (segmentação manual, de crescimento de regiões, subtraindo) para chamar a região de interesse em várias fatias de imagens em planos axial, coronal e sagital
    3. Escolha interpolação 3D para visualizar evoluindo estrutura segmentada na janela 3D. Confirmar segmentação para gerar novo arquivo NIfTI de estrutura segmentada.
    4. Repita os passos 1.5.1 - 1.5.3 para todas as imagens, onde segmentação manual é indicado.
  • Gerar modelos de cérebro.
    1. Selecione uma imagem wmparc.nii em DataManager e garantir wmparc.nii é georeferenciados com imagem de referência usando etapas 1.4.1.
    2. Selecione Ferramentas de processamento básico de ícones velocidade.
    3. Aplicar um limite para wmparc.nii 1-5002 para criar máscara binarised do córtex.
  • Rendem regiões de interesse como superfícies 3D (Figura 2, 3). Nota: A visualização dos conjuntos de dados como representações de superfície em 3D (ficheiros STL) pode ser feito de duas maneiras:
    1. Use Superfície Extractor tool.
      1. Selecione o ícone Extractor Surface. Definir limite para a extração de superfície e selecione Aplicar. Nome prestação de superfície em DataManager.
    2. Botão direito do mouse em arquivo NIfTI em DataManager e selecione 'Superfície lisa Polígono'.
  • Extrair modelos de superfície dos vasos (Figura 4). Nota: Extraindo navios de imagem vascular dedicado (contraste de fase 3D MRI, CT angiografia, T1 MRI ponderado com gadolínio) pode ser feito de duas maneiras.
    1. Usar a ferramenta Extractor Surface.
      1. Coregister a imagiologia vascular para a imagem de referência usando NiftiReg. superfície 3D rende a imagem utilizando o Extractor Surface.
      2. Gerar máscara intracraniana, aplicando a dilatação e fechando funções no processamento de imagem básica com a máscara binarised do córtex. Aplique a máscara intracraniana à imagem vascular utilizando a função de multiplicar em Processamento básico de imagens para remover vasos extracranianas.
      3. Remover ruído do fil stle pelo processamento de fora software in-house, utilizando software de processamento de malha 3D. Nota: As instruções para uso desta ferramenta estão disponíveis gratuitamente on-line.
    2. Use a ferramenta de VesselExtractor.
      1. Selecione a ferramenta VesselExtractor a partir dos ícones de velocidade. Selecione vascular conjunto de dados de imagem e especificar o nome e localização do arquivo NIfTI navio de extração.
      2. Execute VesselExtractor clicando em 'Run'. Aplique a máscara intracraniana com os resultados de VesselExtractor usando a função de multiplicar em Processamento básico de imagens para remover vasos extracranianas. Nota: máscara intracraniana gerado pela aplicação da dilatação e fechar funções em Processamento de Imagem Básica à máscara binarised do córtex como em 1.8.1.2.
    3. Repita processo de 1.8.1 ou 1.8.2 para angiografia por TC, ressonância magnética de contraste de fase 3D e neuronavegação T1 com gadolínio.
  • Gerar renderização volume de cérebro (Figura 5).
    1. Selecione im wmparc.niiidade sobre DataManager e garantir wmparc.nii é georeferenciados com imagem de referência usando etapas 1.4.1.
    2. Selecione Ferramentas de processamento básico de ícones velocidade.
    3. Aplicar suavização Gaussian para wmparc.nii imagem, usando ferramentas de processamento básico.
    4. Select tornando ferramenta de ícones velocidade volume e arquivo wmparc.nii garantir suavizada é destaque na DataManager.
    5. Tick ​​"renderização de volume" caixa dentro ferramenta de renderização de volume para gerar renderização de volume do córtex.
  • 2. Execute Planejamento manual

    1. Use ícone de velocidade Planner trajetória.
      1. Select neuronavegação T1 digitalizar a imagem de referência. Selecione Novo Plano e New trajetória.
      2. Escolha um ponto alvo na imagem latente planar pressionando "Alt" e clique com o botão direito do mouse, com base na lista de pontos-alvo anatômicas desejadas pelos clínicos. Nota: exemplos de metas incluem estruturas mesial temporal (amígdala, hipocampo), insula, giro do cíngulo.
      3. Selecione ponto de entrada na imagem latente planar pressionando "Alt" e clique no botão esquerdo do mouse, com base na lista de pontos de entrada desejados pelos clínicos. Nota: exemplos de pontos de entrada incluem giro temporal médio, giro pré-central, giro supramarginal.
      4. Observe trajetória linear gerada entre alvo e ponto de entrada.
    2. Visualize risco.
      1. Selecione o ícone de velocidade Visualização de risco para examinar comprimento trajetória.
      2. Selecione 'link Ver aviões' para ligar visualizador de olho sondas para ortogonais aviões vista na janela principal.
      3. Rolar ao longo de trajetória, examinando visualizador de olho Sondas para assegurar caminho avascular.

    3. Execute Planeamento assistido por computador

    1. Prepare dados.
      1. Preparar a superfície massa cinzenta.
        1. Selecione o arquivo ribbon.nii gerada a partir de software segmentação cortical.
        2. Co-registro arquivo ribbon.nii imagem de referência ao uso de NiftiReg.
        3. Rende superfície 3Dimagem r co-registrada usando a função "superfície lisa polígono '.
      2. Prepare couro cabeludo e modelo de exclusão couro cabeludo.
        1. Selecione uma imagem neuronavegação T1 imagem de referência como.
        2. Use a ferramenta de Processamento básico de imagens para aplicar a transformação de Gauss.
        3. Superfície rendem a imagem usando Extractor superfície, para gerar a superfície do couro cabeludo.
        4. Salve e imagem de exportação como arquivo STL.
        5. Carga stl fle em software de processamento de malha 3D.
        6. Para couro cabeludo, use ferramentas de limpeza e edição para excluir conteúdo intracraniano.
        7. Para o modelo de exclusão couro cabeludo, utilizar ferramentas de edição manuais para remover áreas não adequadas para os pontos de entrada de eléctrodos (ie., Cara, orelhas, hemisfério contralateral, área abaixo tentorial).
      3. Preparar a superfície sulcos superfície.
        1. Gerar sulcos todo.
          1. arquivo wmparc.nii Binarise utilizando a ferramenta de Processamento básico de imagens como no passo 1.6.3.
          2. Fechar binarisedarquivo wmparc.nii por 3 utilizando a ferramenta de Processamento básico de imagens.
          3. Subtrair arquivo binarised gerada em 3.1.3.1.1 a partir do arquivo binarised fechado gerada em 3.1.3.1.2 utilizando a ferramenta de Processamento básico de imagens.
        2. Remover os sulcos em profundidade para gerar a imagem sulcos superfície. Nota: imagem sulcos superfície utilizando-se como uma estrutura fundamental tem a vantagem de trajectórias de espaçamento longe de sulcos na superfície do cérebro, e permitindo trajectórias a abordagem dos sulcos em profundidade, que é o local onde se encontra a matéria cinzenta.
          1. Reduzir a, arquivo wmparc binarised fechado gerada em 3.1.3.1.2 utilizando a ferramenta de Processamento básico de imagens.
          2. arquivo invertido gerada em 3.1.3.2.1 utilizando a ferramenta de Processamento básico de imagens.
          3. Multiplique arquivo gerado em 3.1.3.2.2 por toda a sulcos gerada em 3.1.3.1.3, utilizando a ferramenta de Processamento básico de imagens.
    2. Planejador multi-trajetória executado (Figura 6).
      NOTA: Automated planejamento multi-trajetória é dependente de preparação de dados robusta; renderings superfície do couro cabeludo, couro cabeludo máscara exclusão, vascularização intracraniana, sulcos superfície, córtex e substância cinzenta são obrigatórios.
      1. Selecione Planner Trajetória de ícones velocidade. imagem de referência Select como neuronavegação T1 de ressonância magnética.
      2. Selecione "pontos-alvo; vários pontos de destino pode ser introduzido por 'Shift' e esquerdo do mouse clique, ou através do carregamento de um conjunto de pontos-alvo salvo. Nota: exemplos de alvo incluem estruturas mesial temporal (amígdala, hipocampo), insula, giro do cíngulo.
      3. Selecione "pontos de entrada", e selecione a máscara de exclusão couro cabeludo no menu suspenso em anexo. Nota: Isto tem a finalidade de limitar a busca dos possíveis pontos de entrada a uma área restrita que é viável para implementar cirurgicamente.
      4. Escolha estruturas críticas, marcando as superfícies da lista suspensa que as trajetórias deve evitar. Selecione configurações avançadas; ajustar os contras definidos pelo usuáriotraints quanto ao tempo de trajetória, ângulo de entrada e distância entre trajetórias como preferencial.
      5. Selecione cinza Matéria avaliação substância branca e classificar risco estratificar para otimizar a proporção das trajetórias que se encontram na substância cinzenta.
      6. Execute planejador multi-trajetória, selecionando Adicionar Novo Plano e Plano Recompute.
    3. Visualize risco (Figura 7).
      1. Avaliar o perfil de risco e segurança depois de planejamento de trajetória, usando o ícone de Risco velocidade de visualização.
        Nota: Para cada trajetória existem métricas de comprimento, ângulo de entrada, o risco cumulativo, distância mínima de vasos sanguíneos e os rácios de substância branca substância cinzenta, além de representação gráfica ao longo do caminho trajetória do raio de estruturas críticas. Um visualizador de sondas de olho também está incluído.
      2. Escolha um mapa de risco em DataManager para mostrar um mapa colorido contorno que recobre a máscara de exclusão do couro cabeludo, com potenciais pontos de entrada representados eo nível associado de co riscolour codificado, com a representação vermelha alto risco e verde que representa baixo risco para qualquer trajetória selecionado.
    4. O ajuste manual de trajetórias.
      1. Select trajetória.
      2. Selecione novo ponto de entrada pressionando Alt e clique direito do mouse, eo novo ponto de destino pressionando Alt e mouse clique esquerdo.
      3. Avaliar nova trajetória usando o ícone de velocidade Visualização de risco como no passo 3.3.

    4. Os planos de exportação e modelos para o teatro de operação

    1. Verifique se imagem de referência está no formato DICOM. Selecione S7 exportação a partir do ícone da velocidade.
    2. Definir a imagem de referência, os planos e as trajetórias e os modelos que estão a ser exportado, e especificar o destino do arquivo salvo. Executar ferramenta de exportação de S7.
    3. Carregar gerado arquivo para um stick USB para transferência para um sistema de neuronavegação na sala de operações, e carregar pasta arquivada no sistema de neuronavegação para a implementação clínica de tr planejadoajectories.

    5. Reconstructing Eletrodo Implantação No pós-operatório

    1. Adquirir tomografia computadorizada no pós-operatório.
    2. cabeça de carga CT em software in-house, ea carga salvo anteriormente conjunto de dados do paciente.
    3. Coregister CT para fazer referência T1 MRI ponderado utilizando a ferramenta NiftyReg.
    4. Gerar renderização 3D superfície de eletrodos utilizando a ferramenta SurfaceExtractor no CT registrado, com alta de limiar.
    5. eletrodos de superfície limpa prestados de ruído, e fios utilizando as funções de limpeza e reparação de software de processamento de malha 3D.

    Representative Results

    O protocolo descrito para a integração de imagem, visualização, planejamento manual e exportação para um sistema de neuronavegação selecionado tem sido empregada no Hospital Nacional de Neurologia e Neurocirurgia desde agosto de 2013. Este total de 35 casos de implante de EEG 12, com a implantação de 319 eletrodos de profundidade. 27/35 (77%) dos pacientes progrediram para um implante de ressecção seguinte cortical, o que é um indicador de que o implante identificou a área do início das convulsões. Houve uma complicação hemorrágica relacionada com a colocação de eletrodos de profundidade, e isso foi tratado de forma conservadora.

    As modalidades de imagem utilizadas durante a avaliação pré-cirúrgica são decididas caso a caso-a, e estão descritas na Tabela 1. O protocolo é flexível, e pode incorporar qualquer modalidade de imagem que pode ser importado para o formato NIfTI DICOM ou. A Figura 1 mostra o espectador básico para a nossa plataforma de software in-house, e as figuras 2, 3, 4 e 5 ilustram as imagens típicas durante a construção dos modelos de multimodalidade 3D.

    A integração deste protocolo em nosso pipeline clínico, bem como a divulgação deste programa a outros centros, é um "marcador" surrogate útil de sucesso. As dificuldades em avaliar o benefício clínico na população cirurgia de epilepsia são bem conhecidos e descritos em outra parte 12. Este gasoduto oferece uma solução simplificada, que é flexível, relativamente fácil de usar, e fácil de replicar em outros centros.

    Planeamento assistido por computador (PAC) é um desenvolvimento recente que tem sido retrospectivamente testado em anteriores implantes planeados manualmente 16. Os resultados preliminares sugerem que o PAC gera mais seguro mais effic,implantações tário, que são viáveis ​​para implementar e que sejam concluídas em um tempo eficaz maneira 16. A Tabela 2 mostra a comparação quantitativa. Um estudo prospectivo de usar PAC na prática clínica está em andamento. O algoritmo que leva PAC foi anteriormente descrito 13.

    A Figura 6 mostra um resultado típico do planejador multi-percurso automatizado. As estruturas críticas que foram introduzidos são veias, artérias e sulcos superfície. Note-se a centragem dos percursos sobre a coroa da giros, e o limitadora da trajectória pontos de entrada para uma máscara de exclusão do couro cabeludo. A Figura 7 mostra um gráfico típico de visualização de risco para uma trajetória individual, com métricas associadas e representação gráfica do comprimento de trajectória.

    figura 1 Figura 1. Visualizador básico Display da plataforma In-house Software. Esquerda DataManager, barra de ferramentas TOP- que contém atalhos plug-in ferramentas, tomada de corrente de direita na ferramenta em uso, CENTRE 4 exibição de Ortho-view. Por favor clique aqui para ver uma versão maior desta figura.

    Figura 2
    Figura 2. Segmentação e visualização 3D em In-house Software. (A) axial MRI T1 com modelos de superfície sobreposta, prestação de superfície (B) 3D de modelos (ciano-veias, mão motor de estufa da estimulação magnética transcraniana, laranja- tractography fascículo arqueado, tractography córtico-azulada, rosa- tractography radiação óptica, amarelo-tractography fascículo uncinado, púrpura tálamo segmentation). Por favor clique aqui para ver uma versão maior desta figura.

    Figura 3
    Figura 3. geração de modelos Cortex superfície. (A) vista axial de arquivo wmparc, (B) wmparc arquivo thresholded 1-5002, (C) prestação superfície do arquivo wmparc binarised. Por favor clique aqui para ver uma versão maior desta figura.

    Figura 4
    Figura 4. Recipiente de extracção no In-house Software usando Vesselness. (A) Axial CT angiograma co-registrado com contraste de fase 3D MRI. Renderização de superfície (B) 3D de veias (ciano) e artérias (vermelho). Por favor clique aqui para ver uma versão maior desta figura.

    Figura 5
    Figura 5. Geração de Cortex Volume prestação Volume modelo 3D do córtex (cinza) e renderização superfície da superfície do couro cabeludo (branco). Por favor clique aqui para ver uma versão maior desta figura.

    Figura 6
    Figura 6. 3D multimodalidade modelos de computador assistida Planejamento trajetória. (A) do couro cabeludo (branco), máscara de exclusão couro cabeludo (amarelo) e trajetórias (purple). (B) couro cabeludo e máscara transparente para mostrar cérebro (rosa), sulcos (verde), veias (ciano) e artérias (vermelho). (C) couro cabeludo e máscara removida para mostrar trajetórias e cérebro. (D) do cérebro removido para mostrar trajetórias, sulcos superfície, veias e artérias. Por favor clique aqui para ver uma versão maior desta figura.

    Figura 7
    Figura 7. A visualização gráfica de métricas associadas a trajetórias individuais. Top- comprimento, ângulo atravessando crânio, risco, g Razão / W e uma distância mínima a partir de um vaso sanguíneo> 1 mm de diâmetro. distância display gráfico média de mais próximo estrutura crítica ao longo do comprimento da trajetória (vermelho-artéria, cyan-veia, distância y-de cada eixo de estrutura (no máximo 10 mm), x-de cada eixo, juntamente trajetóriaa partir da entrada cérebro para direcionar, margem de segurança SM representada como linha vermelha horizontal que marca mm de separação 3 de trajetória à estrutura crítica). Bottom display gráfico de caminho trajetória através da matéria cinzenta e branca (, matéria cinzenta cinza-verde-extracerebral, branco- substância branca). Por favor clique aqui para ver uma versão maior desta figura.

    <td> T1 navegação com gadolínio
    Modalidade Local Pré-tratamento Campo de visão (AP x RL x IS) Tamanho do voxel (AP x RL x IS)
    3D T1 FSPGR ES Não 256 x 256 x 166 0,94 x 0,94 x 1,1
    DOM T2 coronal ES Não 256 x 160 x 32 0,94 x 1,5 x 3,5
    NHNN Não 512 x 512 x 144 0,5 x 0,5 x 1,5
    contraste de fase MRI 3D NHNN Não 256 x 256 x 160 0,85 x 0,85 x 1
    CT angiograma NHNN Não 512 x 512 x 383 0,43 x 0,43 x 0,75
    MEG dipolo NHNN sim
    SPECT crítico-interictal UCLH sim 128 x 128 x 49 3,9 x 3,9 x 3,9
    FDG-PET UCLH sim 128 x 128 x 47 1.95 x 1.95 x 3.3
    DTI ES sim 128 x 128 x 60 1,88 x 1,88 x 2,4
    Funcional fMRI MRI, EEG-correlacionados ES sim 128 x 128 x 58

    Tabela 1. modalidades de imagem utilizadas para a Imagem de Integração ((ES-Epilepsy Society, NHNN-National Hospital de Neurologia e Neurocirurgia, UCLH- University College Hospital de Londres, FSPGR-FastSpoiledGradientRecalledEcho, MEG-magnetoencefalografia, emissão de fóton SPECT-single tomografia computadorizada, FDG PET - tomografia por emissão de positrões fluorodeoxyglucose, DTI-tensor de difusão de imagens, posterior anterior AP-, RL - direita à esquerda, IS - inferior Superior).

    Planejamento Manual * BONÉ* Diferença estimada (Manual-CAP) Erro valor P
    Eletrodo Comprimento (mm, 1 dp) 57,9 (21,8) 53,9 (15,6) 4,74 1,59 <0,05
    Ângulo de entrada (graus fora perpendicular, 1 dp) 16,2 (12,8) 13,0 (7,6) 5,89 1,07 <0,05
    Risco (unidades normalizadas, 2 dp) 0,41 (0,79) 0,36 (0,42) 0,19 0,03 <0,05
    Distância mínima entre vasos sanguíneos (mm, 1 dp) 4,5 (3,0) 4,5 (3,0) -0.56 0,2 <0,05
    Proporção de intracerebral Eletrodo em Grey Matter (2 dp) 0,33 (0,33) 0,48 (0,28) -0.11 0,02 <0,05

    Tabela 2. Comparação estatística entre Manual e Computer-assisted Planejamento (CAP). * primeiro valor é mediano, segundo valor entre parênteses é intervalo interquartil. Esta tabela foi reproduzido com permissão de 16.

    Discussion

    Em resumo, os passos cruciais para a integração de imagem e visualização 3D são a imagem de co-registro, segmentação do cérebro, vasos e outras estruturas ou áreas de interesse, e exportar para um sistema de neuronavegação. Este processo foi realizado anteriormente no grupo que utilizou o software de integração de imagens disponível comercialmente. A desvantagem para este oleoduto foi o tempo necessário, com todo o processo tendo 2-4 hr. Usando nossa in-house plataforma de software, esta conduta é simplificado consideravelmente, e pode ser concluído em 1-2 horas. Além disso, há a funcionalidade adicional de planejamento cirúrgico de trajetórias de eléctrodos Seeg sobre este software, que pode ser feito manualmente ou com o computador-assistência. Os benefícios de PAC sobre planeamento manual são maior precisão, risco reduzido e velocidade aumentada, e que tenham sido discutido em outra parte (Nowell et ai, In Press, Sparks et al, submetido).

    A plataforma de software in-house está em d contínuaesenvolvimento, com novas ferramentas e funcionalidades que está sendo adicionado para apoiar todas as fases de avaliação pré-cirúrgica e tratamento cirúrgico. Há, portanto, uma necessidade de testes rigorosos a cada novo lançamento da versão. limitações atuais do software incluem a falta de renderização de volume de alta qualidade, que está presente em outras plataformas e é uma adição valiosa para a visualização 3D avançada. Também exportação só é compatível com uma empresa neuronavegação selecionada no momento presente. Estas limitações não afetaram a utilidade clínica do software em nossa unidade, e não ter retardado a disseminação da tecnologia para outros centros.

    O significado deste software é que ele remove as barreiras que os grupos anteriores citados como razões para não usar 3DMMI. A solução fornece ferramentas fáceis de usar em uma única plataforma, que não requer treinamento ou especialização, é tempo e custo-eficaz e é facilmente traduzida na prática clínica. Temos plans para adicionar mais inovações ao software para apoiar Cirurgia de Epilepsia. Além disso, os métodos podem ser facilmente aplicados a outras áreas de neurocirurgia, tais como ressecção de tumores de baixo grau perto de córtex eloquentes, a lesão focal e entrega de estimulação alvo. 3DMMI e ferramentas precisas de planejamento cirúrgico tendem a se tornar cada vez mais importante na cirurgia moderna, como os casos mais difíceis são tomadas e como tratamentos minimamente invasivos entrar prática comum.

    Disclosures

    Financiamento: Mark Nowell, Gergely Zombori, Rachel faíscas e Rodionov Roman são suportados pelo Departamento de Saúde e Wellcome Trust através do Innovation Challenge Fund Saúde (HICF-T4-275, Programa Grant 97914).

    John Duncan recebeu apoio financeiro Institucional da Eisai, UCB Pharma, GSK, Janssen Cilag, Medtronic, e GE Healthcare. Andrew McEvoy tem recebido apoio de UCB, Baxter, e Cyberonics. Os demais autores não têm conflitos de interesse.

    Esta publicação apresenta pesquisa independente apoiado pela Inovação Fundo de Saúde Challenge (HICF-T4-275, Programa de Bolsas de 97914), uma parceria financiamento paralelo entre o Departamento de Saúde e Wellcome Trust. As opiniões expressas nesta publicação são de responsabilidade do autor (s) e não necessariamente as do Departamento de Saúde ou Wellcome Trust.

    Acknowledgments

    Este programa tem sido apoiado pelo Departamento de Saúde e Inovação Fundo Wellcome Trust Saúde Challenge (HICF-T4-275, Programa Grant 97914). Somos gratos ao Wolfson Confiança e da Sociedade da epilepsia para apoiar o scanner Epilepsy Society MRI. Este trabalho foi apoiado pelo Instituto Nacional de Pesquisa em Saúde (NIHR) University College London Hospitals Centro de Investigação 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

    DOWNLOAD MATERIALS LIST

    References

    1. Cardinale, F., et al. Stereoelectroencephalography: surgical methodology, safety, and stereotactic application accuracy in 500 procedures. Neurosurgery. 72, discussion 366 353-366 (2013).
    2. Murphy, M., O'Brien, T. J., Morris, K., Cook, M. J. Multimodality image-guided epilepsy surgery. J Clin Neurosci. 8, 534-538 (2001).
    3. Murphy, M. A., O'Brien, T. J., Morris, K., Cook, M. J. Multimodality image-guided surgery for the treatment of medically refractory epilepsy. J Neurosurg. 100, 452-462 (2004).
    4. Harput, M. V., Gonzalez-Lopez, P., Ture, U. Three-dimensional reconstruction of the topographical cerebral surface anatomy for presurgical planning with free OsiriX Software. Neurosurgery. 10, (Suppl 3) 426-435 (2014).
    5. Duncan, J. S. Selecting patients for epilepsy surgery: synthesis of data. Epilepsy Behav. 20, 230-232 (2011).
    6. Duncan, J. S. Imaging in the surgical treatment of epilepsy. Nat Rev Neurol. 6, 537-550 (2010).
    7. Cossu, M., et al. Stereoelectroencephalography in the presurgical evaluation of focal epilepsy: a retrospective analysis of 215 procedures. Neurosurgery. 57, 706-718 (2005).
    8. Cossu, M., et al. Stereo-EEG in children. Childs Nerv Syst. 22, 766-778 (2006).
    9. Gonzalez-Martinez, J., et al. Stereotactic placement of depth electrodes in medically intractable epilepsy. J Neurosurg. 120, 639-644 (2014).
    10. Gonzalez-Martinez, J. A., et al. Stereoelectroencephalography in the ''difficult to localize'' refractory focal epilepsy: Early experience from a North American Epilepsy Center. Epilepsia. 54, 1-8 (2012).
    11. Rodionov, R., et al. Feasibility of multimodal 3D neuroimaging to guide implantation of intracranial EEG electrodes. Epilepsy Res. 107, 91-100 (2013).
    12. Nowell, M., et al. Utility of 3D multimodality imaging in the implantation of intracranial electrodes in epilepsy. Epilepsia. 56, 403-413 (2015).
    13. Zombori, G., et al. Information Processing in Computer-Assisted Interventions. Fukuoka, Japan. (2014).
    14. Clarkson, M. J., et al. The NifTK software platform for image-guided interventions: platform overview and NiftyLink messaging. Int J Comput Assist Radiol Surg. (2014).
    15. Zuluaga, M. A., et al. Medical Image Computing and Computer-Assisted Intervention-MICCAI. 2014. Springer International Publishing. 651-658 (2014).
    16. Nowell, M., et al. Comparison of computer-assisted planning and manual planning for depth electrode implantations in epilepsy. J Neurosurg. In Press (2015).
    A Pipeline para 3D Multimodality Integração imagem e Planejamento assistida por computador em Cirurgia de Epilepsia
    Play Video
    PDF DOI DOWNLOAD MATERIALS LIST

    Cite this Article

    Nowell, M., Rodionov, R., Zombori, G., Sparks, R., Rizzi, M., Ourselin, S., Miserocchi, A., McEvoy, A., Duncan, J. A Pipeline for 3D Multimodality Image Integration and Computer-assisted Planning in Epilepsy Surgery. J. Vis. Exp. (111), e53450, doi:10.3791/53450 (2016).More

    Nowell, M., Rodionov, R., Zombori, G., Sparks, R., Rizzi, M., Ourselin, S., Miserocchi, A., McEvoy, A., Duncan, J. A Pipeline for 3D Multimodality Image Integration and Computer-assisted Planning in Epilepsy Surgery. J. Vis. Exp. (111), e53450, doi:10.3791/53450 (2016).

    Less
    Copy Citation Download Citation Reprints and Permissions
    View Video

    Get cutting-edge science videos from JoVE sent straight to your inbox every month.

    Waiting X
    simple hit counter