Summary
基于电容式微机械超声换能器 (CMUT) 技术的新型超声探头的研制需要对成像能力进行早期逼真的评估。我们描述了一个可重复的实验协议, 美国图像采集和与磁共振图像的比较, 使用一个前体内牛脑作为成像靶。
Abstract
对成像性能进行早期和可重复性评估的可能性是新超声 (美国) 探头设计和开发过程中的基础。特别是, 一个更现实的分析与应用特定的成像目标可能是非常宝贵的评估美国探针的预期性能在其潜在的临床应用领域。
在这项工作中提出的实验协议是特意设计的, 以提供一个应用特定的评估程序的新开发的美国探针原型基于电容式微机械超声换能器 (CMUT) 技术的相关脑部成像
该协议结合了使用的牛脑固定在福尔马林作为成像靶, 这既确保了现实主义和重复性的描述的程序, 以及神经导航技术借用从外科。美国探针实际上是连接到一个运动跟踪系统, 获取位置数据, 并使美国图像的叠加, 以参考磁共振 (MR) 的大脑图像。这为人类专家提供了一种方法, 对美国的探针成像性能进行视觉定性评估, 并比较不同探头所做的收购。此外, 该协议依赖于使用一个完整的和开放的研究和开发系统的美国图像采集,即超声高级开放平台 (ULA OP) 扫描仪。
手稿详细描述了协议中涉及的仪器和程序, 特别是对美国和 MR 图像的校准、图像采集和注册。得到的结果证明了整个协议的有效性, 这是完全开放的 (在所涉及的仪器的限制范围内), 可重复, 并涵盖了整个集的收购和处理活动的美国图像。
Introduction
越来越多的小型和便携式超声 (美国) 扫描仪的市场, 导致了新的超声探头的发展, 其中一部分的信号调理和波束形成电子集成到探头手柄, 特别是3维/4 维成像1. 特别适合于实现这一高水平集成的新兴技术包括微机械超声换能器 (车组)2, 即在硅上制造的一类微型机电系统 (MEMS) 传感器。特别是, 电容车组 (CMUTs) 终于达到了技术成熟, 使他们成为一个有效的替代压电传感器的下一代超声成像系统3。CMUTs 是非常诱人的, 因为他们与微电子技术的兼容性, 宽带宽-它产生更高的图像分辨率-高热效率, 最重要的是, 高灵敏度4。就 ENIAC JU 项目的上下文 DeNeCoR (设备为控制和康复)5, CMUT 探针正在开发6为美国脑成像应用 (如神经外科), 其中高品质2维/3 d/4 d 图像和大脑结构的精确表示是必需的。
在美国新探针的开发过程中, 对成像性能进行早期评估的可能性是基本的。典型的评估技术涉及测量特定参数, 如分辨率和对比度, 基于组织模仿幽灵的图像与嵌入目标的已知几何和回声。更现实的分析与应用特定的成像目标, 可以是非常宝贵的早期评估的预期性能的美国探针在其潜在的应用领域的具体临床。另一方面, 获取的完全重复性是对不同配置进行比较测试的基础, 这一要求完全排除了在体内实验。
关于诊断成像技术的文献中的几项著作提出使用ex 活体动物标本7, 尸体大脑8, 或组织模仿幻影9用于不同目的10, 其中包括测试成像方法, 注册算法, 磁共振 (MR) 序列, 或美国光束模式和产生的图像质量。例如, 在大脑成像的上下文中, Lazebnik et al.7使用福尔马林固定的绵羊脑来评估新的 3D MR 登记方法;同样, 崔et al.11研究了一个固定的猫头鹰猴脑的 MR 和光镜图像的登记过程。聚乙烯醇 (PVA) 脑幻影是在9中开发的, 用于执行多式图像获取 (即MR 和计算机断层扫描) 来生成共享图像数据集12 , 用于测试注册和成像算法。
总的来说, 这些研究证实, 在开发一种新的成像技术的过程中, 对图像采集的实际目标的使用确实是一个必不可少的步骤。这代表了一个更关键的阶段, 当设计一个新的成像设备, 如 CMUT 美国探针提出在本文中, 这仍然是在一个原型阶段, 需要广泛和可重复的测试随着时间的推移, 以准确调整所有设计在体内应用程序的最终实现和可能的验证之前的参数 (如13、14、15)。
本文所描述的实验协议, 旨在为基于 CMUT 技术的新开发的美国探测器提供一个健壮的、应用特定的成像评估程序。为了保证现实主义和重复性, 在福尔马林中固定的牛脑 (通过标准的食品供应商业链获得) 被选为成像靶点。固定程序保证长期保存的组织特征, 同时保留令人满意的形态学质量和可见性的属性在美国和磁共振成像16,17。
这里描述的美国图像质量评估协议也实现了一种从神经导航技术中借用的功能15。在这种方法中, 美国探针连接到一个运动跟踪系统, 提供空间位置和方位数据在 real-time。这样, 美国在手术过程中获得的图像可以自动注册和可视化, 用于指导, 叠加到 pre-operatory 患者大脑的 mr 图像中。对于所提出的协议的目的, 磁共振图像叠加 (被认为是脑成像中的金标准) 是很有价值的, 因为它允许人类专家在视觉上评估哪些形态和组织特征是可辨认的在美国的图像, 反之亦然, 承认存在的影像文物。
有可能比较不同的美国探针所获得的图像变得更加有趣。所提出的实验协议包括了为美国收购定义一组空间参照构成的可能性, 重点是在对 MR 图像进行初步目视检查时确定的最富特色的体积区域。为 Paraview 开放源码软件系统18开发的集成可视化工具为操作员提供了在美国图像采集阶段匹配此类预定义姿势的指导。对于该协议所要求的校准程序, 将所有目标标本 (无论是生物的还是合成的) 配备预定位置地标, 提供明确的空间参考, 是至关重要的。此类地标必须在美国和 MR 图像中可见, 并可在运动跟踪系统中进行测量。选择的地标元素为实验是火石玻璃的小球形, 它的可见性在美国和 mr 图象在文学19被证明了并且由初步美国和 mr 扫瞄证实在提出的实验之前。
所提出的协议依赖于超声高级开放平台 (ULA OP)20, 一个完整的和开放的美国图像采集研究和开发系统, 它提供了比商业可用的更广泛的实验可能性扫描仪和服务作为一个共同的依据为不同的美国探针的评估。
首先, 介绍了这项工作所用的仪器, 并特别参考了新设计的 CMUT 探头。实验方案介绍详细介绍了所涉及的所有程序, 从初始设计到系统校准, 再到图像采集和后处理。最后, 给出了所得到的图像, 并对结果进行了讨论, 并对该工作的未来发展作了提示。
仪器
CMUT 探头原型
实验采用了新开发的256元 CMUT 线性阵列原型, 设计, 制作, 并包装在 Acoustoelectronics 实验室 (ACULAB) 的罗马大学 (罗马, 意大利), 使用 CMUT 逆向制作过程 (RFP)4。RFP 是一种微细加工和封装技术, 专门为实现美国成像应用的 MEMS 传感器而构思, 据此, 在 "倒置" 方法21后, 在硅上制作 CMUT 微结构。与其他 CMUT 制造技术相比, 由于 CMUT 单元的几何形状在整个阵列上的高度均匀性以及探头头封装中的声学工程材料的使用, RFP 的成像性能得到改善。RFP 的一个重要特点是, 电气互连垫位于 CMUT 模具的后部, 它简化了2D 阵列和 front-end 多通道电子的3维集成。
256元 CMUT 阵列设计为以 7.5 MHz 为中心的频带运行。为阵列选择了200µm 的元素间距, 从而使最大视宽度为 51.2 mm。对单 CMUT 阵元的高度进行了定义, 以达到在横向分辨率和穿透能力方面的适当性能。选择一个 5 mm 数组元素高度, 以获得-3 db 波束宽度0.1 毫米和-3 db 深度的焦点1.8 毫米在7.5 兆赫, 当固定海拔焦点在深度18毫米通过一个声学透镜。195µm 宽阵列单元是通过排列和电连接在平行的344圆 CMUT 细胞, 按照六角形布局。因此, 产生的5µm 元素距离,即切口, 匹配 membrane-to-membrane 分离。在图 1中报告了 CMUT 数组结构的示意图表示形式。
图 1: CMUT 阵列结构.CMUT 阵列结构的示意图表示: 由多个单元组成的阵列元素 (a), CMUT 显微结构的布局 (b);CMUT 细胞的横断面 (c)。请单击此处查看此图的较大版本.
CMUT 的微细加工参数,即板和电极的横向和垂直尺寸, 是用有限元模拟 (FEM) 仿真来定义的, 目的是实现宽带浸入操作, 其特点是频率响应以 7.5 MHz 和 100%-6 dB two-way 分数带宽为中心。腔的高度,即间隙, 被定义为达到260伏的崩溃电压以最大限度地提高 two-way 灵敏度, 通过将 CMUT 在崩溃电压4的70% 上偏置, 考虑80伏最大励磁信号电压。表1总结了 microfabricated CMUT 的主要几何参数。
| CMUT 阵列设计参数 | |
| 参数 | 值 |
| 数组 | |
| 元素数 | 256 |
| 元素间距 | 200µm |
| 元素长度 (海拔) | 5毫米 |
| 固定标高焦点 | 15毫米 |
| CMUT 显微组织 | |
| 细胞直径 | 50µm |
| 电极直径 | 34µm |
| 细胞侧向距离 | 7.5 µm |
| 板材厚度 | 2.5 µm |
| 间隙高度 | 0.25 µm |
表1。CMUT 探头参数.CMUT 线性阵列探针和 CMUT 细胞显微结构的几何参数。
用于将 CMUT 阵列集成到探针头中的封装过程在参考4中进行了描述。该声学透镜是使用室温硫化硅橡胶掺杂金属氧化物纳米粉体, 以匹配水的声学阻抗和避免在接口22的虚假反射。结果化合物的特点是密度1280年公斤/米3和声速1100年米/秒。为圆柱形透镜选择了一个 7 mm 曲率半径, 导致了 18 mm 的几何焦点和传感器表面上方大约 0.5 mm 的最大厚度。CMUT 探测头的图片显示在图 2(a)中。
图 2: CMUT 探头.开发的 CMUT 探头的头部, 包括传感器和声学透镜 (a) 的线性阵列, 以及连接器 (b) 的全 CMUT 探头。请单击此处查看此图的较大版本.
CMUT 探针头被耦合到探头手柄, 包含多通道接收模拟 front-end 电子学和与美国扫描仪连接的多极电缆。单通道电子电路是一种高输入阻抗 9 dB 增益电压放大器, 它提供了驱动电缆阻抗所必需的电流。在参考4中描述的多通道电子, 基于电路拓扑, 包括超低功耗低噪声接收机和用于发射/接收信号双工的集成开关。front-end 电子电源和 CMUT 偏置电压由自定义电源单元生成, 并通过多极电缆送入探头。完整的探测器显示在图 2(b)中。
压电式美国探头
CMUT 探针图像的定性比较在上述实验中, 两个商业可用的压电式美国探针被包括在内。第一个是一个线性阵列探针与192换的元素, 一个245µm 音高, 和110% 的分数带宽为中心, 在 8 MHz。该探头用于获取 2D B 型图像。第二个探针是一个探针为3D 成像与机械地被扫描的线性阵列180换元素, 以245µm 沥青和100% 分数带宽集中在8.5 兆赫。放置在探头外壳内的步进电机可使线性阵列获得多个平面, 可用于重建扫描卷23的3D 图像。
ULA-OP 系统
美国图象的承购通过使用 ULA-OP 系统20, 是一个完整和开放美国研究和开发系统, 设计和体会在意大利佛罗伦萨大学的微电子系统设计实验室。ULA-OP 系统可以控制, 无论是在传输 (TX) 和接收 (RX), 多达64独立通道通过开关矩阵连接到美国探头与多达192压电或 CMUT 传感器。该系统结构具有两个主要的处理板, 一个模拟板 (AB) 和一个数字板 (DB), 两者都包含在一个机架, 这是完成由电源板和后平面板, 其中包含探头连接器和所有内部路由组件.AB 包含 front-end 到探针变换器, 特别是电子组分为64个渠道和可编程的开关矩阵的模拟的制约动态地映射 TX RX 渠道对传感器。DB 负责 real-time 波束形成, 合成 TX 信号并处理 RX 回波以产生所需的输出 (例如 B 型图像或多普勒声像)。值得强调的是, ULA-OP 系统是完全可配置的, 因此 TX 中的信号可以是系统带宽内任意的波形 (例如三级脉冲、正弦猝发、啁啾、哈夫曼代码、等), 最大振幅为 180 Vpp;此外, 波束形成策略可以根据最新的聚焦模式进行编程 (例如聚焦波、多线传输、平面波、发散波、有限衍射光束、等)24、25.在硬件级别, 这些任务在五现场可编程门阵列 (fpga) 和一个数字信号处理器 (DSP) 之间共享。通过机械扫描的3D 成像探头, 如上面描述的那样, ULA-OP 系统还控制探头内部的步进电机, 用于在传感器阵列的每个位置同步获取单个2D 帧。
ULA-OP 系统可以在运行时配置, 适应不同的美国探针。它通过 USB 2.0 通道与上位机进行通信, 并配备了特定的软件工具。后者有一个可配置的图形界面, 提供 real-time 可视化的美国图像, 在不同的模式重建;例如, 使用体积探针, 在扫描的体积中, 两个 B 模式的垂直平面图像可以显示在 real-time 中。
ULA-OP 系统的主要优点是为所描述的协议的目的, 它允许对 TX RX 参数进行简单的调整, 它提供了对处理链26中每个步骤所收集的信号数据的完全访问, 也使它成为可能测试新的成像方式和波束形成技术27,28,29,30,31,32,33。
运动跟踪系统
为了在图像采集过程中记录美国探针的位置, 采用了一个光学运动跟踪系统34。该系统基于一个传感器单元, 通过两个照明 (发光二极管) 发射红外线, 并使用两个接收机 (即一个透镜和一个电荷耦合器件 (CCD)) 来检测由多个目标特定的被动反射的光。在预定义的刚性形状中排列的标记。然后由 on-board 的 CPU 处理有关反射光的信息, 以计算位置和方向数据, 可以将其传输到通过 USB 2.0 连接的主机。同一链接可用于控制传感器单元的配置。
传感器单元与一套工具一起运送, 每一个都配有四反射标记, 并以刚性的几何构型排列。运动跟踪系统可以同时跟踪多达六不同的刚性工具, 工作频率约为20赫兹。这些实验使用了两种工具: 一个指针工具, 它允许获取其尖端所触及的3D 位置, 以及一个夹具装备的工具, 可以连接到正在测试的美国探测器 (请参见图 14)。
在软件方面, 运动跟踪器具有一个低级串行应用程序编程接口 (API), 用于单元控制和数据采集, 可以通过 USB 访问。默认情况下, 位置和方向作为多次项返回,即每个要跟踪的工具都有一个条目。每个条目包含一个3D 的位置 (x, y, z), 以 mm 和方向 (q0, qx, qy, qz) 表示为四元数。该系统还附带了一个 higher-level 软件工具的工具箱, 其中包括一个图形跟踪工具, 用于可视化和测量在 real-time 的位置/方向的多工具在传感器单位的视野。
系统概述、集成和软件组件
图 3中的关系图总结了为协议所采用的检测方法, 并描述了跨系统流动的数据流。
图 3: 整个硬件设置和系统集成的框图。美国探针连接到 ULA-OP 系统, 通过 USB 与笔记本电脑进行通信以获得美国的图像采集。同时, 笔记本也通过 USB 连接到运动跟踪系统, 用于位置数据采集, 并通过以太网到工作站, 进行数据处理。请单击此处查看此图的较大版本.
除了美国的探针, 运动跟踪器, 和 ULA-OP 系统, 上面已经描述, 安装程序还包括两台计算机, 即笔记本和工作站。前者是仪器的主要 front-end, 接收和同步两个主要的传入数据流: 美国的图像来自 ULA-OP 系统和3D 定位数据从运动跟踪器。它还为所获取的图像提供了对操作员的视觉反馈。工作站的计算能力和存储容量大大提高。它为图像后处理和组合成像数据集的存储库提供后端支持。工作站也使用为我们和 MR 图像的可视化, 包括可能同时3D 可视化的注册多模态图像。
图像采集实验的一个关键要求是两个主要数据流的同步。运动跟踪和 ULA 系统是一种独立的工具, 它们还不支持活动的显式同步。由于这一点, 美国的图像数据和位置信息需要适当地结合起来, 以检测每个图像切片获得时美国探针的正确3D 位置。为此, 开发了一个特定的日志记录应用程序, 用于记录和戳 real-time 由运动跟踪系统提供的数据, 方法是修改包括在本例中的运动跟踪器本身在内的 c++ 软件组件。通常, 运动跟踪系统的功能是低级 API, 它允许在 real-time 中捕获数据并将其转录到文件中。
采用的同步方法如下所示。日志应用程序生成的文件中的每个条目都以格式 "ddThh: 三 k 党: y = 年, m = 月, d = 天, h = 小时, m = 分钟, s = 秒, k = 毫秒。基于 ULA 的基于 pc 的软件 (c++ 和 MATLAB 编程语言) 计算每个图像采集序列的开始和结束时间, 并将这些信息存储在. vtk 格式的每个图像中。为了在实验过程中提供一个公共的时态参考, 上述软件过程都在图 3中的 front-end 计算机上执行。然后, 以这种方式生成的时间戳将由生成最终数据集的后期处理软件过程使用 (参见协议, 8 节)。
另一个特定的软件组件实现并运行在工作站上, 通过将当前的美国探头位置与 mr 图像相关, 特别是与预定义的姿态组合, 从而向操作员提供 real-time 反馈。Python 中的服务器端软件例程处理运动跟踪程序日志文件, 将当前的美国探测位置转换为几何形状, 并将数据发送到 Paraview 服务器。Paraview 客户端连接到相同的 Paraview 服务器, 在 real-time 中显示几何形状的位置, 叠加在 MR 图像上, 并用于描述预定义姿势的进一步几何形状。图 17显示了生成的 real-time 可视化的示例。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
本视频中显示的所有生物样品都是通过标准的食品供应链获得的。这些标本是按照有关机构的道德和安全条例处理的.
注意: 图4中的图表 总结了该协议的8主要阶段。阶段1至4涉及初始活动, 将在美国图像采集和处理阶段开始之前进行一次。这些初步阶段如下: 1. 试验装置的初步设计和琼脂幻影 (用于校准程序);2) 制备的 前体 牛脑;3. 获取大脑的 mr 图像;4. 定性构成的定义, 用作美国图像采集的目标。阶段5到8与美国图片的承购和处理有关。这些阶段是: 5. 实验装置, 所有的仪器连接和集成, 所有的目标都定位和验证;6. 美国探针的校准, 装有无源导航标记;7. 获取美国牛脑浸泡在水中的图像, 包括预先确定的姿势和 #34; 手绘模式和 #34;8. 美国联合图像数据集的后期处理和可视化。虽然阶段5只可以执行一次, 在实验活动开始时, 每个阶段6和7必须重复每一个美国探测器所涉及的。在完成所有收购后, 8 步只能在整个组合数据集上执行一次.
图 4 : 实验协议工作流. 框图说明了 #160 的主要步骤; 协议, 包括每个步骤中的主要操作的列表。步骤1-5 涉及初始活动和为美国收购准备的设置;因此, 他们将只执行一次。阶段6和7涉及美国的收购, 必须为每个探头重复。步骤 8, 这是图像后处理, 可以执行只有一次在年底。 请单击此处查看此图的较大版本.
1. 初步设计
- 标志性定位的设计和验证
注: 以下过程定义了用于定位地标的一致策略, 用于校准6条所述的运动跟踪系统。- 使用刀切出近似于牛脑的形状 (高度 = 180 mm, 宽度 = 144 mm, 长度 = 84 mm) 来准备聚苯乙烯头部人体模型.
- 插入6图案的3火石玻璃球 (3 毫米直径) 进入聚苯乙烯的大脑, 安排在一个等边三角形的顶点与侧面约15毫米, 不超过1毫米从外部表面 (见 图5).
- 通过 USB 将运动跟踪系统连接到笔记本电脑。打开跟踪工具, 启动运动跟踪, 并检查在接触聚苯乙烯大脑中的玻璃球时, 指针工具将保留在跟踪视野中, 以验证在实验过程中的可见性和有效的可访问性.
图 5 : 聚苯乙烯模型在初步设计阶段使用的大脑. 聚苯乙烯模特的头部, 适当地切割模仿牛脑尺寸, 被用来选择的定位玻璃球模式在大脑中。六球面的三角形图案, 以3毫米直径, 已经被植入了聚苯乙烯模型如图所示, 即 右侧三图案和左脑半球三. #160; ecsource./文件/ftp_上传/55798/55798fig5large. jpg "目标 =" _blank ">> 请点击这里查看更大版本的这个数字.
- 琼脂幻影准备
注: 这些步骤允许准备实验室制作的琼脂幻影, 用于校准程序 (第6.1 节)。- 在烧杯中, 在870克蒸馏水中稀释100克甘油和30克琼脂。搅拌的混合物, 而增加其温度高达90和 #176; C, 10-15 分钟, 倒入混合物, 以填补一个 13x10x10 cm 食品容器, 并保持在冰箱至少一天.
- 从冰箱中取出琼脂幻影。颜色6玻璃球与黄色珐琅 (为更好的能见度) 和插入2模式的3玻璃球体每个在琼脂幻影 ( 即 一个主要一侧的块), 而不是更远的表面比1毫米 ( 图 6 ).
- 当不使用时, 将琼脂幻影浸入水和铵氯化物溶液中, 使用密封的塑料食品容器, 并将其保存在冰箱中.
图 6 : 琼脂幻影 该图显示了琼脂幻影, 其中一个植入的模式三黄色彩绘玻璃球 (由黑色箭头指示) 是清楚地可见在较低的边缘。在校准阶段用于测量球体位置的指针工具提示也显示在幻影附近。 请单击此处查看此图的较大版本.
2. 牛脑准备和固定
- 从标准的食品供应链中获取 ex 体内的牛脑。在冰上运输 (为保存)。通常, 与本例中一样, 在从动物中移除后, 前体 大脑是可用的.
- 将大脑从冰中取出, 并将其放在吸油烟罩中。保持它在引擎盖为随后准备步骤。分离的大脑半球, 通过分离 小脑 , 中脑 , 脑桥, 和脑干与手术刀片, 切割通过结构的大脑腹面。
- 使用聚苯乙烯人体模型作为定位的参考, 在额、颞和枕叶皮层植入了6个3球体的三角形图案。确保满足预定义条件 ( 即 从曲面和球体之间的距离)。对于可见性, 用绿色组织标记染料标记出大脑表面所有球体的位置 ( 图 7 ).
- 沉浸于大脑在10% 缓冲福尔马林溶液。对解剖部件使用塑料容器 ( 图 8 )。在容器中留有福尔马林至少3周, 直到固定过程完成.
注意: 福尔马林是一种有毒的化学物质, 必须小心处理;具体规定也可以适用, 例如美国 OSHA 标准 1910.1048 App. A.
图 7 : 牛脑准备和玻璃球的植入. 牛脑是由一位专家病理学家准备的, 通过去除多余的解剖部分, 然后植入玻璃球模式, 根据先前设计的配置 (a)。球体的位置在大脑表面上标上绿色染料 (b)。 请单击此处查看此图的较大版本.
图 8 : 牛脑内固定在福尔马林中。牛脑与植入的玻璃球是浸泡在10% 缓冲福尔马林溶液内的一个塑料容器的解剖部分 (a)。经过至少3周的时间, 固定过程是完整的 (b) 和大脑可以用于图像采集。 请单击此处查看此图的较大版本.
3. MR 图像采集
- 从福尔马林溶液中提取大脑, 在水中过夜, 把它放在一个干净的塑料容器里, 然后密封。
- 将容器放入 mr 磁头线圈并将其放入 mr 扫描仪.
- 执行 mr 扫描, 使用具有32通道磁头线圈 ( 图 9 ) 的 3 T mr 扫描仪。分别使用 T1、T2 和供序列获取三组图像, 分辨率为0.5x0.5x1 和 T1/T2 序列 0.7x07x1 mm 3 和供 mm 3 。使用 mr 扫描仪的软件工具保存 DICOM 格式的 mr 图像.
- 使用后, 将大脑浸入10% 缓冲福尔马林中。将获得的 mr 图像从 mr 扫描仪传输到处理工作站.
图 9 : MR 图像获取. 牛脑, 密封在一个干净的塑料容器, 被放入3吨 mr 扫描仪的 mr 图像收购。 请单击此处查看此图的较大版本.
4. 美国图像获取的定性构成的定义
注意: 此过程定义了一组定性的姿势, 相对于 MR 图像, 其中大脑区域的可见性清楚地包含在美国的图像中, 可辨认的解剖结构和分化组织 (特别是白色和灰色物质) 是最大的.
- 使用 Paraview 软件工具 (从此, 可视化软件) 打开 DICOM 格式的 MR 图像。根据需要, 专家将图像作为切片和3D 卷进行可视化.
- 检查数据集中的每个 MR 图像以评估解剖结构和组织的可见性 ( 例如, 侧脑室, 胼胝体 , 基底神经节的灰质).
- 从参考 MR 图像中选择3D 空间分区域, 其中包含最佳可识别的视觉特征, 并近似定义最大可见性的切割平面。确定12预定义的姿势为美国的图像采集, 每一个涉及一组重要的视觉特征.
- 对于每个虚拟姿势, 使用和 #34; 源和 #62; 锥和 #34; 创建3D 圆锥作为视觉地标。将每个锥高度调整到 40 mm 和半径为 2 mm, 并在3D 可视字段中手动定位圆锥 ( 图 10 )。将 MR 图像、3D 区域、平面和地标的复杂度保存为 Paraview 状态文件.
图 10 : 美国图像的预定义姿势数据采集. (a) 中的标记显示在 3D MR 图像框架中的12个所选姿势的位置, 该帧将由操作员为美国图像获取而达到。(b) 显示与所选体式相对应的 MR 平面;红色标记代表美国探针位置 (代表在 MR 图像空间) 移动在 real-time, 直到一个白色标记被到达和期望的美国图象可以由系统获取。 请单击此处查看此图的较大版本.
5. 实验设置
- 环境和目标
注: 这一步描述了美国采集实验的设置和仪器的准备。- 将 50x50x30 cm 塑料罐放置在表上, 并将其与脱水一起填充到15厘米高的高度. 定位运动跟踪系统, 使水箱从上方和完全在其视野中可见 ( 图11) 并通过 USB 将运动跟踪器连接到笔记本电脑.
- 执行旋转过程以使用运动跟踪系统的跟踪工具校准指针 34 .
- 将 ULA 操作系统放在桌面上, 并通过 USB 将其连接到笔记本电脑上, 以确保美国探测器操作员清楚地看到计算机屏幕。将工作站放置在表上, 并确保操作员的屏幕清晰可见.
- 从福尔马林溶液中提取大脑并在水中冲洗。使用缝纫线和粘合条纹 ( 图 12 ) 将其固定在合成树脂板上. 使用指针和软件跟踪工具,
- 将板与大脑浸入罐中, 并验证大脑周围的整个工作空间是否符合运动跟踪器的视场范围.
图 11 : 设置利用运动跟踪系统进行实验性收购. 将运动跟踪传感器放在牛脑浸没的水箱上方, 使被夹持反射标记的靶和探针完全符合其测量范围。一个 href = "//ecsource/文件/ftp_upload/55798/55798fig11large. jpg" 目标 = "_blank">> 请点击这里查看更大版本的这个数字.
图 12 : 牛脑的定位水箱. 牛脑是固定在一个合成树脂板上的两个缝纫线 (沿纵向裂缝) 和固定在板上的粘性条纹。然后将钢板和牛脑浸入水箱中。 请单击此处查看此图的较大版本.
- 连接美国探测器并配置 ULA-OP 以执行扫描.
- 将美国探测器连接到 ULA-OP 系统.
- 通过计算机的配置文件及其软件接口配置 ULA 操作系统 ( 图 13 )。
- 定义一个双工模式, 由两个交错的 B 模式组成, 使用两个不同的工作频率 (7 mhz 和 9 mhz)。为每种模式设置一个1周期双极爆发。在接收时将传输焦点设置为 25 mm 深度和动态聚焦 F#=2 sinc 切函数.
- 配置系统以记录 beamformed 和相位和正交 (i/o) 解调的数据.
- 执行一些购置测试以确保完全 operativity。
- 通过单击 "#34; 冻结和 #34; 在 ULA OP 软件中切换按钮来冻结系统。通过单击显示为三软盘的切换按钮启用 "自动保存" 模式。在弹出窗口, 出现在收购结束时, 写下文件名, 然后单击并 #34; 保存和 #34;.
图 13 :美国图像采集实验装置. ULA-OP 系统连接到放置在水箱附近的笔记本电脑, 因此在收购过程中, 美国探针操作员可以清楚地看到它的显示。 请单击此处查看此图的较大版本.
- 将被动反射标记夹在美国探测器上
注: 按照此过程, 将为随后的图像和位置的获取创建美国探测器和被动反射标记的实心组件。数据.- 在美国探头手柄上找到合适的夹具位置。钳住美国探测器手柄上的被动反射标记 ( 图 14 ).
- 执行一些购置测试 (请参见步骤 5.2.3) 以确保夹具稳定, 运动跟踪系统可以清楚地看到标记, 而美国探测器则在预期的工作姿势中进行.
图 14 : 无源工具在3维成像压电探针上夹紧的反射标记. 带有标记的工具在3维成像压电探针手柄上进行了正确的夹紧和固定, 从而形成了一个联合装配, 用于美国的图像和位置数据的采集。 请单击此处查看此图的较大版本.
6. 校准
注意: 本节描述了协议的实验部分, 它收集信息以计算不同空间参考帧之间所需的转换参与.有关计算方法的数学细节, 请参见9节。MATLAB 编程语言中的软件例程可作为 https://bitbucket.org/unipv/denecor-transformations 的开源程序.
- 从美国图像帧到被动工具帧夹在美国探测器上
注: 下面的校准程序用于计算刚性转换, 允许将空间位置分配给美国图像体在本地在探头上夹紧的被动工具的参考帧。它必须重复为每一个被动工具安装到美国探测器。- 将琼脂幻影完全浸入水箱中。开始记录位置数据的日志应用程序, 并使用指针工具在琼脂幻影中收集每个6玻璃球的位置, 同时跟踪其运动.
- 在琼脂幻影 ( 图 15 ) (步骤 5.2.3) 中, 每3球体的每种图案获取一个美国图像。使用 ULA-OP 系统的 pre-visualization 函数将美国探针定位在机械臂上, 使三球体的完整模式在视野之内。获取并保存相应的美国图像.
- 将所有美国图像以 ULA-OP 格式连同运动跟踪器日志文件一起传送到工作站.
- 在可视化软件中打开每个美国图像, 手动标记每一个3玻璃球的位置, 并将3D 位置转录到. csv 文件中.
- 计算两个参考帧之间的 US-to-marker 刚性转换 (请参见所提供的开源代码和9节).
图 15 : 收购我们用于校准的琼脂幻影的图像。 操作员将美国探针 (CMUT 探针) 移到琼脂幻影上, 以获取包含两个嵌入球体图案的两个美国图像, 如在计算机显示器上的 ULA OP 软件 real-time 所示。获取的图像然后用于计算从美国的图像空间到被动工具的空间, 在探针上固定标记的转换。 请单击此处查看此图的较大版本.
- 从移动跟踪器空间到 mr 图像空间
注意: 以下校准操作用于计算从运动跟踪系统参考帧到 mr 图像参考帧的刚性转换并且必须在运动跟踪器的操作范围内对大脑的每个位置重复。在这个过程中的最后两个步骤必须为每个不同的 MR 图像重复。- 将大脑完全浸入水箱内。启动日志记录应用程序, 并使用指针工具 ( 图 16 ) 收集每个18玻璃球体的位置。将运动跟踪器日志文件传输到工作站.
- 在可视化软件中打开每个大脑的 MR 图像, 手动标记每个18玻璃球的位置, 并将相应的3D 坐标保存为. csv 文件.
- 计算两个参考帧之间的 tracker-to-MR 刚性转换 (参见开源代码和9节).
图 16 : 获取在牛脑中植入的玻璃球的位置进行校准. 指针工具的尖端是用来获取, 一个一个, 18 玻璃球植入到牛脑浸泡在水中的位置。这些位置用于计算变换信息从运动跟踪系统空间到 MR 图像空间。 请单击此处查看此图的较大版本.
7. 超声采集
注意: Python 中用于 Paraview 的软件例程用于 real-time 可视化过程, 可作为 https://bitbucket.org/unipv/denecor-tracking 的开源程序使用.
- 获取预定义姿势的 us 图像
- 将标记夹在美国探测器上并执行校准过程 (5.3 和6.1 节)。定位大脑并执行校准程序 (5.1 和6.2 节).
- 收集在步骤6.1.5 和6.2.3 中计算的两个刚性转换参数 (US-to-marker 和运动 tracker-to-MR), 并将这些文件传输到在 Python 中实现的 real-time 可视化过程的文件夹中, 并将其可视化软件 ( 图 10b ).
- 使用可视化软件启动 real-time 可视化过程 (请参见开源代码) 并验证美国探测器的实际位置是否正确显示 ( 图 17 ).
- 启动日志记录应用程序以记录探测器的位置。手动匹配每个定性预定义的位置, 如显示在可视化软件中, 与美国探头, 并获得相应的图像与 ULA-OP 系统 (步骤 5.2.3)。停止这两个应用程序, 并将所有美国图像 ULA-OP 格式和运动跟踪器日志文件传送到工作站.
图 17 : 收购我们预定义姿势的图像. 操作员移动美国探针到达预定义的姿态;该过程是支持 real-time 的 Python 例程, 它显示了探头的位置, 在3D 磁共振成像的大脑工作站上显示, 使用可视化软件。 请单击此处查看此图的较大版本.
- 徒手采集、移动姿势与线性美国探头进行3D 图像重建
注意: 以下步骤仅适用于线性美国探测器, 并允许获取2D 平面美国图像的序列, 以及从运动跟踪系统的定位数据, 是3D 体积重建所需要的。- 将标记夹在美国探测器上并执行校准过程 (5.3 和6.1 节)。定位大脑并执行校准程序 (5.1 和6.2 节).
- 手动将美国探测器放置在预期的初始姿势 ( 例如, 每个半球的前端。开始获取每个美国的图像序列与 ULA-OP 系统 (步骤 5.2.3) 和日志应用程序的探针位置记录.
- 将缓慢的、徒手的动作应用于美国的探针, 以实现预期的最终姿态 ( 例如, 大脑半球的远端)。停止获取美国的图像与 ULA-OP 系统和停止探针跟踪。将所有美国图像 ULA-OP 格式和运动跟踪日志文件传送到工作站.
8。后处理和可视化效果
- 手绘序列的后处理美国图像
注: 此过程是在 MATLAB 编程语言中实现的, 适用于 ULA 中的每一个2D 美国图像的手绘序列。格式, 以生成完整的3D 图像。- 以 ULA-OP 格式加载美国图像序列。将美国图像序列与运动跟踪器日志文件相匹配。从日志文件中提取一个定时位置序列, 这些时间间隔包括在从开始到采集过程结束的时序中, 如 ULA OP 系统所记录的那样.
- 使用 ULA-OP 系统记录的参数计算序列中每个美国图像的精确计时.
- 计算在序列中与每个美国图像相关联的位置, 通过在运动跟踪系统记录的两个最接近的定时位置之间进行插值。在旋转之间使用平移向量和球面线性插值 (SLERP) 之间的线性插值, 以四元数表示.
注意: 假设序列中的美国图像中位数- 即 在最佳的位置将序列分成两半 (大约) 相等长度的图像, 作为定义3D 美国图像帧的参考. - 应用对数压缩, 将图像正常化到最大值, 并对美国图像中的每个平面应用一个门限 (通常为-60 dB).
- 相对于参考框架, 计算并在序列中对其他每个美国图像应用相应的空间变换, 以获取一束空间定位的平面.
- 将线性插值例程应用于空间定位平面的结构, 以生成笛卡尔3D 阵列的体。将笛卡尔3D 数组的体保存为. vtk 文件, 并记录与捕获计时对应的间隔时间戳.
- 后处理其他美国图像 (不是手绘序列)
注意: 除了徒手序列外, 在 ULA 操作格式中, 以下过程适用于每个美国图像 (8.1 节)。- 以 ULA OP 格式加载美国图像。应用对数压缩, 将图像正常化到其最大值, 并对美国图像中的每个平面应用一个门限 (通常为-60 dB).
- 仅适用于3D 的 US 图像, 请将线性插值例程 ( 即 扫描转换) 应用于空间位置的平面结构, 以生成笛卡尔3D 数组体.
- 将体的图像平面或笛卡尔3D 数组保存为. vtk 文件, 记录与捕获时间对应的时间戳.
- 注册美国图片 注意: 本节介绍了执行美国和 MR 图像的最终注册的过程, 使用在以前的校准步骤中计算的两个转换, 以及位置数据在收购过程中记录的美国探测器。在 MATLAB 编程语言的软件例程注册美国的图像可以作为开源在 https://bitbucket.org/unipv/denecor-transformations。
- 以. vtk 格式加载美国图像.
- 与动作跟踪器日志文件匹配美国图像的计时。从日志文件中提取一个定时位置序列, 这些时间间隔包括在从开始到购置过程结束的时序区间中, 如. vtk 图像中记录的那样.
- 计算美国图像的平均位置。对平移向量使用线性平均, 并应用在参考 35 中描述的用于旋转的算法, 以四元数表示.
- 加载与特定美国图像对应的 US-to-marker 转换。加载与特定的美国形象和 MR 图像相对应的运动 tracker-to-MR 变换.
- 使用平均位置与上述两个转换一起计算 US-to-MR 刚性注册转换, 并保存后者在不同的格式, 包括翻译和欧拉角度, 允许形象化的美国图像在 MR 图像框架的选择. 已注册的美国图像的
- 可视化
注: 这些是可视化获取的 us 和 MR 图像的最后步骤, 并在显示软件的叠加之后, 使用先前计算的转换.- 启动可视化软件并加载所选的 MR 图像。加载所有相关的美国图片。对于每个美国图像, 创建一个 Paraview 转换, 并将计算的 US-to-MR 注册转换 ( 图 18 ) 应用于图像数据.
9。校准模型和转换
注意: 本节描述了所提供的协议中使用的校准和转换技术的数学细节。实验协议涉及四不同的参考帧, 必须正确地结合起来: 1) 美国的图像帧, 这取决于美国探测器的物理特性和扫描仪配置, 关联空间坐标 (x, y, z) 到美国图像中的每个体素 (为了均匀起见, 假定所有2D 平面图像都有 y=0);2) 标记 (M) 帧, 这是固有的被动标记工具, 被夹在美国探针 (6.1 节);3) 跟踪仪固有的运动跟踪系统 (TS) 框架;4) mr 图像 (MRI) 帧, 由扫描仪定义, 它将空间坐标 (x、y、z) 与 mr 图像中的每个体素相关联。为了方便和简单的表示法, 本节中的过程使用旋转矩阵 ( 即 方向余弦矩阵) 来描述, 而不是四元数 36 .
- 从我们到 M 帧
注意: 6.1 节中的实验校准程序产生以下信息: 1) 3D 位置 ( p 1 , 和 #8230; p 6 ) TS 在2种模式的3球体, 其中包括在琼脂幻影和测量的运动跟踪框;2) 每个相同的两个模式的3D 位置 ( p 1 , #8230;, p 3 ) us 和 ( p 4 , 和 #8230; p 6 ) us 每一个测量两个美国的图像获取;3) 一个变换 ( R m & #62; ts , t m 和 #62; ts ), 其中 R 是一个旋转矩阵, t 是一个平移向量, 由定位仪器测量,描述被动标记工具的相对位置 (由运动跟踪系统测量的所有旋转都被报告为四元数, 必须将其转换为旋转矩阵)。- 对两对列表 ( p 1 , 和 #8230, p 3 ) US , ( p 1 , 和 #8230 应用该算法的引用 37 。 3 ) TS 和 ( p 4 , 和 #8230; p 6 US , ( p 4 , #8230;, p 6 ) TS , 获取两个类型的转换 ( R us 和 #62; ts , t 美国和 #62; ts ), 每个对应于一个特定的美国图像空间。
- 计算所需转换的估计值 ( R us 和 #62; m , t 美国和 #62; m ) 从上述每个转换的方式如下:
R 我们和 #62; m = R T M 和 #62; TS R 美国和 #62; TS
t 美国和 #62; m = R t m 和 #62; ts ( t 美国和 #62; ts t m 和 #62, )
注意: 两个估计由向量的算术平均数组合而成。 美国和 #62; m 和平均旋转矩阵 R 美国和 #62; m 在将矩阵转换为四元数后, 使用引用 35 中的方法, 并生成四元数返回到旋转矩阵.
- 计算所需转换的估计值 ( R us 和 #62; m , t 美国和 #62; m ) 从上述每个转换的方式如下:
- 对两对列表 ( p 1 , 和 #8230, p 3 ) US , ( p 1 , 和 #8230 应用该算法的引用 37 。 3 ) TS 和 ( p 4 , 和 #8230; p 6 US , ( p 4 , #8230;, p 6 ) TS , 获取两个类型的转换 ( R us 和 #62; ts , t 美国和 #62; ts ), 每个对应于一个特定的美国图像空间。
- 从运动跟踪系统到 MRI 帧 注: 6.2 节中的过程产生以下信息: 1) 3D 位置 (
p 1 , #8230;, p 18 ) TS 的6模式的3球体每个包括在牛脑中, 测量的运动跟踪系统框架;2) 同一18球体的3D 位置 ( p 1 、#8230; p 18 ) MRI 在目标 mr 图像中进行测量。- 通过在两个位置列表中应用 37 中的算法, 直接计算所需的转换 ( R ts 和 #62; mri , t ts 和 #62; mri ).
- 从我们到 MRI 帧
注意: 7 节中描述的美国图像采集过程生成图像, 在解决了与运动跟踪器日志文件相关的时间戳后, 转换 (R m 和 #62; ts , t m 和 #62; ts ) 是直接计算的。- 以下列方式计算所需的转换:
r 美国和 #62; mri = r TS 和 #62; mri r M 和 #62; ts r 美国和 #62;M
t 美国和 #62; 核磁共振成像 = R TS & #62; 核磁共振 ( r m 和 #62; ts 美国和 #62; m + m 和 #62; ts ) + t TS 和 #62; MRI
- 以下列方式计算所需的转换:
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
通过所述协议获得的主要结果是对基于 CMUT 技术的美国探针原型的2D 和3D 成像能力的一种有效且可重复的评估程序的实验验证, 在前瞻性应用于大脑成像.在实现所有描述的协议步骤之后, 专家可以应用可视化软件功能 (例如自由方向切片、子集提取、卷内插、等) 来比较注册的可视化内容美国图像与目标 MR 图像。特别是, 所获得的图像质量, 并与 MRI 的金标准直接比较, 是 CMUT 技术在这一领域的潜力的第一个重要证据。
作为一个可能的可视比较的示例,图 18演示了两个由 CMUT US 探针和压电线性阵列探头分别在叠加到相同的相应切片的体积图像。T2-weighted 先生的形象。T2-weighted 先生的图像证明是最有效的, 从可见性的期望特征, 在这些实验中, 因此被选择为叠加的参考。图中的两个美国图像是以9兆赫的相同频率获得的。如图 18所示, 用 CMUT 探针获得的图像具有更好的分辨率和对比度;此外, 更清晰地定义了突出的可视化功能,沟和回的结构更清楚可见, 这表明 CMUT 探测器的更高灵敏度和更宽的带宽可以提高性能。
图 18: 注册美国和 MR 图像切片的叠加.该图显示了通过 CMUT (a、c、e、g) 和压电 (b、d、f、h) 线性阵列探头获得的 mr 和 US 图像的注册。在 (a) 和 (b) 中, 在 MR 空间中显示重建的3D 数据集轮廓, 并突出显示选定的2D 切片。面板 (c、e、g) 和 (d、f、h) 呈现叠加的美国和 MR 切片增加透明度, 以显示两个图像的特征对应。请单击此处查看此图的较大版本.
与3D 容量图像相关的进一步的比较示例在图 19和图 20中表示。图 19显示了两个3D 图像, 一个是在体积重建后用压电线性探头获得的, 另一个是用机械扫描压电探头进行3D 成像。图 20显示了用 CMUT 探针获取的图像的3D 体积重构。在所有三种情况下, 大脑皮层的回和沟的3D 结构是清晰可见的, 尽管在与 CMUT 探针获得的体积中, 外部表面更清晰可见, 并且定义得更好。
图 19: 用压电探针采集的3D 美国图像.用机械扫描探针 (a、c) 或从平面2D 图像中获得的3D 图像与使用运动跟踪定位数据 (b、d) 的线性探头徒手获得的图象进行比较。在 (a、b) 中, 这些卷的位置显示在 3D MR 图像框中, 使用轮廓。请单击此处查看此图的较大版本.
图 20: 通过 CMUT 探测器获得的3D 美国重建图像.用 CMUT 探针通过扫描牛脑获得的2D 图像平面被用来重建3D 体积, 如 (c、d) 所示。在 (a、b) 中, 此类卷的轮廓在 3D MR 图像框中表示。请单击此处查看此图的较大版本.
作为一个重要的和额外的产品, 实验产生了一个扩展的多数据集的美国图像, 包括定位和注册数据相对于同一目标的不同 MR 图像。图 21将数据集中的所有3D 图像汇总到相同的 MR 图像中, 从而将它们的边界框显示在一起。
图 21: 在 MR 图像参考帧中获取3D 美国数据集.该图显示了3D 的大脑 MR 图像和与压电机械扫掠 (a)、压电线性阵列 (b) 和 CMUT (c) 探针所获得的3D 美国数据集的叠加轮廓。在 (b) 和 (c) 中, 通过容积重建获得了3D 图像。请单击此处查看此图的较大版本.
总的来说, 这些结果证明了所描述的协议的有效性, 它允许在同一牛脑的 3D MR 图像 (图 18, 19) 的参考帧中获取和正确注册2维/3 维美国图像,并重建从2D 美国图像在手绘模式获得的卷 (数字 19d, 20)。
使用所描述的软件工具, 专家可以在2D 和3D 美国生物标本的图像中探索最重要的特征。与其他美国探头相比, CMUT 探针成像性能的定性评估的重要例子 (参见图 18、图 19和图 20) 和参考目标 MR 图像 (见图 18)。通过人类专家或其他软件技术的应用, 如数字的、fine-tuned 的我们-MR 3D 图像的注册, 可以对图像数据集进行进一步的复杂分析。这些软件技术将在未来的工作中得到解决。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
在文献中介绍了一些与所提出的协议相似或相关的技术。这些技术也基于实际目标的使用, 包括固定的动物或尸体的大脑, 但它们主要是为测试各种类型的数字注册方法。
然而, 此处描述的协议具有特定的目的, 即在开发的早期阶段对美国探测器进行不同的配置测试, 因此, 它满足了收购的可再现性的基本要求, 即在同一生物标本和具有可比的姿势。该协议介绍了上述现有技术的许多方面, 并以不同的方式将它们组装在一起。
在协议设计和实验中所吸取的教训中, 校准程序是目前最关键的方面。尽管被采取的许多改善, 整个转换集合的整体空间错误在定标以后是当前在命令 1-1. 5 毫米。这样的错误不是由于运动跟踪器的精确度 (它的记录精度是 0.3 mm), 而是由于在生物标本上获取精确的空间读数的难度, 这就保留了一定的灵活性。
另一方面, 在我们的经验中, 同步的时间精度并不是一个关键的方面。事实上, 运动跟踪器的位置数据的获取率是一个比人的手的动作更大的数量级, 试图达到一个稳定的姿态。由于这个原因, 在协议中计算的时间平均值是为了获得额外的精确性。另一个特别有效的方面是虚拟姿势的定义。在进行的实验中, 多亏了 real-time 的视觉跟踪程序, 操作员可以在不费力和支持机械结构的情况下, 为三美国探针中的每一个十二虚拟体式的图像进行采集。
对该协议的一个可能的修改, 将在未来采用, 是使用不同的和改进的校准方法, 这应该是基于一个更紧密的循环和空间转换的反馈。在目前的形式, 实际上, 协议需要大量的空间读数后处理, 以计算转换矩阵。虽然此活动可以在数十分钟内执行, 并且不需要将实验置于离线状态, 但此后处理提供了在执行校准时无法立即可视化的结果。在这方面, 一个增强的和可能 real-time 的视觉反馈的校准得到了很大的帮助, 以实现更高的精确度。
对于议定书的实际执行而言, 必须有合理开放的工具, 并允许多种必要的集成。例如, 在这种情况下, 通过 ULA-OP 系统提供的内部计时数据的访问来确保来自不同来源的信号的同步的实际可能性, 对于校准和图像后处理活动都是至关重要的。
另一个重要因素是软件。虽然实验不需要主要的软件工具, 但许多 c++ 和 MATLAB 例程, 加上 Python-based 模块的 Paraview, 证明了重要的一些关键任务, 如校准, 运动跟踪反馈的预定义3D 图像重建的构成和后处理。再次, 获得这些仪器所产生的低级数据对于创建这些软件组件非常重要。
最后, 选择合适的成像目标是非常重要的。考虑到合成幻影的实现的几个替代方案事先被认为, 根据我们的经验, 所有这些选择似乎是不理想的, 相比之下, 在福尔马林固定的牛脑 cost-effective 选择。这一目标确保了更好的现实主义, 并以适当的照顾, 无限期的保存随着时间的推移。
最后, 以3D 多模态图像数据集作为一个永久性的相关结果, 得出的实验结果, 在我们看来, 是一个有效的技术集成策略的产物, 需要分段组装,通过仔细分析隐含的许多方面, 并就所涉及的程序和文书进行设计。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者宣布, 他们没有竞争的金融利益。
Acknowledgments
这项工作得到了国家政府和欧洲联盟的部分支持, 通过 ENIAC JU 项目 DeNeCoR 324257 号赠款协议。作者要感谢 Prof. 乔瓦尼 Magenes, Prof. 皮托尔托利和 Dr. Giosuè Caliano 为他们宝贵的支持, 监督和有见地的意见, 使这项工作成为可能。我们也感谢 Prof. 圣埃吉迪奥和他的小组 (BCC 实验室), 连同基金会依 Neurologico c Mondino, 提供了运动跟踪和 mr 仪器, 并为 Germani 先生收购。最后, 我们要感谢 Dr. 尼可莱塔 Caramia, Dr. Dallai 和 Ms. 芭芭拉 Mauti 为他们的宝贵技术支持和 Mr. 沃尔特沃尔皮提供牛脑。
Materials
| Name | Company | Catalog Number | Comments |
| ULA-OP | University of Florence | N/A | Ultrasound imaging research system |
| 3D imaging piezeoelectric probe | Esaote s.p.a. | 9600195000 | Mechanically-swept 3D ultrasound probe, model BL-433 |
| Linear-array piezoelectric probe | Esaote s.p.a. | 122001100 | Ultrasound linear array probe, model LA-533 |
| CMUT probe | University Roma Tre | N/A | Ultrasound linear array probe based on CMUT technology |
| MAGNETOM Skyra 3T MR scanner | Siemens Healthcare | N/A | MR scanner |
| Head coil | Siemens Healthcare | N/A | 32-channel head coil for MR imaging |
| NDI Polaris Vicra | NDI Medical | 8700335001 | Optical motion tracking system |
| Pointer tool | NDI Medical | 8700340 | Passive pointer tool with 4 reflecting markers |
| Clamp-equipped tool | NDI Medical | 8700399 | Rigid body with 4 reflecting markers and a clamp to be connected to the US probe handle |
| Bovine brain | N/A | N/A | Brain of an adult bovine, from food suppliers |
| Formalin solution | N/A | N/A | 10% buffered formalin solution for bovine brain fixation - CAUTION, formalin is a toxic chemical substance and must be handled with care; specific regulations may also apply (see for instance US OSHA Standard 1910.1048 App A) |
| Plastic container for anatomical parts | N/A | N/A | Cilindrical plastic container with lid |
| Glass spheres | N/A | N/A | 3 mm diameter spheres of Flint glass |
| Agar | N/A | N/A | 30 g, for phantom preparation |
| Glycerine | AEFFE Farmaceutici | A908005248 | 100 g, for phantom preparation |
| Distilled water | Solbat Gaysol | 8027391000015 | 870 g, for phantom preparation |
| Beaker | N/A | N/A | Beaker used for the diluition of glycerine and agar in distilled water |
| Lysoform | Lever | 8000680500014 | A benzalkonium chloride and water solution was used for the agar phantom preservation |
| Polystyrene mannequin head | N/A | N/A | Polyestirene model which was cutted and used to design the configuration of spheres'patterns |
| Green tissue marking dye for histology | N/A | N/A | Colour used to mark the glass spheres' positions on the bovine brain surface |
| Yellow enamel | N/A | N/A | Enamel used to colour the glass spheres implanted in the agar phantom |
| Water tank | N/A | N/A | 50x50x30 cm plastic tank filled with degassed water up to a 15 cm height |
| Mechanical arm | Esaote s.p.a. | N/A | Mechanical arm clamped to the water tank border and used to held the probe in fixed positions |
| Plate of synthetic resin | N/A | N/A | Plate used as a support for the bovine brain positioning in the water tank |
| Sewing threads | N/A | N/A | Sewing thread segments used to immobilize the brain on the resin plate |
| Adhesive tape | N/A | N/A | Adhesive tape used to fix the sewing thread extremities onto the resin plate |
| Plastic food container | N/A | N/A | Sealed food container used for the agar phantom |
| Notebook | Lenovo | Z50-70 | Lenovo Z50-70, Intel(R) Core i7-4510U @ 2.0 GHz, 8 GB RAM |
| Workstation | Dell Inc. | T5810 | Intel(R) Xeon(R) CPU E3-1240v3 @ 3.40 GHz, 16 GB RAM |
| Matlab | The MathWorks | R2013a | Software tool, used for space transformation computation and 3D reconstruction from image planes |
| Paraview | Kitware Inc. | v. 4.4.1 | Open-source software for 3D image processing and visualization |
| NDI Toolbox - ToolTracker Utility | NDI Medical | v. 4.007.007 | Software for marker position visualization and tracking in the NDI Polaris Vicra measurement volume |
| C++ data-logging software | NDI Medical | v. 4.007.007 | Software for marker position recording on a text log file |
| ULA-OP software | University of Florence | N/A | Software for real-time display and control of the ULA-OP system |
References
- Matrone, G., Savoia, A. S., Terenzi, M., Caliano, G., Quaglia, F., Magenes, G. A Volumetric CMUT-Based Ultrasound Imaging System Simulator With Integrated Reception and µ-Beamforming Electronics Models. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 61 (5), 792-804 (2014).
- Pappalardo, M., Caliano, G., Savoia, A. S., Caronti, A. Micromachined ultrasonic transducers. Piezoelectric and Acoustic Materials for Transducer Applications. , Springer. 453-478 (2008).
- Oralkan, O. Capacitive micromachined ultrasonic transducers: Next-generation arrays for acoustic imaging? IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 49 (11), 1596-1610 (2002).
- Savoia, A., Caliano, G., Pappalardo, M. A CMUT probe for medical ultrasonography: From microfabrication to system integration. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 59 (6), 1127-1138 (2012).
- ENIAC JU project DeNeCoR website. , http://www.denecor.info (2017).
- Ramalli, A., Boni, E., Savoia, A. S., Tortoli, P. Density-tapered spiral arrays for ultrasound 3-D imaging. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 62 (8), 1580-1588 (2015).
- Lazebnik, R. S., Lancaster, T. L., Breen, M. S., Lewin, J. S., Wilson, D. L. Volume registration using needle paths and point landmarks for evaluation of interventional MRI treatments. IEEE Trans. Med. Imag. 22 (5), 653-660 (2003).
- Dawe, R. J., Bennett, D. A., Schneider, J. A., Vasireddi, S. K., Arfanakis, K. Postmortem MRI of human brain hemispheres: T2 relaxation times during formaldehyde fixation. Magn. Reson. Med. 61 (4), 810-818 (2009).
- Chen, S. J., et al. An anthropomorphic polyvinyl alcohol brain phantom based on Colin27 for use in multimodal imaging. Mag. Res. Phys. 39 (1), 554-561 (2012).
- Farrer, A. I. Characterization and evaluation of tissue-mimicking gelatin phantoms for use with MRgFUS. J. Ther. Ultrasound. 3 (9), (2015).
- Choe, A. S., Gao, Y., Li, X., Compton, K. B., Stepniewska, I., Anderson, A. W. Accuracy of image registration between MRI and light microscopy in the ex vivo brain. Magn. Reson. Imaging. 29 (5), 683-692 (2011).
- PVA brain phantom images website. , http://pvabrain.inria.fr (2017).
- Gobbi, D. G., Comeau, R. M., Peters, T. M. Ultrasound probe tracking for real-time ultrasound/MRI overlay and visualization of brain shift. Int. Conf. Med. Image Comput. Comput. Assist. Interv (MICCAI) n. 920, 927 (1999).
- Ternifi, R. Ultrasound measurements of brain tissue pulsatility correlate with the volume of MRI white-matter hyperintensity. J. Cereb. Blood Flow. Metab. 34 (6), 942-944 (2014).
- Unsgaard, G. Neuronavigation by Intraoperative Three-dimensional Ultrasound: Initial Experience during Brain Tumor Resection. Neurosurgery. 50 (4), 804-812 (2002).
- Pfefferbaum, A. Postmortem MR imaging of formalin-fixed human brain. NeuroImage. 21 (4), 1585-1595 (2004).
- Schulz, G. Three-dimensional strain fields in human brain resulting from formalin fixation. J. Neurosci. Meth. 202 (1), 17-27 (2011).
- Ahrens, J., Geveci, B., Law, C. ParaView: An End-User Tool for Large Data Visualization. Visualization Handbook. , Elsevier. (2005).
- Cloutier, G. A multimodality vascular imaging phantom with fiducial markers visible in DSA, CTA, MRA, and ultrasound. Med. Phys. 31 (6), 1424-1433 (2004).
- Boni, E. A reconfigurable and programmable FPGA-based system for nonstandard ultrasound methods. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 59 (7), 1378-1385 (2012).
- Bagolini, A. PECVD low stress silicon nitride analysis and optimization for the fabrication of CMUT devices. J. Micromech. Microeng. 25 (1), (2015).
- Savoia, A. Design and fabrication of a cMUT probe for ultrasound imaging of fingerprints. Proc. IEEE Int. Ultrasonics Symp. , 1877-1880 (2010).
- Fenster, A., Downey, D. B. Three-dimensional ultrasound imaging. Annu. Rev. Biomed. Eng. 2, 457-475 (2000).
- Matrone, G., Ramalli, A., Savoia, A. S., Tortoli, P., Magenes, G. High Frame-Rate, High Resolution Ultrasound Imaging with Multi-Line Transmission and Filtered-Delay Multiply And Sum Beamforming. IEEE Trans. Med. Imag. 36 (2), 478-486 (2017).
- Matrone, G., Savoia, A. S., Caliano, G., Magenes, G. Depth-of-field enhancement in Filtered-Delay Multiply and Sum beamformed images using Synthetic Aperture Focusing. Ultrasonics. 75, 216-225 (2017).
- Boni, E., Cellai, A., Ramalli, A., Tortoli, P. A high performance board for acquisition of 64-channel ultrasound RF data. Proc. IEEE Int. Ultrasonics Symp. , 2067-2070 (2012).
- Matrone, G., Savoia, A. S., Caliano, G., Magenes, G. The Delay Multiply and Sum beamforming algorithm in medical ultrasound imaging. IEEE Trans. Med. Imag. 34, 940-949 (2015).
- Savoia, A. S. Improved lateral resolution and contrast in ultrasound imaging using a sidelobe masking technique. Proc. IEEE Int. Ultrasonics Symp. , 1682-1685 (2014).
- Gyöngy, G., Makra, A. Experimental validation of a convolution- based ultrasound image formation model using a planar arrangement of micrometer-scale scatterers. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 62 (6), 1211-1219 (2015).
- Shapoori, K., Sadler, J., Wydra, A., Malyarenko, E. V., Sinclair, A. N., Maev, R. G. An Ultrasonic-Adaptive Beamforming Method and Its Application for Trans-skull Imaging of Certain Types of Head Injuries; Part I: Transmission Mode. IEEE Trans. Biomed. Eng. 62 (5), 1253-1264 (2015).
- Salles, S., Liebgott, H., Basset, O., Cachard, C., Vray, D., Lavarello, R. Experimental evaluation of spectral-based quantitative ultrasound imaging using plane wave compounding. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 61 (11), 1824-1834 (2014).
- Alessandrini, M. A New Technique for the Estimation of Cardiac Motion in Echocardiography Based on Transverse Oscillations: A Preliminary Evaluation In Silico and a Feasibility Demonstration In Vivo. IEEE Trans. Med. Imag. 33 (5), 1148-1162 (2014).
- Ramalli, A., Basset, O., Cachard, C., Boni, E., Tortoli, P. Frequency-domain-based strain estimation and high-frame-rate imaging for quasi-static elastography. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 59 (4), 817-824 (2012).
- NDI Polaris Vicra optical tracking system website. , http://www.ndigital.com/medical/polaris-family (2017).
- Markley, F. L., Cheng, Y., Crassidis, J. L., Oshman, Y. Averaging quaternions. J. Guid. Cont. Dyn. 30 (4), 1193-1197 (2007).
- Dorst, L., Fontijne, D., Mann, S. Geometric Algebra for Computer Science. An Object-oriented Approach to Geometry. , A Volume in the Morgan Kaufmann Series in Computer Graphics (2007).
- Horn, B. K. P. Closed-form solution of absolute orientation using unit quaternions. J. Opt. Soc. Am. A. 4 (4), 629-642 (1987).
