Author Produced

Beyin görüntüleme uygulamaya CMUT teknolojisi tabanlı yeni ultrason probları performansını değerlendirmek için deneysel bir iletişim kuralı

Bioengineering

Your institution must subscribe to JoVE's Bioengineering section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Kapasitif Micromachined ultrasonik güç çeviricisi (CMUT) teknolojisini temel alan yeni (bizi) ultrason probları gelişimi erken gerçekçi bir değerlendirmesi görüntüleme yetenekleri gerektirir. Biz ABD resim alma ve manyetik rezonans görüntüleriyle karşılaştırma için tekrarlanabilir bir deneysel protokol bir ex vivo sığır beyin görüntüleme bir hedef olarak kullanarak açıklar.

Cite this Article

Copy Citation | Download Citations

Matrone, G., Ramalli, A., Savoia, A. S., Quaglia, F., Castellazzi, G., Morbini, P., Piastra, M. An Experimental Protocol for Assessing the Performance of New Ultrasound Probes Based on CMUT Technology in Application to Brain Imaging. J. Vis. Exp. (127), e55798, doi:10.3791/55798 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Erken ve yinelenebilir bir değerlendirme performans görüntüleme gerçekleştirmek için olasılık tasarımında temel ve geliştirme süreci yeni ultrason (bizi) probları. Özellikle, daha gerçekçi bir analiz uygulamaya özel görüntüleme hedefleri olan ABD probları uygulama kendi potansiyel klinik alanında beklenen performansını değerlendirmek için son derece değerli olabilir.

Bu çalışmada sunulan deneysel protokol bilerek bir uygulamaya özel değerlendirme yordamı için yeni gelişmiş bize sağlamak için tasarlanmıştır sonda kapasitif Micromachined ultrasonik güç çeviricisi (CMUT) teknolojisi ile ilgili olarak tabanlı prototipler beyin görüntüleme.

Protokol gerçekçilik ve tekrarlanabilirlik açıklanan yordamları ve Nöroşirürji ödünç neuronavigation teknikleri sağlar görüntüleme hedef olarak formalin içinde sabit bir sığır beyin kullanımı birleştiriyor. ABD prob aslında bir hareket konum verileri edinme ve beyin manyetik rezonans (MR) görüntüleri başvurmak için ABD görüntülerin süperpozisyon sağlar sistemini izleme bağlıdır. Bu insan uzmanlar görsel bir nitel değerlendirme performans görüntüleme ABD inceleyebilirsek gerçekleştirmek için ve farklı probları ile yapılan satın almalar karşılaştırmak için bir araç sunar. Ayrıca, protokol ABD resim alma, Yani tam ve açık bir araştırma ve geliştirme sistemi kullanımına ultrason gelişmiş açık Platform (ULA-OP) tarayıcı dayanmaktadır.

El yazması aletleri ve yordamlar iletişim kuralında, kalibrasyon, resim alma ve ABD ve Bay görüntülerin kayıt için özellikle söz konusu ayrıntılı olarak anlatılmaktadır. Elde edilen sonuçları tamamen (sınırları araçları dahil), yinelenebilir açın ve satın alma ve işleme faaliyetleri ABD görüntüler için tüm kümesini kapsayan genel protokol sundu, etkinliğini kanıtlamak.

Introduction

Küçük ve taşınabilir ultrason (ABD) tarayıcılar için artan Pazar yeni echographic sondalar sinyal-klima ve demetleme hangi kısmında elektronik Sonda tanıtıcı, özellikle 3D/4 D görüntüleme içine entegre geliştirme yol açmaktadır 1. bu yüksek düzeyde entegrasyonu sağlamak için uygun özellikle gelişmekte olan teknolojileri şunları içerir: Micromachined ultrasonik güç çeviriciler (MUTs)2, mikro elektro-mekanik sistem (MEMS) güç çeviriciler silikon üzerinde fabrikasyon bir sınıf. Özellikle, kapasitif MUTs (CMUTs) sonunda onları geçerli bir alternatif için gelecek nesil ultrason görüntüleme sistemleri3piezoelektrik dönüştürücüler yapan bir teknolojik olgunluğa ulaşmış. CMUTs çok yüksek ısı verimliliği daha yüksek görüntü çözünürlüğü - veren geniş bant genişliği - Mikroelektronik teknolojileriyle ve her şeyden önce yüksek hassasiyet4onların uyumluluk nedeniyle itiraz ediyorlar. ENIAC JU proje DeNeCoR (NeuroControl ve NeuroRehabilitation için aygıtlar)5bağlamında, ABD beyin görüntüleme uygulamalarında (örneğin Beyin Cerrahisi), yüksek kaliteli nerede için geliştirilen6 CMUT sondalar davranıyorsun 2D/3D/4 D görüntüleri ve beyin yapıları doğru bir şekilde temsil gereklidir.

Yeni ABD probları geliştirme sürecinde performans görüntüleme erken değerlendirme gerçekleştirme imkanı esastır. Tipik değerlendirme teknikleri çözünürlük ve kontrast, doku taklit eden hayalet görüntüleri bilinen geometri ve echogenicity katıştırılmış hedefleri olan temel gibi belirli parametreleri ölçme içerir. Daha gerçekçi analizi uygulamaya özel görüntüleme hedefleri olan ABD probları belirli bir klinik alana kendi potansiyel uygulamasında beklenen performansı erken bir değerlendirmesi için son derece değerli olabilir. Öte yandan, satın alma tam tekrarlanabilirlik karşılaştırmalı farklı konfigürasyonları zamanla sınamak için temel ve bu gereksinimin in vivo deneyler tamamen kurallarını.

Çeşitli eserler tanı görüntüleme teknikleri konusunda literatürde önerilen ex vivo hayvan örnekleri7, kadavra beyin8veya hayaletler9 farklı amaçlar10, taklit doku kullanımı dahil görüntüleme yöntemleri, kayıt algoritmaları, manyetik rezonans (MR) dizileri veya ABD ışın-desen ve görüntü kalitesinin test. Örneğin, beyin görüntüleme, Lazebnik ve ark. bağlamında 7 formalin sabit koyun beyni yeni bir 3D Bay kayıt yöntemi değerlendirmek için kullanılan; benzer şekilde, Choe vd. 11 Bay kayıt ve sabit baykuş maymun beyni ışık mikroskobu görüntüleri için bir yordam araştırıldı. Hayalet bir polivinil alkol (PVA) beyin9 ' da geliştirilen ve multimodal resim satın almalar (Yani Bay, ABD ve bilgisayarlı tomografi) kaydı test etmek için bir paylaşılan görüntü veri kümesi12 oluşturmak için gerçekleştirmek için kullanılan ve görüntüleme algoritmaları.

Genel olarak, bu çalışmalar görüntü satın almalar için gerçekçi bir hedef kullanımı gerçekten yeni bir görüntüleme tekniği geliştirme sırasında önemli bir adım olduğunu doğrulayın. Bu hala bir prototip aşamasında ve zamanla, bir doğru tüm tasarımını ayarlama için kapsamlı ve tekrarlanabilir test ihtiyacı bu kağıt, sunulan CMUT bize sonda gibi yeni bir görüntü aygıtı tasarlarken daha kritik bir sahne temsil eder önce onun son gerçekleşme ve (olduğu gibi13,14,15) vivo uygulamalarda olası doğrulama parametreleri.

Bu çalışmada açıklanan deneysel protokol böylece yeni geliştirilen ABD probları CMUT teknolojisine dayalı bir sağlam, uygulamaya özel görüntüleme değerlendirme prosedür sağlamak için dizayn edilmiştir. Gerçekçilik ve tekrarlanabilirlik, sığır emin olmak için (Standart gıda tedarik ticari zinciri elde edilen) beyin formalin içinde sabit hedefler Imaging olarak seçilmiştir. Fiksasyon yordam görünürlük özelliklerini hem ABD hem de16,17Imaging Bay içinde ve tatmin edici Morfolojik özellikleri koruyarak doku uzun vadeli korunması güvence altına alır.

İletişim kuralı ABD görüntü kalitesi değerlendirilmesi için burada Ayrıca neuronavigation teknikleri Nöroşirürji15için kullanılan bir özellik ödünç uygular nitelendirdi. Bu tür yaklaşımlar, ABD probları bir hareket uzamsal konumu ve yönlendirme verileri gerçek zamanlı olarak sağlar sistem izleme bağlanır. Bu şekilde, cerrahi faaliyetleri sırasında alınan ABD görüntüleri otomatik olarak kaydedilecek ve rehberlik, hastanın beyin pre-operatory Bay resimlere süperpozisyon için görüntülenir. Sunulan Protokolü amaçlar için süperpozisyon (hangi beyin görüntüleme altın standart olarak kabul edilir) MR görüntüleri ile büyük bir değer, görsel olarak da değerlendirmek insan uzmanlar morfolojik izin verir ve doku özellikleri olarak tanınır çünkü ABD görüntüleri ve vice versa eserler Imaging varlığını tanımak için.

Farklı ABD probları ile alınan görüntüleri karşılaştırmak için olasılığını daha da ilginç hale gelir. Sunulan deneysel protokol kayma başvuru pozlar için ABD satın almalar, Bay görüntüleri bir ön görsel denetim içinde tanımlanan en şekil-zengin cilt bölgelerinde odaklanan bir kümesini tanımlamak için olasılığını içerir. Paraview açık kaynak yazılım sistemi18için geliştirilen entegre bir görsel aracı ABD görüntü edinme aşamaları sırasında önceden tanımlanmış böyle pozlar eşleştirmek için işleçleri için rehberlik sağlar. Protokolü için gereken kalibrasyon işlemleri için tüm hedef örnekler - biyolojik veya sentetik - kesin kayma başvuru sağlayan önceden tanımlanmış pozisyon yerler ile donatmak için esastır. Böyle yerler görünür hem ABD hem de Bay görüntüler ve fiziksel olarak hareket takip sistemi ile yapılan ölçümler erişilebilir olması gerekir. Flint görünürlüğü hem ABD hem de Bay görüntülerde edebiyat19 ' gösterdi ve daha önce sunulan deneyler yapılan ön ABD ve Bay taramaları tarafından onaylandıktan cam, küçük küreler deneme için seçilen Simgesel Yapı öğelerdir.

Sunulan Protokolü ultrason gelişmiş açık Platform (ULA-OP)20, bir tam ve açık araştırma ve geliştirme sistemi bizim için ticari olarak daha fazla daha geniş deneysel seçenek kullanılabilir sunuyor resim alma dayanmaktadır tarayıcılar ve farklı ABD probları değerlendirilmesi için ortak bir temel olarak hizmet vermektedir.

İlk olarak, bu çalışmada kullanılan aletler, yeni tasarlanmış CMUT sonda özellikle atıfta bulunarak açıklanmıştır. Deneysel protokol intro olduğunuilk tasarım sistemi kalibrasyon, resim alma ve Post-işleme dahil tüm yordamları ayrıntılı bir açıklama ile ayrıntılı olarak duced. Son olarak, elde edilen görüntüleri sunulmaktadır ve sonuçları, bu çalışmanın gelecekteki gelişmeler için ipuçları ile birlikte ele alınmıştır.

Araçları

CMUT sonda prototip

Kullanarak CMUT ters imalat süreci (tasarlanmış, fabrikasyon ve Roma Tre Üniversitesi (Roma, İtalya), Acoustoelectronics laboratuar'de (ACULAB) Paketli bir yeni geliştirilen 256-eleman CMUT doğrusal dizi prototip, kullanarak deneyler yapılmıştır RFP)4. RFP bir microfabrication olduğunu ve teknoloji, özellikle MEMS güç çeviriciler gerçekleşmesi için bize görüntüleme uygulamalarında, mademki CMUT Mikroyapı silikon aşağıdaki fabrikasyon için gebe ambalaj bir "ters"21yaklaşım. Diğer CMUT imalat teknolojileri ile karşılaştırıldığında, RFP CMUT hücreleri geometri tüm dizi boyunca yüksek tekdüzelik nedeniyle gelişmiş görüntüleme performansı ve sonda baş paketindeki akustik mühendislik malzemelerin kullanımı için verir. Bir önemli RFP elektrik ara bağlantı yastıkları 2D diziler ve ön uç çok kanallı elektronik 3D-entegrasyon kolaylaştırır CMUT die arka tarafında bulunan özelliğidir.

256-eleman CMUT dizi merkezli 7.5 MHz frekans bandında çalışması için tasarlanmıştır. Bir öğe aralığı 200 µm 51,2 mm maksimum görüş alanı genişliği içinde ortaya çıkan dizi için seçildi. Tek CMUT dizi öğelerini yüksekliğini yanal çözünürlük ve penetrasyon yeteneği açısından uygun performans elde etmek için tanımlanmıştır. 5 mm dizi öğesinin yüksekliği 0,1 mm-3 dB demet genişliği ve odak 7.5 MHz, 1.8 mm-3 dB derinliği ne zaman ayrıcalık odak 18 mm derinlikte akustik bir lens aracılığıyla fixing elde etmek için seçildi. 195 µm çapında dizi öğelerini düzenleme ve elektrikle paralel 344 dairesel CMUT hücrelerde, altıgen bir düzen takip bağlanma elde edilmiştir. Sonuç olarak, elde edilen 5 mikron öğe öğe mesafe, Yani çentik zarı membran ayırma ile eşleşir. CMUT dizi yapısının şematik gösterimi şekil 1' de bildirilmektedir.

Figure 1
Şekil 1: CMUT dizi yapısı. CMUT dizi yapısının şematik Gösterim: dizi öğeleri birkaç hücreyi paralel (a) içinde yerleşimini CMUT Mikroyapı (b); bağlı oluşan kesit CMUT hücre (c). Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

CMUT microfabrication parametreleri, Yani lateral ve plaka ve elektrotlar, dikey boyutları tanımlanan ile karakterize bir geniş bant daldırma işlemi gerçekleştirmek amacı ile sonlu eleman modelleme (FEM) simülasyonları kullanarak bir Frekans tepkisi 7.5 MHz ve %100-6 dB iki yönlü kesirli bant merkezli. Yani boşluğu boşluğu yüksekliği 80 V maksimum uyarma sinyal voltajı dikkate alınarak CMUT çöküşü voltaj4, % 70'i, kutuplama tarafından iki yönlü hassasiyeti en üst düzeye çıkarmak için 260 V Daralt gerilim elde etmek için tanımlanmıştır. Tablo 1 microfabricated CMUT ana geometrik parametreler özetlenmiştir.

CMUT dizi tasarım parametreleri
Parametre Değer
Dizi
Öğe sayısı 256
Öğe aralığı 200 µm
Öğe uzunluğu (ayrıcalık) 5 mm
Sabit yükseklik odak 15 mm
CMUT Mikroyapı
Hücre çapı 50 µm
Elektrot çapı 34 µm
Hücre hücre yanal mesafe 7.5 µm
Plaka kalınlığı 2.5 µm
Boşluğu yüksekliği 0.25 µm

Tablo 1. CMUT sonda parametreleri. CMUT doğrusal dizi sonda ve CMUT hücre Mikroyapı geometrik parametreler.

Bir sonda kafası CMUT dizide tümleştirmek için kullanılan paketleme işlemi başvuru4' te açıklanmıştır. Akustik objektif bir oda sertleştirilmiş sıcaklık (RTV) silikon kauçuk metal oksit nanopowders ile katkılı su akustik empedans maç ve arabirim22sahte yansımaları önlemek için kullanma fabrikasyon. Elde edilen bileşiğin 1280 kg/m3 yoğunluğu ve ses 1100 m/s'lik bir hız ile karakterize edildi. 7 mm eğrilik yarıçapı geometrik bir odak 18 mm ve maksimum kalınlığı yaklaşık 0,5 mm dönüştürücü yüzey yukarıda silindirik lens için seçildi. CMUT sonda kafa resmi Şekil 2(a)içinde gösterilir.

Figure 2
Resim 2: CMUT soruşturma. Dönüştürücü ve akustik lens (a), doğrusal dizi de dahil olmak üzere Gelişmiş CMUT sonda ve tam CMUT sonda ile bağlayıcı (b) Başkanı. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

CMUT sonda kafası çok kanallı Resepsiyon analog ön uç elektronik ve multipolar kablo bağlantısı için ABD tarayıcı içeren sonda işlenecek birleştiğinde. Tek kanal elektronik devre elektrik geçerli gerekli kablo empedansı sürücü sağlar yüksek giriş empedansı 9 dB-kazanç gerilim amplifikatör olduğunu. Çok kanallı elektronik başvuru 4' te açıklanan, ultra düşük güç düşük noise alıcı ve sinyal iletme/alma önlü arkalı yazdırma için entegre bir anahtarı da dahil olmak üzere bir devre topolojisini temel alır. Ön uç elektronik güç kaynağı ve CMUT önyargı voltaj bir özel güç kaynağı ünitesi tarafından oluşturulan ve multipolar kablo aracılığıyla sondayı beslenir. Tam sonda Şekil 2(b)gösterilir.

Piezoelektrik ABD probları

CMUT sonda ile elde edilen görüntülerin nitel karşılaştırma içinyukarıda, iki piyasada bulunan piezoelektrik ABD sondalar deneyleri içinde dahil edilmiştir. İlki öğeleri, 245 µm zift ve bir % 110 kesirli bant genişliği 8 MHz de merkezli transducing 192 ile bir dizi doğrusal sonda var. Bu sonda 2D B-modundaki görüntüler elde etmek için kullanılmıştır. İkinci sondası 180 öğelerle bir 245 µm adım ve bir % 100 kesirli bant genişliği 8,5 MHz de merkezli transducing mekanik olarak ok açılı tipler bir doğrusal dizi 3D görüntüleme için bir sonda var. Step motor sağlayan bir 3D görüntü taranan birim23yeniden oluşturmak için kullanılan birden çok düzlem elde etmek için doğrusal dizi süpürme konut sonda içinde yerleştirilir.

ULA-OP sistemi

ABD görüntüleri edinimi tasarlanmış ve İtalya Floransa Üniversitesi Mikroelektronik sistemleri tasarım Laboratuvarı fark bir tam ve açık ABD araştırma ve geliştirme sistemi olan, ULA-OP sistemi20, istihdam ederek gerçekleştirilmiştir. ULA-OP sistemi denetleyebilir, hem iletim (TX) ve alma (RX), en fazla 64 bağımsız kanal geçiş matrisi ile bir ABD sonda ilâ 192 piezoelektrik veya CMUT güç çeviriciler birbirine bağlı. Sistem mimarisi özellikleri iki ana işleme kartları, bir Analog Kurulu (AB) ve bir dijital pano (DB), her ikisi de bir raf içinde yer alan bir güç kaynağı yönetim kurulu ve sonda bağlayıcı ve tüm iç yönlendirme içeren bir geri-uçak Kurulu tarafından tamamlanan bileşenleri. AB için sonda dönüştürücüler, ön uç özellikle 64 kanal ve dinamik güç çeviriciler için TX-RX kanalları haritalar programlanabilir anahtarı matris analog Klima için elektronik bileşenleri içerir. Sorumlu gerçek zamanlı demetleme DB'dir, TX sinyalleri sentezleme ve RX işleme (örneğin B-mod görüntüler veya Doppler Sonogramları) istenen çıkış üretmek için yankıları. Vurgulama ULA-OP sistemi tamamen yapılandırılabilir, bu nedenle TX sinyali en içeren herhangi bir rasgele dalga sistemi bant genişliği (örneğin üç düzeyli bakliyat, sinüs-patlamaları, cırlama, Huffman kodları, vb) içinde olabilir değer 180 Vpp genliği; Buna ek olarak, demetleme strateji-ebilmek var olmak program son odaklama desenleri (odaklıörneğin dalga, çok satırı iletim, düzlem dalga, uzaklaşan dalgalar, sınırlı kırınım kirişler, vb) göre24,25 . Donanım düzeyinde bu görevleri beş alan Programmable Gate diziler (FPGA) ve bir dijital sinyal işlemcisi (DSP) arasında paylaşılır. Mekanik süpürüldü 3D probları, yukarıda açıklandığı gibi görüntüleme ULA-OP sistemi de tek tek 2D kare dönüştürücü dizinin her konumda eşitlenmiş edinimi için sonda içinde step motor kontrol eder.

ULA-OP sistemi çalışma zamanında yeniden yapılandırılmış ve farklı ABD probları için uyarlanmış. Özel bir yazılım aracı ile donatılmış bir ana bilgisayar ile USB 2.0 kanalından iletişim kurar. İkinci çeşitli modlarda yeniden ABD görüntülerin gerçek zamanlı görselleştirme sağlar yapılandırılabilir bir grafik arayüze sahip; hacimsel probları ile örneğin, taranan birimindeki dikey uçakların iki B-modundaki görüntüler gerçek zamanlı olarak görüntülenebilir.

TX-RX parametrelerinin kolay bir ayarlama sağlar ve sinyal işleme zinciri26da sağlayarak, her adımda toplanan verilerin tam erişim sunuyor açıklanan protokol ULA-OP sistemi amacıyla büyük avantajı olduğunu Yeni görüntüleme yöntemleri ve demetleme teknikleri27,28,29,30,31,32,33test etmek için.

Hareket izleme sistemi

Kayda ABD pozisyon resim alma sırasında yoklama, optik bir hareket takip sistemi istihdam34. Sistem iki aydınlatıcılar (ışık yayan diyotlar (LED'ler)) ile kızılötesi ışık yayan bir sensör birim temel alır ve iki alıcısı (Yani bir lens ve bir şarj kuplajlı cihaz (CCD)) tarafından birden çok amaçlı özel pasif yansıyan ışık algılamak için kullanır önceden tanımlanmış katı şekillerde düzenlenmiş işaretleri. Yansıyan ışık hakkında bilgi sonra USB 2.0 bağlı bir ana bilgisayara transfer pozisyon ve yönlendirme verileri hesaplamak için yerleşik bir işlemci tarafından işlenir. Aynı bağlantı sensör biriminin yapılandırmasını denetlemek için kullanılabilir.

Sensör ünitesi araçlar kümesi ile birlikte gelir, her bir katı geometrik Yapılandırması'nda düzenlenen dört yansıtıcı imleçli donatılmış. Hareket sistemi izleme altı farklı katı araçları aynı anda, yaklaşık 20 Hz çalışma frekansında izleyebilirsiniz. İki tür araç bu deneyler için kullanıldı: 3B konumlandırma edinme ucu tarafından dokundu sağlar, bir işaretçi aracını ve ABD soruşturma altında eklenebilir kelepçe donanımlı aracı, test (bkz. Şekil 14).

Yazılım tarafında hareket izleyici'yi USB üzerinden erişilebilen her iki birim denetim ve veri toplama, bir alt düzey seri uygulama programlama arabirimi (API) sahiptir. Varsayılan olarak, konumu ve yönelimleri çok giriş öğeleri, Yani izlenen her aracın her bir giriş döndürülür. Her girdi mm olarak ifade edilen 3B konumlandırma (x, y, z) ve bir dördey ifade edilen bir yönlendirme (q0, qx, qy, qz) içerir. Sistem Ayrıca görselleştirme ve gerçek zamanlı olarak pozisyonlar/yönelimleri sensör ünitesi görüş alanı içinde birden fazla aracı ölçüm için bir grafik izleme aracı'nı içeren bir üst düzey yazılım aletlerini, toolbox ile gelir.

Sistem genel bakış, entegrasyon ve yazılım bileşenleri

Şekil 3 diyagramında da akar sistemleri arasında veri akışını açıklayan protokolü için kabul edilen araçları özetlenmiştir.

Figure 3
Resim 3: blok şeması tüm donanım kurulumu ve sistem entegrasyon. ABD sonda ABD resim alma için Not Defteri ile USB üzerinden iletişim ULA-OP sistemi bağlıdır. Aynı zamanda, defter de takip sistemi, konumu veri toplama, hareket için USB üzerinden ve iş istasyonu için veri işleme için Ethernet üzerinden bağlı. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

ABD probları, hareket izleyici'yi ve yukarıda açıklanan, ULA-OP sistemi dışında Kur iki bilgisayarları, yani bir defter ve bir iş istasyonu da içerir. Eski alma ve iki ana gelen veri akışlarını eşitleme araçları için ön uç ana olduğunu: ULA-OP sistemi ve hareket izleyici'yi verilerden konumlandırma 3D gelen ABD görüntüler. Bu da elde belgili tanımlık imge için işleç için görsel geri besleme sağlar. İş istasyonu önemli ölçüde daha yüksek hesaplama gücü ve depolama kapasitesine sahiptir. Görüntü sonrası işleme ve kombine görüntüleme veri kümeleri için bir depo arka destek sağlar. İş istasyonu da kullanılırABD ve MR görüntüleri görselleştirme için eş zamanlı 3 boyutlu görselleştirme kayıtlı Multi-Modal görüntü imkanı da dahil olmak üzere.

Görüntü edinme deneyler için kritik iki ana veri akışlarını eşitlenmesi zorunludur. Hareket takibi ve ULA-OP sistemleri henüz açık bir eşitleme etkinliklerini desteklemez bağımsız araçlardır. Bu nedenle, ABD görüntü veri ve konum bilgileri düzgün ABD sonda doğru 3B konumlandırma her görüntü dilimi satın alınmıştır anda algılamak için kombine olarak gerekir. Bu amaçla, belirli günlük uygulama için kayıt ve gerçek zamanlı olarak zaman damgası takip sistemi, bu durumda, hareket izleyici'kendisi dahil bir C++ yazılım bileşeni değiştirerek hareket tarafından sağlanan veri geliştirilmiştir. Tipik olarak, hareket izleme sistemleri sağlar gerçek zamanlı veri yakalama ve bunları bir dosyaya transkripsiyonu bir alt düzey API özelliği.

Evlatlık eşitleme yöntemi aşağıdaki gibi çalışır. Günlük uygulama tarafından üretilen dosya içindeki her iki girdinin biçimde "yyyy-MM-ddThh:mm:ss.kkk", bir zaman damgası ile nerede augmented: y = yıl, M = ay, d gün, s = saat, = m = dakika, s = ikinci, k milisaniye =. ULA-OP PC tabanlı yazılım (C++ ve MATLAB programlama dilleri) başlangıç ve bitiş saati her görüntü edinme serisinin hesaplar ve bu bilgileri .vtk biçiminde her resim saklar. Deneyler sırasında ortak zamansal referans sağlamak için her iki Yukarıdaki yazılım yordamları şekil 3' te ön uç bilgisayarda çalıştırılır. Bu şekilde üretilen zaman damgaları sonra son veri kümesi üretmek son işlem yazılım yordamları tarafından kullanılır (bkz: protokolü, Bölüm 8).

Başka bir belirli yazılım bileşeni fark etti ve ABD araştırma pozisyon Bay resimlere ve özellikle, önceden tanımlanmış pozlar kümesi için geçerli ilgili operatöre, gerçek zamanlı geribildirim sağlamak için iş istasyonu üzerinde çalıştırın. Bir sunucu tarafı yazılım rutin Python ile hareket izci günlük dosyasını çalıştırır, ABD sonda bir geometrik şekil ve bir Paraview sunucuya veri gönderir pozisyona geçerli çevirir. Paraview istemci aynı Paraview sunucu ve gerçek zamanlı görüntüler Bay görüntüde ve daha önceden tanımlanmış pozlar açıklayan geometrik şekiller üst üste geometrik şeklin konumunu bağlanır. Elde edilen gerçek zamanlı görselleştirme örneği şekil 17' gösterilir.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Bu videoda gösterilen tüm biyolojik örnekler standart gıda tedarik zinciri elde edildi. Bu numunelerin ilgili kurumların etik ve güvenlik yönetmeliklerine uygun olarak tedavi etmiş.

Not: Bu protokol 8 ana aşamaları şekil 4 diyagramında özetler. Etap 1-4 ABD resim alma başlangıcı ve aşamaları işleme önce sadece bir kez gerçekleştirilebilmesi için ilk faaliyetleri içerir. Bu ilk aşamaları aşağıdaki gibidir: 1. ön tasarım deneysel kurulum ve (kalibrasyon yordamlarda kullanılmak üzere) bir agar hayalet; 2) ex vivo sığır beyin hazırlanması; 3. beyin MR görüntüleri edinimi; 4. hedef olarak ABD resim alma için kullanılmak üzere nitel pozlar tanımı. Etap 5-8 edinme ve ABD görüntü işleme ile ilgili. Bu aşamalar vardır: 5. deneysel Kur, hangi bağlı ve entegre tüm aygıtlar ve tüm hedefler konumlandırılmış ve doğrulanmadı; 6. Kalibrasyon gezinti için pasif işaretleri ile donatılmış ABD inceleyebilirsek; 7. su, önceden tanımlanmış pozlar ve buna hem dalmış sığır beyin görüntülerini ABD edinimi " serbest modeŔ 8. Post-işleme ve kombine Bay görselleştirme / u.s. görüntü veri kümesi. Sahne 5 sadece bir kez, deneysel faaliyetlerin başında yapılabilir süre aşamaları 6 ve 7 her ABD sonda yer tekrarlanmalıdır. Adım 8 yapılabilir sadece bir kez tüm birleştirilmiş veri kümesi üzerinde tüm satın almalar tamamlandığında.

Figure 4
şekil 4 : deneysel protokol iş akışı. Blok diyagram her adımda ana operasyonların bir listesi de dahil olmak üzere iletişim kuralı, ana adımları gösterir. Adımlar 1-5 ilk faaliyetleri ve bize satın almalar için kurulum hazırlık içerir; Böylece, onlar sadece bir kez yapılacak vardır. Etap 6 ve 7 ABD satın almalar içerebilir ve her sonda için tekrarlanması gerekir. Olan görüntü sonrası işleme adım 8, sadece bir kez sonunda gerçekleştirilebilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

1. ön tasarım

  1. Tasarım ve doğrulama Simgesel Yapı konumlandırma
    Not: Aşağıdaki yordam kalibrasyonu için kullanılacak tarihi yerler, konumlandırma için tutarlı bir strateji tanımlar hareket Bölüm 6'da açıklanan sistem izleme.
    1. Polistren baş manken yaklaşık sığır beyin için benzer bir şekli keserek hazırlamak (yükseklik = 180 mm, genişlik = 144 mm, uzunluğu = 84 mm) bir bıçak kullanarak.
    2. Ekle 6 desen 3 Flint Cam Küre (3 mm çap) polistiren içine beyin, yüzü yaklaşık 15 mm ve 1 mm dış yüzeyinden uzak değil daha bir eşkenar üçgen köşeleri düzenlenmiş (bkz: Resim 5 ).
    3. Hareket takip sistemi Not defterini USB üzerinden bağlayın. İzleme aracını açın, hareket izleme başlatın ve ne zaman cam küreler polistren beyinde dokunmadan, işaretçi aracını izleme görünürlük ve etkin erişilebilirlik deneyler sırasında doğrulamak için görüş alanı içinde kalır kontrol.

Figure 5
şekil 5 : polistiren modeli ön tasarım aşamasında kullanılan beyin. Sığır beyin boyutları, taklit etmek için düzgün kesilmiş polistren manken baş beyin Cam Küre desenleri konumlandırma seçmek için kullanıldı. Küre, 3 mm çapında, altı üçgen desenler implante oldu polistren modelinde resimde gösterildiği gibi Yani üç desenler sağ ve sol beyin hemisferlerin. üç < bir href="//ecsource.jove.com/files/ftp_ upload/55798/55798fig5large.jpg"hedef ="_blank"> Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

  1. agar hayalet hazırlık
    Not: kalibrasyon işlemleri (Bölüm 6.1) için kullanılacak bir laboratuvar yapımı agar hayalet hazırlamak için adımları sağlar.
    1. Bir ölçek 100 g gliserin ve agar 870 g distile su içinde 30 g seyreltik. Karışımı, heyecan sıcaklık kadar artırırken 90 ° C, 10-15 dakika süreyle dökün karışımı bir 13 x 10 x 10 cm gıda konteyner doldurmak ve en az bir gün buzdolabında saklayın.
    2. Agar hayalet buzdolabından çıkarın. 6 cam küreler (için daha iyi görüş) sarı emaye ile renk ve yüzey 1 mm ( şekil 6) daha uzağa değil 3 cam alanlarında her agar hayalet (Yani bir büyük yan sokağın başına), 2 Kalıpları ekle.
    3. Koruma için kullanılmadığı zaman su ve benzalkonium klorür, mühürlü plastik gıda kapsayıcı'ı kullanarak bir çözümde agar hayalet bırakın ve buzdolabında saklayın.

Figure 6
şekil 6 : Agar hayalet. Şekilde yerleştirilmiş bir desen (siyah oklarla gösterilen) üç sarı boyalı cam küreler alt kenarına açıkça görünür olduğu agar hayalet gösterilmiştir. Küre pozisyonlar kalibrasyon aşamasında ölçmek için kullanılan işaretçi araç ipucu de hayalet gösterilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

2. sığır beyin hazırlık ve fiksasyon

  1. edinme ex vivo sığır beyin standart gıda tedarik zinciri. Buz (koruma için) taşıma. Genellikle, bu davada olduğu gibi ex vivo beyin hayvandan kaldırıldı sonra uygun hale getirilir.
  2. Beyin buz kaldır ve alıyorum bir mahallede yerleştirin. Bu mahalle için sonraki hazırlık adımları unutmayın. Beyincik, mesencephalon, pons ve beyin sapı yapıları beyin ventral yüzeyinde kesme bir cerrahi bıçak ayırarak serebral hemisferlerin yalıtmak.
  3. İmplant 6 üçgen desenler 3 Küre her kortekste ön, zamansal ve oksipital lob polistren manken konumlandırma için bir referans olarak kullanarak. Önceden tanımlanmış koşulları (Yani mesafeler yüzey ve küreler arasında) yerine emin olun. Görünürlüğü için tüm küreler beyin yüzey boya Histoloji ( Şekil 7) için işaretleme bir yeşil dokusuyla konumları işaretlemek.
  4. Bırakın beyin % 10 formalin çözüm arabelleğe alınmış. Bir plastik konteyner anatomik parçalar ( şekil 8) kullanın. Konteyner beyinde formalin ile en az 3 fiksasyon işlemi tamamlanana kadar hafta için bırakın.
    Dikkat: formalin toksik bir kimyasal maddedir ve bakımı ile ele gerekir; özel düzenlemeler de geçerli olabilir, örneğin bize OSHA standart 1910.1048 uygulama A.

Figure 7
Şekil 7 : sığır beyin hazırlık ve cam küreler implantasyonu. Sığır beyin uzman bir patolog tarafından önceden tasarlanmış yapılandırmasına bağlı (a) anatomik parçaları aşan kaldırma ve Cam Küre desenleri Reproduction hazırlanır. Küre pozisyonlar sonra beyin yüzeyinde (b) bir yeşil boya ile işaretlenir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Figure 8
şekil 8 : formalin sığır beyin fiksasyonu. İmplante cam küreler sığır beyinle arabelleğe alınan % 10 formalin çözüm anatomik parçaları (a) için plastik bir kap içinde dalmış. Bir süre sonra en az 3-hafta, fiksasyon işlemi tamamlandı (b) ve beyin resim satın almalar için kullanılabilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

3. Bay resim alma

  1. formalin çözüm, gecede, su içinde yer o temiz plastik bir kap içinde ve bunu mühür yıkama beyinden ayıklamak
  2. Konteyner MR kafa sarmalı koymak ve Bay tarayıcıya yerleştirin.
  3. Gerçekleştir Bay 32 kanal baş bobin ( Şekil 9) ile donatılmış 3 T Bay tarayıcı istihdam tarar. Üç set görüntüleri T1, T2 ve CISS diziler 0.7x07x1 mm 3 ve T1/T2 için 0.5x0.5x1 mm 3 çözünürlüğe sahip ve CISS dizileri, sırasıyla kullanarak elde. Bay tarayıcı yazılım araçlarını kullanarak biçiminde kaydetme DICOM Bay Albümdeki.
  4. Sonra kullanımı, arabelleğe alınan % 10 formalin beyinde bırakın. Edinsel Bay görüntü işleme iş istasyonu için Bay tarayıcıdan aktarmak.

Figure 9
Şekil 9 : Bay resim alma. Temiz plastik bir kap içinde mühürlü sığır beyin MR resim satın almalar için 3 T Bay tarayıcı içine konur. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

4. ABD görüntü satın almalar için nitel pozlar tanımını

Not: Bu yordam tanımlayan bir küme nitel pozlar, Bay resimleri, ile ilgili olarak, hangi beyin bölgeleri görünürlüğünü içeren açıkça tanınabilir anatomik yapıları ve iyi farklılaşmış dokuları (özellikle beyaz ve gri madde) ABD Albümdeki maksimize.

  1. Aç Paraview yazılım aracı (bundan böyle, görselleştirme yazılım) ile DICOM Bay Albümdeki biçimlendirin. Görüntü dilimleri ve 3B cilt, hem de gerektiği gibi görselleştirmek bir uzman var.
  2. Anatomik yapıları ve doku (örneğin lateral ventrikül, corpus callosum, Bazal gangliyon meselesi gri) görünürlüğünü değerlendirmek için veri kümesindeki her Bay görüntü inceleme.
  3. En iyi tanınabilir görsel özellikler içeren başvuru Bay görüntüden 3D kayma Milletlere seçip yaklaşık maksimal görünürlük kesme uçakları tanımlayabilirsiniz. ABD resim alma, her önemli bir görsel özellikler kümesi içeren için 12 önceden tanımlanmış pozlar tanımlamak.
  4. Sanal her poz için kullanın " kaynakları > koni " görsel bir dönüm noktası olarak 3D bir koni oluşturmak için. Her koni yüksekliği 40 mm ve RADIUS 2 mm ile uyum ve el ile koni 3D görme alanı ( şekil 10) konumlandırın. Bay görüntü, 3D bölgeler, uçaklar ve yerler karmaşık bir Paraview devlet dosyası olarak kaydedin.

Figure 10
şekil 10 : pozlar ABD görüntü için önceden tanımlanmış satın alma. İşaretleri (a) gösterisinde 12 seçili pozlar pozisyonlarda 3D Bay görüntü çerçeve ABD için operatör tarafından erişilmesi için görüntü alma. (B) Bay seçili pozlar karşılık gelen uçaklar gösterilir; ABD sonda (Bay görüntü alanı temsil edilen) pozisyon hareketli kırmızı işaretçisi temsil eder, gerçek zamanlı, bir beyaz işaretleri kadar ulaştı ve istenen ABD görüntü sistem tarafından elde edilebilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

5. deneysel kurulum

  1. çevre ve hedefler
    Not: Kurulum ve aletleri ABD edinme deneyler için hazırlanması bu adımı açıklar.
    1. Pozisyon 50 x 50 x 30 cm bir plastik tank bir masaya ve su deposu yukarıda ve tamamen kendi görüş alanı içinde görünür olması takip sistemi hareket bir yükseklik, 15 cm. pozisyon kadar degassed su ile doldurun ( Şekil 11 ) ve USB üzerinden dizüstü hareket izleyici'yi bağlayın.
    2. Hareket sistemi 34 izleme izleme aracını kullanarak işaretçiyi kalibre için döner yordamı gerçekleştirin.
    3. ULA-OP sistemi masanın üzerine getirin ve dizüstü bilgisayar ekranının ABD sonda operatör için açıkça görünür olduğunu emin USB üzerinden bağlayın. İş istasyonu masanın üzerine getirin ve onun perde operatöre açıkça görünür olduğundan emin olun.
    4. Beyin formalin eriyik--dan hulâsa ve suda yıkayın. Sentetik reçine, dikiş iplik ve yapışkan şeritler ( şekil 12) parçalarını kullanarak bir tabağa immobilize.
    5. Beyin ile plaka tank içine sokmak ve tüm çalışma alanı beyin çevresinde işaretçiyi ve yazılım izleme aracını kullanarak hareket izleyici'yi görüş alanı içinde sığdığını doğrulayın.

Figure 11
Şekil 11 : ve kurulum hareket sistemi izleme ile deneysel satın almalar. Böylece hedefi ve klempe yansıtan işaretçilerle sondayı tamamen onun ölçüm görüş alanı içinde uygun hareket sensörü izleme içinde sığır beyin batırılır, su deposu yer alıyor. < bir href="//ecsource.jove.com/files/ftp_upload/55798/55798fig11large.jpg" hedef = "_blank"> Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Figure 12
şekil 12 : sığır beyinde konumlandırma su deposu. Sığır beyin iki dikiş ipliği (boyuna çatlak yerleştirilen) aracılığıyla bir sentetik reçine plaka üzerine immobilize ve yapışkan şeritler ile plaka üzerinde sabit. Plaka ve sığır beyin su tankında daldırılır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

  1. ABD sonda bağlama ve taramalar yapmak için ULA-OP yapılandırma.
    1. ABD sonda ULA-OP sisteme bağlayın.
    2. ULA-OP sistemi yapılandırma dosyalarını ve yazılım arabirimi ( şekil 13) bilgisayardan üzerinden yapılandırın.
        Çift yönlü modu iki araya eklenmiş B-iki farklı çalışma frekansları (7 MHz ve 9 MHz) istihdam biçimi oluşan bir
      1. tanımla. 1-döngüsü İki kutuplu patlama her modu için ayarlayın. 25 mm derinlik ve dinamik odaklanarak iletim odak ayarlamak = 2 Eşitle apodization işlevi F # ile resepsiyonda.
      2. Sistemi beamformed kaydetmek ve faz ve Kadrat yapılandırın (ı / Q) demodüle veri.
    3. Tam operativity emin olmak için birkaç edinme sınamaları gerçekleştirin.
      1. Yanında tıkırtı üstünde belgili tanımlık sistem, donma " donma " ULA-OP yazılımında iki durumlu düğme. Üç disket görünür iki durumlu düğmeye tıklayarak otomatik kaydetme modunu etkinleştirin. Satın alma sonunda görünür, popup penceresinde, dosya adı yazın ve'ı tıklatın " kurtarmak ".

Figure 13
şekil 13 : BİZİM için deneysel kurulum görüntü edinme. Onun göstermek alımları sırasında ABD sonda operatör için açıkça görünür olması ULA-OP sistemi su deposu yerleştirilen defter bağlıdır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

  1. pasif yansıtıcı işaretleri ABD prob üzerine sıkma
    Not: Bu yordamı izleyerek katı Meclisi ABD sonda ve pasif yansıtıcı işaretleri sonraki ve satın almalar görüntü konumu için oluşturulur veri.
    1. Bul ABD sonda üzerinde kelepçe için uygun bir pozisyon işleci. ABD sonda sapında ( Şekil 14) pasif yansıtıcı işaretleri kelepçe.
    2. Sağlamak için kelepçe istikrarlı, veri işaretleyicilerini açıkça ABD sonda beklenen çalışma duruşlar tutuluyor ise takip sistemi, hareket tarafından görülebilir (bkz. Adım 5.2.3) birkaç edinme sınamaları gerçekleştirin.

Figure 14
Şekil 14 : pasif aracıyla işaretleri yansıtan klempe 3D görüntüleme piezoelektrik soruşturma. Aracın imleçli düzgün klempe ve onlar aynı zamanda ABD görüntü ve konumu veri toplama kullanılmak üzere Birleşik bir derleme formu üzerindeki 3D görüntüleme piezoelektrik sonda kolu, sabit. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

6. Kalibrasyon

Not: deneysel protokolünün bir parçası olarak farklı kayma başvuru çerçeveleri arasında gerekli dönüşümler hesaplamak için bilgi toplayan bu bölümde açıklanmaktadır söz konusu. Bölüm 9 matematiksel hesaplama yöntemi hakkında ayrıntılı bilgi için bkz:. Yazılım yordamları programlama dili kalibrasyon için MATLAB içinde kullanılabilir olarak açık-kaynak, https://bitbucket.org/unipv/denecor-transformations.

  1. ABD sonda gelen ABD resim çerçevesi pasif araç çerçeveye klempe
    Not: aşağıdaki kalibrasyon prosedürü ABD görüntü voxels yerel uzamsal konumları atamak sağlar katı dönüşümü hesaplamak için kullanılır sonda üzerinde sabitlenmiş pasif Aracı'nın başvuru çerçevesi. Bir ABD prob üzerine pasif bir araç her montajı için tekrarlanması gerekir.
    1. Pozisyon agar tam daldırma su içinde hayalet tank. Kayıtları yerleştirmek veri ve onun hareket izleme sırasında işaretçi aracıyla hayalet agar her 6 cam küreler pozisyonlarda toplamak günlük uygulama başlatmak.
    2. Her desen 3 küre agar hayalet ( şekil 15) (Adım 5.2.3) başına bir ABD görüntü elde etmek. Bir tam üç küre görüş alanı içinde kalıptır ULA-OP sistemi ön görselleştirme işlevini kullanarak mekanik kol aracılığıyla ABD sonda konumlandırın. Kazanmak ve karşılık gelen ABD resmi kaydedin.
    3. İle birlikte hareket izci günlük-dosyaları, iş istasyonuna ULA-OP formatında tüm ABD görüntü transfer.
    4. Her ABD görüntü görselleştirme yazılımında açın, el ile her biri 3 cam küreler konumunu işaretlemek ve 3D pozisyonlar bir .csv dosyasına uyarlamak.
    5. (Bkz: sağlanan açık kaynak kodu ve Bölüm 9) iki referans çerçeveleri arasında ABD işaret katı dönüşüm hesaplamak.

Figure 15
şekil 15 : ABD'nin edinme agar kalibrasyon için hayalet görüntüleri. Bitti Ağar Operadaki Hayalet iki bize iki katıştırılmış küre desenleri içeren görüntüler gösterildiği gibi elde etmek için ABD sonda (CMUT sonda) operatör hamle ULA-OP yazılımlar bilgisayar ekranında gerçek zamanlı. Alınan görüntüleri daha sonra ABD görüntü alan pasif araç alan dönüşüm işaretçilerle sondayı üzerinde sabitlenmiş hesaplamak için kullanılır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

  1. Bay görüntü alanı için hareket izci uzaydan
    Not: aşağıdaki kalibrasyon işlemleri hareket sistemi referans çerçevesi Bay görüntü referans çerçevesi için izleme katı dönüşümünü hesaplamak için kullanılır ve hareket izleyici'yi operasyonel aralığı içinde beynin her yerleşim için yinelenmesi gerekir. Bu yordamın son iki adımı her farklı Bay görüntü için tekrarlanması gerekir.
    1. Su içinde tam daldırma beyin bulunduğu tank. Günlük uygulama başlatın ve pozisyonlar her işaretçi aracıyla ( şekil 16) 18 cam küreler toplama. Hareket izci günlük dosyaları iş istasyonu üzerine transfer.
    2. Beynin her Bay görüntü görselleştirme yazılımında açın, el ile her biri 18 cam küreler konumunu işaretlemek ve ilgili 3B koordinatları .csv dosyaları olarak kaydetmeniz.
    3. (Bkz: açık kaynak kodu ve Bölüm 9) iki referans çerçeveleri arasında hareket izci Bay sert dönüştürme hesaplamak.

Figure 16
şekil 16 : edinimi kalibrasyon için sığır beyninde implante cam küreler pozisyonların. İşaretçiyi araç ipucu elde etmek için tek tek, suya batırılır sığır beyin içine implante 18 cam küreler konumlarını kullanılır. Bu pozisyonlar palaşma hesaplamak için kullanılırormation üzerinden hareket sistem alanı Bay görüntü alanı için izleme. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

7. ultrason Alım

Not: Python Paraview için yazılım yordamları gerçek zamanlı görselleştirme yordam için kullanılabilir olarak açık-kaynak, https://bitbucket.org/unipv/denecor-tracking.

  1. Önceden tanımlanmış pozlar ABD edinme görüntüleri
    1. ABD prob üzerine işaretçileri Klamp ve Kalibrasyon prosedürü (Bölüm 5.3 ve 6.1) yürütmek. Beyin getirin ve Kalibrasyon prosedürü (bölümler 5.1 ve 6.2) yürütmek.
    2. Toplamak iki katı dönüşüm parametreleri (u.s. marker ve hareket izci Bay) adım 6.1.5 ve 6.2.3 hesaplanan ve Python ve görselleştirme uygulanan gerçek zamanlı görselleştirme yordam klasörü içine bu dosyaları transfer Yazılım ( şekil 10b).
    3. Görselleştirme yazılımları kullanarak gerçek zamanlı görselleştirme prosedürünü başlatır (bkz: açık kaynak kodu) ve ABD sonda gerçek konumunu doğru görüntülendiğini doğrulayın ( şekil 17).
    4. Sonda konumunu kaydetmek için günlüğe kaydetme uygulamasını başlatın. El ile görselleştirme yazılımları ile ABD probe görüntülendiği gibi her niteliksel önceden tanımlanmış konumuna uygun ve ULA-OP sistemi (Adım 5.2.3) ile karşılık gelen görüntü elde etmek. İki uygulamaları durdurun ve tüm ABD görüntü ULA-OP biçimde aktarmak ve İzleyicisi günlük dosyaları için iş istasyonu hareket.

Figure 17
şekil 17 : ABD'nin edinme önceden tanımlanmış pozlar görüntülerini. Işleç önceden tanımlanmış pozlar ulaşmak için ABD sonda taşır; yordamı gerçek zamanlı olarak desteklenen 3D Bay görüntü iş istasyonu ekranda beynin üzerinde sonda konumu gösteren, bir Python yordamı tarafından görselleştirme yazılımı kullanarak. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

  1. pozlar 3D görüntü yeniden inşası için doğrusal ABD probları ile hareketli edinimi serbest,
    Not: aşağıdaki adımlar yalnızca doğrusal ABD probları amaçlanan ve 2D dizisi edinimi düzlemsel ABD hangi görüntüleri izin , hareket sistemi izleme verileri konumlandırma ile birlikte, 3B cilt imar için ihtiyaç vardır.
    1. ABD prob üzerine işaretçileri Klamp ve Kalibrasyon prosedürü (Bölüm 5.3 ve 6.1) yürütmek. Beyin getirin ve Kalibrasyon prosedürü (bölümler 5.1 ve 6.2) yürütmek.
    2. El ile hedeflenen ilk poz (örneğin her hemisphere ön sonu) ABD sondayı getirin. ULA-OP sistemi (Adım 5.2.3) ve sonda pozisyon kayıt için günlük uygulama ile her ABD görüntü sırası edinimi başlar.
    3. ABD sonda amaçlanan son poz (örneğin beynin her hemisphere distal sonu) doğru yavaş, serbest hareket uygulamak. BİZE ULA-OP sistemi görüntülerle satın durdurmak ve sonda izlemeyi durdurmak. ULA-OP biçimdeki tüm ABD görüntüleri aktarmak ve izci günlük dosyaları için iş istasyonu hareket.

8. Son işlem ve görselleştirme

  1. bizi serbest dizisi resim Post-processing
    Not: Bu yordam programlama dili MATLAB'de uygulanır ve 2B ABD görüntüleri ULA-op serbest her dizi için uygulanan biçimi, tam 3D görüntüler üretmek için.
    1. Yük sıra ABD ULA-OP biçimdeki görüntüleri. ABD görüntüleri dizisi hareket ait diğer günlük dosyalarıyla aynı. ULA-OP sistemi tarafından kayıtlı olduğu gibi zamansal aralığa gidiş edinme işlemi, sonuna kadar başından beri dahil günlük dosyalarından bir sıra zamanlı pozisyonların ayıklamak.
    2. Tam zamanlama parametreleri kullanarak sırayla her ABD görüntünün ULA-OP sistemi tarafından kaydedilen hesaplamak.
    3. İzleme sistemi hareket tarafından kaydedilen iki en yakın zamanlı pozisyonlar arasında enterpolasyonla tarafından her ABD görüntü sıra, ilişkili pozisyon hesaplamak. Çeviri vektörel çizimler ve rotasyonu, kuaterniyonlar ifade arasında küresel doğrusal ilişkilendirme (SLERP) arasında doğrusal ilişkilendirme kullanın.
      Not: medyan ABD görüntü sırayla - Yani belgili tanımlık imge vasıl en iyi 3D ABD resim çerçevesi tanımlamak için bir referans olarak tamamlayan bir (yaklaşık) eşit uzunlukta - sırayla bölümleri pozisyon varsayıyorum.
    4. Logaritmik bir sıkıştırma uygulamak, maksimum görüntü normalleştirmek ve ABD görüntü her uçak için bir eşik (genellikle-60 dB) uygulamak.
    5. Referans çerçevesi ile ilgili olarak hesaplamak ve her diğer ABD görüntü sırayla a bohça-in dağınık şekilde yer alan uçak almak için göreli bir kayma dönüşüm uygulamak.
    6. Bir doğrusal ilişkilendirme rutin voxels Kartezyen 3D bir dizi üretmek için uçakların dağınık şekilde yer alan yapısı için geçerlidir. Kartezyen 3D voxels dizisi .vtk dosyası olarak kaydedin ve satın alma zamanlaması için karşılık gelen aralığı zaman damgalarını kaydetmek.
  2. Diğer ABD görüntülerini (değil serbest dizileri) Post-processing
    Not: Aşağıdaki yordam freehand sıralarını (Bölüm 8.1) dışında ULA-OP biçiminde her ABD resim uygulanır. ULA-OP biçiminde
    1. yük ABD resim. Logaritmik bir sıkıştırma uygulamak, maksimum görüntü normalleştirmek ve ABD görüntü her uçak için bir eşik (genellikle-60 dB) uygulamak.
    2. 3D için ABD sadece, bir doğrusal ilişkilendirme rutin (Yani tarama dönüşüm) voxels Kartezyen 3D bir dizi üretmek için uçakların dağınık şekilde yer alan yapısı için yansımalarını.
    3. Görüntü uçak veya voxels bir .vtk dosyası olarak 3B Kartezyen dizisi, satın alma zamanlaması için karşılık gelen aralığı zaman damgalarını kayıt.
  3. ABD kayıt görüntüleri
    Not: Bu bölüm, ABD ve Bay görüntülerin kesin kayıt gerçekleştirme yordamları açıklar, iki dönüştürmeleri kullanarak önceki kalibrasyon adımları ve konum verileri sırasında hesaplanan ABD probe alımları sırasında kaydedildi. Kayıt bizim görüntüleri için programlama dili MATLAB yazılım yordamları kullanılabilir https://bitbucket.org/unipv/denecor-transformations, açık kaynak olarak.
    1. .Vtk biçiminde ABD resim yüklemek.
    2. ABD görüntü zamanlaması hareket ait diğer günlük dosyalarıyla aynı. Zamanlı pozisyonlar bir dizi .vtk görüntünün içinde kayıtlı olduğu gibi zamansal aralığa gidiş edinme işlemi, sonuna kadar başından beri dahil günlük dosyaları ayıklayın.
    3. ABD görüntü için ortalama konuma hesaplamak. Doğrusal çeviri vektörel çizimler için ortalama kullanabilir ve başvuru 35 rotasyonlar, kuaterniyonlar ifade için açıklanan algoritma uygulayabilir.
    4. Belirli ABD yansımasına karşılık gelen ABD marker dönüşüm yüklemek. Belirli ABD resim ve Bay resim seçim için karşılık gelen hareket izci Bay dönüşüm yüklemek.
    5. İle birlikte yukarıdaki iki dönüşümleri ortalama konum ABD Bay sert kayıt dönüştürme hesaplamak ve kaydetmek için kullanın İkincisi çeviri ve Bay resim çerçevesi seçim ABD görüntüde görselleştirme izin Euler açıları dahil olmak üzere farklı biçimlerde.
  4. Kayıtlı ABD görüntüleri görselleştirme
    Not: Bunlar alınan ABD ve MR görüntüleri görselleştirmek için ve onları daha önce hesaplanan kullanarak görselleştirme yazılım süperpozisyon sonra için son adımlar. dönüşümleri.
    1. Görselleştirme yazılım başlatmak ve seçim Bay resim yüklemek. İlgili tüm ABD resimler yükleyin. Her ABD resim için Paraview dönüşüm oluşturmak ve hesaplanan ABD Bay kayıt dönüştürme ( Şekil 18) görüntü verilerini uygulamak.

9. Kalibrasyon modelleri ve dönüşümleri

Not: Bu bölümde sunulan protokolünde kullanılan kalibrasyon ve dönüşüm teknikleri matematiksel ayrıntılarını açıklar. Deneysel protokol dört farklı düzgün kombine gereken referans kare içerir: 1) her iki fiziksel özellikleri ABD sonda ve uzamsal koordinatları (x ilişkilendirir tarayıcının yapılandırılması, üzerinde bağlıdır ABD resim çerçevesi y, z) ABD görüntüdeki her Voksel için (bütünlük için tüm 2B düzlemsel görüntüleri y var kabul edilir = 0); 2) ABD sonda (Bölüm 6.1); klempe pasif marker aracına doğasında vardır Marker (M) çerçeve 3) izleme aleti doğasında vardır hareket izleme sistemi (TS) çerçeve; 4) Bay görüntüdeki her Voksel uzamsal koordinatları (x, y, z) ilişkilendiren inceden inceye gözden geçirmek tarafından tanımlanan Bay görüntü (MRI) frame. Dikkat edilmesi gereken hususlar basitlik ve kolaylık sağlanması için bu bölümdeki yordamlar, rotasyon matrisler (Yani yön kosinüs matrisler) ve 36 dördey kullanarak açıklanır.

  1. M frame ABD'ye gelen
    Not: Bölüm 6.1 deneysel kalibrasyon yordamda aşağıdaki bilgileri verir: 1) 3D pozisyonlar (p 1, …, p 6) TS agar hayalet dahil ve kırılmaya karşı hareket izleyicisi çerçevede; 3 Küre her, 2 kalıplarının 2) her birinin aynı iki desen 3D pozisyonlar (p 1, …, p 3) bize ve (p 4, …, p 6) u.s. her içinde ölçülen İkiniz de ABD görüntüleri elde; 3) bir dönüştürme (R M > TH, t M > TS), R bir rotasyon matrisi ve t konumlandırma aracı tarafından ölçülen bir Çeviri Vektör nerede hangi (tüm rotasyonlar takip sistemi hareket tarafından ölçülen döndürme matrisler çevrilmesi gerekiyor kuaterniyonlar olarak bildirilen) pasif marker aracı göreli konumunu açıklar. Listeleri iki çiftin her biri için
    1. Uygula algoritma başvurusu 37 (p 1, …, p 3) bize, (p 1, …, p 3) TS ve (p 4, …, p 6) bize, (p 4, …, p 6) TS iki elde etmek için türü dönüştürmeleri (R u.s. > TH, t u.s. > TS), her bir özel için bize karşılık gelen görüntü alanı.
      1. Compute tahmininin istenen bir dönüşüm (R u.s. > M, t u.s. > M) her yukarıdaki dönüşümleri aşağıdaki şekilde:
        R u.s. > M = R T M > TH R u.s. > TH
        t u.s. > M R T = M > TH (t u.s. > TS - t M > TS)
        Not: iki tahminleri vektörlerinin aritmetik ortalamasını tarafından birleştirilir t u.s. > M ve rotasyon matrisler R ortalama u.s. > M yöntemiyle ilk matrisler kuaterniyonlar ve elde edilen kuaterniyonlar tercüme sonra başvuru 35 geri döndürme matris içine.
  2. İzleme sistemi Mr kareye hareket üzerinden
    Not: Bölüm 6.2 yordamda aşağıdaki bilgileri verir: 1) 3D pozisyonlar (p 1, …, p-18 ) TH 6 desen her sığır beyinde dahil 3 küre ölçülen hareket sistemi çerçeve; izleme 2) aynı 18 küre 3D pozisyonlar (p 1, …, p-18) MRG ölçülen hedef Bay görüntüde.
    1. Doğrudan hesaplamak istediğiniz dönüştürme (R TH > Mr, t TH > Mr) pozisyonlar iki liste için 37 ' algoritma uygulayarak.
  3. Gelen ABD MRI çerçeveye
    Not: Bölüm 7'de açıklanan Amerikan görüntü edinme yordam üretir görüntüleri kendisi için hareket izci günlük-dosyaları karşı dönüşümün ilişkili zaman damgaları çözme sonra ( R M > TH, t M > TS) doğrudan hesaplanır.
    1. Compute aşağıdaki şekilde istenilen dönüşüm:
      R u.s. > Mr R = TH > Mr R M > TS R u.s. > M
      t u.s. > Mr R = TH > Mr(RM>TStUS>M + tM>TS) + t TH > Mr

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Ana sonucu açıklanan protokolü üzerinden elde bir etkili ve tekrarlanabilir değerlendirme yordamı deneysel doğrulamak için 2D ve 3D görüntüleme yetenekleri bizim prototip beyin için potansiyel uygulamasında CMUT teknolojisi tabanlı yoklama görüntüleme. Açıklanan protokol adımları uygulamadan sonra bir uzman daha sonra görsel içeriğini karşılaştırmak için görselleştirme yazılım fonksiyonları (örneğin ücretsiz yönlendirme dilimleme, alt ayıklama, birim ilişkilendirme, vb) uygulayabilirsiniz kayıtlı Bir hedef Bay görüntü ile ABD görüntüler. Özellikle, elde edilen görüntülerin ve doğrudan Karşılaştırma MRG, altın standart kalite CMUT teknoloji bu alandaki potansiyel için ilk ve önemli kanıt temsil eder.

Olası bir görsel karşılaştırma örneği, Şekil 18 CMUT bize sonda ve piezoelektrik doğrusal dizi sonda ile sırasıyla, aynı ilgili dilimi için süperpozisyon içinde alınan hacimsel görüntüleri iki dilim gösterir bir Bay görüntü T2 ağırlıklı. T2 ağırlıklı MR görüntüleri istenen özellikler bu deneyler, görünürlük açısından en etkili olduğu ortaya çıktı ve bu nedenle başvuruları için süperpozisyon olarak seçilmiştir. Şekildeki iki ABD görüntüleri 9 MHz aynı frekansta elde. Şekil 18' da görüldüğü gibi CMUT sonda ile elde edilen görüntü daha iyi çözünürlük ve kontrast vardır; Ayrıca, önemli görsel özellikleri daha iyi tanımlanmış ve sulci ve gyri yapıları daha yüksek hassasiyet ve daha geniş bant genişliği CMUT sonda performansın elde gösterilen daha net görünür.

Figure 18
Şekil 18 : Kayıtlı ABD ve Bay görüntü dilimleri süperpozisyon. Şekil Bay ve bize CMUT ile alınan görüntüleri elde kaydı gösterir (a, c, e, g) ve piezoelektrik (b, d, f, h) doğrusal dizi sondalar. İçinde (a) ve (b) yeniden oluşturulan 3B veri kümesi özetliyor Bay uzayda gösterilir ve seçili 2D dilim vurgulanır. Paneller (c, e, g) ve (d, f, h) üst üste ABD ve Bay dilimleri her iki Albümdeki yazışma özellikleri göstermek için saydamlık artan ile mevcut. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Daha fazla 3D hacimsel görüntüleri ile ilgili karşılaştırmalı örnekler şekil 19 ve şekil 20temsil edilir. Şekil 19 bir piezoelektrik lineer prob ile hacimsel imar sonra elde edilen iki 3D görüntü gösterir ve başka bir 3D görüntüleme için mekanik olarak ok açılı piezoelektrik sonda ile elde. Şekil 20 CMUT sonda ile alınan görüntüleri 3D hacimsel yeniden gösterir. Gyri 3D yapısını ve sulci serebral korteksin her üç durumda, açıkça görülebilir CMUT sonda ile elde edilen cilt olarak dış yüzeyler çok daha net görünür ve daha iyi tanımlanmış olmasına rağmen.

Figure 19
Şekil 19 : Piezoelektrik probları ile alınan hacimsel 3D ABD görüntüleri. 3D ABD görüntüler arasında karşılaştırma mekanik olarak ok açılı tipler sonda (a, c) ile alınan veya freehand veri (b, d) konumlandırma hareket izleyici'yi kullanarak doğrusal sonda ile alınan düzlemsel 2D görüntüleri üzerinden yeniden. (A, b) bu birimlere konumlarını ana hatlarını kullanarak 3D Bay görüntü çerçeve içinde gösterilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Figure 20
Şekil 20 : CMUT sonda ile alınan 3D ABD görüntüleri yeniden. FreeHand CMUT sonda ile sığır beyni tarayarak elde 2B görüntü uçaklar 3D birimleri birleştirmeye gösterildiği gibi kullanılmış içinde (c, d). (A, b) bu tür birimleri ana hatları 3D Bay görüntü çerçeve içinde gösterilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Önemli ve ek ürün olarak deneyler konumlandırma içerir ABD görüntü ve kayıt verilerini farklı Bay görüntülerini aynı hedef göre genişletilmiş bir çok sonda veri kümesi oluşturulan. Şekil 21 süperpozisyon aynı Bay görüntünün sınırlayıcı kutuları her biri göstererek veri kümesindeki tüm 3D görüntüleri özetler.

Figure 21
Şekil 21 : 3D ABD dataset Bay görüntü referans çerçevesi içinde satın aldı. Şekil 3D Bay görüntü beyin ve ABD veri kümeleri elde piezoelektrik mekanik olarak (a), piezoelektrik doğrusal dizi (b) ve CMUT (c) probları süpürüldü 3D üst üste anahatlarını gösterir. (B) ve (c), 3 boyutlu görüntüleri hacimsel imar elde edilmiştir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Genel olarak, bu sonuçlar alımı ve 2D/3D doğru kayıt bizi görüntüleri 3D Bay görüntü aynı sığır beyin (Şekil 18, 19) başvuru çerçevesi içinde girebilir, açıklanan protokol etkinliğini göstermek ve 2D ABD görüntü birimleri birleştirmeye serbest modunda (rakamlar 19 d, 20) satın aldı.

Açıklanan yazılım araçları kullanılarak, uzmanlar görsel olarak 2D ve 3D en önemli özelliği bize görüntüleri biyolojik örneklerin keşfedebilirsiniz. Performans görüntüleme CMUT sonda nitel değerlendirilmesi önemli örnekleri (bkz. Şekil 18, ekil 19 ve şekil 20) diğer ABD probları ve referans olarak bir hedef Bay resmi (bkz: ile karşılaştırıldığında göstermiştir Şekil 18). Daha sofistike analizler, 3D görüntülerin ince ayar ABD-Bay kayıt insan uzmanlar tarafından veya bu Digital, gibi diğer yazılım tekniklerin uygulanması yoluyla elde görüntüsü veri kümeleri mümkündür. Bu yazılım teknikleri olacak gelecekte işleri ele.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Çeşitli eserler benzer veya sunulan protokolü ile ilgili teknikleri açıklayan edebiyat sunulmuştur. Bu teknikler de dahil olmak üzere sabit hayvan veya kadavra beyin, gerçekçi hedefler kullan seçeneğine göre ama esas olarak çeşitli tür dijital kayıt yöntemleri test etmek için tasarlanmış.

Burada, açıklanan protokol ancak, ABD probları farklı konfigürasyonlarda gelişme erken aşamalarında test belirli bir amacı vardır ve bu nedenle, tekrarlanabilirlik satın alma, yani aynı üzerinde temel bir gereklilik yerine getirir biyolojik örnek ile karşılaştırılabilir teşkil etmektedir. Sunulan Protokolü birçok yönü üzerinde varolan teknikleri ödünç alır ve onları bu amaç için farklı bir düzenleme olarak birleştirir.

İletişim kuralı tasarım ve deney sırasında öğrendim dersler arasında kalibrasyon işlemleri farkla en kritik yönü vardır. Kabul edilen birçok gelişmeler rağmen kalibrasyon, sonra dönüşümleri kümesinin tamamını genel olarak kayma hatası mevcut sırasına 1-1.5 mm. Böyle hata duyarlık (hangi sırasına göre 0.3 mm belgelenmiş bir kesinlik vardır) hareket izleyici'yi, ama oldukça zorluk bazı esneklik barındıran bir biyolojik örnek üzerinde hassas kayma okuma edinme eksikliği nedeniyle değil.

Öte yandan, deneyim, eşitleme zamansal doğruluk önemli bir özelliği değildir. Aslında, konum verileri tarafından hareket izleyici'yi satın alma oranı bir büyüklük insan eli sürekli bir duruş başarmaya hareket büyük olduğunu. Bu nedenle iletişim kuralında hesaplanan Ortalamalar iktisap ilave doğruluk süre. Özellikle etkili olduğu bir diğer yönü sanal pozlar tanımıdır. Gerçek zamanlı görsel izleme rutin sayesinde gerçekleştirilen deneyler operatörleri her birinden üç ABD probları çok çaba ve mekanik yapıları desteklemek olmadan karşılaştırılabilir görüntüler için on iki sanal pozlar edinimi bırakabilirim.

Gelecekte, kabul edilecek protokolü, olası bir değişiklik daha yakın bir döngü ve mekansal dönüşümler yorumlarına dayanması gerektiğini farklı ve gelişmiş kalibrasyon yöntemleri kullanıyor. Bugünkü formunda, aslında, önemli Post-işleme dönüşüm matrisleri hesaplamak için kayma okumalar protokol gerektirir. Bu etkinlik dakika onlarca gerçekleştirilebilir ve çevrimdışı koymak için deneyler gerektirmez, ancak bu Post-processing hemen, kalibrasyon yürütülürken görüntülenir olamaz sonuçlar sağlar. Bu bakımdan, bir gelişmiş ve muhtemelen gerçek zamanlı görsel geribildirim elde kalibrasyon daha hassas ulaşmada çok yardımcı olabilir.

Protokol gerçek uygulanması için oldukça açık ve birden çok gerekli entegrasyonlar izin aletleri için esastır. Örneğin, - bu durumda ULA-OP sistemi tarafından sağlanan iç zamanlama verilere erişimin tarafından sağlanmalıdır - farklı kaynaklardan gelen sinyalleri eşitleme gerçek olasılığı kalibrasyon ve etkinlikler sonrası işleme görüntü için çok önemlidir.

Bir başka önemli faktör bir yazılımdır. Hiçbir büyük yazılım aletlerini deneyler, C++ ve MATLAB rutinleri, artı Paraview, kalibrasyon gibi çok önemli görevleri bir dizi için gerekli ispat için Python tabanlı modülleri bir dizi için gerekli olmasına rağmen hareket takibi geribildirim için önceden tanımlanmış pozlar ve 3D görüntü yeniden inşası için Post-işleme. Bir kez daha düşük seviyeli verileri araçlar tarafından üretilen erişimine bu yazılım bileşenleri oluşturmak için son derece önemlidir.

Son olarak, görüntüleme için doğru hedef seçimi çok önemlidir. Sentetik hayaletler gerçekleştirilmesinin içeren çeşitli alternatif seçenekler önceden kabul edildi ve deneyim, bu alternatifleri ile karşılaştırıldığında çok düşük maliyetli seçtiğiniz sığır beyin formalin içinde sabit bir alt-optimal olduğu ortaya çıktı. Bu hedef çok daha iyi gerçekçilik sağlar ve uygun bakım, zaman içinde belirsiz koruma ile.

Sonuç olarak, 3D Multi-Modal görüntü veri kümesiyle bir sonucu kalıcı ve ilgili olarak sunulan deneysel sonuçlar ulaşılmasına bize göre parçalı birleştirilmeleri gereken bir etkili teknik tümleşme stratejisini üründür, ima ve araçlar ve yordamlar ile ilgili olarak tasarlanmış birçok açıdan dikkatli bir analizi ile ilgili.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarlar onlar rakip hiçbir mali çıkarları var bildirin.

Acknowledgments

Bu eser kısmen ulusal hükümetler ve hibe sözleşme numarası 324257 altında DeNeCoR ENIAC JU proje Avrupa Birliği tarafından desteklenmiştir. Yazarlar Prof. Giovanni Magenes, Prof. Piero Tortoli ve Dr Giosuè Caliano onların değerli destek, gözetim ve bu iş mümkün kılan anlayışlı yorum için teşekkür etmek istiyorum. Ayrıca Bay satın almalar için Prof. Egidio D'Angelo ve hareket takibi ve Bay araçları sağlamak için onun grubunu (gizli laboratuar), birlikte Fondazione Istituto Neurologico C. Mondino'nun ve Giancarlo Germani için minnettarız. Son olarak, Dr Nicoletta Caramia, Dr. Alessandro Dallai ve Bayan Barbara Mauti değerli teknik desteklerinden dolayı ve Bay Walter Volpi sığır beyin sağlamak için teşekkür etmek istiyorum.

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

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. Pappalardo, M., Caliano, G., Savoia, A. S., Caronti, A. Micromachined ultrasonic transducers. Piezoelectric and Acoustic Materials for Transducer Applications. Springer. 453-478 (2008).
  3. Oralkan, O. Capacitive micromachined ultrasonic transducers: Next-generation arrays for acoustic imaging? IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 49, (11), 1596-1610 (2002).
  4. 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).
  5. ENIAC JU project DeNeCoR website. http://www.denecor.info (2017).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Farrer, A. I. Characterization and evaluation of tissue-mimicking gelatin phantoms for use with MRgFUS. J. Ther. Ultrasound. 3, (9), (2015).
  11. 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).
  12. PVA brain phantom images website. http://pvabrain.inria.fr (2017).
  13. 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).
  14. 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).
  15. Unsgaard, G. Neuronavigation by Intraoperative Three-dimensional Ultrasound: Initial Experience during Brain Tumor Resection. Neurosurgery. 50, (4), 804-812 (2002).
  16. Pfefferbaum, A. Postmortem MR imaging of formalin-fixed human brain. NeuroImage. 21, (4), 1585-1595 (2004).
  17. Schulz, G. Three-dimensional strain fields in human brain resulting from formalin fixation. J. Neurosci. Meth. 202, (1), 17-27 (2011).
  18. Ahrens, J., Geveci, B., Law, C. ParaView: An End-User Tool for Large Data Visualization. Visualization Handbook. Elsevier. (2005).
  19. Cloutier, G. A multimodality vascular imaging phantom with fiducial markers visible in DSA, CTA, MRA, and ultrasound. Med. Phys. 31, (6), 1424-1433 (2004).
  20. Boni, E. A reconfigurable and programmable FPGA-based system for nonstandard ultrasound methods. IEEE Trans. Ultrason. Ferroelectr. Freq. Control. 59, (7), 1378-1385 (2012).
  21. Bagolini, A. PECVD low stress silicon nitride analysis and optimization for the fabrication of CMUT devices. J. Micromech. Microeng. 25, (1), (2015).
  22. Savoia, A. Design and fabrication of a cMUT probe for ultrasound imaging of fingerprints. Proc. IEEE Int. Ultrasonics Symp. 1877-1880 (2010).
  23. Fenster, A., Downey, D. B. Three-dimensional ultrasound imaging. Annu. Rev. Biomed. Eng. 2, 457-475 (2000).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. Savoia, A. S. Improved lateral resolution and contrast in ultrasound imaging using a sidelobe masking technique. Proc. IEEE Int. Ultrasonics Symp. 1682-1685 (2014).
  29. 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).
  30. 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).
  31. 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).
  32. 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).
  33. 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).
  34. NDI Polaris Vicra optical tracking system website. http://www.ndigital.com/medical/polaris-family (2017).
  35. Markley, F. L., Cheng, Y., Crassidis, J. L., Oshman, Y. Averaging quaternions. J. Guid. Cont. Dyn. 30, (4), 1193-1197 (2007).
  36. 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).
  37. Horn, B. K. P. Closed-form solution of absolute orientation using unit quaternions. J. Opt. Soc. Am. A. 4, (4), 629-642 (1987).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics