Effiziente automatisierte Lokalisierung von ECoG-Elektroden in CT-Bildern mittels Formanalyse (LOC-ECOG)

Bei Menschen mit Epilepsie (PwE), die auf Medikamente gegen Krampfanfälle nicht ansprechen, reicht die nicht-invasive präoperative Untersuchung mithilfe eines ElektroEnzephalogramms (EEG), das direkt an der Kopfhaut aufgezeichnet wird, manchmal nicht aus, um die epileptogene Zone abzugrenzen und den eloquenten Kortex zu identifizieren. In diesen Fällen ist ein invasiver Ansatz mittels intrakranieller Elektroenzephalographie (iEEG) erforderlich. Subdurale Elektroden werden häufig bei der präoperativen Beurteilung von Patienten verwendet, die für eine Epilepsieoperation in Frage kommen. Elektroden, die direkt auf der Oberfläche des Kortex angebracht werden, liefern ein Signal mit einer viel höheren Auflösung als die von Kopfhautelektroden gelieferten und bieten eine viel klarere Sicht auf kleine Aktivitätsorte, die auf der Kopfhaut schwer zu erkennen sind.

Subdurale Elektroden ermöglichen nicht nur die Lokalisierung von abnormalem epileptischem Gewebe, sondern auch die Lokalisierung angrenzender normaler Funktionen. Daher spielt die genaue anatomische Lokalisierung der Elektroden im Gehirn des Patienten eine Schlüsselrolle bei der Definition der epileptogenen Zone oder bei der Kartierung des eloquenten Kortex.

Aus klinischer Sicht ermöglicht die genaue Lokalisierung der anatomischen Grenzen der epileptogenen Zone den Ausschluss eloquenter Bereiche, die Vermeidung von Defiziten für den Patienten und die Minimierung der Resektion des Hirnvolumens.

Die Lokalisierung dieser Elektroden erfolgt im Allgemeinen durch Anpassen der Elektrodenpositionen an die Gehirnanatomie des Patienten. Im Allgemeinen wird ein Magnetresonanzbild (MRT) vor der Implantation zusammen mit einem Computertomographie-Scan (CT) nach der Implantation registriert, da die MRT einen höheren Gehirngewebekontrast bietet, während die CT die Lokalisierung der Elektroden unterstützt, selbst wenn CT-Bilder durch Metallartefakte beeinträchtigt sind .

Verschiedene dedizierte Softwaretools zur Unterstützung der präoperativen Auswertung sind derzeit als Matlab-basierte Pakete oder Open-Source-Software, auch mit grafischer Benutzeroberfläche, verfügbar. Sie ermöglichen hauptsächlich die MRT-CT-Koregistrierung und bieten nur grundlegende Funktionen zur Erkennung von ECoG-Elektroden aus CT-Scans. Die meisten speziellen Softwareprogramme segmentieren die Elektroden über einfache Bildschwellenwerte und ermöglichen eine manuelle Interaktion zur Korrektur der Daten. Manuelle Methoden sind sehr zeitaufwändig, benutzerabhängig und anfällig für Ungenauigkeiten. Andererseits ist die bloße CT-Bild-Schwellenwertmethode nicht in der Lage, alle Elektroden zu erkennen und andere metallische Objekte wie Drähte, Zahnspäne, intrakranielle Klammern, Splitter, Nähte, Hörgeräte oder intrakranielle Stents vollständig auszuschließen. Daher ist häufig ein manueller Eingriff erforderlich, um die Daten anzupassen. Beispielsweise berücksichtigt das ALICE-Tool das Volumen segmentierter Cluster, um die Elektroden zu identifizieren, es stellte sich jedoch heraus, dass es nicht in der Lage war, andere Objekte mit vergleichbaren Volumina auszuschließen (z. B. Drahtbündel).

Das Ziel dieses Projekts ist die Entwicklung einer neuartigen, robusten, automatisierten Methode zur Erkennung von ECoG-Elektroden in CT-Volumina. Es besteht aus der Entfernung von Metallartefakten aus CT-Volumina, der Identifizierung von Gruppen/Anordnungen von Metallobjekten im Schädel und der Formanalyse erkannter Objekte, um die Lokalisierung von ECoG-Elektroden zu erreichen. Der vorgeschlagene Ansatz könnte problemlos in bestehende Tools integriert werden.