Tehokas automaattinen EKoG-elektrodien paikantaminen CT-kuvissa muotoanalyysin avulla (LOC-ECOG)

Epilepsiaa (PwE) sairastaville, jotka eivät kestä epilepsialääkkeitä, ei toisinaan suoraan päänahasta tallennettu ei-invasiivinen leikkausta edeltävä arviointi ElectroEncephaloGramilla (EEG) riitä epileptogeenisen alueen rajaamiseen ja kaunopuheisen aivokuoren tunnistamiseen. Näissä tapauksissa tarvitaan invasiivinen lähestymistapa kallonsisäistä elektroenkefalografiaa (iEEG) käyttäen. Subduraalielektrodeja käytetään usein potilaiden, joille epilepsialeikkaus on ehdokkaan, leikkausta edeltävässä arvioinnissa. Suoraan aivokuoren pinnalle asetetut elektrodit antavat signaalin, jonka resoluutio on paljon suurempi kuin päänahan elektrodeilta saadut signaalit, ja niillä on selkeä näkymä pienistä aktiivisuuslokuksista, joita on vaikea nähdä päänahassa.

Subduraaliset elektrodit mahdollistavat paitsi epänormaalin epileptisen kudoksen lokalisoinnin, myös viereisten normaalien toimintojen paikantamisen. Siksi elektrodien tarkka anatominen sijainti potilaan aivoissa on avainasemassa epileptogeenisen alueen määrittelyssä tai kaunopuheisen aivokuoren kartoituksessa.

Kliinisestä näkökulmasta katsottuna epileptogeenisen vyöhykkeen anatomisten rajojen tarkka sijainti mahdollistaa kaunopuheisten alueiden sulkemisen pois, välttää potilasvajetta ja minimoi aivotilavuuden resektion.

Näiden elektrodien sijainti saadaan yleensä sovittamalla elektrodien paikat potilaan aivojen anatomiaan. Yleensä pre-implanttimagneettinen resonanssikuva (MRI) rekisteröidään rinnakkaisistutuksen jälkeiseen tietokonetomografiaan, koska MRI tarjoaa paremman aivokudoksen kontrastin, kun taas TT tukee elektrodien paikantamista, vaikka metalliartefaktit vaikuttaisivat TT-kuviin. .

Erilaisia ​​ohjelmistotyökaluja, jotka tukevat leikkausta edeltävää arviointia, on tällä hetkellä saatavilla Matlab-pohjaisina paketteina tai avoimen lähdekoodin ohjelmistoina, myös graafisilla käyttöliittymillä. Ne tarjoavat pääasiassa MRI-CT-yhteisrekisteröinnin ja tarjoavat vain perusominaisuuksia EKG-elektrodien tunnistamiseen CT-skannauksista. Useimmat omistetut ohjelmistot segmentoivat elektrodit yksinkertaisen kuvan kynnyksen avulla ja mahdollistavat manuaalisen toiminnan tietojen korjaamiseksi. Manuaaliset menetelmät ovat erittäin aikaa vieviä, käyttäjäkohtaisia ​​ja alttiita epätarkkuudelle. Toisaalta pelkkä CT-kuvan kynnysmenetelmä ei pysty tunnistamaan kaikkia elektrodeja ja sulkemaan kokonaan pois muita metalliesineitä, kuten lankoja, hammasviilaa, kallonsisäisiä klipsiä, siruja, ompeleita, kuulolaitteita tai kallonsisäisiä stenttejä. Siksi tietojen säätäminen vaatii usein manuaalista puuttumista. Esimerkiksi ALICE-työkalu ottaa huomioon segmentoitujen klustereiden tilavuuden tunnistaakseen elektrodit, mutta osoittautui, että se ei pysty sulkemaan pois muita samankokoisia objekteja (esim. lankaklusterit).

Tämän projektin tavoitteena on kehittää uusi, vankka, automatisoitu menetelmä EKoG-elektrodien tunnistamiseen CT-tilavuuksissa. Se koostuu metalliesineiden poistamisesta CT-tilavuuksista, metalliesineiden ryhmien/ryhmien tunnistamisesta kallossa ja havaittujen esineiden muoto-analyysistä ECoG-elektrodien paikantamiseksi. Ehdotettu lähestymistapa voitaisiin helposti integroida olemassa oleviin työkaluihin.