Az ECoG-elektródák hatékony automatizált lokalizálása CT-képeken alakelemzés segítségével (LOC-ECOG)
A rohamellenes gyógyszerekkel szemben ellenálló, gyógyszeres epilepsziában (PwE) szenvedő betegeket műtétre értékelhetik. Számos esetben a nem invazív műtét előtti feldolgozás nem elegendő az epileptogén zóna lokalizálásához, és ennek helyes elhatárolása intracranialis vizsgálatokat igényel intraparenchymális vagy szubdurális elektródák segítségével. A szubdurális elektródákkal végzett módszertani megközelítés lehetővé teszi a nagy kérgi régiókat lefedő elektrokortikográfia (ECoG) készítését és beszédes területek feltérképezésére.
A rohamkezdeti zóna körülhatárolásához kötelező pontosan meghatározni az elektródák helyzetét a kérgi felületen. Az elektródákat általában a betegek számítógépes tomográfiás (CT) képeinek egyszerű képfeldolgozással (pl. küszöbérték), amely elszigeteli a fémtárgyakat. Azonban a vezetékeket, öltéseket, kapcsokat és egyéb fémtárgyakat is felismeri, és kézi beavatkozással el kell távolítani. Egy új, alakelemzésen alapuló automatizált módszert retrospektíven tesztelnek refrakter fokális epilepsziában szenvedő alanyok egy csoportjában, akiket korábban szubdurális elektródákkal vizsgáltak diagnosztikai célból, hogy fejlett ECoG szubdurális elektródák felismerést biztosítsanak. Összesen 24 CT-vizsgálatot vesznek fel nagyszámú (> 1700) kerek platinaelektródasorral a tesztelésre.
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
Az epilepsziás (PwE) rohamellenes gyógyszeres kezelésre refrakter betegek esetében néha a közvetlenül a fejbőrről rögzített ElectroEncephaloGram (EEG) nem invazív műtét előtti értékelés nem elegendő az epileptogén zóna körülhatárolásához és az ékesszóló kéreg azonosításához. Ezekben az esetekben intrakraniális elektroencefalográfiát (iEEG) alkalmazó invazív megközelítésre van szükség. A szubdurális elektródákat gyakran alkalmazzák az epilepszia műtétre váró betegek műtét előtti értékelése során. A közvetlenül a kéreg felületén elhelyezett elektródák sokkal nagyobb felbontású jelet adnak, mint a fejbőr elektródái, és sokkal tisztán látják a fejbőrön nehezen látható kis aktivitási lokuszokat.
A szubdurális elektródák nemcsak a kóros epilepsziás szövetek lokalizációját teszik lehetővé, hanem a szomszédos normál funkciók lokalizálását is. Ezért az epileptogén zóna meghatározásában vagy az ékeskéreg feltérképezésében kulcsszerepet játszik az elektródák pontos anatómiai lokalizációja a páciens agyán.
Klinikai szempontból az epileptogén zóna anatómiai határainak pontos lokalizálása lehetővé teszi az ékesszóló területek kizárását, a beteg hiányának elkerülését és az agytérfogat reszekció minimalizálását.
Ezeknek az elektródáknak a lokalizációját általában úgy határozzák meg, hogy az elektródák elhelyezkedését a páciens agyának anatómiájához igazítják. Általában a beültetés előtti mágneses rezonancia képet (MRI) együtt regisztrálják a beültetés utáni komputertomográfiás vizsgálattal (CT), mivel az MRI nagyobb agyszöveti kontrasztot biztosít, míg a CT támogatja az elektródák lokalizációját, még akkor is, ha a CT-képeket fémműtermékek befolyásolják. .
A műtét előtti értékelést támogató különféle dedikált szoftvereszközök jelenleg Matlab-alapú csomagok vagy nyílt forráskódú szoftverek formájában érhetők el, grafikus felhasználói felülettel is. Főleg MRI-CT társregisztrációt biztosítanak, és csak alapvető funkciókat kínálnak a CT-vizsgálatokból származó EKoG-elektródák felismeréséhez. A legtöbb dedikált szoftver egyszerű képküszöb segítségével szegmentálja az elektródákat, és lehetővé teszi az adatok kézi beavatkozását. A manuális módszerek nagyon időigényesek, felhasználófüggőek és pontatlanok. Másrészt, a puszta CT-képküszöb-módszer nem képes felismerni az összes elektródát, és teljesen kizárni más fémtárgyakat, mint például vezetékek, fogreszelékek, koponyán belüli kapcsok, szilánkok, öltések, hallókészülékek vagy koponyán belüli stentek. Ezért az adatok módosításához gyakran manuális beavatkozásra van szükség. Például az ALICE eszköz a szegmentált klaszterek térfogatát veszi figyelembe az elektródák azonosításához, de kiderült, hogy nem tud kizárni más hasonló térfogatú objektumokat (pl. vezetékfürtök).
A projekt célja egy újszerű, robusztus, automatizált módszer kifejlesztése az ECoG elektródák felismerésére CT-térfogatokban. Ez magában foglalja a fém műtermékek eltávolítását a CT-térfogatokból, a koponyán belüli fémtárgyak csoportjainak/tömbeinek azonosítását, valamint az észlelt tárgyak alakjának elemzését az ECoG-elektródák lokalizálása érdekében. A javasolt megközelítés könnyen integrálható a meglévő eszközökbe.
Tanulmány típusa
Beiratkozás (Tényleges)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
IS
-
Pozzilli, IS, Olaszország, 86077
- IRCCS Neuromed
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- FELNŐTT
- OLDER_ADULT
- GYERMEK
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- A szubdurális ECoG elektródákkal beültetett betegek epilepsziás műtéten estek át
- Elfogadható képminőségű posztoperatív CT-vizsgálat elérhetősége
Kizárási kritériumok:
- Alacsony képminőségű CT-vizsgálaton átesett betegek
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Gyógyszerrezisztens epilepsziás betegek
A gyógyszerrezisztens epilepsziában szenvedő betegek epilepszia műtéten estek át
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Lineáris diszkriminanciaelemző osztályozó osztályozási pontossága az elektródák kimutatásában
Időkeret: 2020. szeptember
|
Minden egyes páciens számára különálló adatbázis jön létre, amely sorokkal a CT-térfogatban található potenciális elektródobjektumoknak felel meg, és a kinyert geometriai jellemzők gyűjteményéből és a hozzárendelt osztályból áll össze. Két osztályt kell figyelembe venni: „elektródát” és „nem elektródát”. Az "elektróda" osztály a tényleges elektródákhoz, míg a nem elektród osztály hozzá van rendelve az összes többi észlelt fémtárgyhoz. Lineáris diszkriminanciaelemzés (LDA) algoritmust fognak használni a modell betanítására és az adatok osztályozására. A besorolási teljesítményt 10-szeres keresztellenőrzés alkalmazásával értékelik mind a 24 betegadatbázison. A 10-szeres keresztellenőrzés során az adatkészletet véletlenszerűen 10 azonos méretű részhalmazra osztják fel, majd mindegyik részhalmazt tesztelik a fennmaradó kilenc részhalmazra betanított osztályozóval. Ezután a kapott 10 besorolási pontosságot átlagolják, hogy általános osztályozási pontosságot kapjanak. |
2020. szeptember
|
Együttműködők és nyomozók
Szponzor
Együttműködők
Publikációk és hasznos linkek
Általános kiadványok
- Taimouri V, Akhondi-Asl A, Tomas-Fernandez X, Peters JM, Prabhu SP, Poduri A, Takeoka M, Loddenkemper T, Bergin AM, Harini C, Madsen JR, Warfield SK. Electrode localization for planning surgical resection of the epileptogenic zone in pediatric epilepsy. Int J Comput Assist Radiol Surg. 2014 Jan;9(1):91-105. doi: 10.1007/s11548-013-0915-6. Epub 2013 Jun 23.
- Brunner P, Ritaccio AL, Lynch TM, Emrich JF, Wilson JA, Williams JC, Aarnoutse EJ, Ramsey NF, Leuthardt EC, Bischof H, Schalk G. A practical procedure for real-time functional mapping of eloquent cortex using electrocorticographic signals in humans. Epilepsy Behav. 2009 Jul;15(3):278-86. doi: 10.1016/j.yebeh.2009.04.001. Epub 2009 Jun 17.
- Arnulfo G, Narizzano M, Cardinale F, Fato MM, Palva JM. Automatic segmentation of deep intracerebral electrodes in computed tomography scans. BMC Bioinformatics. 2015 Mar 25;16:99. doi: 10.1186/s12859-015-0511-6.
- Dykstra AR, Chan AM, Quinn BT, Zepeda R, Keller CJ, Cormier J, Madsen JR, Eskandar EN, Cash SS. Individualized localization and cortical surface-based registration of intracranial electrodes. Neuroimage. 2012 Feb 15;59(4):3563-70. doi: 10.1016/j.neuroimage.2011.11.046. Epub 2011 Nov 28.
- Hermes D, Miller KJ, Noordmans HJ, Vansteensel MJ, Ramsey NF. Automated electrocorticographic electrode localization on individually rendered brain surfaces. J Neurosci Methods. 2010 Jan 15;185(2):293-8. doi: 10.1016/j.jneumeth.2009.10.005. Epub 2009 Oct 27.
- Lachaux JP, Rudrauf D, Kahane P. Intracranial EEG and human brain mapping. J Physiol Paris. 2003 Jul-Nov;97(4-6):613-28. doi: 10.1016/j.jphysparis.2004.01.018.
- Branco MP, Gaglianese A, Glen DR, Hermes D, Saad ZS, Petridou N, Ramsey NF. ALICE: A tool for automatic localization of intra-cranial electrodes for clinical and high-density grids. J Neurosci Methods. 2018 May 1;301:43-51. doi: 10.1016/j.jneumeth.2017.10.022. Epub 2017 Nov 1.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (TÉNYLEGES)
Elsődleges befejezés (TÉNYLEGES)
A tanulmány befejezése (TÉNYLEGES)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (TÉNYLEGES)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (TÉNYLEGES)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Egyéb vizsgálati azonosító számok
- BIOING_01
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .