Efficiënte geautomatiseerde lokalisatie van ECoG-elektroden in CT-beelden via vormanalyse (LOC-ECOG)

Voor mensen met epilepsie (PwE) die ongevoelig zijn voor anti-epileptische medicatie, is de niet-invasieve preoperatieve evaluatie met behulp van ElectroEncephaloGram (EEG) die direct vanaf de hoofdhuid wordt opgenomen, soms niet voldoende om de epileptogene zone af te bakenen en de welsprekende cortex te identificeren. In deze gevallen is een invasieve benadering met behulp van intracraniële elektro-encefalografie (iEEG) nodig. Subdurale elektroden worden vaak gebruikt bij de preoperatieve evaluatie van patiënten die in aanmerking komen voor epilepsiechirurgie. Elektroden die direct op het oppervlak van de cortex worden geplaatst, geven een signaal met een veel hogere resolutie dan dat van hoofdhuidelektroden, en hebben een veel duidelijk zicht op kleine loci van activiteit die moeilijk te zien is op de hoofdhuid.

Subdurale elektroden maken niet alleen de lokalisatie van abnormaal epileptisch weefsel mogelijk, maar ook de lokalisatie van aangrenzende normale functies. Daarom speelt de precieze anatomische lokalisatie van de elektroden op de hersenen van de patiënt een sleutelrol bij de definitie van de epileptogene zone of bij het in kaart brengen van de welsprekende cortex.

Vanuit klinisch oogpunt maakt de nauwkeurige lokalisatie van de anatomische grenzen van de epileptogene zone het mogelijk om welsprekende gebieden uit te sluiten, tekorten aan de patiënt te voorkomen en resectie van het hersenvolume te minimaliseren.

De lokalisatie van deze elektroden wordt over het algemeen verkregen door de locaties van de elektroden af ​​te stemmen op de hersenanatomie van de patiënt. Gewoonlijk wordt een pre-implantaat magnetische resonantiebeeld (MRI) samen met een post-implantaat computertomografiescan (CT) geregistreerd omdat MRI een hoger hersenweefselcontrast biedt, terwijl CT de lokalisatie van elektroden ondersteunt, zelfs als CT-beelden worden beïnvloed door metaalartefacten. .

Verschillende speciale softwaretools die pre-chirurgische evaluatie ondersteunen, zijn momenteel beschikbaar als op Matlab gebaseerde pakketten of open source-software, ook met grafische gebruikersinterfaces. Ze bieden voornamelijk MRI-CT-coregistratie en bieden alleen basisfuncties voor herkenning van ECoG-elektroden van CT-scans. De meeste speciale software segmenteert de elektroden via eenvoudige beelddrempels en maakt handmatige interactie mogelijk om de gegevens te corrigeren. Handmatige methoden zijn erg tijdrovend, gebruikersafhankelijk en vatbaar voor onnauwkeurigheden. Aan de andere kant is de loutere CT-beelddrempelmethode niet in staat om alle elektroden te herkennen en andere metalen voorwerpen, zoals draden, tandvijlsel, intracraniale clips, splinters, hechtingen, gehoorapparaten of intracraniale stents, volledig uit te sluiten. Daarom is vaak handmatige tussenkomst nodig om de gegevens aan te passen. De ALICE-tool houdt bijvoorbeeld rekening met het volume van gesegmenteerde clusters om de elektroden te identificeren, maar bleek andere objecten met vergelijkbare volumes (bijv. draadclusters).

Het doel van dit project is de ontwikkeling van een nieuwe, robuuste, geautomatiseerde methode om ECoG-elektroden in CT-volumes te herkennen. Het bestaat uit het verwijderen van metalen artefacten uit CT-volumes, identificatie van groepen/arrays van metalen objecten in de schedel en vormanalyse van gedetecteerde objecten om de lokalisatie van ECoG-elektroden te bereiken. De voorgestelde benadering zou gemakkelijk kunnen worden geïntegreerd in bestaande tools.