Effektiv automatisert lokalisering av ECoG-elektroder i CT-bilder via formanalyse (LOC-ECOG)

For personer med epilepsi (PwE) som ikke er motstandsdyktige mot anfallsmedisiner, er noen ganger ikke-invasiv prekirurgisk evaluering ved bruk av ElectroEncephaloGram (EEG) registrert direkte fra hodebunnen tilstrekkelig til å avgrense den epileptogene sonen og identifisere den veltalende cortex. I disse tilfellene er en invasiv tilnærming ved bruk av intrakraniell elektroencefalografi (iEEG) nødvendig. Subdurale elektroder brukes ofte i den prekirurgiske evalueringen av pasienter som er kandidater for epilepsikirurgi. Elektroder plassert direkte på overflaten av cortex gir et signal med mye høyere oppløsning enn det som gis fra hodebunnselektroder, og har et mye klart syn på små aktivitetssteder som er vanskelig å se i hodebunnen.

Subdurale elektroder tillater ikke bare lokalisering av unormalt epileptisk vev, men også lokalisering av tilstøtende normale funksjoner. Derfor spiller den nøyaktige anatomiske lokaliseringen av elektrodene på pasientens hjerne en nøkkelrolle i definisjonen av den epileptogene sonen eller i kartleggingen av veltalende cortex.

Fra et klinisk synspunkt tillater den nøyaktige lokaliseringen av de anatomiske grensene til den epileptogene sonen å utelukke veltalende områder, unngå underskudd til pasienten og minimere hjernevolumreseksjon.

Lokaliseringen av disse elektrodene oppnås vanligvis ved å matche plasseringen av elektrodene med hjerneanatomien til pasienten. Vanligvis blir et preimplantat magnetisk resonansbilde (MRI) samregistrert til en post-implantat computertomografiskanning (CT) fordi MR gir høyere hjernevevskontrast, mens CT støtter elektrodelokalisering, selv om CT-bilder er påvirket av metallartefakter .

Ulike dedikerte programvareverktøy som støtter pre-kirurgisk evaluering er for tiden tilgjengelig som Matlab-baserte pakker eller åpen kildekode-programvare, også med grafiske brukergrensesnitt. De gir hovedsakelig MR-CT-samregistrering og tilbyr kun grunnleggende funksjoner for gjenkjenning av ECoG-elektroder fra CT-skanninger. De fleste dedikerte programvarer segmenterer elektrodene via enkel bildeterskeling og tillater manuell interaksjon for å korrigere dataene. Manuelle metoder er svært tidkrevende, brukeravhengige og utsatt for unøyaktighet. På den annen side er ikke bare CT-bildeterskelmetoden i stand til å gjenkjenne alle elektrodene og helt utelukke andre metalliske gjenstander, slik som ledninger, tannspåner, intrakranielle klips, splinter, sting, høreapparater eller intrakranielle stenter. Derfor er det ofte nødvendig med manuell intervensjon for å justere dataene. For eksempel vurderer ALICE-verktøyet volumet av segmenterte klynger for å identifisere elektrodene, men viste seg ikke å være i stand til å ekskludere andre objekter med sammenlignbare volumer (f. trådklynger).

Målet med dette prosjektet er å utvikle en ny, robust, automatisert metode for å gjenkjenne ECoG-elektroder i CT-volumer. Den består av fjerning av metallartefakter fra CT-volumer, identifisering av grupper/arrays av metallobjekter i skallen og formanalyse av oppdagede objekter for å oppnå ECoG-elektrodelokalisering. Den foreslåtte tilnærmingen kan enkelt integreres i eksisterende verktøy.