通过形状分析在 CT 图像中高效自动定位 ECoG 电极 (LOC-ECOG)

对于抗癫痫药物难以治疗的癫痫 (PwE) 患者，有时使用直接从头皮记录的脑电图 (EEG) 进行的非侵入性术前评估不足以描绘致癫痫区和识别雄辩皮质。 在这些情况下，需要使用颅内脑电图 (iEEG) 的侵入性方法 硬膜下电极经常用于对适合癫痫手术的患者进行术前评估。 直接放置在皮层表面的电极提供的信号分辨率比头皮电极提供的信号高得多，并且可以清楚地看到头皮上难以看到的小活动点。

硬膜下电极不仅可以定位异常癫痫组织，还可以定位相邻的正常功能。 因此，电极在患者大脑上的精确解剖定位在致癫痫区的定义或雄辩皮层的映射中起着关键作用。

从临床角度来看，精确定位致痫区的解剖边界可以排除功能区域，避免对患者造成损害并最大限度地减少脑体积切除。

这些电极的定位通常是通过将电极的位置与患者的大脑解剖结构相匹配来获得的。 通常，植入前磁共振图像 (MRI) 与植入后计算机断层扫描 (CT) 共同注册，因为 MRI 提供更高的脑组织对比度，而 CT 支持电极定位，即使 CT 图像受到金属伪影的影响.

支持术前评估的各种专用软件工具目前可作为基于 Matlab 的软件包或开源软件使用，还具有图形用户界面。 它们主要提供 MRI-CT 联合配准，并且仅提供从 CT 扫描中识别 ECoG 电极的基本特征。 大多数专用软件通过简单的图像阈值分割电极，并允许手动交互来纠正数据。 手动方法非常耗时、依赖于用户并且容易出错。 另一方面，单纯的 CT 图像阈值化方法无法识别所有电极并完全排除其他金属物体，如电线、牙锉、颅内夹、碎片、缝线、助听器或颅内支架。 因此，通常需要人工干预来调整数据。 例如，ALICE 工具考虑了分段簇的体积来识别电极，但事实证明无法排除具有可比较体积的其他对象（例如 线束）。

该项目的目的是开发一种新颖、稳健、自动化的方法来识别 CT 容积中的 ECoG 电极。 它包括从 CT 体积中去除金属伪影、识别头骨内金属物体的组/阵列以及检测物体的形状分析以实现 ECoG 电极定位。所提出的方法可以很容易地集成到现有工具中。