Kombinationen af flere billeddannelsesmodaliteter er ofte nødvendig for at få en omfattende forståelse af patofysiologi. Denne tilgang bruger fantomer til at generere en differentiel transformation mellem koordinatsystemerne for to modaliteter, som derefter anvendes til co-registrering. Denne metode eliminerer behovet for embedsmænd i produktionsscanninger.
Integrerede prækliniske multimodale billeddannelsessystemer, såsom røntgencomputertomografi (CT) kombineret med positronemissionstomografi (PET) eller magnetisk resonansbilleddannelse (MRI) kombineret med PET, er bredt tilgængelige og giver typisk robust samregistrerede volumener. Imidlertid er der ofte behov for separate enheder for at kombinere en selvstændig MR med en eksisterende PET-CT eller for at inkorporere yderligere data fra optisk tomografi eller røntgenmikrotomografi i høj opløsning. Dette nødvendiggør billedsamregistrering, som involverer komplekse aspekter såsom multimodalt musesengedesign, fiducial markørinklusion, billedrekonstruktion og softwarebaseret billedfusion. Fiduciale markører udgør ofte problemer for in vivo-data på grund af problemer med dynamisk rækkevidde, begrænsninger i billedfeltet, vanskeligheder med markørplacering eller tab af markørsignaler over tid (f.eks. fra tørring eller henfald). Disse udfordringer skal forstås og adresseres af hver enkelt forskningsgruppe, der kræver billedsamregistrering, hvilket resulterer i gentagne indsatser, da de relevante detaljer sjældent er beskrevet i eksisterende publikationer.
Denne protokol skitserer en generel arbejdsgang, der overvinder disse problemer. Selvom en differentiel transformation oprindeligt skabes ved hjælp af fidusielle markører eller visuelle strukturer, er sådanne markører ikke nødvendige i produktionsscanninger. Kravene til mængdedata og de metadata, der genereres af rekonstruktionssoftwaren, er detaljerede. Diskussionen omfatter opfyldelse og kontrol af krav separat for hver modalitet. En fantombaseret tilgang beskrives for at generere en differentiel transformation mellem koordinatsystemerne for to billeddannelsesmodaliteter. Denne metode viser, hvordan man samregistrerer produktionsscanninger uden tillidsmarkører. Hvert trin er illustreret ved hjælp af tilgængelig software med anbefalinger til kommercielt tilgængelige fantomer. Gennemførligheden af denne tilgang med forskellige kombinationer af billeddannelsesmodaliteter installeret på forskellige steder vises.
Forskellige prækliniske billeddannelsesmetoder har forskellige fordele og ulemper. For eksempel er røntgencomputertomografi (CT) velegnet til at undersøge anatomiske strukturer med forskellige radiotætheder, såsom knogler og lunger. Det er meget udbredt på grund af dets hurtige optagelseshastighed, høje tredimensionelle opløsning, relative lette billedvurdering og alsidighed med eller uden kontrastmidler 1,2,3. Magnetisk resonansbilleddannelse (MRI) giver den mest alsidige bløddelskontrast uden ioniserende stråling4. På den anden side er sporstofbaserede modaliteter som positronemissionstomografi (PET), enkeltfotonemission computertomografi (SPECT), fluorescensmedieret tomografi (FMT) og magnetisk partikelbilleddannelse (MPI) etablerede værktøjer til kvantitativt at vurdere molekylære processer, metabolisme og biodistribution af radioaktivt mærkede diagnostiske eller terapeutiske forbindelser med høj følsomhed. De mangler dog opløsning og anatomisk information 5,6. Derfor er mere anatomisk orienterede modaliteter typisk parret med meget følsomme modaliteter, der har deres styrke i sporstofdetektion7. Disse kombinationer gør det muligt at kvantificere koncentrationer af røbestoffer inden for et bestemt interesseområde 8,9. For kombinerede billedbehandlingsenheder er modalitetssamregistrering normalt en indbygget funktion. Det er dog også nyttigt at medregistrere scanninger fra forskellige enheder, f.eks. hvis enhederne er købt separat, eller hvis en hybridenhed ikke er tilgængelig.
Denne artikel fokuserer på tværmodalitetsfusion i billeddannelse af små dyr, som er afgørende for grundforskning og lægemiddeludvikling. En tidligere undersøgelse10 påpeger, at dette kan opnås med funktionsgenkendelse, konturkortlægning eller fiducialsmarkører (fiducials). Fiducials er referencepunkter til nøjagtigt at justere og korrelere billeder fra forskellige billeddannelsesmodaliteter. I særlige tilfælde kan fiducials endda være prikker af kinesisk blæk på huden af nøgne mus11; Imidlertid bruges ofte en billedpatron med indbyggede fiduciale markører. Selvom dette er en robust og veludviklet metode10, giver det praktiske problemer at bruge den til hver scanning. MR-detekterbare fiducials er ofte væskebaserede og har en tendens til at tørre ud under opbevaring. PET kræver radioaktive markører, hvis signal henfalder i henhold til emitterens halveringstid, som normalt er kort til biomedicinske anvendelser, hvilket nødvendiggør forberedelse kort før scanningen. Andre problemer, såsom uoverensstemmelsen i det dynamiske område af signalet fra den fiduciale markør og det undersøgte objekt, påvirker stærkt in vivo-billeddannelse . Den brede vifte af dynamisk kontrast kræver hyppig tilpasning af markørens signalstyrke til det objekt, der undersøges. Derfor, mens et svagt markørsignal muligvis ikke registreres i analysen, kan et stærkt markørsignal skabe artefakter, der forringer billedkvaliteten. For konsekvent at inkludere markørerne skal synsfeltet desuden være unødvendigt stort for mange applikationer, hvilket potentielt kan føre til højere strålingseksponering, større datamængder, længere scanningstider og i nogle tilfælde lavere opløsning. Dette kan påvirke forsøgsdyrenes sundhed og kvaliteten af de genererede data.
Transformation og differentiel transformation
Et billeddatasæt består af voxeldata og metadata. Hver voxel er forbundet med en intensitetsværdi (figur 1A). Metadataene omfatter en transformation, der specificerer datasættets placering i billedenhedens koordinatsystem (figur 1B) og den voxelstørrelse, der bruges til at skalere koordinatsystemet. Yderligere oplysninger, f.eks. enhedstype eller scanningsdato, kan eventuelt gemmes i metadataene. Den nævnte transformation kaldes matematisk en stiv kropstransformation. Stive kropstransformationer bruges til at ændre orienteringen eller placeringen af objekter i et billede eller et geometrisk rum, samtidig med at afstanden mellem hvert par punkter bevares, hvilket betyder, at det transformerede objekt bevarer sin størrelse og form, mens det roteres og oversættes i rummet. Enhver serie af sådanne transformationer kan beskrives som en enkelt transformation, der består af en rotation efterfulgt af en translation. Formlen, der bruges af softwaren til at flytte fra datakoordinaten til den metriske målkoordinat, er vist i figur 1C, hvor R er en ortonormal rotationsmatrix, d og v er voxelindekser og -størrelser, og t er en 3 x 1 translationsvektor12. Rotationen er beskrevet i figur 1D.
Figur 1: 2D-repræsentation af et billeddatasæts struktur og placering i et globalt koordinatsystem. (A) Et billeddatasæt består af voxeldata og metadata. Transformationen, der angiver placeringen og voxel-størrelsen, er vigtige metadatakomponenter. (B) Billedet gengives i enhedens koordinatsystem. Den nødvendige transformation for at placere objektet består af en rotation (blå) efterfulgt af en oversættelse (grøn). (C) For at flytte fra datakoordinaten til målkoordinaten bruger softwaren denne formel, hvor R er en ortonormal rotationsmatrix, d og v er voxelindekser og -størrelser, og t er en 3 x 1 translationsvektor. (D) En rotationsmatrix (blå i plan A) repræsenterer den lineære transformation af roterende punkter. Multiplicering af et punkts koordinater med denne matrix resulterer i de nye, roterede koordinater. Klik her for at se en større version af denne figur.
En differentiel transformation er en stiv kropstransformation, der konverterer koordinater fra et koordinatsystem til et andet, f.eks. fra PET til røntgenmikrotomografi (μCT), og den kan beregnes ved hjælp af fiduciale markører. Mindst tre fælles punkter - embedsmændene - vælges i begge koordinatsystemer. Fra deres koordinater kan der udledes en matematisk transformation, der konverterer koordinaterne. Softwaren bruger mindste kvadraters metode, som giver den bedst egnede løsning til et ligningssystem med fejl eller støj i de målte data. Dette kaldes Prokrustes-opgaven13 og løses ved hjælp af singulær værdinedbrydning. Metoden er pålidelig og robust, fordi den fører til en unik og veldefineret løsning (hvis der gives mindst tre ikke-kollineære markører). Der beregnes seks frie parametre: tre til oversættelse og tre til rotation. I det følgende vil vi bruge udtrykket transformationsmatrix, selvom det teknisk set består af en rotationsmatrix og translationsvektor.
Hver billedbehandlingsenhed har sit eget koordinatsystem, og softwaren beregner en differentiel transformation for at justere dem. Figur 2A,B beskriver, hvordan differentialtransformationen bestemmes, mens figur 2C,D beskriver, hvordan den anvendes. Billederne af begge modaliteter kan have forskellige dimensioner og holde dem i processen, som vist i eksempelbilledet med fusionen af CT og PET i figur 2E.
Figur 2: Differentialtransformation. (A-D) Forenklet til 2D. Selv om det gælder for andre modaliteter, antages det, at modaliteterne er CT og PET for dette eksempel. (A,C) Et CT-billede med en rød afgrænsningsramme er placeret i koordinatsystemet. Anvendt på det samme koordinatsystem placeres PET-billedet med en gul afgrænsningsramme afvigende. (B) Ved hjælp af fidusielle markører, der kan lokaliseres i både CT og PET, kan en differentiel transformation T bestemmes. Dette symboliseres af pilen. Differentialtransformationsmatrixen gemmes. (D) Den tidligere gemte differentialtransformationsmatrix T kan derefter påføres hvert PET-billede. Dette resulterer i en ny transformation, der erstatter den oprindelige transformation i metadataene. (E) Et CT-billede smeltet sammen med et PET-billede. Transformationerne i metadataene for begge billeder refererer til det samme koordinatsystem. Klik her for at se en større version af denne figur.
Metode og krav
Til den præsenterede metode scannes et fantom, der indeholder markører, der er synlige i begge modaliteter, i begge enheder. Det er så tilstrækkeligt at markere disse fiducials i den foreslåede software for at beregne en differentiel transformation mellem de to modaliteter. Den differentielle transformation skal oprettes individuelt for hvert par enheder. Det kan gemmes og senere anvendes på ethvert nyt billede, hvilket eliminerer behovet for tillidsmarkører i efterfølgende scanninger. Den endelige placering af billedet i koordinatsystemet for en anden enhed kan igen beskrives som en transformation og gemmes i billedets metadata og erstatte den oprindelige transformation der.
Der kan formuleres fire krav til denne metode: (1) Multimodalt fantom: Et fantom, der indeholder markører, der er synlige i begge modaliteter, skal være tilgængeligt. Et stort udvalg af fantomer er kommercielt tilgængeligt, og brugen af 3D-print til fantomkonstruktion er blevet bredt beskrevet14, endda inklusive inkorporering af radioisitoper15. De fantomer, der bruges i de følgende eksempler, er angivet i materialefortegnelsen. Der kræves mindst tre ikke-kollineære punkter16. Markørerne kan være hulrum, der kan fyldes med et passende sporstof, små genstande lavet af et materiale, der let kan påvises i hver modalitet, eller blot huller, snit eller kanter i selve fantomet, så længe de kan identificeres i begge modaliteter. (2) Multimodal bærer: Der er brug for en bærer, såsom en museseng, der kan fastgøres i en reproducerbar position i begge enheder. Ideelt set bør det ikke være muligt at bruge det i omvendt position for at undgå fejl. Bæreren er særlig vigtig for in vivo-billeddannelse , fordi den er nødvendig for at transportere et bedøvet dyr fra det ene billedbehandlingsapparat til det andet uden at ændre dets position. Baseret på vores erfaring er bedøvede mus mere tilbøjelige til at ændre deres position i en flad museseng sammenlignet med en konkav formet. Derudover er en brugerdefineret 3D-printet jigg til at holde musens skinneben for at minimere bevægelse tidligere blevet foreslået17. 3) Selvkonsistens: Hvert billedbehandlingsudstyr skal give rotation og translation af det rekonstruerede volumen i sin referenceramme på en reproducerbar og sammenhængende måde. Det betyder også, at et koordinatsystem for hele enheden bevares, når kun et lille område scannes. Det er en del af protokollen at teste en billedbehandlingsenhed for dens selvkonsistens. (4) Softwareunderstøttelse: Den foreslåede software skal være i stand til at fortolke de metadata (voxelstørrelse, oversættelse, orientering), der er gemt med den rekonstruerede volumen, der leveres af enheden. Diskenheden kan være i DICOM-, NIfTI-, Analyze- eller GFF-filformat. For en oversigt over forskellige filformater, se Yamoah et al.12.
Medregistrering af to modaliteter beskrives, men proceduren finder også anvendelse på tre eller flere modaliteter, f.eks. ved samregistrering af to modaliteter til én referencemodalitet.
Softwaretrinene i protokollen skal udføres i Imalytics Preclinical, som omtales som "analysesoftwaren" (se materialefortegnelsen). Den kan indlæse volumener som to forskellige lag kaldet "underlag" og "overlejring"18. Den underliggende gengivelse bruges normalt til at inspicere et anatomisk detaljeret datasæt, som en segmentering kan baseres på; Overlejringen, som kan gengives gennemsigtigt, kan bruges til at visualisere yderligere information i billedet. Normalt vises signalfordelingen af en tracer-baseret modalitet i overlayet. Protokollen kræver, at det valgte lag skiftes flere gange. Dette er det lag, der vil blive påvirket af redigeringsoperationerne. Det aktuelt valgte lag er synligt i rullelisten i den øverste værktøjslinje mellem musen og vinduesikonerne. Man kan trykke på tabulatortasten for at skifte mellem underlag og overlay eller vælge det ønskede lag direkte fra rullelisten. Protokollen vil henvise til scanninger (eller billeder), der bruges til at teste selvkonsistens og bestemme en differentiel transformation som "kalibreringsscanninger", i modsætning til "produktionsscanninger", der efterfølgende bruges til indholdsgenererende billeddannelse. De modaliteter, der anvendes i protokollen, er CT og PET. Som beskrevet tidligere gælder denne metode imidlertid for alle prækliniske billeddannelsesmetoder, der er i stand til at erhverve volumetriske data.
1. Samling af bæreren og fantomet
BEMÆRK: En passende multimodal bærer, f.eks. en museseng, skal være tilgængelig, hvorpå fantomet kan fastgøres. Se diskussionen for forslag, hyppige problemer og fejlfinding vedrørende denne samling.
2. Udførelse af kalibreringsscanninger og kontrol af selvkonsistens
BEMÆRK: Dette trin skal gentages for hver billedenhed.
3. Beregning af differentialtransformationen
4. Billeddannelse af produktionen
Figur 3 og figur 4 giver eksempler på et fantom, der er synligt i CT og indeholder rørformede hulrum fyldt med et sporstof, i dette tilfælde for SPECT. Fantomet og det anvendte sporstof er angivet i materialetabellen.
Trin 2 i protokollen skitserer kalibreringsscanningerne og verificerer selvkonsistensen af hver billedbehandlingsenhed. Gengivelserne fra de to scanninger med forskellige synsfelter skal være kongruente for hver enhed. Derfor bør billede B, afbildet med gult, være en delmængde af billede A, afbildet i hvidt. Et eksempel ved hjælp af CT er vist i figur 3A. Tracer-baserede modaliteter som PET eller SPECT visualiseres typisk med volumengengivelse (figur 3B). Iso-gengivelse letter dog lettere positionssammenligninger. Derfor instruerer protokollen brugerne i at skifte underlag og overlay til Iso-gengivelse, uanset hvilken modalitet der bruges. I SPECT-eksemplet skal den gule gengivelse således også være en delmængde af den hvide gengivelse (figur 3C). I alle tilfælde skal den gule afgrænsningsramme være mindre og placeret inden for den røde afgrænsningsramme. Hvis justeringen ikke stemmer overens, fremhæver diskussionen almindelige placeringsproblemer og giver forslag til fejlfinding.
Trin 3 i protokollen beskriver, hvordan man bestemmer differentiel transformation mellem to modaliteter ved hjælp af fiduciale markører. Da traceren i tracer-baserede modaliteter er til stede som et volumen, skal brugeren bestemme passende punkter, der skal bruges som en (punktformet) fiducial markør. I figur 4 indlæses et CT-billede af fantomet som underlag, og et SPECT-billede indlæses som underlag. Midten af en kurve af et rør inde i fantomet vælges som en fiducial markør for CT-underlaget, som vist i figur 4A-C i aksiale, koronale og sagittale visninger. Det tilsvarende punkt skal markeres i overlejringen, som er illustreret i figur 4D-F i aksiale, koronale og sagittale visninger. Softwaren kan nu beregne og anvende differentialtransformationen på overlayet. Dette justerer markørerne i begge modaliteter, som vist i figur 4G,H.
Figur 3: Billeder, der viser selvkonsistens. (A) CT-volumen. Trin 2.4 i protokollen kræver kontrol af billedjusteringen. I henhold til trinene i protokollen gøres underlaget hvidt, mens overlayet og overlayets afgrænsningsramme gøres gule. Begge lag er på linje (her simuleres den anden scanning af en beskåret kopi af den første scanning). (B) SPECT-billeddannelse af fantomet med sporstoffyldte rør. Volumengengivelse med NIH-farvetabel. (C) SPECT-billede i ISO-gengivelse. Underlaget gengives hvidt, mens overlejringen og afgrænsningsrammen for overlejringen gengives gul. Begge lag er på linje (her simuleres den anden scanning af en beskåret kopi af den første scanning). Klik her for at se en større version af denne figur.
Figur 4: Placering af markører i CT- og SPECT-billeder. Et CT-billede af fantomet indlæses som underlag. Et SPECT-billede indlæses som en overlejring og gengives ved hjælp af NIH-farvetabellen. (A-C) Trin 3.2 i protokollen kræver, at der placeres markører i underlaget. Midten af en kurve af et rør inde i fantomet er valgt som fiducial, og Marker001 er placeret der, som vist med en rød prik i aksiale, koronale og sagittale visninger. (D-F) Den matchende markør placeres i overlejringen. (G) Aksial visning efter transformationen. H) 3D-visning af de sammensmeltede modaliteter. Maksimal intensitetsprojektionsgengivelse bruges til at gøre SPECT-sporstoffet synligt i fantomet. Klik her for at se en større version af denne figur.
En metode til multimodal billedregistrering, der ikke kræver fiduciale markører til produktionsscanninger, præsenteres. Den fantombaserede tilgang genererer en differentiel transformation mellem koordinatsystemerne for to billeddannelsesmodaliteter.
Restkoncentration og validering af differentialtransformationen
Ved beregning af differentialtransformationen viser softwaren en rest af fusion i millimeter, der repræsenterer rodmiddelkvadratfejlen19 af transformationen. Hvis denne rest overstiger størrelsesordenen af voxelstørrelsen, er det tilrådeligt at inspicere datasættene for generelle problemer. Men da alle billeder har små forvrængninger, kan restbilledet ikke blive vilkårligt lille; Det afspejler kun pasformen af de anvendte markører. En samregistrering med tre markører kan f.eks. resultere i en mindre rest på de samme datasæt end en transformation med fire velfordelte markører. Dette sker, fordi markørerne i sig selv kan blive overtilpasset, når der ansættes færre tillidsmænd. Nøjagtigheden på tværs af hele datasættet forbedres med et større antal markører.
Metodens kvantitative nøjagtighed afhænger af det specifikke par enheder, der anvendes. Den beregnede differentialtransformation mellem koordinatsystemerne for to enheder kan valideres ved at følge disse trin: Overholdelse af trin 4 i protokollen, men ved at bruge fantomet med fidusielle markører som "prøve" igen. Placering af fantomet i en hvilken som helst position, og sørg for, at det er forskelligt fra det, der bruges til at estimere differentialtransformationen. Det er også muligt at bruge et andet fantom, der passer til de respektive modaliteter, hvis et sådant er tilgængeligt. Dernæst anvendes den differentialtransformation, der er fastlagt tidligere (trin 4.2.5) for at tilpasse de to modaliteter. Placer derefter markører på billederne fra begge modaliteter i henhold til trin 3.2 i protokollen. For at beregne fusionsresten for disse markører skal du klikke på Menu Fusion > Registrer overlejring til Underlay > Viser restscore.
Restfejlen beskriver den gennemsnitlige fejlplacering af signalet og skal være i rækkefølgen af voxelstørrelsen. Konkrete accepttærskler er applikationsafhængige og kan afhænge af flere faktorer, såsom stivheden og nøjagtigheden af billedsystemerne, men kan også blive påvirket af billedrekonstruktionsartefakter.
Fejlfinding af selvkonsistens
Ofte opstår vanskeligheder med selvkonsistens på grund af upålidelig placering. En almindelig fejl er at placere bæreren i en sideværts omvendt position. Ideelt set bør den kun indsættes mekanisk i billedbehandlingsenheden i én retning. Hvis dette ikke er muligt, bør der tilføjes forståelige markeringer for brugeren. Et andet hyppigt problem er muligheden for bevægelse i længdeaksen, hvilket gør aksial positionering upålidelig. Det anbefales at bruge et afstandsstykke, der kan fastgøres i den ene ende for at fastgøre musesengen på plads. Brugerdefinerede afstandsstykker kan f.eks. hurtigt og nemt oprettes ved at 3D-printe dem. Nogle enheder kan dog ikke give selvkonsistens med forskellige synsfelter. I sådanne tilfælde anbefales det at kontakte leverandøren, som skal bekræfte inkompatibiliteten og eventuelt løse den i en fremtidig opdatering. Ellers forbliver metoden pålidelig, hvis der opretholdes et identisk synsfelt for alle scanninger, herunder kalibrering og produktionsbilleddannelse.
For nogle produktionsscanninger med afvigende placering er transformation til den kalibrerede position mulig, hvis der kan ses tilstrækkelig bærestruktur. Til in vivo-billeddannelse skal det bedøvede dyr forblive i én bærer, og det er ikke altid muligt at konstruere en enkelt bærer, der passer sikkert i begge enheder. Ofte bruges en museseng til en tracer-baseret modalitet, og derefter improviseres placeringen i en CT-enhed. For eksempel blev en MPI-museseng i figur 5A placeret oven på en CT-museseng på grund af mekaniske begrænsninger. Aksialt spillerum og muligheden for at rulle gør denne positionering upålidelig. I sådanne tilfælde anbefales det at designe en adapter, der erstatter den nederste museseng og giver mulighed for en sammenlåsende pasform. Det kan f.eks. bruge tapper fastgjort til den nederste del og yderligere huller i bunden af den øverste museseng.
Det er dog muligt at korrigere eksisterende billeder retrospektivt, da musesengen kan detekteres i CT-billedet. Protokollen kræver kalibreringsscanninger efterfulgt af beregning af en differentiel transformation af overlayet til underlaget. Proceduren er den samme, men skal også kortlægge hver enkelt produktions-CT-scanning til kalibreringsscanningen ved hjælp af muselejestrukturerne som fiducials.
Figur 5: Placering af fejlfinding. (A) En MPI-museseng er placeret oven på en CT-museseng. Positionen i CT kan derfor ikke gengives pålideligt. Selvkonsistens kan opnås ved at fusionere hvert CT-billede til reference-CT-billedet, der bruges til at estimere differentialtransformationen. (B-D) Forenklet til 2D. (B) Hvert produktions-CT-billede indlæses som en overlejring og registreres på reference-CT-billedet (underlaget) ved hjælp af strukturer af musesengen, der er synlige i CT'en. Det korrigerede produktions-CT-billede er nu i overensstemmelse med reference-CT og kan bruges med differentialtransformationen T. (C) En MPI-overlay registreres på reference-CT-billedet ved hjælp af de fiduciale markører for et fantom. (D) De multimodale billeder samles. Til dette formål kortlægges hvert CT-billede til referencepositionen med dets individuelle differentialtransformation. Efterfølgende registreres MPI-overlayet også til referencepositionen ved hjælp af differentialtransformationen, som er gyldig for alle billeder af enheden. Klik her for at se en større version af denne figur.
For at kortlægge produktions-CT-scanningerne til kalibreringsscanningen henvises til afsnit 3 i protokollen, der indeholder følgende ændringer. For klarhedens skyld fortsætter beskrivelsen med eksemplet på et CT-underlag og MPI-overlay: I trin 3.1 indlæses CT-kalibreringsscanningen (billede A) som underlag og CT-scanningen skal korrigeres som overlay. Brug strukturer i MPI-musesengen enten som markører for trin 3.2 eller som visuelle referencer for trin 3.3. Spring trin 3.4 over, men gem overlejringen repræsenterer den korrigerede CT-enhed (Menufil > Overlejring > Lagring af overlejring som). I den efterfølgende dialogboks skal du indtaste et nyt navn og klikke på Gem. Luk overlejringen ved at navigere til Menufil > Overlejring > Lukning af overlejring. Indlæs den næste CT-scanning, der kræver korrektion som overlejring, og genoptag proceduren fra trin 3.2 i protokollen. Konceptet bag dette trin er illustreret i figur 5B.
Musesengen er nu stort set justeret identisk med kalibreringsscanningen i alle de nyligt gemte CT-volumener. Som en del af standardproceduren registreres kalibreringsscanningen på MPI-billederne ved hjælp af differentialtransformationen T (figur 5C). For efterfølgende at flette CT-billedet med MPI skal du altid bruge den korrigerede CT-volumen (Figur 5D).
Fejlfinding af spejlvendte billeder og skalering
Den registreringsmetode, der introduceres her, forudsætter en rimelig nøjagtig billedkvalitet og justerer kun rotation og oversættelse. Det korrigerer ikke for spejlvendte billeder eller forkert skalering. Disse to problemer kan dog løses manuelt, før differentialtransformationen beregnes.
Uoverensstemmelser mellem dataformater fra forskellige producenter kan medføre, at nogle datasæt, især dem i DICOM-format, vises som spejlvendt i softwaren. Da fantomer og musesenge ofte er symmetriske, er dette problem måske ikke umiddelbart tydeligt. Det er nemmere at registrere vendte billeder, når scanningen indeholder genkendelige bogstaver i den respektive modalitet, såsom de hævede bogstaver i den korrekte retning, der ses i fantomet i figur 3H. I eksemplet illustreret i figur 6 indlæses CT-data som underlag, og MPI-data indlæses som overlejring. Det er en in vivo-scanning af en mus placeret i en MPI-museseng med vedhæftede fiduciale markører. MPI-musesengen er placeret oven på en μCT-museseng (figur 6A). Ved at overholde protokollen og markere fiducialerne i både underlaget og overlayet i en konsistent rotationsretning opnås et synligt inkongruent resultat (figur 6B). Ved nærmere eftersyn kan problemet dog identificeres. Fiducials danner en asymmetrisk trekant. Når man observerer siderne af trekanten i den aksiale visning (figur 6C, D) fra den korteste til den midterste til den længste, er en rotation med uret tydelig i CT-dataene, mens en rotation mod uret er tydelig i MPI-dataene. Dette viser, at et af billederne er omvendt på siden. I dette tilfælde antager vi, at CT-dataene er nøjagtige. For at rette op på MPI-overlayet vendes billedet: For at gøre det skal du skifte det valgte lag til overlay og klikke på Menu Rediger > Flip > Flip X. Den differentiale transformation, der beregnes af softwaren, omfatter alle nødvendige rotationer, så "Flip X" er tilstrækkeligt, selvom billedet ser ud til at være vendt i en anden retning.
Figur 6: Fejlfinding af transformation. CT-data indlæses som underlag med en voxelstørrelse på 0,240 mm, og MPI-data som overlay med en voxelstørrelse på 0,249 mm. Musesengen indeholder tillidsmarkører. (A) 3D-visning af det ukorrigerede overlejringsbillede. Embedsmændene i CT-underlaget er angivet med pile. Fiducials i MPI-overlayet er synlige som kugler i NIH-farvetabellen. (B) Uoverensstemmende resultat af en transformation udført uden passende korrektioner. Fusionsrester = 6,94 mm. (C) Måling af afstanden mellem modtagerne i CT. Rotation med uret fra den korteste til den længste afstand. (D) Måling af afstanden mellem de finansielle i MPI. Rotation mod uret fra den korteste til den længste afstand. Sammenligning med CT-målingerne resulterer i en skaleringsfaktor på 0,928774. (E) Korrigeret overlejring efter vending og skalering. (F) Transformation med matchende resultater i 3D-visning. (G) Transformation med matchende resultater i aksial visning. Fusionsrester = 0,528 mm. Klik her for at se en større version af denne figur.
Datasæt med forkerte voxelstørrelser kan også rettes manuelt. Da fantomets dimensioner skal være kendt, kan dette verificeres på billedet. Den enkleste metode er at bruge en kant af kendt længde. Tryk på [Ctrl + højre museknap] i den ene ende af en kant, og mens du holder knappen nede, skal du flytte musemarkøren til den anden ende af kanten og slippe knappen. I den efterfølgende dialog viser softwaren længden af den målte afstand i billedet. I eksemplet illustreret i figur 6 er det tydeligt, at størrelserne ikke er kongruente, når man sammenligner afstandene mellem fiducialerne i begge modaliteter (figur 6C,D). Igen antages CT-dataene at være nøjagtige. For at ændre skaleringen beregnes en skaleringsfaktor (SF). Da forholdet mellem længderne (CT/MPI) ikke er nøjagtigt identisk for hver side af trekanten, beregnes middelkvotienten: SF = ((l1CT/l1MPI) + (l2CT/l2MPI) + (l2CT/l2MPI)) / 3.
Juster derefter voxelstørrelsen af overlayet ved at gange hver dimension med SF. For at opnå dette skal du skifte det valgte lag til overlay og åbne Menu Rediger > Skift Voxel-størrelser. Beregn hver dimension, indtast værdien, og klik derefter på OK. Resultatet af begge rettelser er vist i figur 6E. Herefter registreres overlayet på underlaget i henhold til protokollen. Den resulterende justering er vist i figur 6F,G. Selvom dette giver en hurtig løsning til at korrigere en eksisterende scanning, anbefaler vi at kalibrere billedenheden til produktionsbrug.
Begrænsninger
Denne metode er begrænset til rumlig samregistrering af eksisterende volumetriske data sammensat af terningformede voxeller. Det inkluderer ikke en rekonstruktionsproces, der beregner volumen fra rådata genereret af billedbehandlingsenheden (f.eks. projektioner i CT). Forskellige billedforbedringsteknikker er forbundet med dette trin, såsom iterative metoder20,21 og anvendelsen af kunstig intelligens21. Selvom den beskrevne metode i princippet er anvendelig til alle modaliteter, der producerer 3D-billeder med terningformede voxels, kan den ikke bruges til at fusionere 3D-data med 2D-data, som et MR-volumen kombineret med 2D infrarød termografi22 eller fluorescensbilleddannelse, hvilket kan være relevant i billedstyrede kirurgiske applikationer. Registreringen af 3D-data korrigerer ikke for forvrængninger, som f.eks. dem, der forekommer i MR-billeder ved spolekanten. Selvom det ikke er obligatorisk, opnås optimale resultater, når forvrængninger korrigeres under genopbygningsprocessen. Den automatiserede transformation adresserer heller ikke vendte billeder eller forkert skalering. Disse to problemer kan dog løses manuelt som beskrevet i afsnittet om fejlfinding.
Metodens betydning
Den foreslåede metode eliminerer behovet for fiduciale markører i produktionsscanninger, hvilket giver flere fordele. Det gavner modaliteter, hvor markørvedligeholdelse eller hyppig udskiftning er påkrævet. For eksempel er de fleste MR-markører baseret på fugt, men har en tendens til at tørre ud over tid, og radioaktive PET-markører henfalder. Ved at fjerne behovet for fiducials i produktionsscanninger kan synsfeltet reduceres, hvilket fører til kortere anskaffelsestider. Dette er nyttigt i indstillinger med høj kapacitet for at reducere omkostningerne og minimere røntgendosis ved CT-scanning. En reduceret dosis er ønskelig, fordi stråling kan påvirke forsøgsdyrs biologiske veje i longitudinelle billeddannelsesundersøgelser23.
Desuden er metoden ikke begrænset til specifikke modaliteter. Afvejningen for denne alsidighed er, at færre trin automatiseres. En tidligere offentliggjort metode til sammensmeltning af μCT- og FMT-data anvender indbyggede markører i en museseng til hver scanning og kan udføre automatiseret markørdetektion og forvrængningskorrektion under rekonstruktion24. Andre metoder eliminerer behovet for markører ved at bruge billedlighed. Selv om denne fremgangsmåde giver gode resultater og også kan korrigere forvrængninger25, er den kun anvendelig, hvis de to modaliteter giver billeder af hinanden nok. Dette er normalt ikke tilfældet i kombinationen af en anatomisk detaljeret modalitet og en tracer-baseret modalitet. Disse kombinationer er dog nødvendige for at vurdere farmakokinetikken af målrettede midler26, som har anvendelser inden for områder som anticancer nanoterapi27,28.
Fordi kvalitetskontrol er mindre streng i præklinisk sammenlignet med kliniske applikationer, er fejljustering af kombinerede billedbehandlingsenheder et anerkendt problem29. Data, der er berørt af denne fejljustering, kan forbedres retrospektivt ved at scanne et fantom og bestemme differentialtransformationen, hvilket potentielt reducerer omkostningerne og minimerer dyreskader. Ud over den demonstrerede metode, der anvender fidusielle markører til at beregne en differentiel transformation, som derefter anvendes til produktionsscanninger, beskrives og bruges yderligere muligheder for billedfusion. En oversigt, som indeholder referencer til forskellige tilgængelige programmer, kan findes i Birkfellner et al.30.
Afslutningsvis tilbyder den præsenterede metode en effektiv løsning til multimodal billedsamregistrering. Protokollen kan let tilpasses til forskellige billeddannelsesmodaliteter, og de medfølgende fejlfindingsteknikker forbedrer metodens robusthed over for typiske problemer.
FG er ejer af Gremse-IT GmbH, et spin-out af RWTH Aachen University, som kommercialiserer software til biomedicinsk billedanalyse. J. J er medejer af Phantech LLC, som kommercialiserer fantomer til molekylær billeddannelse. De resterende forfattere erklærer, at forskningen blev udført uden kommercielle eller finansielle forbindelser, der kunne opfattes som en potentiel interessekonflikt. M. T skrev det originale manuskript. J. J udførte CT/SPECT-scanningerne, som er eksemplariske, som vist i artiklen. B. S og Y. Z udførte CT/MPI-scanningerne, som er eksemplariske i artiklen. F. G overvågede undersøgelsen og reviderede artiklen. Alle forfattere bidrog til artiklen og godkendte den indsendte version.
Forfatterne vil gerne takke forbundsregeringen i Nordrhein-Westfalen og Den Europæiske Union (EFRE), den tyske forskningsfond (CRC1382 projekt ID 403224013 - SFB 1382, projekt Q1) for finansieringen.
Name | Company | Catalog Number | Comments |
177Lu | radiotracer | ||
Custom-build MPI mousebed | |||
Hot Rod Derenzo | Phantech LLC. Madison, WI, USA | D271626 | linearly-filled channel derenzo phantom |
Imalytics Preclinical 3.0 | Gremse-IT GmbH, Aachen, Germany | Analysis software | |
Magnetic Insight | Magnetic Insight Inc., Alameda, CA, USA | MPI Imaging device | |
Quantum GX microCT | PerkinElmer | µCT Imaging device | |
U-SPECT/CT-UHR | MILabs B.V., CD Houten, The Netherlands | CT/SPECT Imaging device | |
VivoTrax (5.5 Fe mg/mL) | Magnetic Insight Inc., Alameda, CA, USA | MIVT01-LOT00004 | MPI Markers |
Request permission to reuse the text or figures of this JoVE article
Request PermissionThis article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. All rights reserved