real-time-fmri-biofeedback-targeting-orbitofrontal-cortex-for

Real-time fMRI Biofeedback Targeting the Orbitofrontal Cortex for Contamination Anxiety

We present a method for training subjects to control activity in a region of their orbitofrontal cortex associated with contamination anxiety using ...

Yale University School of Medicine 

&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x7684;&#x89C4;&#x5212;&#x548C;&#x56FE;&#x50CF;&#x5F15;&#x5BFC;&#x4E0B;&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x9700;&#x8981;&#x8BA1;&#x7B97;&#x65AD;&#x5C42;&#x626B;&#x63CF; (CT)&#x3001; &#x529F;&#x80FD;&#x6027;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#xFF09; &#x83B7;&#x5F97;&#x4ECE;&#x529F;&#x80FD;&#x548C;&#x7ED3;&#x6784;&#x56FE;&#x50CF;&#x7684;&#x5404;&#x79CD;&#x65B9;&#x5F0F;&#xFF0C;&#x5982;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF; (MRI)&#x3001; &#x591A;&#x5F0F;&#x8054;&#x8FD0;&#x7684;&#x6570;&#x636E;&#x7684;&#x53EF;&#x89C6;&#x5316;&#x3001; &#x5355;&#x5149;&#x5B50;&#x53D1;&#x5C04;&#x65AD;&#x5C42;&#x626B;&#x63CF; (SPECT) &#x7B49;&#x7B49;&#x3002;&#x5728;&#x766B;&#x75EB;&#x5916;&#x79D1;&#x7684;&#x60C5;&#x51B5;&#x4E0B;&#xFF0C;&#x4F8B;&#x5982;&#x8FD9;&#x4E9B;&#x56FE;&#x50CF;&#x7528;&#x4E8E;&#x6807;&#x8BC6;&#x5927;&#x8111;&#x533A;&#x57DF;&#x6307;&#x5BFC;&#x9885;&#x5185;&#x7535;&#x6781;&#x690D;&#x5165;&#x672F;&#x4E0E;&#x5207;&#x9664;&#x672F;&#x3002;&#x4E00;&#x822C;&#x6765;&#x8BF4;&#xFF0C;&#x8FD9;&#x7C7B;&#x6570;&#x636E;&#x53EF;&#x89C6;&#x5316;&#x4F7F;&#x7528; 2D &#x5207;&#x7247;&#x548C;&#x5728;&#x67D0;&#x4E9B;&#x60C5;&#x51B5;&#x4E0B;&#xFF0C;&#x4F7F;&#x7528; 3D &#x4F53;&#x79EF;&#x5448;&#x73B0;&#x4E0E;&#x529F;&#x80FD;&#x6210;&#x50CF;&#x7ED3;&#x679C;&#x3002;&#x53EF;&#x89C6;&#x5316;&#x6FC0;&#x6D3B;&#x533A;&#x57DF;&#x6709;&#x6548;&#x5730;&#x901A;&#x8FC7;&#x4ECD;&#x4FDD;&#x7559;&#x8DB3;&#x591F;&#x5468;&#x56F4;&#x7684;&#x5927;&#x8111;&#x533A;&#x57DF;&#xFF0C;&#x4E0A;&#x4E0B;&#x6587;&#x662F;&#x6781;&#x5176;&#x91CD;&#x8981;&#x7684;&#x795E;&#x7ECF;&#x75C5;&#x5B66;&#x5BB6;&#x548C;&#x5916;&#x79D1;&#x533B;&#x751F;&#x3002;&#x6211;&#x4EEC;&#x76EE;&#x524D;&#x53EF;&#x89C6;&#x5316;&#x7684;&#x591A;&#x5F0F;&#x8054;&#x8FD0;&#x7684;&#x6570;&#x636E;&#xFF0C;&#x4EE5;&#x4FBF;&#x6539;&#x8FDB;&#x7684;&#x63A2;&#x7D22;&#x65B0;&#x578B;&#x4EA4;&#x4E92;&#x6280;&#x672F;&#x548C;&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x7684;&#x89C4;&#x5212;&#x3002;&#x6211;&#x4EEC;&#x4ECE; VTK &#x8BA9;&#x5916;&#x79D1;&#x533B;&#x751F;&#x6765;&#x63A7;&#x5236;&#x7684;&#x4ED6;&#x4EEC;&#x53EF;&#x4EE5;&#x76F4;&#x89C2;&#x5730;&#x88C1;&#x526A;&#x6389;&#x5728;&#x52D8;&#x63A2;&#x548C;&#x624B;&#x672F;&#x671F;&#x95F4;&#x7684;&#x5927;&#x8111;&#x533A;&#x57DF;&#x7684;&#x5F62;&#x72B6;&#x5EF6;&#x957F;&#x7EBF;&#x6784;&#x4EF6;&#x3002;&#x6211;&#x4EEC;&#x5141;&#x8BB8;&#x7B80;&#x5355;&#x7403;&#x5F62;&#x3001; &#x7ACB;&#x65B9;&#x3001; &#x692D;&#x7403;&#x548C;&#x5706;&#x67F1; (&#x63A2;&#x9488;&#x5BF9;&#x9F50;&#x7684;&#x524A;&#x51CF;&#xFF09; &#x4E3A;&#x52D8;&#x63A2;&#x76EE;&#x7684;&#x3002;&#x6B64;&#x5916;&#x6211;&#x4EEC;&#x4E0E;&#x7528;&#x4E8E;&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x766B;&#x75EB;&#x7684;&#x56FE;&#x50CF;&#x5BFC;&#x822A;&#x7CFB;&#x7EDF;&#x96C6;&#x6210;&#x7684;&#x88C1;&#x526A;&#x5DE5;&#x5177;&#x3002;&#x6211;&#x4EEC;&#x76EE;&#x524D;&#x6B63;&#x5728;&#x8C03;&#x67E5;&#x8FD9;&#x4E9B;&#x65B0;&#x5DE5;&#x5177;&#x7684;&#x4F7F;&#x7528;&#x5728;&#x624B;&#x672F;&#x89C4;&#x5212;&#x548C;&#x57FA;&#x4E8E;&#x6211;&#x4EEC;&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x533B;&#x5E08;&#x8FDB;&#x4E00;&#x6B65;&#x53CD;&#x9988;&#x6211;&#x4EEC;&#x5C06;&#x628A;&#x4ED6;&#x4EEC;&#x7EB3;&#x5165;&#x7528;&#x4E8E;&#x56FE;&#x50CF;&#x5F15;&#x5BFC;&#x4E0B;&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x7684;&#x5B89;&#x88C5;&#x7A0B;&#x5E8F;&#x3002;

&#x795E;&#x7ECF;&#x5916;&#x79D1;&#x89C4;&#x5212;&#x548C;&#x7ACB;&#x4F53;&#x5B9A;&#x5411;&#x5BFC;&#x822A;&#x7684;&#x65B0;&#x578B;&#x4E92;&#x52A8;&#x6280;&#x672F;&#x3002;

Neurosurgical planning and image guided neurosurgery require the visualization of multimodal data obtained from various functional and structural image modalities, such as Magnetic Resonance Imaging (MRI), Computed Tomography (CT), functional MRI, Single photon emission computed tomography (SPECT) and so on. In the case of epilepsy neurosurgery for example, these images are used to identify brain regions to guide intracranial electrode implantation and resection. Generally, such data is visualized using 2D slices and in some cases using a 3D volume rendering along with the functional imaging results. Visualizing the activation region effectively by still preserving sufficient surrounding brain regions for context is exceedingly important to neurologists and surgeons. We present novel interaction techniques for visualization of multimodal data to facilitate improved exploration and planning for neurosurgery. We extended the line widget from VTK to allow surgeons to control the shape of the region of the brain that they can visually crop away during exploration and surgery. We allow simple spherical, cubical, ellipsoidal and cylindrical (probe aligned cuts) for exploration purposes. In addition we integrate the cropping tool with the image-guided navigation system used for epilepsy neurosurgery. We are currently investigating the use of these new tools in surgical planning and based on further feedback from our neurosurgeons we will integrate them into the setup used for image-guided neurosurgery.

Novel interaction techniques for neurosurgical planning and stereotactic navigation.

Neurochirurgie et l&#39;image guid&eacute;e neurochirurgie pr&eacute;voient la visualisation des donn&eacute;es multimodales obtenue de diverses modalit&eacute;s d&#39;image fonctionnelle et structurelle, telles que l&#39;imagerie par r&eacute;sonance magn&eacute;tique (IRM), tomographie calcul&eacute;e (CT), l&#39;IRM fonctionnelle, simple tomographie d&#39;&eacute;mission de photon (SPECT) et ainsi de suite. Dans le cas de neurochirurgie de l&#39;&eacute;pilepsie par exemple, ces images sont utilis&eacute;es pour identifier les r&eacute;gions c&eacute;r&eacute;brales pour guider la r&eacute;section et l&#39;implantation d&#39;&eacute;lectrodes intracr&acirc;nienne. En r&egrave;gle g&eacute;n&eacute;rale, ces donn&eacute;es sont visualis&eacute;es en utilisant des tranches 2D et dans certains cas, &agrave; l&#39;aide d&#39;un rendu 3D volume ainsi que la fonctionnelle imagerie r&eacute;sultats. Visualisation de la r&eacute;gion d&#39;activation efficacement par tout en conservant suffisamment r&eacute;gions environnantes de cerveau pour le contexte sont extr&ecirc;mement important de neurologues et de chirurgiens. Nous pr&eacute;sentons les techniques de la nouvelle interaction pour la visualisation des donn&eacute;es multimodales pour faciliter l&#39;exploration am&eacute;lior&eacute;e et la planification de la neurochirurgie. Nous avons &eacute;tendu le widget de la ligne de VTK pour permettre aux chirurgiens contr&ocirc;ler la forme de la r&eacute;gion du cerveau qui ils peuvent recadrer visuellement loin pendant l&#39;exploration et de chirurgie. Nous permettons simple cylindriques et sph&eacute;riques, cubique, ellipso&iuml;dales (sonde coupes align&eacute;s) &agrave; des fins de prospection. En outre, nous int&eacute;grons l&#39;outil de troncation avec le syst&egrave;me de navigation guid&eacute;e par l&#39;image utilis&eacute; pour la neurochirurgie de l&#39;&eacute;pilepsie. Nous &eacute;tudions actuellement l&#39;utilisation de ces nouveaux outils de planification chirurgicale et autres r&eacute;actions des nos neurochirurgiens nous sera int&eacute;grer dans la configuration utilis&eacute;e pour la neurochirurgie guid&eacute;e par l&#39;image.

Techniques de la nouvelle interaction neurochirurgicaux de planification et de la navigation st&eacute;r&eacute;otaxique.

Neurochirurgische Planung und Bild gef&uuml;hrte Neurochirurgie erfordern die Visualisierung multimodaler Daten aus verschiedenen funktionellen und strukturellen Bild Modalit&auml;ten, wie z. B. Magnetresonanztomographie (MRT), gewonnen berechnet Computertomographie (CT), funktionelle MRI, Single-Photon Emissionscomputertomographie (SPECT) und so weiter. Bei Epilepsie-Neurochirurgie werden beispielsweise diese Bilder zur Hirnregionen intrakranielle Elektrode Einnistung und Resektion Anleitung verwendet. Im Allgemeinen werden diese Daten visualisiert verwenden 2D Slices und in einigen F&auml;llen ein 3D Volume-Rendering sowie die funktionale imaging Ergebnisse. Visualisierung der Aktivierungs-Region effektiv noch konservieren ausreichend umliegenden Hirnregionen f&uuml;r Kontext ist &uuml;beraus wichtig, Neurologen und Chirurgen. Wir pr&auml;sentieren neuartige Interaktionstechniken f&uuml;r Visualisierung multimodaler Daten verbesserte Erforschung zu erleichtern und die Planung f&uuml;r Neurochirurgie. Wir erweitern das Linie-Widget von VTK k&ouml;nnen Chirurgen die Form der Region des Gehirns zu steuern, die sie visuell entfernt w&auml;hrend der Exploration und Chirurgie zuschneiden k&ouml;nnen. Wir erlauben einfache sph&auml;rische, kubische, Ellipsoid und zylindrisch (Pr&uuml;fpunkt ausgerichteten Schnitte) f&uuml;r Exploration Zwecke. Dar&uuml;ber hinaus integrieren wir das Crop-Werkzeug mit dem Bild-gef&uuml;hrte Navigationssystem f&uuml;r Epilepsie Neurochirurgie verwendet. Wir untersuchen derzeit die Verwendung dieser neuen Instrumente in die Operationsplanung und basierend auf weitere R&uuml;ckmeldungen von unseren Neurochirurgen wir integrieren sie in das Setup f&uuml;r Bild-gef&uuml;hrte Neurochirurgie verwendet.

Neuartige Interaktionstechniken f&uuml;r Neurochirurgische Planung und Stereotaktische Navigation.

Di pianificazione neurochirurgica e immagine guidate neurochirurgia richiedono la visualizzazione dei dati multimodale ottenuti da diverse modalit&agrave; di immagine funzionale e strutturale, come la risonanza magnetica (MRI), Computed Tomography (CT), MRI funzionale, singola tomografia a emissione fotone (SPECT) e cos&igrave; via. Nel caso di neurochirurgia di epilessia, ad esempio, queste immagini vengono utilizzate per identificare le aree del cervello per guidare la resezione e l&#39;impianto di elettrodi intracranici. In genere, tali dati viene visualizzati utilizzando fette 2D e in alcuni casi utilizzando un volume 3D rendering insieme funzionale risultati di imaging. Visualizzazione della regione di attivazione efficacemente mantenendo ancora sufficienti nelle regioni cerebrali circostanti per il contesto &egrave; estremamente importante per neurologi e chirurghi. Vi presentiamo il romanzo interazione tecniche per la visualizzazione di dati multimodali per facilitare una migliore esplorazione e pianificazione per neurochirurgia. Abbiamo esteso il widget di linea da VTK per permettere ai chirurghi di controllare la forma della regione del cervello che visivamente si pu&ograve; ritagliare via durante l&#39;esplorazione e la chirurgia. Permettiamo semplice sferico, cubico, ellissoidali e cilindrica (sonda tagli allineati) per scopi di esplorazione. Integriamo inoltre lo strumento di ritaglio con il sistema di navigazione guidata da immagini utilizzato per neurochirurgia epilessia. Attualmente stiamo studiando l&#39;uso di questi nuovi strumenti nella pianificazione chirurgica e basato sul feedback ulteriormente dalla nostra neurochirurghi si integrer&agrave; li il setup utilizzato per neurochirurgia guidata da immagini.

Tecniche di interazione romanzo di pianificazione neurochirurgica e navigazione stereotassica.

&#x8133;&#x795E;&#x7D4C;&#x5916;&#x79D1;&#x306E;&#x8A08;&#x753B;&#x3068;&#x753B;&#x50CF;&#x8A98;&#x5C0E;&#x8133;&#x795E;&#x7D4C;&#x5916;&#x79D1;&#x5358;&#x4E00;&#x5149;&#x5B50;&#x653E;&#x5C04;&#x65AD;&#x5C64;&#x64AE;&#x5F71; (SPECT) &#x306E;&#x3088;&#x3046;&#x306B;&#x3001;&#x30DE;&#x30EB;&#x30C1; &#x30E2;&#x30FC;&#x30C0;&#x30EB; &#x30C7;&#x30FC;&#x30BF;&#x306E;&#x53EF;&#x8996;&#x5316;&#x304B;&#x3089;&#x5F97;&#x3089;&#x308C;&#x305F;&#x69D8;&#x3005; &#x306A;&#x69CB;&#x9020;&#x3068;&#x6A5F;&#x80FD;&#x753B;&#x50CF;&#x30E2;&#x30C0;&#x30EA;&#x30C6;&#x30A3;&#x3001;&#x78C1;&#x6C17;&#x5171;&#x9CF4;&#x753B;&#x50CF; &#xFF08;MRI&#xFF09; &#x8A08;&#x7B97;&#x30C8;&#x30E2;&#x30B0;&#x30E9;&#x30D5;&#x30A3;&#x30FC; (CT), &#x6A5F;&#x80FD;&#x7684; MRI &#x3092;&#x5FC5;&#x8981;&#x3068;&#x3057;&#x307E;&#x3059;&#x3002;&#x3066;&#x3093;&#x304B;&#x3093;&#x8133;&#x795E;&#x7D4C;&#x5916;&#x79D1;&#x306E;&#x5834;&#x5408;&#x306F;&#x3001;&#x305F;&#x3068;&#x3048;&#x3070;&#x3001;&#x982D;&#x84CB;&#x5185;&#x96FB;&#x6975;&#x306E;&#x6CE8;&#x5165;&#x3068;&#x5207;&#x9664;&#x3092;&#x30AC;&#x30A4;&#x30C9;&#x3059;&#x308B;&#x8133;&#x306E;&#x9818;&#x57DF;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x3053;&#x308C;&#x3089;&#x306E;&#x753B;&#x50CF;&#x304C;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x4E00;&#x822C;&#x306B;&#x3001;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x30C7;&#x30FC;&#x30BF;&#x304C;&#x8996;&#x899A;&#x5316;&#x3055;&#x308C;&#x305F; 2D &#x30B9;&#x30E9;&#x30A4;&#x30B9;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3001;&#x7D50;&#x679C;&#x3068;&#x5171;&#x306B;&#x3001;&#x6A5F;&#x80FD;&#x7684;&#x306A; 3 D &#x30DC;&#x30EA;&#x30E5;&#x30FC;&#x30E0; &#x30FB; &#x30EC;&#x30F3;&#x30C0;&#x30EA;&#x30F3;&#x30B0;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x30B1;&#x30FC;&#x30B9;&#x3067;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x3057;&#x307E;&#x3059;&#x3002;&#x307E;&#x3060;&#x5341;&#x5206;&#x306A;&#x5468;&#x56F2;&#x8133;&#x306E;&#x9818;&#x57DF;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3092;&#x7DAD;&#x6301;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x3063;&#x3066;&#x6D3B;&#x6027;&#x5316;&#x5730;&#x57DF;&#x3092;&#x52B9;&#x679C;&#x7684;&#x306B;&#x8996;&#x899A;&#x5316;&#x3059;&#x308B;&#x795E;&#x7D4C;&#x79D1;&#x533B;&#x3001;&#x5916;&#x79D1;&#x533B;&#x304C;&#x6975;&#x3081;&#x3066;&#x91CD;&#x8981;&#x3067;&#x3059;&#x3002;&#x65B0;&#x898F;&#x76F8;&#x4E92;&#x6280;&#x8853;&#x306E;&#x6539;&#x826F;&#x306E;&#x63A2;&#x67FB;&#x3092;&#x4FC3;&#x9032;&#x3059;&#x308B;&#x30DE;&#x30EB;&#x30C1; &#x30E2;&#x30FC;&#x30C0;&#x30EB; &#x30C7;&#x30FC;&#x30BF;&#x306E;&#x53EF;&#x8996;&#x5316;&#x3068;&#x8133;&#x795E;&#x7D4C;&#x5916;&#x79D1;&#x306E;&#x305F;&#x3081;&#x306E;&#x8A08;&#x753B;&#x3092;&#x63D0;&#x6848;&#x3059;&#x308B;.&#x6211;&#x3005; &#x306F;&#x3001;&#x5F7C;&#x3089;&#x306F;&#x8996;&#x899A;&#x7684;&#x306B;&#x96E2;&#x308C;&#x3066;&#x63A2;&#x67FB;&#x3068;&#x624B;&#x8853;&#x4E2D;&#x306B;&#x30C8;&#x30EA;&#x30DF;&#x30F3;&#x30B0;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x8133;&#x306E;&#x9818;&#x57DF;&#x306E;&#x5F62;&#x72B6;&#x3092;&#x5236;&#x5FA1;&#x3059;&#x308B;&#x306B;&#x306F;&#x3001;&#x5916;&#x79D1;&#x533B;&#x304C;&#x3059;&#x308B; VTK &#x304B;&#x3089;&#x30E9;&#x30A4;&#x30F3; &#x30A6;&#x30A3;&#x30B8;&#x30A7;&#x30C3;&#x30C8;&#x3092;&#x62E1;&#x5F35;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005; &#x306F;&#x5358;&#x7D14;&#x306A;&#x7403;&#x72B6;, &#x7ACB;&#x65B9;&#x4F53;&#x3001;&#x6955;&#x5186;&#x3001;&#x5186;&#x67F1;&#x8A31;&#x53EF; (&#x6574;&#x5217;&#x30AB;&#x30C3;&#x30C8; &#x30D7;&#x30ED;&#x30FC;&#x30D6;) &#x63A2;&#x67FB;&#x306E;&#x76EE;&#x7684;&#x306E;&#x305F;&#x3081;&#x3002;&#x3055;&#x3089;&#x306B;&#x3066;&#x3093;&#x304B;&#x3093;&#x8133;&#x5916;&#x79D1;&#x6CBB;&#x7642;&#x7528;&#x753B;&#x50CF;&#x8A98;&#x5C0E;&#x30CA;&#x30D3;&#x30B2;&#x30FC;&#x30B7;&#x30E7;&#x30F3; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3068;&#x30C8;&#x30EA;&#x30DF;&#x30F3;&#x30B0; &#x30C4;&#x30FC;&#x30EB;&#x3092;&#x7D71;&#x5408;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x306F;&#x73FE;&#x5728;&#x624B;&#x8853;&#x8A08;&#x753B;&#x3067;&#x3053;&#x308C;&#x3089;&#x306E;&#x65B0;&#x3057;&#x3044;&#x30C4;&#x30FC;&#x30EB;&#x306E;&#x4F7F;&#x7528;&#x3092;&#x8ABF;&#x3079;&#x3066;&#x3044;&#x308B;&#x3057;&#x3001;&#x79C1;&#x305F;&#x3061;&#x306E;&#x795E;&#x7D4C;&#x5916;&#x79D1;&#x533B;&#x304B;&#x3089;&#x3055;&#x3089;&#x306A;&#x308B;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x6211;&#x3005; &#x305D;&#x308C;&#x3089;&#x753B;&#x50CF;&#x8A98;&#x5C0E;&#x8133;&#x5916;&#x79D1;&#x6CBB;&#x7642;&#x7528;&#x30BB;&#x30C3;&#x30C8;&#x30A2;&#x30C3;&#x30D7;&#x306B;&#x7D71;&#x5408;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;

&#x8133;&#x795E;&#x7D4C;&#x5916;&#x79D1;&#x624B;&#x8853;&#x8A08;&#x753B;&#x3068;&#x5B9A;&#x4F4D;&#x30CA;&#x30D3;&#x30B2;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x5C0F;&#x8AAC;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30C6;&#x30AF;&#x30CB;&#x30C3;&#x30AF;&#x3002;

Neurosurgical &#xACC4;&#xD68D; &#xBC0F; &#xC774;&#xBBF8;&#xC9C0; &#xAC00;&#xC774;&#xB4DC; &#xC2E0;&#xACBD;&#xC678;&#xACFC; &#xBCF5;&#xD569; &#xB370;&#xC774;&#xD130; &#xC2DC;&#xAC01;&#xD654; &#xC5BB;&#xC740; &#xB2E4;&#xC591; &#xD55C; &#xAE30;&#xB2A5;&#xACFC; &#xAD6C;&#xC870; &#xC774;&#xBBF8;&#xC9C0; modalities, &#xC790;&#xAE30; &#xACF5;&#xBA85; &#xC601;&#xC0C1; (MRI) &#xB4F1;&#xC5D0;&#xC11C; &#xACC4;&#xC0B0; &#xB41C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (CT), &#xAE30;&#xB2A5;&#xC131; MRI, &#xB2E8;&#xC77C; &#xAD11;&#xC790; &#xBC29;&#xCD9C; &#xACC4;&#xC0B0; &#xB41C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (SPECT) &#xB4F1;. &#xAC04; &#xC9C8; &#xC2E0;&#xACBD;&#xC678;&#xACFC; &#xACBD;&#xC6B0; &#xC608;&#xB97C; &#xB4E4;&#xC5B4;, &#xC774;&#xB7EC;&#xD55C; &#xC774;&#xBBF8;&#xC9C0;&#xAC00; intracranial &#xC804;&#xADF9; &#xC774;&#xC2DD; &#xBC0F; &#xC808;&#xC81C;&#xC220;&#xC744; &#xC548;&#xB0B4; &#xD558;&#xB294; &#xB1CC; &#xC601;&#xC5ED;&#xC744; &#xC2DD;&#xBCC4; &#xD558; &#xC0AC;&#xC6A9; &#xB429;&#xB2C8;&#xB2E4;. &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C;, &#xC774;&#xB7EC;&#xD55C; &#xB370;&#xC774;&#xD130;&#xC758; &#xC2DC;&#xAC01; &#xC774;&#xB2E4; 2D &#xBD84;&#xD560; &#xC601;&#xC5ED;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xACE0; 3D &#xBCFC;&#xB968; &#xB80C;&#xB354;&#xB9C1; &#xAE30;&#xB2A5; &#xD568;&#xAED8; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC5B4;&#xB5A4; &#xACBD;&#xC6B0;&#xC5D0; &#xC774;&#xBBF8;&#xC9D5; &#xACB0;&#xACFC;. &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8;&#xC5D0; &#xB300; &#xD55C; &#xCDA9;&#xBD84; &#xD55C; &#xC8FC;&#xBCC0; &#xB1CC; &#xC601;&#xC5ED;&#xC744; &#xADF8;&#xB300;&#xB85C; &#xC720;&#xC9C0; &#xD558;&#xBA74;&#xC11C; &#xC5EC; &#xD65C;&#xC131;&#xD654; &#xC601;&#xC5ED;&#xC744; &#xD6A8;&#xACFC;&#xC801;&#xC73C;&#xB85C; &#xC2DC;&#xAC01;&#xD654; &#xC678;&#xACFC; &#xC2E0;&#xACBD;&#xACFC; &#xB9E4;&#xC6B0; &#xC911;&#xC694; &#xD558;&#xB2E4;. &#xC120;&#xBB3C;&#xC774; &#xD5A5;&#xC0C1; &#xB41C; &#xD0D0;&#xC0AC;&#xB97C; &#xCD09;&#xC9C4; &#xD558;&#xAE30; &#xC704;&#xD558;&#xC5EC; &#xBCF5;&#xD569; &#xB370;&#xC774;&#xD130;&#xC758; &#xC2DC;&#xAC01;&#xD654;&#xB97C; &#xC704;&#xD55C; &#xC0C8;&#xB85C;&#xC6B4; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xAE30;&#xBC95; &#xBC0F; &#xC2E0;&#xACBD;&#xC678;&#xACFC; &#xB300; &#xD55C; &#xACC4;&#xD68D;. &#xC6B0;&#xB9AC; &#xC678;&#xACFC; &#xD0D0;&#xC0AC; &#xBC0F; &#xC218;&#xC220; &#xD558;&#xB294; &#xB3D9;&#xC548; &#xADF8;&#xB4E4;&#xC740; &#xC2DC;&#xAC01;&#xC801;&#xC73C;&#xB85C; &#xBA40;&#xB9AC;&#xB97C; &#xC790;&#xB97C; &#xC218; &#xC788;&#xB294; &#xB1CC;&#xC758; &#xC601;&#xC5ED;&#xC758; &#xBAA8;&#xC591;&#xC744; &#xC81C;&#xC5B4;&#xD560; &#xC218; &#xC788;&#xB3C4;&#xB85D; VTK&#xC5D0;&#xC11C; &#xC120; &#xC704;&#xC82F;&#xC744; &#xD655;&#xC7A5;. &#xC6B0;&#xB9AC;&#xAC00; &#xD5C8;&#xC6A9; &#xAC04;&#xB2E8;&#xD55C; &#xC6D0;&#xD615;, &#xC785;&#xBC29;&#xCCB4;, &#xD0C0;&#xC6D0; &#xBC0F; &#xC6D0;&#xD1B5;&#xD615; (&#xC815;&#xB82C; &#xB41C; &#xC778;&#xD558; &#xD504;&#xB85C;&#xBE0C;) &#xD0D0;&#xC0AC; &#xBAA9;&#xC801;&#xC744; &#xC704;&#xD574;. &#xB610;&#xD55C; &#xC6B0;&#xB9AC; &#xC2E0;&#xACBD;&#xC678;&#xACFC; &#xAC04; &#xC9C8;&#xC5D0; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xBC18; &#xD0D0;&#xC0C9; &#xC2DC;&#xC2A4;&#xD15C;&#xACFC; &#xC790;&#xB974;&#xAE30; &#xB3C4;&#xAD6C;&#xB97C; &#xD1B5;&#xD569; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xAC00; &#xD604;&#xC7AC; &#xC218;&#xC220; &#xACC4;&#xD68D;&#xC5D0; &#xC774;&#xB7EC;&#xD55C; &#xC0C8;&#xB85C;&#xC6B4; &#xB3C4;&#xAD6C;&#xC758; &#xC0AC;&#xC6A9;&#xC744; &#xC870;&#xC0AC; &#xD558; &#xACE0; &#xC6B0;&#xB9AC;&#xC758; &#xC2E0;&#xACBD;&#xC678;&#xACFC;&#xC5D0;&#xC11C; &#xCD94;&#xAC00; &#xD53C;&#xB4DC;&#xBC31;&#xC744; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xC6B0;&#xB9AC;&#xB294; &#xD1B5;&#xD569;&#xD560; &#xC774;&#xBBF8;&#xC9C0; &#xAC00;&#xC774;&#xB4DC; &#xC2E0;&#xACBD;&#xC678;&#xACFC;&#xC5D0; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xC124;&#xCE58;.

&#xC0C8;&#xB85C;&#xC6B4; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xAE30;&#xC220;&#xC744; neurosurgical &#xACC4;&#xD68D; &#xBC0F; &#xC815;&#xC704; &#xC801; &#xD0D0;&#xC0C9;.

Planificaci&oacute;n de Neurocirug&iacute;a y de imagen guiaron Neurocirug&iacute;a requieren la visualizaci&oacute;n de datos multimodales obtenidos de diversas modalidades de imagen funcional y estructural, como la proyecci&oacute;n de imagen de resonancia magn&eacute;tica (MRI), tomograf&iacute;a computarizada (TC), MRI funcional, solo la tomograf&iacute;a computarizada por emisi&oacute;n de fot&oacute;n (SPECT) y as&iacute; sucesivamente. En el caso de Neurocirug&iacute;a de la epilepsia por ejemplo, estas im&aacute;genes se utilizan para identificar las regiones del cerebro para guiar la resecci&oacute;n y la implantaci&oacute;n de electrodos intracraneales. Por lo general, dichos datos se visualizaron usando cortes 2D y en algunos casos utilizando una representaci&oacute;n 3D de volumen junto con la funcional de resultados. Visualizar la regi&oacute;n activaci&oacute;n eficazmente manteniendo todav&iacute;a suficiente regiones del cerebro circundante para contexto es sumamente importante para neur&oacute;logos y cirujanos. Presentamos t&eacute;cnicas novedosas de interacci&oacute;n para visualizaci&oacute;n de datos multimodales para facilitar la exploraci&oacute;n mejorada y planificaci&oacute;n para la neurocirug&iacute;a. Ampliamos el widget de la l&iacute;nea de VTK que permiten a los cirujanos a controlar la forma de la regi&oacute;n del cerebro que visualmente puede recortar distancia durante la exploraci&oacute;n y cirug&iacute;a. Permitimos simple esf&eacute;rico, c&uacute;bico, elipsoidal y cil&iacute;ndrico (sonda alineados cortes) para fines de exploraci&oacute;n. Adem&aacute;s integramos la herramienta de recorte con el sistema de navegaci&oacute;n guiada por imagen para neurocirug&iacute;a de epilepsia. Actualmente estamos investigando el uso de estas nuevas herramientas en el planeamiento quir&uacute;rgico y basado en los comentarios m&aacute;s de nuestros neurocirujanos les integraremos en el en el programa de instalaci&oacute;n utilizada para Neurocirug&iacute;a guiada por im&aacute;genes.

T&eacute;cnicas de interacci&oacute;n novela planificaci&oacute;n neuroquir&uacute;rgica y navegaci&oacute;n estereot&aacute;ctica.

&#x53D1;&#x4F5C;&#x671F;&#x7684;&#x5355;&#x5149;&#x5B50;&#x53D1;&#x5C04;&#x8BA1;&#x7B97;&#x673A;&#x65AD;&#x5C42;&#x626B;&#x63CF; (SPECT) &#x662F;&#x65E0;&#x521B;&#x6027;&#x6263;&#x62BC;&#x672C;&#x5730;&#x5316;&#x7684;&#x6709;&#x529B;&#x5DE5;&#x5177;&#xFF0C;&#x4F46;&#x7531;&#x4E8E;&#x5B9E;&#x9645;&#x7684;&#x6311;&#x6218;&#xFF0C;&#x5305;&#x62EC;&#x5728;&#x6267;&#x884C;&#x53D1;&#x4F5C;&#x671F;&#x53D1;&#x4F5C;&#x95F4;&#x671F; SPECT &#x5DEE;&#x5F02;&#x5206;&#x6790;&#x56F0;&#x96BE;&#x4E00;&#x76F4;&#x5229;&#x7528;&#x4E0D;&#x8DB3;&#x3002;&#x6211;&#x4EEC;&#x4EE5;&#x524D;&#x4E3A;&#x6B64;&#x76EE;&#x7684;&#xFF0C;&#x7531;&#x7EDF;&#x8BA1;&#x53C2;&#x6570;&#x6620;&#x5C04; (SPM) (ISA) &#x53D1;&#x4F5C;&#x671F;&#x53D1;&#x4F5C;&#x95F4;&#x671F;&#x51CF;&#x6CD5;&#x5206;&#x6790;&#x9A8C;&#x8BC1;&#x4E00;&#x4E2A;&#x514D;&#x8D39;&#x7684;&#x5B9E;&#x7528;&#x7A0B;&#x5E8F;&#x3002;&#x4E3A;&#x4E86;&#x8FDB;&#x4E00;&#x6B65;&#x7B80;&#x5316;&#x548C;&#x6539;&#x5584;&#x6210;&#x50CF;&#x6280;&#x672F;&#x7684;&#x5DEE;&#x5F02;&#xFF0C;&#x6211;&#x4EEC;&#x73B0;&#x5728;&#x6BD4;&#x8F83;&#x65B0;&#x7684;&#x7B97;&#x6CD5;&#xFF0C;&#x822A;&#x5B87; BioImage &#x5957;&#x4EF6; &#xFF08;&#x89C1; http://spect.yale.edu &#x548C; http://bioimagesuite.org&#xFF09;&#xFF0C;&#x5411;&#x5DF2;&#x77E5;&#x7684;&#x6263;&#x62BC;&#x672C;&#x5730;&#x5316; 13 &#x4F8B;&#x60A3;&#x8005;&#x4E2D;&#x7684;&#x539F;&#x59CB; ISAS &#x65B9;&#x6CD5;&#x3002;&#x6211;&#x4EEC;&#x53D1;&#x73B0;&#x822A;&#x5B87; BioImage &#x5957;&#x4EF6;&#x4E0E; ISAS &#x6B63;&#x786E;&#x786E;&#x5B9A;&#x6263;&#x62BC;&#x53D1;&#x75C5;&#x7684;&#x5355;&#x4E2A;&#x660E;&#x786E;&#x533A;&#x57DF;&#x7684;&#x6240;&#x6709;&#x6848;&#x4EF6;&#x4E2D;&#x7684;&#x539F;&#x59CB;&#x7684;&#x7B97;&#x6CD5;&#x3002;&#x6211;&#x4EEC;&#x8FD8;&#x53EF;&#x80FD;&#x5F71;&#x54CD;&#x626B;&#x63CF;&#x987A;&#x5E8F;&#x4E2D;&#x7684;&#x504F;&#x89C1;&#xFF0C;&#x7528;&#x4E8E;&#x5206;&#x6790;&#x7684;&#x63A7;&#x5236;&#x7EC4;&#x8FDB;&#x884C;&#x6D4B;&#x8BD5;&#xFF0C;&#x53D1;&#x73B0;&#x5BF9;&#x7ED3;&#x679C;&#x6CA1;&#x6709;&#x663E;&#x8457;&#x5F71;&#x54CD;&#x3002;&#x8FD9;&#x4E9B;&#x8C03;&#x67E5;&#x7ED3;&#x679C;&#x5EFA;&#x7ACB;&#x7B80;&#x5355;&#x3001; &#x6709;&#x6548;&#x3001; &#x5BA2;&#x89C2;&#x7684;&#x65B9;&#x6CD5;&#x5206;&#x6790;&#x7528;&#x4E8E;&#x7167;&#x987E;&#x7684;&#x766B;&#x75EB;&#x60A3;&#x8005;&#x53D1;&#x4F5C;&#x671F;&#x53D1;&#x4F5C;&#x95F4;&#x671F; SPECT &#x5DEE;&#x56FE;&#x50CF;&#x3002;

&#x65B0;&#x5F00;&#x6E90;&#x53D1;&#x4F5C;&#x671F; SPECT &#x5206;&#x6790;&#x5B9E;&#x73B0;&#x65B9;&#x6CD5; BioImage &#x5957;&#x4EF6;&#x4E2D;&#x3002;

Ictal single photon emission computed tomography (SPECT) is a powerful tool for noninvasive seizure localization, but it has been underutilized because of practical challenges, including difficulty in implementing ictal-interictal SPECT difference analysis. We previously validated a freely available utility for this purpose, ictal-interictal subtraction analysis by statistical parametric mapping (SPM) (ISAS). To further simplify and improve the difference imaging technique, we now compare a new algorithm, ISAS BioImage Suite (see http://spect.yale.edu and http://bioimagesuite.org), to the original ISAS method in 13 patients with known seizure localization. We found that ISAS BioImage Suite was in agreement with the original algorithm in all cases for which ISAS correctly identified a single unambiguous region of seizure onset. We also tested for possible effects of scan-order bias in the control group used for the analysis and found no significant effect on the results. These findings establish a simple, validated and objective method for analyzing ictal-interictal SPECT difference images for use in the care of patients with epilepsy.

New open-source ictal SPECT analysis method implemented in BioImage Suite.

D&#39;&eacute;mission monophotonique ictal calcul&eacute; tomographie (SPECT) est un outil puissant pour la localisation des crises non invasive, mais il a &eacute;t&eacute; sous-utilis&eacute;es en raison des d&eacute;fis pratiques, y compris la difficult&eacute; &agrave; mettre en &oelig;uvre ictal intercritiques analyse diff&eacute;rentielle SPECT. Pr&eacute;c&eacute;demment, nous avons valid&eacute; un utilitaire librement disponible &agrave; cet effet, l&#39;analyse ictal intercritiques soustraction de la cartographie statistique param&eacute;trique (SPM) (ISAS). Pour simplifier et am&eacute;liorer la diff&eacute;rence technique d&#39;imagerie, nous comparons maintenant un nouvel algorithme, ISAS reveler Suite (voir http://spect.yale.edu et http://bioimagesuite.org), &agrave; la m&eacute;thode originale de ISAS chez 13 patients avec localisation des crises connues. Nous avons trouv&eacute; que la Suite de reveler ISAS &eacute;tait en accord avec l&#39;algorithme original dans tous les cas pour lesquels ISAS a identifi&eacute; correctement une seule r&eacute;gion sans ambigu&iuml;t&eacute; l&#39;apparition de la saisie. Nous avons &eacute;galement test&eacute; pour des effets possibles de partialit&eacute; scan-ordre dans le groupe t&eacute;moin utilis&eacute; pour l&#39;analyse et ne trouv&eacute; aucun effet significatif sur les r&eacute;sultats. Ces conclusions &eacute;tablissent une m&eacute;thode simple, valid&eacute;e et objective pour l&#39;analyse d&#39;images de diff&eacute;rence SPECT ictales intercritiques destin&eacute;s aux soins des patients souffrant d&#39;&eacute;pilepsie.

Nouveau open source ictal SPECT analyse m&eacute;thode impl&eacute;ment&eacute;e dans Suite de reveler.

Iktale single Photon Emission computed Tomography (SPECT) ist ein leistungsf&auml;higes Werkzeug f&uuml;r die nicht-invasive Beschlagnahme Lokalisierung, aber es hat wegen der praktischen Herausforderungen, darunter auch Schwierigkeiten bei der Umsetzung iktale interiktale SPECT-Differenzanalyse unzureichend genutzt wurde. Wir &uuml;berpr&uuml;ft zuvor einen frei verf&uuml;gbaren Tools f&uuml;r diesen Zweck iktale interiktale Subtraktion Analyse von statistischen parametrische Zuordnung (SPM) (ISAS). Zur weiteren Vereinfachung und Verbesserung des Unterschied imaging Technik, vergleichen wir nun einen neuen Algorithmus, ISAS BioImage Suite (siehe http://spect.yale.edu und http://bioimagesuite.org), um die urspr&uuml;ngliche ISAS-Methode bei 13 Patienten mit bekannten Beschlagnahme Lokalisierung. Wir fanden, dass ISAS BioImage Suite im Einvernehmen mit der urspr&uuml;nglichen Algorithmus in allen F&auml;llen f&uuml;r die ISAS korrekt eine einzige eindeutige Region von Beschlagnahme Beginn festgestellt. Wir auch f&uuml;r m&ouml;gliche Auswirkungen des Scan-Auftrag Bias in der Kontrollgruppe, die f&uuml;r die Analyse verwendet getestet und fand keinen signifikanten Einfluss auf die Ergebnisse. Diese Ergebnisse stellen eine einfache, validierte und objektive Methode zur Analyse iktale interiktale SPECT Unterschied Bilder f&uuml;r die Verwendung in der Behandlung von Patienten mit Epilepsie.

Neue Open Source iktale SPECT Analysemethode implementiert in BioImage Suite.

Emissione di fotone singolo ictale computed tomography (SPECT) &egrave; un potente strumento per la localizzazione di sequestro non invasiva, ma esso &egrave; stato sottoutilizzato a causa delle sfide pratiche, tra cui difficolt&agrave; nell&#39;attuazione di analisi della differenza SPECT ictale interictali. Abbiamo precedentemente validato un&#39;utilit&agrave; liberamente disponibili per questo scopo, analisi ictale interittale sottrazione di mappatura statistica parametrica (SPM) (ISAS). Per semplificare e migliorare la differenza tecnica di imaging, confrontiamo ora un nuovo algoritmo, ISA BioImage Suite (vedi http://spect.yale.edu e http://bioimagesuite.org), al metodo originale ISAS in 13 pazienti con localizzazione noto sequestro. Abbiamo trovato che ISA BioImage Suite era d&#39;accordo con l&#39;algoritmo originale in tutti i casi per cui ISA correttamente identificato una singola regione inequivocabile di insorgenza di sequestro. Abbiamo anche testato per possibili effetti di polarizzazione di scansione-ordine nel gruppo di controllo utilizzato per l&#39;analisi e non trovato alcun effetto significativo sui risultati. Queste scoperte stabiliscono un metodo semplice, convalidato e oggettivo per l&#39;analisi di immagini di differenza SPECT ictale interittale per uso nella cura dei pazienti con epilessia.

Nuovo open source ictale SPECT analisi metodo implementato in BioImage Suite.

&#x767A;&#x4F5C;&#x6642;&#x306E;&#x5358;&#x4E00;&#x5149;&#x5B50;&#x653E;&#x5C04;&#x65AD;&#x5C64;&#x64AE;&#x5F71; (SPECT) &#x975E;&#x4FB5;&#x8972;&#x7684;&#x767A;&#x4F5C;&#x306E;&#x30ED;&#x30FC;&#x30AB;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x305F;&#x3081;&#x306E;&#x5F37;&#x529B;&#x306A;&#x30C4;&#x30FC;&#x30EB;&#x3067;&#x3059;&#x304C;&#x3001;&#x767A;&#x4F5C;&#x9593;&#x6B20;&#x671F;&#x767A;&#x4F5C;&#x6642;&#x306E; SPECT &#x5DEE;&#x89E3;&#x6790;&#x3092;&#x5B9F;&#x88C5;&#x3059;&#x308B;&#x3053;&#x3068;&#x306E;&#x96E3;&#x3057;&#x3055;&#x306A;&#x3069;&#x3001;&#x5B9F;&#x7528;&#x7684;&#x306A;&#x8AB2;&#x984C;&#x306E;&#x305F;&#x3081;&#x5341;&#x5206;&#x306B;&#x6D3B;&#x7528;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x8A08;&#x7B97;&#x3002;&#x79C1;&#x305F;&#x3061;&#x4EE5;&#x524D;&#x767A;&#x4F5C;&#x9593;&#x6B47;&#x6E1B;&#x7B97;&#x5206;&#x6790;&#x306B;&#x3088;&#x308B;&#x7D71;&#x8A08;&#x7684;&#x30D1;&#x30E9;&#x30E1;&#x30C8;&#x30EA;&#x30C3;&#x30AF; &#x30DE;&#x30C3;&#x30D4;&#x30F3;&#x30B0; (SPM) (ISAS) &#x306F;&#x3001;&#x3053;&#x306E;&#x76EE;&#x7684;&#x306E;&#x305F;&#x3081;&#x306E;&#x81EA;&#x7531;&#x306B;&#x5229;&#x7528;&#x3067;&#x304D;&#x308B;&#x30E6;&#x30FC;&#x30C6;&#x30A3;&#x30EA;&#x30C6;&#x30A3;&#x3092;&#x691C;&#x8A3C;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x3055;&#x3089;&#x306B;&#x7C21;&#x7D20;&#x5316;&#x3057;&#x3001;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x6280;&#x8853;&#x306E;&#x9055;&#x3044;&#x3092;&#x6539;&#x5584;&#x3059;&#x308B;&#x306B;&#x306F;&#x3001;&#x4ECA;&#x3059;&#x3050;&#x65B0;&#x3057;&#x3044;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306F;&#x3001;&#x5143;&#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8;&#x65B9;&#x6CD5;&#x65E2;&#x77E5;&#x306E;&#x5DEE;&#x62BC;&#x3048;&#x30ED;&#x30FC;&#x30AB;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3; 13 &#x60A3;&#x8005;&#x306B;&#x304A;&#x3051;&#x308B;&#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8;&#x7CBE;&#x5BC6;&#x30B9;&#x30A4;&#x30FC;&#x30C8; (&#x3092;&#x53C2;&#x7167;&#x3057;&#x3066;&#x304F;&#x3060;&#x3055;&#x3044; http://spect.yale.edu &#x3068; http://bioimagesuite.org) &#x3092;&#x6BD4;&#x8F03;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8;&#x7CBE;&#x5BC6;&#x30B9;&#x30A4;&#x30FC;&#x30C8;&#x306E;&#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8;&#x304C; 1 &#x3064;&#x306E;&#x660E;&#x78BA;&#x306A;&#x5730;&#x57DF;&#x306E;&#x767A;&#x4F5C;&#x306E;&#x767A;&#x75C7;&#x3092;&#x6B63;&#x3057;&#x304F;&#x8B58;&#x5225;&#x3059;&#x3079;&#x3066;&#x306E;&#x30B1;&#x30FC;&#x30B9;&#x3067;&#x30AA;&#x30EA;&#x30B8;&#x30CA;&#x30EB;&#x306E;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x3068;&#x4E00;&#x81F4;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x308F;&#x304B;&#x3063;&#x305F;&#x3002;&#x307E;&#x305F;&#x30B9;&#x30AD;&#x30E3;&#x30F3;&#x9806;&#x30D0;&#x30A4;&#x30A2;&#x30B9;&#x306E;&#x5206;&#x6790;&#x306B;&#x4F7F;&#x7528;&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB; &#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306E;&#x53EF;&#x80FD;&#x306A;&#x52B9;&#x679C;&#x3092;&#x30C6;&#x30B9;&#x30C8;&#x3057;&#x3001;&#x7D50;&#x679C;&#x306B;&#x5927;&#x304D;&#x306A;&#x5F71;&#x97FF;&#x304C;&#x898B;&#x3064;&#x304B;&#x308A;&#x307E;&#x305B;&#x3093;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x6240;&#x898B;&#x306F;&#x767A;&#x4F5C;&#x9593;&#x6B47; SPECT &#x5DEE;&#x5206;&#x753B;&#x50CF;&#x3066;&#x3093;&#x304B;&#x3093;&#x60A3;&#x8005;&#x306E;&#x30B1;&#x30A2;&#x306B;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x89E3;&#x6790;&#x3001;&#x691C;&#x8A3C;&#x3055;&#x308C;&#x305F;&#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x304B;&#x3064;&#x5BA2;&#x89B3;&#x7684;&#x306A;&#x65B9;&#x6CD5;&#x3092;&#x78BA;&#x7ACB;&#x3057;&#x307E;&#x3059;&#x3002;

&#x7CBE;&#x5BC6;&#x30B9;&#x30A4;&#x30FC;&#x30C8;&#x3067;&#x5B9F;&#x88C5;&#x3055;&#x308C;&#x305F;&#x65B0;&#x3057;&#x3044;&#x30AA;&#x30FC;&#x30D7;&#x30F3; &#x30BD;&#x30FC;&#x30B9;&#x767A;&#x4F5C;&#x6642; SPECT &#x5206;&#x6790;&#x6CD5;&#x3002;

Ictal &#xB2E8;&#xC77C; &#xAD11;&#xC790; &#xBC29;&#xCD9C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (SPECT) &#xBE44; &#xCE68; &#xD22C; &#xC801;&#xC778; &#xBC1C;&#xC791; &#xC9C0;&#xC5ED;&#xD654;&#xB97C; &#xC704;&#xD55C; &#xAC15;&#xB825;&#xD55C; &#xB3C4;&#xAD6C; &#xC774;&#xC9C0;&#xB9CC; ictal interictal SPECT &#xCC28;&#xC774; &#xBD84;&#xC11D; &#xAD6C;&#xD604; &#xC5B4;&#xB824;&#xC6C0; &#xB4F1; &#xC2E4;&#xC6A9;&#xC801;&#xC778; &#xACFC;&#xC81C; &#xB54C;&#xBB38;&#xC5D0; &#xBBF8;&#xB2EC; &#xB418;&#xC5B4; &#xACC4;&#xC0B0; &#xB429;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC; &#xC774;&#xC804;&#xC5D0; ictal interictal &#xBE7C;&#xAE30; &#xBD84;&#xC11D; &#xD1B5;&#xACC4; &#xD30C;&#xB77C;&#xBBF8;&#xD130; &#xB9E4;&#xD551; (SPM) (&#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C;)&#xC5D0; &#xC758;&#xD574;&#xC774; &#xBAA9;&#xC801;&#xC744; &#xC704;&#xD574; &#xC790;&#xC720;&#xB86D;&#xAC8C; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xB294; &#xC720;&#xD2F8;&#xB9AC;&#xD2F0;&#xB97C; &#xC720;&#xD6A8;&#xC131;&#xC744; &#xAC80;&#xC0AC; &#xD569;&#xB2C8;&#xB2E4;. &#xB354; &#xB2E8;&#xC21C;&#xD654; &#xBC0F; &#xC774;&#xBBF8;&#xC9D5; &#xAE30;&#xC220; &#xCC28;&#xC774; &#xAC1C;&#xC120;, &#xC6B0;&#xB9AC;&#xB294; &#xC9C0;&#xAE08; &#xC54C;&#xB824;&#xC9C4;&#xB41C; &#xBC1C;&#xC791; &#xC9C0;&#xC5ED;&#xD654; 13 &#xD658;&#xC790;&#xC5D0;&#xC11C; &#xC6D0;&#xB798; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; &#xBC29;&#xBC95; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; BioImage &#xC2A4;&#xC704;&#xD2B8; (&#xCC38;&#xC870; http://spect.yale.edu &#xBC0F; http://bioimagesuite.org), &#xC0C8;&#xB85C;&#xC6B4; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xBE44;&#xAD50; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; BioImage &#xC2A4;&#xC704;&#xD2B8;&#xB294; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; &#xC81C;&#xB300;&#xB85C; &#xBC1C;&#xC791; &#xBC1C;&#xBCD1;&#xC758; &#xBAA8;&#xD638; &#xD558;&#xC9C0; &#xC54A;&#xC740; &#xB2E8;&#xC77C; &#xC601;&#xC5ED;&#xC744; &#xC2DD;&#xBCC4; &#xD558;&#xB294; &#xBAA8;&#xB4E0; &#xACBD;&#xC6B0;&#xC5D0; &#xC6D0;&#xB798; &#xC54C;&#xACE0;&#xB9AC;&#xC998; &#xACC4;&#xC57D; &#xD588;&#xB2E4; &#xBC1C;&#xACAC;. &#xC6B0;&#xB9AC;&#xB294; &#xB610;&#xD55C; &#xBD84;&#xC11D;&#xC5D0; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xC81C;&#xC5B4; &#xADF8;&#xB8F9;&#xC758; &#xC2A4;&#xCE94; &#xC21C;&#xC11C; &#xBC14;&#xC774;&#xC5B4;&#xC2A4;&#xC758; &#xC601;&#xD5A5;&#xC5D0; &#xB300; &#xD55C; &#xD14C;&#xC2A4;&#xD2B8; &#xD558; &#xACE0; &#xACB0;&#xACFC;&#xC5D0; &#xC544;&#xBB34;&#xB7F0; &#xC911;&#xB300; &#xD55C; &#xC601;&#xD5A5;&#xC744; &#xBC1C;&#xACAC;. &#xC774;&#xB7EC;&#xD55C; &#xC5F0;&#xAD6C; &#xACB0;&#xACFC; &#xAC04; &#xC9C8;&#xC744; &#xAC00;&#xC9C4; &#xD658;&#xC790;&#xC758; &#xCE58;&#xB8CC;&#xC5D0; &#xC0AC;&#xC6A9; &#xD558;&#xAE30; &#xC704;&#xD574; ictal interictal SPECT &#xCC28;&#xC774; &#xC774;&#xBBF8;&#xC9C0; &#xBD84;&#xC11D;&#xC744; &#xC704;&#xD55C; &#xAC04;&#xB2E8; &#xD558; &#xACE0; &#xAC1D;&#xAD00;&#xC801;&#xC778; &#xAC80;&#xC99D; &#xBC29;&#xBC95;&#xC744; &#xC124;&#xC815;.

&#xC0C8;&#xB85C;&#xC6B4; &#xC624;&#xD508; &#xC18C;&#xC2A4; ictal SPECT &#xBD84;&#xC11D; &#xBC29;&#xBC95; BioImage &#xC81C;&#xD488;&#xAD70;&#xC5D0; &#xAD6C;&#xD604; &#xB41C;.

Computarizada por emisi&oacute;n de fot&oacute;n &uacute;nico ictal tomograf&iacute;a (SPECT) es una poderosa herramienta para la localizaci&oacute;n de la incautaci&oacute;n no invasiva, pero ha sido subutilizada debido a los desaf&iacute;os pr&aacute;cticos, incluyendo dificultad en la aplicaci&oacute;n de an&aacute;lisis de diferencia SPECT ictal interictal. Validamos previamente una utilidad libremente disponible para este prop&oacute;sito, an&aacute;lisis resta ictal interictal por asignaci&oacute;n param&eacute;trico estad&iacute;stico (SPM) (ISAS). Para simplificar y mejorar la diferencia t&eacute;cnica de proyecci&oacute;n de imagen, ahora comparamos un nuevo algoritmo, ISAS BioImage Suite (ver http://spect.yale.edu y http://bioimagesuite.org), al m&eacute;todo original de ISAS en 13 pacientes con localizaci&oacute;n de convulsiones conocido. Encontramos que el ISAS BioImage Suite era de acuerdo con el algoritmo original en todos los casos para que el ISAS identific&oacute; correctamente a una sola regi&oacute;n inequ&iacute;voca de inicio del asimiento. Tambi&eacute;n probamos para efectos de sesgo de exploraci&oacute;n-orden en el grupo de control utilizado para el an&aacute;lisis y no encontraron efectos significativos sobre los resultados. Estos resultados establecen un m&eacute;todo simple, validado y objetivo para el an&aacute;lisis de im&aacute;genes de diferencia SPECT ictal interictales para su uso en el cuidado de pacientes con epilepsia.

Nuevo c&oacute;digo abierto ictal SPECT an&aacute;lisis m&eacute;todo implementado en la Suite de BioImage.

&#xC120;&#xBB3C;&#xC774; &#xC544;&#xB2CC; &#xB531;&#xB531;&#xD55C; &#xBC1C;&#xC74C; &#xB54C;&#xBB38;&#xC5D0; &#xB2E4;&#xB9AC;&#xC758; &#xC704;&#xCE58;&#xC5D0; &#xC788;&#xB294; &#xC7A0;&#xC7AC;&#xC801;&#xC73C;&#xB85C; &#xD070; &#xBCC0;&#xD654;&#xB97C; &#xBC1B;&#xC544;&#xC57C; &#xD558;&#xB294; &#xC9C1;&#xB82C; &#xB9C8;&#xC6B0;&#xC2A4; microCT &#xC774;&#xBBF8;&#xC9C0; &#xB4F1;&#xB85D;&#xC744; &#xC704;&#xD55C; &#xC0C8;&#xB85C;&#xC6B4; &#xBC29;&#xBC95;. &#xACBD;&#xC9C1; &#xB41C; &#xBE44; &#xB4F1;&#xB85D; &#xBC29;&#xBC95; &#xAC1C;&#xBCC4; &#xC7A5;&#xAE30;&#xC758; &#xD3C9;&#xAC00;&#xC5D0; &#xAD11;&#xBC94;&#xC704; &#xD558; &#xAC8C; &#xC0AC;&#xC6A9; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;, &#xD558;&#xB294; &#xB3D9;&#xC548; &#xAC00;&#xB2A5;&#xD55C; &#xBCC0;&#xC704; &#xBC0F; &#xBCC0;&#xD615; &#xADDC;&#xBAA8; &#xD070; &#xB300;&#xBD80;&#xBD84;&#xC758; &#xBC29;&#xBC95;&#xC758; &#xAC00;&#xB09C;&#xD55C; &#xC735;&#xD569;&#xC758; &#xACB0;&#xACFC; &#xB54C;&#xBB38;&#xC5D0; &#xC8FC;&#xB85C; &#xBAB8; &#xC804;&#xCCB4; &#xC774;&#xBBF8;&#xC9D5;&#xC5D0; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8; &#xC81C;&#xD55C; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xBA54;&#xC11C;&#xB4DC;&#xB97C; &#xC785;&#xB825;&#xC73C;&#xB85C; &#xB9C8;&#xC6B0;&#xC2A4; &#xD53C;&#xBD80;&#xC640; &#xACE8;&#xACA9;&#xC758; &#xC218;&#xC900; &#xC9D1;&#xD569; &#xD45C;&#xD604;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xACE0; &#xBF08; &#xAD6C;&#xC870;&#xC758; &#xC790;&#xC5F0;&#xC758; &#xBB3C;&#xB9AC;&#xC801; &#xC6C0;&#xC9C1;&#xC784;&#xC744; &#xBC18;&#xC601; &#xD558;&#xB294; &#xC138; &#xB2E8;&#xACC4;&#xB85C; &#xAD6C;&#xC131; &#xD655;&#xC7A5;&#xB41C; &#xC545;&#xB9C8; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC; &#xACBD;&#xC7C1; &#xAE30;&#xC220;&#xC5D0; &#xBE44;&#xD574; &#xACE0;&#xBB34;&#xC801;&#xC778; &#xC131;&#xACFC; &#xBCF4;&#xC5EC;&#xC8FC;&#xB294; &#xC9C1;&#xB82C; microCT &#xB9C8;&#xC6B0;&#xC2A4; &#xC774;&#xBBF8;&#xC9C0; &#xB4F1;&#xB85D;&#xC5D0; &#xC6B0;&#xB9AC;&#xC758; &#xBC29;&#xBC95;&#xC744; &#xC801;&#xC6A9;.

&#xC9C1;&#xB82C; microCT &#xB9C8;&#xC6B0;&#xC2A4; hindlimb &#xC774;&#xBBF8;&#xC9C0;&#xC5D0; &#xB300; &#xD55C; &#xACBD;&#xC9C1; &#xB41C; &#xBE44; &#xB4F1;&#xB85D; &#xBC29;&#xBC95;.

&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x4E00;&#x79CD;&#x975E;&#x521A;&#x6027;&#x767B;&#x8BB0;&#x7684;&#x4E32;&#x884C;&#x9F20;&#x6807;&#x5C0F;&#x56FE;&#x50CF;&#xFF0C;&#x7531;&#x4E8E;&#x94F0;&#x63A5;&#x817F;&#x7684;&#x7ACB;&#x573A;&#x53EF;&#x80FD;&#x5F88;&#x5927;&#x7684;&#x53D8;&#x5316;&#x7684;&#x65B0;&#x65B9;&#x6CD5;&#x3002;&#x867D;&#x7136;&#x975E;&#x521A;&#x6027;&#x914D;&#x51C6;&#x65B9;&#x6CD5;&#x5DF2;&#x5E7F;&#x6CDB;&#x5E94;&#x7528;&#x5728;&#x4E2A;&#x522B;&#x673A;&#x6784;&#x7684;&#x8BC4;&#x4EF7;&#xFF0C;&#x5728;&#x5168;&#x8EAB;&#x6210;&#x50CF;&#x6280;&#x672F;&#x4E2D;&#x7684;&#x5E94;&#x7528;&#x53D7;&#x5230;&#x9650;&#x5236;&#xFF0C;&#x4E3B;&#x8981;&#x662F;&#x56E0;&#x4E3A;&#x53EF;&#x80FD;&#x4F4D;&#x79FB;&#x548C;&#x53D8;&#x5F62;&#x7684;&#x89C4;&#x6A21;&#x8F83;&#x5927;&#x9020;&#x6210;&#x7684;&#x5927;&#x591A;&#x6570;&#x65B9;&#x6CD5;&#x5DEE;&#x6536;&#x655B;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x57FA;&#x4E8E;&#x6269;&#x5C55;&#x7684;&#x9B3C;&#x7B97;&#x6CD5;&#x4F7F;&#x7528;&#x7684;&#x9F20;&#x6807;&#x76AE;&#x80A4;&#x548C;&#x9AA8;&#x9ABC;&#x7EA7;&#x96C6;&#x8868;&#x793A;&#x4F5C;&#x4E3A;&#x8F93;&#x5165;&#xFF0C;&#x5E76;&#x53CD;&#x6620;&#x9AA8;&#x6027;&#x7ED3;&#x6784;&#x7684;&#x81EA;&#x7136;&#x7269;&#x7406;&#x79FB;&#x52A8;&#x7684;&#x4E09;&#x4E2A;&#x6B65;&#x9AA4;&#x7EC4;&#x6210;&#x3002;&#x6211;&#x4EEC;&#x5E94;&#x7528;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x6CE8;&#x518C;&#x7684;&#x4E32;&#x884C;&#x5C0F;&#x9F20;&#x6807;&#x56FE;&#x50CF;&#x8868;&#x660E;&#x9F13;&#x52B1;&#x8868;&#x6F14;&#x8F83;&#x5177;&#x7ADE;&#x4E89;&#x529B;&#x7684;&#x6280;&#x672F;&#x3002;

&#x4E32;&#x884C;&#x5C0F;&#x9F20;&#x6807;&#x540E;&#x80A2;&#x56FE;&#x50CF;&#x975E;&#x521A;&#x6027;&#x914D;&#x51C6;&#x65B9;&#x6CD5;&#x3002;

We present a new method for the non-rigid registration of serial mouse microCT images which undergo potentially large changes in the positions of the legs due to articulation. While non-rigid registration methods have been extensively used in the evaluation of individual organs, application in whole body imaging has been limited, primarily because the scale of possible displacements and deformations is large resulting in poor convergence of most methods. Our method is based on the extended demons algorithm that uses a level-set representation of the mouse skin and skeleton as an input, and composed of three steps reflecting the natural physical movements of bony structures. We applied our method to the registration of serial microCT mouse images demonstrating encouraging performances as compared to competitive techniques.

A non-rigid registration method for serial microCT mouse hindlimb images.

Nous pr&eacute;sentons une nouvelle m&eacute;thode d&#39;enregistrement non rigide des images de gamme de souris s&eacute;rie qui subissent des changements potentiellement importants dans les positions des jambes en raison de l&#39;articulation. Alors que les m&eacute;thodes d&#39;inscription non rigides ont &eacute;t&eacute; largement utilis&eacute;s dans l&#39;&eacute;valuation des diff&eacute;rents organes, application en imagerie du corps entier a &eacute;t&eacute; limit&eacute;e, principalement parce que l&#39;ampleur des &eacute;ventuels d&eacute;placements et d&eacute;formations est grand, ayant pour r&eacute;sultat une convergence m&eacute;diocre de la plupart des m&eacute;thodes. Notre m&eacute;thode est bas&eacute;e sur l&#39;algorithme &eacute;tendu de d&eacute;mons qui utilise une repr&eacute;sentation sous forme de jeu de niveau de la peau de la souris et le squelette comme intrant et compos&eacute; de trois &eacute;tapes, refl&eacute;tant les mouvements physiques naturels des structures osseuses. Nous avons appliqu&eacute; notre m&eacute;thode &agrave; l&#39;enregistrement d&#39;images de souris s&eacute;rie microCT d&eacute;montrant les performances encourageantes par rapport aux techniques comp&eacute;titives.

Une m&eacute;thode d&#39;enregistrement non rigides pour s&eacute;rie microCT images de souris du membre post&eacute;rieur.

Wir pr&auml;sentieren eine neue Methode f&uuml;r die nicht-starren Registrierung serielle Maus-MicroCT-Bilder, die potenziell gro&szlig;e in den Positionen der Beine durch Artikulation Ver&auml;nderungen. Nicht starre Registrierungsmethoden ausgiebig bei der Bewertung der einzelnen Organe verwendet wurden, wurden Anwendung im ganzen K&ouml;rper Imaging begrenzt, in erster Linie, weil das Ausma&szlig; der m&ouml;glichen Verschiebungen und Verformungen gro&szlig; was zu schlechte Konvergenz der meisten Methoden ist. Unsere Methode basiert auf dem erweiterten D&auml;monen-Algorithmus, die eine Ebene-Set-Darstellung der Maus Haut und Skelett als Eingabe verwendet und setzt sich aus drei Schritten reflektieren die nat&uuml;rlichen physischen Bewegungen der kn&ouml;chernen Strukturen. Wir unsere Methode auf die Registrierung von seriellen MicroCT Maus Bilder zeigen ermutigende Leistungen im Vergleich zu wettbewerbsf&auml;higen Techniken angewendet.

Eine nicht starre Registrierungsmethode f&uuml;r serielle MicroCT Maus Hinterbeine Bilder.

Vi presentiamo un nuovo metodo per la registrazione delle immagini magnetica mouse seriale che subiscono modifiche potenzialmente grandi nelle posizioni delle gambe a causa di articolazione non rigido. Mentre metodi di registrazione non rigidi sono stati ampiamente utilizzati nella valutazione dei singoli organi, applicazione di imaging di tutto il corpo &egrave; stato limitato, soprattutto perch&eacute; la scala delle possibili spostamenti e deformazioni &egrave; di grandi dimensioni con conseguente scarsa convergenza della maggior parte dei metodi. Il nostro metodo &egrave; basato sull&#39;algoritmo esteso demoni che utilizza un&#39;insieme a livello di rappresentazione della pelle di topo e scheletro come input e composto di tre passaggi che riflettono i movimenti fisici naturali delle strutture ossee. Abbiamo applicato il nostro metodo per la registrazione delle immagini del mouse seriale magnetica dimostrando incoraggianti prestazioni rispetto alle tecniche competitivi.

Un metodo di registrazione non rigidi per le immagini di arto posteriore del mouse seriale magnetica.

&#x6211;&#x3005; &#x306E;&#x8ABF;&#x97F3;&#x306E;&#x305F;&#x3081;&#x306E;&#x8DB3;&#x306E;&#x4F4D;&#x7F6E;&#x3067;&#x6F5C;&#x5728;&#x7684;&#x306B;&#x5927;&#x304D;&#x306A;&#x5909;&#x5316;&#x3092;&#x53D7;&#x3051;&#x308B;&#x30B7;&#x30EA;&#x30A2;&#x30EB; &#x30DE;&#x30A6;&#x30B9; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x306E;&#x975E;&#x525B;&#x4F53;&#x30EC;&#x30B8;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x305F;&#x3081;&#x65B0;&#x3057;&#x3044;&#x624B;&#x6CD5;&#x306B;&#x3064;&#x3044;&#x3066;&#x8FF0;&#x3079;&#x308B;.&#x975E;&#x525B;&#x4F53;&#x30EC;&#x30B8;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x624B;&#x6CD5;&#x306F;&#x5E83;&#x304F;&#x500B;&#x3005; &#x306E;&#x5668;&#x5B98;&#x306E;&#x8A55;&#x4FA1;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x9593;&#x306F;&#x3001;&#x30B9;&#x30B1;&#x30FC;&#x30EB;&#x53EF;&#x80FD;&#x306A;&#x5909;&#x4F4D;&#x3068;&#x5909;&#x5F62;&#x304C;&#x8CA7;&#x3057;&#x3044;&#x53CE;&#x675F;&#x306E;&#x307B;&#x3068;&#x3093;&#x3069;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306E;&#x7D50;&#x679C;&#x3068;&#x3057;&#x3066;&#x5927;&#x304D;&#x3044;&#x306E;&#x305F;&#x3081;&#x306B;&#x4E3B;&#x306B;&#x5168;&#x8EAB;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x3067;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x5236;&#x9650;&#x3001;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x79C1;&#x305F;&#x3061;&#x306E;&#x65B9;&#x6CD5;&#x30DE;&#x30A6;&#x30B9;&#x306E;&#x30B9;&#x30AD;&#x30F3;&#x3068;&#x30B9;&#x30B1;&#x30EB;&#x30C8;&#x30F3;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x96C6;&#x5408;&#x8868;&#x73FE;&#x3092;&#x5165;&#x529B;&#x3068;&#x3057;&#x3066;&#x4F7F;&#x7528;&#x3057;&#x3001;&#x9AA8;&#x69CB;&#x9020;&#x306E;&#x81EA;&#x7136;&#x306E;&#x7269;&#x7406;&#x7684;&#x306A;&#x52D5;&#x304D;&#x3092;&#x53CD;&#x6620;&#x3057;&#x3066;&#x3001;3 &#x3064;&#x306E;&#x30B9;&#x30C6;&#x30C3;&#x30D7;&#x3067;&#x69CB;&#x6210;&#x3055;&#x308C;&#x3066;&#x62E1;&#x5F35;&#x60AA;&#x9B54;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306B;&#x57FA;&#x3065;&#x304D;&#x307E;&#x3059;&#x3002;&#x79C1;&#x305F;&#x3061;&#x306F;&#x5968;&#x52B1;&#x516C;&#x6F14;&#x306B;&#x6BD4;&#x3079;&#x3066;&#x7AF6;&#x4E89;&#x529B;&#x306E;&#x3042;&#x308B;&#x30C6;&#x30AF;&#x30CB;&#x30C3;&#x30AF;&#x3092;&#x793A;&#x3059;&#x30B7;&#x30EA;&#x30A2;&#x30EB; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30DE;&#x30A6;&#x30B9;&#x753B;&#x50CF;&#x306E;&#x767B;&#x9332;&#x306B;&#x63D0;&#x6848;&#x624B;&#x6CD5;&#x3092;&#x9069;&#x7528;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;

&#x30B7;&#x30EA;&#x30A2;&#x30EB; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30DE;&#x30A6;&#x30B9;&#x5F8C;&#x80A2;&#x753B;&#x50CF;&#x306E;&#x975E;&#x525B;&#x4F53;&#x30EC;&#x30B8;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x624B;&#x6CD5;&#x3002;

Presentamos un nuevo m&eacute;todo de registro deformable de im&aacute;genes de microCT rat&oacute;n serie que experimentan potencialmente grandes cambios en las posiciones de las piernas debido a la articulaci&oacute;n. Mientras que los m&eacute;todos de registro deformable han sido ampliamente utilizados en la evaluaci&oacute;n de los &oacute;rganos individuales, aplicaci&oacute;n en proyecci&oacute;n de imagen de cuerpo entero ha sido limitada, principalmente porque la escala de posibles desplazamientos y deformaciones es grande, dando por resultado pobre convergencia de la mayor&iacute;a de los m&eacute;todos. Nuestro m&eacute;todo se basa en el algoritmo extendido de demonios que utiliza una representaci&oacute;n de conjunto de nivel de la piel de rat&oacute;n y esqueleto como insumo y compuesta por tres pasos que refleja los movimientos f&iacute;sicos naturales de estructuras &oacute;seas. Aplicamos nuestro m&eacute;todo para el registro de im&aacute;genes de rat&oacute;n serie microCT demostrando actuaciones alentadoras en comparaci&oacute;n con t&eacute;cnicas competitivas.

Un m&eacute;todo de registro deformable para im&aacute;genes de serial microCT rat&oacute;n trasera.

&#x786E;&#x5B9A;&#x8BE5;&#x533A;&#x57DF;&#x7F09;&#x83B7;&#x53D1;&#x75C5;&#x7684;&#x662F;&#x6CBB;&#x7597;&#x96BE;&#x6CBB;&#x6027;&#x766B;&#x75EB;&#x7684;&#x6781;&#x5176;&#x91CD;&#x8981;&#x3002;&#x8981;&#x6210;&#x529F;&#x5730;&#x672C;&#x5730;&#x5316;&#x5C40;&#x7076;&#x6027;&#x766B;&#x75EB;&#xFF0C;&#x8868;&#x660E;&#x5DF2;&#x53D1;&#x4F5C;&#x671F;&#x548C;&#x53D1;&#x4F5C;&#x95F4;&#x671F;&#x7684;&#x5355;&#x5149;&#x5B50;&#x53D1;&#x5C04;&#x8BA1;&#x7B97;&#x5C42;&#x6790;&#x6210;&#x50CF; (SPECT) &#x56FE;&#x50CF;&#x4E4B;&#x95F4;&#x7684;&#x6BD4;&#x8F83;&#x3002;&#x5BF9;&#x6025;&#x6027;&#x53D1;&#x4F5C;&#x95F4;&#x671F;&#x7684;&#x51CF;&#x6CD5;&#x7EDF;&#x8BA1;&#x53C2;&#x6570;&#x6620;&#x5C04; (ISA) &#x7B97;&#x6CD5;&#x5206;&#x6790;&#x4ECD;&#x7136;&#x662F;&#x4E00;&#x4E2A;&#x8F83;&#x4E3A;&#x6210;&#x529F;&#x7684;&#x7B97;&#x6CD5;&#x6765;&#x6BD4;&#x8F83;&#x8FD9;&#x4E9B;&#x56FE;&#x50CF;&#x3002;&#x7136;&#x800C; ISAS &#x53D7;&#x5176;&#x7EDF;&#x8BA1;&#x8BBE;&#x8BA1;&#x7684;&#x9650;&#x5236;&#x3002;&#x8FD9;&#x79CD;&#x8BBE;&#x8BA1;&#x5F15;&#x5165;&#x4E86;&#x4F30;&#x8BA1;&#x7684;&#x6B63;&#x5E38;&#x5DEE;&#x5F02;&#x5E8F;&#x5217; SPECT &#x56FE;&#x50CF;&#x7684;&#x626B;&#x63CF;&#x987A;&#x5E8F;&#x504F;&#x89C1;&#x3002;&#x6211;&#x4EEC;&#x5DF2;&#x901A;&#x8FC7;&#x4F30;&#x8BA1;&#x534A;&#x6B63;&#x6001;&#x5206;&#x5E03;&#x7684;&#x6B63;&#x5E38;&#x5DEE;&#x5F02;&#x7EA0;&#x6B63;&#x8FD9;&#x79CD;&#x504F;&#x5DEE;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x57FA;&#x4E8E;&#x4E0E;&#x66F4;&#x6B63;&#x548C;&#x5F00;&#x653E;&#x6E90;&#x5B9E;&#x7528;&#x7A0B;&#x5E8F;&#x7684;&#x6B63;&#x5E38;&#x7684;&#x65B9;&#x5DEE;&#x4F30;&#x8BA1;&#x7684;&#x539F;&#x59CB; ISAS &#x7B97;&#x6CD5;&#x7684;&#x822A;&#x5B87; HN &#x66F4;&#x65B0;&#x7684;&#x7B97;&#x6CD5; &#xFF08;&#x822A;&#x5B87; HN&#xFF09;&#x3002;

&#x4E0D;&#x5E26;&#x504F;&#x89C1;&#x7684;&#x6539;&#x8FDB;&#x7684;&#x65B9;&#x6CD5;&#x7684; DIFFSPECT &#x91CF;&#x5316;&#x766B;&#x75EB;&#x60A3;&#x8005;&#x3002;

Determining the region of seizure onset is of critical importance for treating medically intractable epilepsy. Comparisons between an ictal and interictal Single Photon Emission Computed Tomography (SPECT) images have been shown to be successful in localizing focal epilepsy. The Ictal-Interictal Subtraction Analysis by Statistical Parametric Mapping (ISAS) algorithm remains one the more successful algorithms for comparing these images. However ISAS is limited by its statistical design. This design introduces a scan order bias in the estimation of the normal variance of sequential SPECT images. We have corrected this bias by estimating the normal variance with a half-normal distribution. In this paper we present an updated algorithm (ISAS HN) based on the original ISAS algorithm with a corrected estimate of the normal variance and an open-source utility for ISAS HN.

AN IMPROVED UNBIASED METHOD FOR DIFFSPECT QUANTIFICATION IN EPILEPSY.

D&eacute;terminer la r&eacute;gion du d&eacute;but de la saisie est d&#39;une importance cruciale pour traiter l&#39;&eacute;pilepsie r&eacute;fractaire m&eacute;dicalement. Comparaisons entre une image unique Photon Emission Computed tomographie (SPECT) ictal et intercritiques montrent pour r&eacute;ussir dans la localisation de l&#39;&eacute;pilepsie focale. L&#39;analyse de soustraction Ictal-intercritiques par algorithme de cartographie statistique param&eacute;trique (ISAS) reste un les algorithmes plus efficaces pour la comparaison de ces images. Cependant, ISAS est limit&eacute;e par sa conception statistique. Cette conception pr&eacute;sente un biais d&#39;ordre scan dans l&#39;estimation de l&#39;&eacute;cart normal des images s&eacute;quentielles de SPECT. Nous avons corrig&eacute; ce biais en estimant l&#39;&eacute;cart normal avec une distribution de la moiti&eacute; de la normale. Dans cet article, nous pr&eacute;sentons un algorithme mis &agrave; jour (ISAS HN) bas&eacute; sur l&#39;algorithme original de ISAS avec une estimation corrig&eacute;e de la variation normale et un utilitaire open source pour ISAS HN.

UNE QUANTIFICATION DE DIFFSPECT FOR IMPROVED METHOD IMPARTIALE DANS L&#39;&Eacute;PILEPSIE.

Bestimmung der Region Beschlagnahme Einstiegsalter ist von entscheidender Bedeutung f&uuml;r die Behandlung medizinisch therapieresistente Epilepsie. Vergleiche zwischen einem iktale und interiktaler Single Photon Emission berechnet Tomography (SPECT) Bilder wurden gezeigt, in der Lokalisierung von fokalen Epilepsie erfolgreich zu sein. Ictal-interiktale Subtraktion Analyse nach Statistical Parametric Mapping (ISAS) Algorithmus bleibt eine erfolgreicheren Algorithmen f&uuml;r den Vergleich von diesen Bildern. Jedoch wegen seines statistischen ISAS begrenzt ist. Dieser Entwurf stellt einen Scan-Auftrag-Bias bei der Sch&auml;tzung der normalen Varianz der sequenziellen SPECT-Bilder. Wir haben diese Verzerrung behoben, durch Sch&auml;tzung der normalen Varianz mit einer halb-Normalverteilung. In diesem Papier stellen wir einen aktualisierten Algorithmus (ISAS HN) basierend auf dem urspr&uuml;nglichen ISAS-Algorithmus eine korrigierte Sch&auml;tzung f&uuml;r die normale Varianz und ein Open Source-Utility f&uuml;r ISAS HN.

EINE VERBESSERTE UNVOREINGENOMMENE METHODE F&Uuml;R DIFFSPECT QUANTIFIZIERUNG BEI EPILEPSIE.

Determinazione della regione di insorgenza del sequestro &egrave; di importanza critica per il trattamento di epilessia intrattabile medicamente. I confronti tra un ictale e interittale immagini Single Photon Emission computato tomografia (SPECT) hanno dimostrati di essere efficace nella localizzazione di epilessia focale. L&#39;analisi di sottrazione Ictal interittale dall&#39;algoritmo di Statistical Parametric Mapping (ISA) rimane uno gli algoritmi pi&ugrave; successo per il confronto di queste immagini. Tuttavia ISA &egrave; limitata dalla sua progettazione statistica. Questo disegno introduce un bias di ordine di scansione nella stima della varianza normale di immagini SPECT sequenziale. Abbiamo corretto questo pregiudizio per stimare la varianza normale con una distribuzione half-normal. In questo articolo presentiamo un algoritmo aggiornato (ISAS HN) basato sull&#39;algoritmo ISAS originale con una stima corretta della varianza normale e un&#39;utility open source per ISA HN.

UN MIGLIORATO IMPARZIALE METODO DIFFSPECT PER QUANTIFICAZIONE IN EPILESSIA.

&#x767A;&#x4F5C;&#x306E;&#x767A;&#x75C7;&#x306E;&#x9818;&#x57DF;&#x3092;&#x7279;&#x5B9A;&#x3059;&#x308B;&#x96E3;&#x6CBB;&#x6027;&#x3066;&#x3093;&#x304B;&#x3093;&#x306E;&#x6CBB;&#x7642;&#x306E;&#x305F;&#x3081;&#x975E;&#x5E38;&#x306B;&#x91CD;&#x8981;&#x3067;&#x3059;&#x3002;&#x767A;&#x4F5C;&#x6642;&#x304A;&#x3088;&#x3073;&#x767A;&#x4F5C;&#x9593;&#x6B47;&#x671F;&#x5358;&#x4E00;&#x5149;&#x5B50;&#x653E;&#x5C04;&#x8A08;&#x7B97;&#x65AD;&#x5C64;&#x64AE;&#x5F71; (SPECT) &#x753B;&#x50CF;&#x9593;&#x306E;&#x6BD4;&#x8F03;&#x306F;&#x3066;&#x3093;&#x304B;&#x3093;&#x306E;&#x30ED;&#x30FC;&#x30AB;&#x30E9;&#x30A4;&#x30BA;&#x3067;&#x6210;&#x529F;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x793A;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;Ictal &#x767A;&#x4F5C;&#x9593;&#x6B20;&#x671F;&#x306E;&#x6E1B;&#x7B97;&#x5206;&#x6790;&#x7D71;&#x8A08;&#x7684;&#x30D1;&#x30E9;&#x30E1;&#x30C8;&#x30EA;&#x30C3;&#x30AF; &#x30DE;&#x30C3;&#x30D4;&#x30F3;&#x30B0; (ISAS) &#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306B;&#x3088;&#x3063;&#x3066;&#x3053;&#x308C;&#x3089;&#x306E;&#x753B;&#x50CF;&#x3092;&#x6BD4;&#x8F03;&#x3059;&#x308B;&#x305F;&#x3081;&#x3088;&#x308A;&#x591A;&#x304F;&#x306E;&#x6210;&#x529F;&#x306E;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306E;&#x307E;&#x307E;&#x3067;&#x3059;&#x3002;&#x3057;&#x304B;&#x3057;&#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8;&#x305D;&#x306E;&#x7D71;&#x8A08;&#x7684;&#x8A2D;&#x8A08;&#x306B;&#x3088;&#x3063;&#x3066;&#x5236;&#x9650;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x8A2D;&#x8A08;&#x306F;&#x3001;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B7;&#x30E3;&#x30EB; SPECT &#x753B;&#x50CF;&#x306E;&#x901A;&#x5E38;&#x306E;&#x5206;&#x6563;&#x306E;&#x63A8;&#x5B9A;&#x306B;&#x304A;&#x3051;&#x308B;&#x30B9;&#x30AD;&#x30E3;&#x30F3;&#x9806;&#x30D0;&#x30A4;&#x30A2;&#x30B9;&#x3092;&#x7D39;&#x4ECB;&#x3057;&#x307E;&#x3059;&#x3002;&#x901A;&#x5E38;&#x306E;&#x5DEE;&#x7570;&#x3092;&#x534A;&#x6B63;&#x898F;&#x5206;&#x5E03;&#x3092;&#x63A8;&#x5B9A;&#x3059;&#x308B;&#x3053;&#x3068;&#x3067;&#x3001;&#x3053;&#x306E;&#x30D0;&#x30A4;&#x30A2;&#x30B9;&#x3092;&#x6B63;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;&#x901A;&#x5E38;&#x306E;&#x5DEE;&#x7570;&#x3068;&#x30AA;&#x30FC;&#x30D7;&#x30F3; &#x30BD;&#x30FC;&#x30B9; &#x30E6;&#x30FC;&#x30C6;&#x30A3;&#x30EA;&#x30C6;&#x30A3;&#x306E;&#x4FEE;&#x6B63;&#x3055;&#x308C;&#x305F;&#x63A8;&#x5B9A;&#x306B;&#x5143;&#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306B;&#x95A2;&#x3059;&#x308B; ISAS HN &#x3092;&#x57FA;&#x3065;&#x304F;&#x66F4;&#x65B0;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0; (&#x5B87;&#x5B99;&#x79D1;&#x5B66;&#x7814;&#x7A76;&#x672C;&#x90E8; HN) &#x3092;&#x63D0;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x6539;&#x5584;&#x3055;&#x308C;&#x305F;&#x516C;&#x5E73;&#x306A;&#x65B9;&#x6CD5; FOR DIFFSPECT &#x5B9A;&#x91CF;&#x5316;&#x3066;&#x3093;&#x304B;&#x3093;&#x3002;

&#xBC1C;&#xC791; &#xBC1C;&#xBCD1; &#xC9C0;&#xC5ED; &#xACB0;&#xC815; &#xC758;&#xD559;&#xC73C;&#xB85C; &#xB2E4;&#xB8E8;&#xAE30; &#xD798;&#xB4E0; &#xAC04; &#xC9C8; &#xCE58;&#xB8CC;&#xB97C; &#xC704;&#xD55C; &#xB9E4;&#xC6B0; &#xC911;&#xC694;&#xC785;&#xB2C8;&#xB2E4;. &#xC9C0;&#xC5ED;&#xD654; &#xCD08;&#xC810; &#xAC04; &#xC9C8;&#xC5D0; &#xC131;&#xACF5; &#xD558;&#xAE30; &#xC704;&#xD574;&#xC11C;&#xB294; ictal &#xBC0F; interictal &#xB2E8;&#xC77C; &#xAD11;&#xC790; &#xBC29;&#xCD9C; &#xACC4;&#xC0B0; &#xB41C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (SPECT) &#xC774;&#xBBF8;&#xC9C0; &#xC0AC;&#xC774;&#xC758; &#xBE44;&#xAD50; &#xD45C;&#xC2DC; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xD1B5;&#xACC4; &#xD30C;&#xB77C;&#xBBF8;&#xD130; &#xB9E4;&#xD551; (&#xC5F0;&#xAD6C;&#xC18C;) &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC5D0; &#xC758;&#xD574; Ictal Interictal &#xBE7C;&#xAE30; &#xBD84;&#xC11D; &#xC774;&#xB7EC;&#xD55C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xBE44;&#xAD50; &#xD558;&#xB294; &#xB370; &#xB354; &#xC131;&#xACF5;&#xC801;&#xC778; &#xC54C;&#xACE0;&#xB9AC;&#xC998; &#xB0A8;&#xC544; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xADF8;&#xB7EC;&#xB098; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C;&#xC758; &#xD1B5;&#xACC4;&#xC801; &#xC778; &#xC124;&#xACC4;&#xC5D0; &#xC758;&#xD574; &#xC81C;&#xD55C; &#xB429;&#xB2C8;&#xB2E4;. &#xC774; &#xB514;&#xC790;&#xC778; &#xC21C;&#xCC28;&#xC801;&#xC778; SPECT &#xC774;&#xBBF8;&#xC9C0;&#xC758; &#xC815;&#xC0C1;&#xC801;&#xC778; &#xBD84;&#xC0B0; &#xCD94;&#xC815;&#xC5D0; &#xC2A4;&#xCE94; &#xC21C;&#xC11C; &#xBC14;&#xC774;&#xC5B4;&#xC2A4;&#xB97C; &#xC18C;&#xAC1C;&#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC; &#xBC18; &#xC815;&#xADDC; &#xBD84;&#xD3EC; &#xD45C;&#xC900; &#xD3B8;&#xCC28;&#xB97C; &#xC608;&#xCE21; &#xD558; &#xC5EC;&#xC774; &#xBC14;&#xC774;&#xC5B4;&#xC2A4;&#xB97C; &#xC218;&#xC815; &#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xBB38;&#xC11C;&#xC5D0;&#xC11C;&#xB294; &#xC5C5;&#xB370;&#xC774;&#xD2B8; &#xC54C;&#xACE0;&#xB9AC;&#xC998; (&#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; HN)&#xAC00; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; HN&#xC5D0; &#xB300; &#xD55C; &#xC218;&#xC815; &#xB41C; &#xC608;&#xC0C1; &#xD45C;&#xC900; &#xD3B8;&#xCC28; &#xBC0F; &#xC624;&#xD508;-&#xC18C;&#xC2A4; &#xC720;&#xD2F8;&#xB9AC;&#xD2F0;&#xC640; &#xC6D0;&#xB798; &#xC6B0;&#xC8FC; &#xACFC;&#xD559; &#xC5F0;&#xAD6C;&#xC18C; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xAE30;&#xBC18; &#xC18C;&#xAC1C;.

&#xD5A5;&#xC0C1; &#xB41C; &#xD3B8;&#xACAC;&#xB41C; &#xBC29;&#xBC95; FOR DIFFSPECT &#xBD80; &#xB7C9; &#xAC04; &#xC9C8;&#xC5D0;&#xC11C;.

Determinar la regi&oacute;n de inicio del asimiento es de vital importancia para el tratamiento de la epilepsia intratable m&eacute;dicamente. Las comparaciones entre im&aacute;genes ictal e interictal Single Photon emisi&oacute;n computarizada tomograf&iacute;a (SPECT) han demostrado tener &eacute;xito en la localizaci&oacute;n de epilepsia focal. El an&aacute;lisis de resta Ictal-Interictal por algoritmo de Mapeo estad&iacute;stico param&eacute;trico (ISAS) sigue siendo uno los algoritmos m&aacute;s acertados para comparar estas im&aacute;genes. Sin embargo, ISAS est&aacute; limitada por su dise&ntilde;o estad&iacute;stico. Este dise&ntilde;o presenta un sesgo de la orden de exploraci&oacute;n en la estimaci&oacute;n de la varianza normal de im&aacute;genes secuenciales de la SPECT. Hemos corregido este sesgo por estimar la variaci&oacute;n normal con una distribuci&oacute;n de la mitad de lo normal. En este trabajo presentamos un algoritmo actualizado (ISAS HN) basado en el algoritmo ISAS original con una estimaci&oacute;n corregida de la variaci&oacute;n normal y una utilidad de c&oacute;digo abierto para ISAS HN.

UNA M&Eacute;TODO MEJORADO DE IMPARCIAL PARA DIFFSPECT CUANTIFICACI&Oacute;N EN EPILEPSIA.

&#x5C0F;&#x52A8;&#x7269; x &#x5C04;&#x7EBF;&#x8BA1;&#x7B97;&#x5C42;&#x6790; (&#x5C0F;) &#x6210;&#x50CF;&#x7684;&#x4E0B;&#x80A2;&#x52A8;&#x8109;&#x6210;&#x957F;&#x8BC4;&#x4EF7;&#x5141;&#x8BB8;&#x540E;&#x80A2;&#x7F3A;&#x8840;&#x6A21;&#x578B;&#x4E2D;&#x548C;&#x65F6;&#x4EE5;&#x4E32;&#x884C;&#x65B9;&#x5F0F;&#x5E94;&#x7528;&#x53EF;&#x4EE5;&#x63D0;&#x4F9B;&#x6709;&#x5173;&#x75C5;&#x60C5;&#x548C;&#x6CBB;&#x7597;&#x5E72;&#x9884;&#x63AA;&#x65BD;&#x7684;&#x8BC4;&#x4EF7;&#x4E2D;&#x63F4;&#x52A9;&#x7684;&#x5B9A;&#x91CF;&#x4FE1;&#x606F;&#x3002;&#x7EC4;&#x7EC7;&#x704C;&#x6CE8;&#x7684;&#x53D8;&#x5316;&#x7684;&#x91CF;&#x5316;&#x548C;&#x540C;&#x65F6;&#x4F7F;&#x7528;&#x6838;&#x6210;&#x50CF;&#x83B7;&#x5F97;&#x7684;&#x5206;&#x5B50;&#x6807;&#x5FD7;&#x7269;&#x7684;&#x6D53;&#x5EA6;&#x8981;&#x6C42;&#x975E;&#x786C;&#x6027;&#x6CE8;&#x518C;&#x7684;&#x5C0F;&#x56FE;&#x50CF;&#xFF0C;&#x968F;&#x7740;&#x65F6;&#x95F4;&#x63A8;&#x79FB;&#xFF0C;&#x7531;&#x4E8E;&#x94F0;&#x63A5;&#x817F;&#x7684;&#x7ACB;&#x573A;&#x7684;&#x53EF;&#x80FD;&#x6BD4;&#x8F83;&#x5927;&#x53D8;&#x5316;&#x4F5C;&#x51FA;&#x66F4;&#x5177;&#x6311;&#x6218;&#x6027;&#x7684;&#x4EFB;&#x52A1;&#x7684;&#x80FD;&#x529B;&#x3002;&#x867D;&#x7136;&#x975E;&#x521A;&#x6027;&#x914D;&#x51C6;&#x65B9;&#x6CD5;&#x5DF2;&#x5E7F;&#x6CDB;&#x5E94;&#x7528;&#x5728;&#x4E2A;&#x522B;&#x673A;&#x6784;&#x7684;&#x8BC4;&#x4EF7;&#xFF0C;&#x5728;&#x5168;&#x8EAB;&#x6210;&#x50CF;&#x6280;&#x672F;&#x4E2D;&#x7684;&#x5E94;&#x7528;&#x53D7;&#x5230;&#x9650;&#x5236;&#xFF0C;&#x4E3B;&#x8981;&#x662F;&#x56E0;&#x4E3A;&#x53EF;&#x80FD;&#x4F4D;&#x79FB;&#x548C;&#x53D8;&#x5F62;&#x7684;&#x89C4;&#x6A21;&#x8F83;&#x5927;&#x9020;&#x6210;&#x7684;&#x5927;&#x591A;&#x6570;&#x65B9;&#x6CD5;&#x5DEE;&#x6536;&#x655B;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x4E00;&#x79CD;&#x57FA;&#x4E8E;&#x4F5C;&#x4E3A;&#x4E00;&#x9879;&#x6295;&#x5165;&#x4F7F;&#x7528;&#x7684;&#x8F66;&#x8EAB;&#x8F6E;&#x5ED3;&#x548C;&#x9AA8;&#x9ABC;&#x7ED3;&#x6784;&#x7EA7;&#x96C6;&#x8868;&#x793A;&#x7684;&#x6269;&#x5C55;&#x7684;&#x9B3C;&#x7B97;&#x6CD5;&#x7684;&#x65B0;&#x65B9;&#x6CD5;&#x3002;&#x9F20;&#x6807;&#x89E3;&#x5256;&#x5B66;&#x4E2D;&#x7684;&#x9AA8;&#x9ABC;&#x7684;&#x8FD0;&#x52A8;&#x662F;&#x8EAB;&#x4F53;&#x52A8;&#x4F5C;&#x7684;&#x6846;&#x67B6;&#x81EA;&#x7136;&#x7269;&#x7406;&#x79FB;&#x52A8;&#x7EC4;&#x5408;&#x53CD;&#x6620;&#x4E86;&#x62DF;&#x8BAE;&#x7684;&#x4E32;&#x884C;&#x767B;&#x8BB0;&#x65B9;&#x6CD5;&#x548C;&#x76AE;&#x80A4;&#x7684;&#x8FD0;&#x52A8;&#x9650;&#x5236;&#x4E86;&#x8BE6;&#x7EC6;&#x5177;&#x4F53;&#x7684;&#x5206;&#x6BB5;&#x7684;&#x8EAB;&#x4F53;&#x533A;&#x57DF;&#x7684;&#x53D8;&#x52A8;&#x60C5;&#x51B5;&#x3002;&#x6211;&#x4EEC;&#x5E94;&#x7528;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x5230;&#x8FD9;&#x4E24;&#x4E2A;&#x4E32;&#x884C;&#x5C0F;&#x9F20;&#x6807;&#x56FE;&#x50CF;&#x6CE8;&#x518C;&#x548C;&#x5B9A;&#x91CF;&#x5316;&#x7684; microSPECT &#x7EC4;&#x4EF6;&#x4EE5;&#x4E32;&#x884C;&#x65B9;&#x5F0F;&#x6DF7;&#x5408;&#x5C0F; SPECT &#x56FE;&#x50CF;&#x5C55;&#x793A;&#x6539;&#x8FDB;&#x7684;&#x6027;&#x80FD;&#x4E0E;&#x73B0;&#x6709;&#x6CE8;&#x518C;&#x6280;&#x672F;&#x3002;

&#x4E32;&#x884C;&#x4F4E;&#x4E0B;&#x80A2;&#x6DF7;&#x5408; SPECT/CT &#x6210;&#x50CF;&#x7684;&#x975E;&#x521A;&#x6027;&#x914D;&#x51C6;&#x65B9;&#x6CD5;&#x3002;

Small animal X-ray computed tomographic (microCT) imaging of the lower extremities permits evaluation of arterial growth in models of hindlimb ischemia, and when applied serially can provide quantitative information about disease progression and aid in the evaluation of therapeutic interventions. The quantification of changes in tissue perfusion and concentration of molecular markers concurrently obtained using nuclear imaging requires the ability to non-rigidly register the microCT images over time, a task made more challenging by the potentially large changes in the positions of the legs due to articulation. While non-rigid registration methods have been extensively used in the evaluation of individual organs, application in whole body imaging has been limited, primarily because the scale of possible displacements and deformations is large resulting in poor convergence of most methods. In this paper we present a new method based on the extended demons algorithm that uses a level-set representation of the body contour and skeletal structure as an input. The proposed serial registration method reflects the natural physical moving combination of mouse anatomy in which the movement of bones is the framework for body movements, and the movement of skin constrains the detailed movements of the specific segmented body regions. We applied our method to both the registration of serial microCT mouse images and the quantification of microSPECT component of the serially hybrid microCT-SPECT images demonstrating improved performance as compared to existing registration techniques.

A non-rigid registration method for serial lower extremity hybrid SPECT/CT imaging.

Petit animal radiographie calcul&eacute;e imagerie tomographique (microCT) des membres inf&eacute;rieurs permet d&#39;&eacute;valuer la croissance art&eacute;rielle dans les mod&egrave;les d&#39;isch&eacute;mie du membre post&eacute;rieur et lorsqu&#39;elle est appliqu&eacute;e en s&eacute;rie peut fournir des informations quantitatives sur la progression de la maladie et l&#39;aide &agrave; l&#39;&eacute;valuation des interventions th&eacute;rapeutiques. La quantification des changements dans la perfusion tissulaire et la concentration des marqueurs mol&eacute;culaires obtenues simultan&eacute;ment &agrave; l&#39;aide de l&#39;imagerie nucl&eacute;aire exige la capacit&eacute; de non-rigidement enregistrer les images microCT au fil du temps, une t&acirc;che plus difficile que les modifications potentiellement importantes dans les positions des jambes en raison de l&#39;articulation. Alors que les m&eacute;thodes d&#39;inscription non rigides ont &eacute;t&eacute; largement utilis&eacute;s dans l&#39;&eacute;valuation des diff&eacute;rents organes, application en imagerie du corps entier a &eacute;t&eacute; limit&eacute;e, principalement parce que l&#39;ampleur des &eacute;ventuels d&eacute;placements et d&eacute;formations est grand, ayant pour r&eacute;sultat une convergence m&eacute;diocre de la plupart des m&eacute;thodes. Dans cet article, nous pr&eacute;sentons une nouvelle m&eacute;thode bas&eacute;e sur l&#39;algorithme &eacute;tendu de d&eacute;mons qui utilise une repr&eacute;sentation de niveau-ensemble de la structure squelettique et le contour du corps en tant qu&#39;entr&eacute;e. La m&eacute;thode d&#39;enregistrement s&eacute;rie propos&eacute;e refl&egrave;te la combinaison de mouvement physique naturelle de l&#39;anatomie de souris dans lequel le mouvement des os est le cadre pour les mouvements du corps, et le mouvement de la peau contraint les mouvements d&eacute;taill&eacute;s des r&eacute;gions sp&eacute;cifiques du corps segment&eacute;. Nous avons appliqu&eacute; notre m&eacute;thode &agrave; la fois l&#39;enregistrement des images de souris s&eacute;rie microCT et la quantification du composant microSPECT de la s&eacute;rie hybride microCT-SPECT images mettant en &eacute;vidence les performances am&eacute;lior&eacute;es par rapport aux techniques d&#39;enregistrement existantes.

Une m&eacute;thode d&#39;enregistrement non rigides pour une s&eacute;rie inf&eacute;rieure extr&eacute;mit&eacute; hybride SPECT/CT imagerie.

Kleines Tier R&ouml;ntgen berechnet tomographischen (MicroCT)-Imaging der unteren Extremit&auml;ten erm&ouml;glicht eine Bewertung der arterielle Wachstum in Modelle der Hinterbeine Isch&auml;mie und wenn seriell angewendet kann quantitative Informationen &uuml;ber Krankheitsverlauf und Hilfe bei der Bewertung der therapeutischen Interventionen liefern. Die Quantifizierung von Ver&auml;nderungen im Gewebe-Perfusion und Konzentration der molekulare Marker mit nuklearen Bildgebung gleichzeitig abgerufen erfordert die F&auml;higkeit, nicht starr die MicroCT Bilder im Laufe der Zeit eine Aufgabe gemacht durch die potenziell gro&szlig;en Ver&auml;nderungen in den Positionen der Beine durch Artikulation schwierigere registrieren. Nicht starre Registrierungsmethoden ausgiebig bei der Bewertung der einzelnen Organe verwendet wurden, wurden Anwendung im ganzen K&ouml;rper Imaging begrenzt, in erster Linie, weil das Ausma&szlig; der m&ouml;glichen Verschiebungen und Verformungen gro&szlig; was zu schlechte Konvergenz der meisten Methoden ist. In diesem Beitrag pr&auml;sentieren wir eine neue Methode, die auf der Grundlage des erweiterten D&auml;monen-Algorithmus, der eine Ebene-Set-Darstellung der K&ouml;rperkontur und Skelettstruktur als Eingabe verwendet. Vorgeschlagene serielle Registrierungsmethode spiegelt die nat&uuml;rliche k&ouml;rperliche bewegliche Kombination von Maus-Anatomie, in dem die Bewegung der Knochen den Rahmen f&uuml;r die Bewegungen des K&ouml;rpers ist, und die Bewegung der Haut schr&auml;nkt die detaillierten Bewegungen der spezifischen segmentierten K&ouml;rper-Regionen. Wir unsere Methode angewendet, sowohl die Registrierung serielle MicroCT Maus Bilder und die Quantifizierung der MicroSPECT-Komponente von der seriell Hybrid MicroCT-SPECT Bilder demonstrierende verbesserte Leistung im Vergleich zu bestehenden Registrierung-Techniken.

Eine nicht starre Registrierungsmethode f&uuml;r serielle unteren Extremit&auml;t Hybrid-SPECT/CT-Bildgebung.

Piccolo animale radiografia computata imaging tomografici (magnetica) degli arti inferiori consente la valutazione della crescita arteriosa in modelli di ischemia arto posteriore e quando viene applicato in modo seriale pu&ograve; fornire informazioni quantitative sulla progressione della malattia e aiuti nella valutazione degli interventi terapeutici. La quantificazione delle variazioni della perfusione dei tessuti e la concentrazione dei marcatori molecolari ottenuti simultaneamente utilizzando imaging nucleare richiede la capacit&agrave; di registrare non rigidamente le immagini magnetica nel corso del tempo, un compito reso pi&ugrave; impegnativo da potenzialmente grandi cambiamenti nelle posizioni delle gambe a causa di articolazione. Mentre metodi di registrazione non rigidi sono stati ampiamente utilizzati nella valutazione dei singoli organi, applicazione di imaging di tutto il corpo &egrave; stato limitato, soprattutto perch&eacute; la scala delle possibili spostamenti e deformazioni &egrave; di grandi dimensioni con conseguente scarsa convergenza della maggior parte dei metodi. In questo articolo presentiamo un nuovo metodo basato sull&#39;algoritmo esteso demoni che utilizza una rappresentazione di insieme a livello del contorno del corpo e struttura scheletrica come input. Il metodo di registrazione seriale proposto riflette la combinazione di movimento fisica naturale di anatomia del mouse in cui il movimento delle ossa &egrave; il quadro per i movimenti del corpo, e il movimento della pelle vincola i movimenti dettagliati delle regioni specifiche del corpo segmentato. Abbiamo applicato il nostro metodo sia la registrazione delle immagini del mouse seriale magnetica e la quantificazione della componente microSPECT dell&#39;in serie ibrida magnetica-SPECT images dimostrando prestazioni migliorate rispetto alle tecniche di registrazione esistenti.

Un metodo di registrazione non rigidi per il seriale inferiore estremit&agrave; ibrido SPECT/CT imaging.

&#x5C0F;&#x52D5;&#x7269; x &#x7DDA;&#x30C8;&#x30E2;&#x30B0;&#x30E9;&#x30D5;&#x30A3;&#x30FC; (&#x30DE;&#x30A4;&#x30AF;&#x30ED;) &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x4E0B;&#x80A2;&#x52D5;&#x8108;&#x6210;&#x9577;&#x8A55;&#x4FA1;&#x306E;&#x5F8C;&#x80A2;&#x306E;&#x865A;&#x8840;&#x30E2;&#x30C7;&#x30EB;&#x3067;&#x8A31;&#x53EF;&#x3057;&#x3001;&#x76F4;&#x5217;&#x306B;&#x9069;&#x7528;&#x3059;&#x308B;&#x3068;&#x304D;&#x75C5;&#x6C17;&#x306E;&#x9032;&#x884C;&#x304A;&#x3088;&#x3073;&#x6CBB;&#x7642;&#x7684;&#x4ECB;&#x5165;&#x306E;&#x8A55;&#x4FA1;&#x306B;&#x304A;&#x3051;&#x308B;&#x63F4;&#x52A9;&#x306B;&#x95A2;&#x3059;&#x308B;&#x5B9A;&#x91CF;&#x7684;&#x60C5;&#x5831;&#x3092;&#x63D0;&#x4F9B;&#x3067;&#x304D;&#x308B;&#x8A08;&#x7B97;&#x3002;&#x7D44;&#x7E54;&#x306E;&#x8840;&#x6D41;&#x5909;&#x5316;&#x306E;&#x5B9A;&#x91CF;&#x5316;&#x3068;&#x6FC3;&#x5EA6;&#x540C;&#x6642;&#x306B;&#x6838;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x5F97;&#x3089;&#x308C;&#x308B;&#x5206;&#x5B50;&#x30DE;&#x30FC;&#x30AB;&#x30FC;&#x306E;&#x975E;&#x525B;&#x4F53;&#x8ABF;&#x97F3;&#x306E;&#x305F;&#x3081;&#x306E;&#x8DB3;&#x306E;&#x4F4D;&#x7F6E;&#x306E;&#x6F5C;&#x5728;&#x7684;&#x306B;&#x5927;&#x304D;&#x306A;&#x5909;&#x5316;&#x306B;&#x3088;&#x3063;&#x3066;&#x3088;&#x308A;&#x6311;&#x6226;&#x7684;&#x306A;&#x4F5C;&#x3089;&#x308C;&#x305F;&#x30BF;&#x30B9;&#x30AF;&#x6642;&#x9593;&#x3092;&#x304B;&#x3051;&#x3066;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x753B;&#x50CF;&#x3092;&#x767B;&#x9332;&#x3059;&#x308B;&#x6A5F;&#x80FD;&#x304C;&#x5FC5;&#x8981;&#x3067;&#x3059;&#x3002;&#x975E;&#x525B;&#x4F53;&#x30EC;&#x30B8;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x624B;&#x6CD5;&#x306F;&#x5E83;&#x304F;&#x500B;&#x3005; &#x306E;&#x5668;&#x5B98;&#x306E;&#x8A55;&#x4FA1;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x9593;&#x306F;&#x3001;&#x30B9;&#x30B1;&#x30FC;&#x30EB;&#x53EF;&#x80FD;&#x306A;&#x5909;&#x4F4D;&#x3068;&#x5909;&#x5F62;&#x304C;&#x8CA7;&#x3057;&#x3044;&#x53CE;&#x675F;&#x306E;&#x307B;&#x3068;&#x3093;&#x3069;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306E;&#x7D50;&#x679C;&#x3068;&#x3057;&#x3066;&#x5927;&#x304D;&#x3044;&#x306E;&#x305F;&#x3081;&#x306B;&#x4E3B;&#x306B;&#x5168;&#x8EAB;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x3067;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x5236;&#x9650;&#x3001;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;&#x30DC;&#x30C7;&#x30A3;&#x8F2A;&#x90ED;&#x3084;&#x9AA8;&#x683C;&#x69CB;&#x9020;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x96C6;&#x5408;&#x8868;&#x73FE;&#x3092;&#x5165;&#x529B;&#x3068;&#x3057;&#x3066;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x62E1;&#x5F35;&#x60AA;&#x9B54;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306B;&#x57FA;&#x3065;&#x304F;&#x65B0;&#x3057;&#x3044;&#x65B9;&#x6CD5;&#x3092;&#x63D0;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x9AA8;&#x306E;&#x52D5;&#x304D;&#x8EAB;&#x4F53;&#x306E;&#x52D5;&#x304D;&#x306E;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x306F;&#x30DE;&#x30A6;&#x30B9;&#x306E;&#x89E3;&#x5256;&#x5B66;&#x306E;&#x81EA;&#x7136;&#x306E;&#x7269;&#x7406;&#x7684;&#x306A;&#x79FB;&#x52D5;&#x306E;&#x7D44;&#x307F;&#x5408;&#x308F;&#x305B;&#x30B7;&#x30EA;&#x30A2;&#x30EB;&#x767B;&#x9332;&#x306E;&#x63D0;&#x6848;&#x624B;&#x6CD5;&#x3092;&#x53CD;&#x6620;&#x3057;&#x3001;&#x76AE;&#x819A;&#x306E;&#x79FB;&#x52D5;&#x3001;&#x7279;&#x5B9A;&#x306E;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x5316;&#x3055;&#x308C;&#x305F;&#x30DC;&#x30C7;&#x30A3;&#x9818;&#x57DF;&#x306E;&#x8A73;&#x7D30;&#x306A;&#x52D5;&#x304D;&#x306B;&#x5236;&#x9650;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x30B7;&#x30EA;&#x30A2;&#x30EB; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30DE;&#x30A6;&#x30B9;&#x753B;&#x50CF;&#x767B;&#x9332;&#x3068;&#x306E; microSPECT &#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8;&#x306E;&#x5B9A;&#x91CF;&#x5316;&#x306B;&#x672C;&#x624B;&#x6CD5;&#x3092;&#x9069;&#x7528;&#x3057;&#x305F;&#x3001;&#x76F4;&#x5217;&#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C3;&#x30C9; &#x30DE;&#x30A4;&#x30AF;&#x30ED; SPECT &#x753B;&#x50CF;&#x3092;&#x793A;&#x3059;&#x65E2;&#x5B58;&#x767B;&#x9332;&#x624B;&#x6CD5;&#x3068;&#x6BD4;&#x8F03;&#x3057;&#x3066;&#x30D1;&#x30D5;&#x30A9;&#x30FC;&#x30DE;&#x30F3;&#x30B9;&#x304C;&#x5411;&#x4E0A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x30B7;&#x30EA;&#x30A2;&#x30EB;&#x306E;&#x4E0B;&#x4E0B;&#x80A2;&#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C3;&#x30C9; SPECT &#x3068; CT &#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x306E;&#x305F;&#x3081;&#x306E;&#x975E;&#x525B;&#x4F53;&#x30EC;&#x30B8;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x6CD5;&#x3002;

&#xC791;&#xC740; &#xB3D9;&#xBB3C; x &#xC120; &#xACC4;&#xC0B0; &#xD558;&#xBC18;&#xC2E0;&#xC758; &#xB2E8;&#xCE35; (microCT) &#xC774;&#xBBF8;&#xC9D5; hindlimb &#xD5C8; &#xD608; &#xBAA8;&#xB378;&#xC5D0;&#xC11C; &#xB3D9;&#xB9E5; &#xC131;&#xC7A5;&#xC758; &#xD3C9;&#xAC00; &#xD5C8;&#xC6A9; &#xD558; &#xACE0; &#xC21C;&#xCC28;&#xC801;&#xC73C;&#xB85C; &#xC801;&#xC6A9; &#xB420; &#xB54C; &#xC9C8;&#xBCD1;&#xC758; &#xC9C4;&#xD589; &#xBC0F; &#xCE58;&#xB8CC; &#xC801; &#xAC1C;&#xC785;&#xC758; &#xD3C9;&#xAC00;&#xC758; &#xC6D0;&#xC870;&#xC5D0; &#xB300; &#xD55C; &#xC815;&#xB7C9;&#xC801; &#xC778; &#xC815;&#xBCF4;&#xB97C; &#xC81C;&#xACF5;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC870;&#xC9C1; &#xAD00;&#xB958;&#xC758; &#xBCC0;&#xD654;&#xB97C; &#xC815;&#xB7C9;&#xD654; &#xD558; &#xACE0; &#xB3D9;&#xC2DC;&#xC5D0; &#xD575; &#xC774;&#xBBF8;&#xC9D5; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC5BB;&#xC740; &#xBD84;&#xC790; &#xB9C8;&#xCEE4; &#xB18D;&#xB3C4; &#xBE44; rigidly &#xC870;&#xC74C;&#xC73C;&#xB85C; &#xC778;&#xD574; &#xB2E4;&#xB9AC;&#xC758; &#xC704;&#xCE58;&#xC5D0; &#xC788;&#xB294; &#xC7A0;&#xC7AC;&#xC801;&#xC73C;&#xB85C; &#xD070; &#xBCC0;&#xD654;&#xC5D0; &#xC758;&#xD574; &#xB354; &#xB9CE;&#xC740; &#xB3C4;&#xC804; &#xD588;&#xB2E4; &#xC791;&#xC5C5; &#xC2DC;&#xAC04;&#xC774; &#xC9C0;&#xB0A8;&#xC5D0; microCT &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xB4F1;&#xB85D; &#xD558;&#xB294; &#xAE30;&#xB2A5;&#xC744; &#xC694;&#xAD6C; &#xD55C;&#xB2E4;. &#xACBD;&#xC9C1; &#xB41C; &#xBE44; &#xB4F1;&#xB85D; &#xBC29;&#xBC95; &#xAC1C;&#xBCC4; &#xC7A5;&#xAE30;&#xC758; &#xD3C9;&#xAC00;&#xC5D0; &#xAD11;&#xBC94;&#xC704; &#xD558; &#xAC8C; &#xC0AC;&#xC6A9; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;, &#xD558;&#xB294; &#xB3D9;&#xC548; &#xAC00;&#xB2A5;&#xD55C; &#xBCC0;&#xC704; &#xBC0F; &#xBCC0;&#xD615; &#xADDC;&#xBAA8; &#xD070; &#xB300;&#xBD80;&#xBD84;&#xC758; &#xBC29;&#xBC95;&#xC758; &#xAC00;&#xB09C;&#xD55C; &#xC735;&#xD569;&#xC758; &#xACB0;&#xACFC; &#xB54C;&#xBB38;&#xC5D0; &#xC8FC;&#xB85C; &#xBAB8; &#xC804;&#xCCB4; &#xC774;&#xBBF8;&#xC9D5;&#xC5D0; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8; &#xC81C;&#xD55C; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xB17C;&#xBB38;&#xC5D0;&#xC11C; &#xC120;&#xBB3C;&#xC774; &#xBC14;&#xB514; &#xCEE8;&#xD22C;&#xC5B4; &#xBC0F; &#xACE8;&#xACA9; &#xAD6C;&#xC870;&#xC5D0; &#xB300; &#xD55C; &#xC218;&#xC900; &#xC9D1;&#xD569; &#xD45C;&#xD604;&#xC744; &#xC785;&#xB825;&#xC73C;&#xB85C; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xD655;&#xC7A5; &#xB41C; &#xC545;&#xB9C8; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xD558;&#xB294; &#xC0C8;&#xB85C;&#xC6B4; &#xBC29;&#xBC95;. &#xC81C;&#xC548; &#xB41C; &#xC9C1;&#xB82C; &#xB4F1;&#xB85D; &#xBC29;&#xBC95; &#xBC18;&#xC601; &#xB9C8;&#xC6B0;&#xC2A4; &#xC544;&#xB098;&#xD1A0;&#xBBF8;&#xB294; &#xBF08;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC740; &#xBAB8;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC5D0; &#xB300; &#xD55C; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C;&#xC758; &#xC790;&#xC5F0; &#xBB3C;&#xB9AC;&#xC801; &#xC774;&#xB3D9; &#xC870;&#xD569; &#xD558; &#xACE0; &#xD53C;&#xBD80;&#xC758; &#xC6C0;&#xC9C1;&#xC784; &#xC81C;&#xD55C; &#xD2B9;&#xC815; &#xC138;&#xADF8;&#xBA3C;&#xD2B8; &#xBCF8;&#xBB38; &#xC601;&#xC5ED;&#xC758; &#xC138;&#xBD80; &#xC6C0;&#xC9C1;&#xC784;. &#xC6B0;&#xB9AC;&#xAC00; &#xC9C1;&#xB82C; microCT &#xB9C8;&#xC6B0;&#xC2A4; &#xC774;&#xBBF8;&#xC9C0; &#xB4F1;&#xB85D; &#xBC0F; microSPECT &#xAD6C;&#xC131; &#xC694;&#xC18C;&#xC758; &#xC815;&#xB7C9;&#xD654; &#xC6B0;&#xB9AC;&#xC758; &#xBC29;&#xBC95;&#xC744; &#xC801;&#xC6A9; &#xB41C; &#xC9C1;&#xB82C; &#xD558;&#xC774;&#xBE0C;&#xB9AC;&#xB4DC; microCT SPECT &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xC874; &#xB4F1;&#xB85D; &#xAE30;&#xBC95;&#xC5D0; &#xBE44;&#xD574; &#xBCF4;&#xC5EC;&#xC8FC;&#xB294; &#xD5A5;&#xC0C1; &#xB41C; &#xC131;&#xB2A5;.

&#xC9C1;&#xB82C; &#xB0AE;&#xC740; &#xB9D0;&#xB2E8; &#xD558;&#xC774;&#xBE0C;&#xB9AC;&#xB4DC; SPECT/CT &#xC601;&#xC0C1;&#xC5D0; &#xB300; &#xD55C; &#xACBD;&#xC9C1; &#xB41C; &#xBE44; &#xB4F1;&#xB85D; &#xBC29;&#xBC95;.

Peque&ntilde;o animal radiograf&iacute;a computada la proyecci&oacute;n de imagen tomogr&aacute;fica (microCT) de las extremidades inferiores permite la evaluaci&oacute;n del crecimiento arterial en modelos de isquemia del miembro posterior y cuando se aplica en serie puede proporcionar informaci&oacute;n cuantitativa sobre la progresi&oacute;n de la enfermedad y ayuda en la evaluaci&oacute;n de las intervenciones terap&eacute;uticas. La cuantificaci&oacute;n de los cambios en la perfusi&oacute;n del tejido y la concentraci&oacute;n de marcadores moleculares obtenidos simult&aacute;neamente usando proyecci&oacute;n de imagen nuclear requieren la capacidad de registrar no r&iacute;gidamente las im&aacute;genes microCT con el tiempo, una tarea que se hace m&aacute;s dif&iacute;cil por los potencialmente grandes cambios en las posiciones de las piernas debido a la articulaci&oacute;n. Mientras que los m&eacute;todos de registro deformable han sido ampliamente utilizados en la evaluaci&oacute;n de los &oacute;rganos individuales, aplicaci&oacute;n en proyecci&oacute;n de imagen de cuerpo entero ha sido limitada, principalmente porque la escala de posibles desplazamientos y deformaciones es grande, dando por resultado pobre convergencia de la mayor&iacute;a de los m&eacute;todos. En este trabajo presentamos un nuevo m&eacute;todo basado en el algoritmo extendido de demonios que utiliza una representaci&oacute;n de conjunto de nivel del contorno del cuerpo y estructura esquel&eacute;tica como insumo. El m&eacute;todo de registro serial propuesta refleja la combinaci&oacute;n de movimiento f&iacute;sica natural de la anatom&iacute;a del rat&oacute;n en el que el movimiento de los huesos es el marco para los movimientos del cuerpo y el movimiento de la piel restringe los movimientos detallados de las regiones espec&iacute;ficas del cuerpo segmentado. Aplicamos nuestro m&eacute;todo tanto el registro de im&aacute;genes de rat&oacute;n serie microCT y la cuantificaci&oacute;n del componente microSPECT de la serie h&iacute;brida microCT-SPECT im&aacute;genes que demuestran un rendimiento mejorado en comparaci&oacute;n con t&eacute;cnicas de registro existentes.

Un m&eacute;todo de registro deformable para proyecci&oacute;n de serie inferior extremidad h&iacute;bridos SPECT/CT imagen.

&#x5F00;&#x53D1;&#x795E;&#x7ECF;&#x5F71;&#x50CF;&#x5B66;&#x7B97;&#x6CD5;&#x8FD9;&#x4E24;&#x4E2A;&#x56FE;&#x5F62;&#x548C;&#x547D;&#x4EE4;&#x884C;&#x754C;&#x9762;&#x9700;&#x8981;&#x76F8;&#x5F53;&#x5927;&#x7684;&#x52AA;&#x529B;&#x3002;&#x795E;&#x7ECF;&#x5F71;&#x50CF;&#x5B66;&#x7B97;&#x6CD5;&#x53EF;&#x4EE5;&#x6EE1;&#x8DB3;&#x4ED6;&#x4EEC;&#x7684;&#x6F5C;&#x529B;&#xFF0C;&#x53EA;&#x5F53;&#x4ED6;&#x4EEC;&#x53EF;&#x4EE5;&#x8F7B;&#x677E;&#x5730;&#x548C;&#x7ECF;&#x5E38;&#x4F7F;&#x7528;&#x7531;&#x5176;&#x9884;&#x5B9A;&#x7684;&#x7528;&#x6237;&#x3002;&#x8FD9;&#x79CD;&#x7B97;&#x6CD5;&#x5728;&#x591A;&#x4E2A;&#x5E73;&#x53F0;&#x4E0A;&#x7684;&#x4E00;&#x5927;&#x5957;&#x7684;&#x90E8;&#x7F72;&#x9700;&#x8981;&#x4E00;&#x81F4;&#x6027;&#x7684;&#x7528;&#x6237;&#x754C;&#x9762;&#x63A7;&#x4EF6;&#xFF0C;&#x8DE8;&#x4E0D;&#x540C;&#x5E73;&#x53F0;&#x548C;&#x5F7B;&#x5E95;&#x7684;&#x6D4B;&#x8BD5;&#x7ED3;&#x679C;&#x4E00;&#x81F4;&#x3002;&#x6211;&#x4EEC;&#x76EE;&#x524D;&#x7684;&#x8BBE;&#x8BA1;&#x4E0E;&#x5B9E;&#x73B0;&#x65B0;&#x578B;&#x7684;&#x9762;&#x5411;&#x5BF9;&#x8C61;&#x7684;&#x6846;&#x67B6;&#xFF0C;&#x5141;&#x8BB8;&#x5FEB;&#x901F;&#x53D1;&#x5C55;&#x7684;&#x590D;&#x6742;&#x56FE;&#x50CF;&#x5206;&#x6790;&#x7B97;&#x6CD5;&#x4E0E;&#x8BB8;&#x591A;&#x53EF;&#x91CD;&#x7528;&#x7684;&#x7EC4;&#x4EF6;&#x548C;&#x8F7B;&#x677E;&#x5730;&#x6DFB;&#x52A0;&#x56FE;&#x5F62;&#x7528;&#x6237;&#x754C;&#x9762;&#x63A7;&#x4EF6;&#x7684;&#x80FD;&#x529B;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x6846;&#x67B6;&#x8FD8;&#x5141;&#x8BB8;&#x7B80;&#x5316;&#x7136;&#x800C;&#x53C8;&#x5F88;&#x5F3A;&#x5065;&#x591C;&#x95F4;&#x6D4B;&#x8BD5;&#x7684;&#x7B97;&#x6CD5;&#xFF0C;&#x4EE5;&#x786E;&#x4FDD;&#x7A33;&#x5B9A;&#x548C;&#x8DE8;&#x5E73;&#x53F0;&#x7684;&#x4E92;&#x64CD;&#x4F5C;&#x6027;&#x3002;&#x6240;&#x6709;&#x7684;&#x529F;&#x80FD;&#x88AB;&#x5C01;&#x88C5;&#x5230;&#x65E0;&#x9700;&#x5355;&#x72EC;&#x7684;&#x6E90;&#x6587;&#x4EF6;&#x4EE3;&#x7801;&#x7684;&#x7528;&#x6237;&#x63A5;&#x53E3;&#x3001; &#x6D4B;&#x8BD5;&#x6216;&#x90E8;&#x7F72;&#x7684;&#x8F6F;&#x4EF6;&#x5BF9;&#x8C61;&#x3002;&#x8FD9;&#x4E00;&#x63D0;&#x6CD5;&#x4F7F;&#x6211;&#x4EEC;&#x7684;&#x6846;&#x67B6;&#x975E;&#x5E38;&#x9002;&#x5408;&#x5F00;&#x53D1;&#x65B0;&#x9896;&#x3001; &#x7A33;&#x5B9A;&#x548C;&#x5BB9;&#x6613;&#x4F7F;&#x7528;&#x7684;&#x7B97;&#x6CD5;&#x6765;&#x533B;&#x5B66;&#x56FE;&#x50CF;&#x5206;&#x6790;&#x548C;&#x8BA1;&#x7B97;&#x673A;&#x8F85;&#x52A9;&#x7684;&#x5E72;&#x9884;&#x63AA;&#x65BD;&#x3002;&#x6846;&#x67B6;&#x4E00;&#x76F4;&#x90FD;&#x90E8;&#x7F72;&#x5728;&#x8036;&#x9C81;&#x5927;&#x5B66;&#xFF0C;&#x5E76;&#x516C;&#x5E03;&#x4F9B;&#x5E02;&#x6C11;&#x4F7F;&#x7528;&#x5F00;&#x6E90;&#x7684;&#x591A;&#x5E73;&#x53F0;&#x56FE;&#x50CF;&#x5206;&#x6790;&#x8F6F;&#x4EF6;--BioImage &#x5957;&#x4EF6; (bioimagesuite.org)&#x3002;

&#x7528;&#x4E8E;&#x5F00;&#x53D1;&#x3001; &#x90E8;&#x7F72;&#x548C;&#x9C81;&#x68D2;&#x6D4B;&#x8BD5;&#x7684;&#x795E;&#x7ECF;&#x5F71;&#x50CF;&#x5B66;&#x7B97;&#x6CD5;&#x7684;&#x7EDF;&#x4E00;&#x7684;&#x6846;&#x67B6;&#x3002;

Developing both graphical and command-line user interfaces for neuroimaging algorithms requires considerable effort. Neuroimaging algorithms can meet their potential only if they can be easily and frequently used by their intended users. Deployment of a large suite of such algorithms on multiple platforms requires consistency of user interface controls, consistent results across various platforms and thorough testing. We present the design and implementation of a novel object-oriented framework that allows for rapid development of complex image analysis algorithms with many reusable components and the ability to easily add graphical user interface controls. Our framework also allows for simplified yet robust nightly testing of the algorithms to ensure stability and cross platform interoperability. All of the functionality is encapsulated into a software object requiring no separate source code for user interfaces, testing or deployment. This formulation makes our framework ideal for developing novel, stable and easy-to-use algorithms for medical image analysis and computer assisted interventions. The framework has been both deployed at Yale and released for public use in the open source multi-platform image analysis software--BioImage Suite (bioimagesuite.org).

Unified framework for development, deployment and robust testing of neuroimaging algorithms.

D&eacute;velopper les deux interfaces utilisateur graphiques et de ligne de commande pour les algorithmes de neuro-imagerie exige un effort consid&eacute;rable. Algorithmes de neuro-imagerie peuvent r&eacute;pondre &agrave; leur potentiel que si ils peuvent &ecirc;tre utilis&eacute;s facilement et fr&eacute;quemment par leurs futurs utilisateurs. D&eacute;ploiement d&#39;un grand ensemble de tels algorithmes sur de multiples plateformes requiert la coh&eacute;rence des contr&ocirc;les d&#39;interface utilisateur, des r&eacute;sultats coh&eacute;rents sur diverses plates-formes et tests approfondis. Nous pr&eacute;sentons la conception et la mise en &oelig;uvre d&#39;un cadre orient&eacute; objet novateur qui permet un d&eacute;veloppement rapide des algorithmes d&#39;analyse image complexe avec de nombreux composants r&eacute;utilisables et la capacit&eacute; d&#39;ajouter facilement des contr&ocirc;les d&#39;interface utilisateur graphique. Notre cadre permet &eacute;galement de tester tous les soirs simplifi&eacute;e et robuste des algorithmes pour assurer la stabilit&eacute; et l&#39;interop&eacute;rabilit&eacute; de la plate-forme de croix. Toutes les fonctionnalit&eacute;s est encapsul&eacute;e dans un objet de logiciels ne n&eacute;cessitant aucun code source distincte pour les interfaces utilisateur, de test ou de d&eacute;ploiement. Cette formulation rend notre cadre id&eacute;al pour d&eacute;velopper le roman, stable et facile &agrave; utiliser des algorithmes pour l&#39;analyse d&#39;images m&eacute;dicales et ordinateur assist&eacute; des interventions. Le cadre a &eacute;t&eacute; d&eacute;ploy&eacute; &agrave; Yale et lib&eacute;r&eacute; au public dans le logiciel d&#39;analyse image multi-plateforme open source--reveler Suite (bioimagesuite.org).

Cadre unifi&eacute; pour le d&eacute;veloppement, de d&eacute;ploiement et de test robuste des algorithmes de neuro-imagerie.

Die Entwicklung sowohl grafische und Befehlszeilentools Benutzeroberfl&auml;chen f&uuml;r Neuroimaging Algorithmen erfordert betr&auml;chtliche Anstrengungen. Neuroimaging-Algorithmen k&ouml;nnen ihr Potenzial erf&uuml;llen, nur dann, wenn sie leicht und h&auml;ufig von ihren vorgesehenen Benutzer verwendet werden k&ouml;nnen. Die Bereitstellung einer gro&szlig;en Reihe von Algorithmen auf mehreren Plattformen erfordert Konsistenz der Steuerelemente der Benutzeroberfl&auml;che, konsistente Ergebnisse auf verschiedenen Plattformen und gr&uuml;ndliche Pr&uuml;fung. Wir pr&auml;sentieren den Entwurf und die Implementierung von ein neuartiges objektorientiertes Framework, die f&uuml;r die schnelle Entwicklung von komplexen Algorithmen mit vielen wiederverwendbaren Komponenten und die F&auml;higkeit, einfache grafische Benutzeroberfl&auml;chen-Steuerelemente hinzuf&uuml;gen kann. Unser Framework auch erm&ouml;glicht vereinfachte, aber robuste n&auml;chtlichen Testen der Algorithmen um Stabilit&auml;t zu gew&auml;hrleisten und cross Plattforminteroperabilit&auml;t. Die gesamte Funktionalit&auml;t ist gekapselt in einer Softwareobjekt erfordert keinen separaten Quellcode f&uuml;r Benutzeroberfl&auml;chen, Tests oder Bereitstellung. Diese Formulierung macht unser Framework ideal f&uuml;r die Entwicklung von Roman, stabil und einfach zu bedienende Algorithmen f&uuml;r medizinische Bildanalyse und Computer assistierte Interventionen. Rahmen wurde sowohl an der Yale University bereitgestellt und f&uuml;r die &Ouml;ffentlichkeit in der open-Source Multi-Plattform Bildanalysesoftware--BioImage-Suite (bioimagesuite.org) ver&ouml;ffentlicht.

Einheitliches Framework f&uuml;r die Entwicklung, Bereitstellung und robuste Test Neuroimaging-Algorithmen.

Lo sviluppo di entrambe le interfacce utente grafiche e della riga di comando per gli algoritmi di neuroimaging richiede uno sforzo considerevole. Neuroimaging algoritmi in grado di soddisfare il loro potenziale solo se pu&ograve; essere facilmente e frequentemente utilizzati da loro destinati agli utenti. Distribuzione di una grande suite di tali algoritmi su piattaforme multiple richiede coerenza dei controlli dell&#39;interfaccia utente, risultati coerenti su varie piattaforme e test approfonditi. Presentiamo la progettazione e la realizzazione di un framework orientato romanzo che permette il rapido sviluppo di algoritmi di analisi di immagini complesse con molti componenti riutilizzabili e la capacit&agrave; di aggiungere facilmente i controlli dell&#39;interfaccia utente grafica. La nostra struttura consente inoltre semplificato ancora robusto nightly test degli algoritmi per garantire stabilit&agrave; e attraversare l&#39;interoperabilit&agrave; della piattaforma. Tutte le funzionalit&agrave; &egrave; incapsulato in un oggetto software che richiedono alcun codice sorgente separata per interfacce utente, di test o di distribuzione. Questa formulazione rende la nostra struttura ideale per lo sviluppo di romanzo, stabile e facile da usare algoritmi per l&#39;analisi di immagini mediche e computer assistita interventi. Il quadro &egrave; stato sia distribuito a Yale e rilasciato per uso pubblico nel software open source multi-piattaforma immagine analisi - BioImage Suite (bioimagesuite.org).

Framework unificato per lo sviluppo, distribuzione e test robusti algoritmi di neuroimaging.

&#x4E21;&#x65B9;&#x306E;&#x30B0;&#x30E9;&#x30D5;&#x30A3;&#x30AB;&#x30EB;&#x304A;&#x3088;&#x3073;&#x30B3;&#x30DE;&#x30F3;&#x30C9;&#x30E9;&#x30A4;&#x30F3; &#x30E6;&#x30FC;&#x30B6;&#x30FC; &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x306E;&#x30CB;&#x30E5;&#x30FC;&#x30ED; &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x306E;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306E;&#x958B;&#x767A;&#x306B;&#x306F;&#x3001;&#x304B;&#x306A;&#x308A;&#x306E;&#x52AA;&#x529B;&#x304C;&#x5FC5;&#x8981;&#x3067;&#x3059;&#x3002;&#x306E;&#x307F;&#x5F7C;&#x3089;&#x306F;&#x7C21;&#x5358;&#x306B;&#x3001;&#x983B;&#x7E41;&#x306B;&#x305D;&#x306E;&#x610F;&#x56F3;&#x3057;&#x305F;&#x30E6;&#x30FC;&#x30B6;&#x30FC;&#x304C;&#x4F7F;&#x7528;&#x3067;&#x304D;&#x308B;&#x5834;&#x5408;&#x30CB;&#x30E5;&#x30FC;&#x30ED; &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0; &#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306F;&#x5F7C;&#x3089;&#x306E;&#x6F5C;&#x5728;&#x6027;&#x3092;&#x6E80;&#x305F;&#x3059;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x8907;&#x6570;&#x306E;&#x30D7;&#x30E9;&#x30C3;&#x30C8;&#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x4E0A;&#x3067;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306E;&#x5927;&#x898F;&#x6A21;&#x306A;&#x30B9;&#x30A4;&#x30FC;&#x30C8;&#x306E;&#x5C55;&#x958B;&#x3067;&#x306F;&#x3001;&#x30E6;&#x30FC;&#x30B6;&#x30FC; &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9; &#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB;&#x3001;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x30D7;&#x30E9;&#x30C3;&#x30C8;&#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x3068;&#x5FB9;&#x5E95;&#x7684;&#x306A;&#x30C6;&#x30B9;&#x30C8;&#x306E;&#x9593;&#x3067;&#x4E00;&#x8CAB;&#x6027;&#x306E;&#x3042;&#x308B;&#x7D50;&#x679C;&#x306E;&#x4E00;&#x8CAB;&#x6027;&#x304C;&#x5FC5;&#x8981;&#x3067;&#x3059;&#x3002;&#x8A2D;&#x8A08;&#x3068;&#x5B9F;&#x88C5;&#x306E;&#x8907;&#x96D1;&#x306A;&#x753B;&#x50CF;&#x89E3;&#x6790;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306E;&#x591A;&#x304F;&#x306E;&#x518D;&#x5229;&#x7528;&#x53EF;&#x80FD;&#x306A;&#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8;&#x3068;&#x7C21;&#x5358;&#x306B;&#x30B0;&#x30E9;&#x30D5;&#x30A3;&#x30AB;&#x30EB;&#x306A;&#x30E6;&#x30FC;&#x30B6;&#x30FC; &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9; &#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB;&#x3092;&#x8FFD;&#x52A0;&#x3059;&#x308B;&#x6A5F;&#x80FD;&#x306E;&#x6025;&#x901F;&#x306A;&#x767A;&#x5C55;&#x306B;&#x3088;&#x308A;&#x65B0;&#x898F;&#x30AA;&#x30D6;&#x30B8;&#x30A7;&#x30AF;&#x30C8;&#x6307;&#x5411;&#x306E;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x63D0;&#x6848;&#x3059;&#x308B;.&#x79C1;&#x305F;&#x3061;&#x306E;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x3082;&#x7C21;&#x7565;&#x304B;&#x3064;&#x5805;&#x7262;&#x306A;&#x591C;&#x9593;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306E;&#x5B89;&#x5B9A;&#x6027;&#x3092;&#x78BA;&#x4FDD;&#x3057;&#x3001;&#x30AF;&#x30ED;&#x30B9; &#x30D7;&#x30E9;&#x30C3;&#x30C8;&#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x306E;&#x76F8;&#x4E92;&#x904B;&#x7528;&#x6027;&#x3092;&#x30C6;&#x30B9;&#x30C8;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x3059;&#x3079;&#x3066;&#x306E;&#x6A5F;&#x80FD;&#x306F;&#x30E6;&#x30FC;&#x30B6;&#x30FC; &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x3001;&#x30C6;&#x30B9;&#x30C8;&#x3084;&#x5C55;&#x958B;&#x500B;&#x3005; &#x306E;&#x30BD;&#x30FC;&#x30B9; &#x30B3;&#x30FC;&#x30C9;&#x306F;&#x4E0D;&#x8981;&#x30BD;&#x30D5;&#x30C8;&#x30A6;&#x30A7;&#x30A2; &#x30AA;&#x30D6;&#x30B8;&#x30A7;&#x30AF;&#x30C8;&#x306B;&#x30AB;&#x30D7;&#x30BB;&#x30EB;&#x5316;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x5B9A;&#x5F0F;&#x5316;&#x306E;&#x5C0F;&#x8AAC;&#x306F;&#x3001;&#x5B89;&#x5B9A;&#x3057;&#x305F;&#x958B;&#x767A;&#x306B;&#x6700;&#x9069;&#x79C1;&#x305F;&#x3061;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x3068;&#x7C21;&#x5358;&#x306B;&#x4F7F;&#x7528;&#x3067;&#x304D;&#x308B;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x7528;&#x533B;&#x7528;&#x753B;&#x50CF;&#x89E3;&#x6790;&#x3068;&#x30B3;&#x30F3;&#x30D4;&#x30E5;&#x30FC;&#x30BF;&#x30FC;&#x652F;&#x63F4;&#x4ECB;&#x5165;&#x3002;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x4E21;&#x65B9;&#x30A8;&#x30FC;&#x30EB;&#x5927;&#x5B66;&#x3067;&#x914D;&#x5099;&#x3055;&#x308C;&#x3066;&#x304A;&#x308A;&#x516C;&#x5171;&#x4F7F;&#x7528;&#x306E;&#x30AA;&#x30FC;&#x30D7;&#x30F3; &#x30BD;&#x30FC;&#x30B9;&#x306E;&#x30DE;&#x30EB;&#x30C1;&#x30D7;&#x30E9;&#x30C3;&#x30C8; &#x30D5;&#x30A9;&#x30FC;&#x30E0; &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x89E3;&#x6790;&#x30BD;&#x30D5;&#x30C8;&#x30A6;&#x30A7;&#x30A2;--&#x7CBE;&#x5BC6;&#x30B9;&#x30A4;&#x30FC;&#x30C8; &#xFF08;bioimagesuite.org&#xFF09; &#x3092;&#x30EA;&#x30EA;&#x30FC;&#x30B9;&#x3057;&#x307E;&#x3059;&#x3002;

&#x7D71;&#x4E00;&#x3055;&#x308C;&#x305F;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x958B;&#x767A;&#x3001;&#x5C55;&#x958B;&#x3001;&#x304A;&#x3088;&#x3073;&#x5805;&#x7262;&#x306A;&#x30CB;&#x30E5;&#x30FC;&#x30ED; &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x306E;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x306E;&#x30C6;&#x30B9;&#x30C8;&#x3057;&#x307E;&#x3059;&#x3002;

Neuroimaging &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC5D0; &#xB300; &#xD55C; &#xB450; &#xAC00;&#xC9C0; &#xADF8;&#xB798;&#xD53D; &#xBC0F; &#xBA85;&#xB839;&#xC904; &#xC0AC;&#xC6A9;&#xC790; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4; &#xAC1C;&#xBC1C; &#xC0C1;&#xB2F9;&#xD55C; &#xB178;&#xB825;&#xC774; &#xD544;&#xC694; &#xD569;&#xB2C8;&#xB2E4;. Neuroimaging &#xC54C;&#xACE0;&#xB9AC;&#xC998; &#xADF8;&#xB4E4;&#xC774; &#xC27D;&#xACE0; &#xC790;&#xC8FC; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xB294; &#xADF8;&#xB4E4;&#xC758; &#xC758;&#xB3C4; &#xD55C; &#xC0AC;&#xC6A9;&#xC790;&#xC5D0; &#xC758;&#xD574; &#xACBD;&#xC6B0;&#xC5D0; &#xADF8;&#xB4E4;&#xC758; &#xC7A0;&#xC7AC;&#xB825;&#xC744; &#xB9CC;&#xB0A0; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC5EC;&#xB7EC; &#xD50C;&#xB7AB;&#xD3FC;&#xC5D0;&#xC11C; &#xAC19;&#xC740; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC758; &#xD070; &#xC81C;&#xD488;&#xAD70;&#xC758; &#xBC30;&#xD3EC; &#xC0AC;&#xC6A9;&#xC790; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4; &#xCEE8;&#xD2B8;&#xB864;, &#xB2E4;&#xC591; &#xD55C; &#xD50C;&#xB7AB;&#xD3FC;&#xACFC; &#xCCA0;&#xC800; &#xD55C; &#xD14C;&#xC2A4;&#xD2B8;&#xB97C; &#xD1B5;&#xD574; &#xC77C;&#xAD00; &#xB41C; &#xACB0;&#xACFC;&#xC758; &#xC77C;&#xAD00;&#xC131;&#xC774; &#xD544;&#xC694;&#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC124;&#xACC4; &#xBC0F; &#xAD6C;&#xD604;&#xC758; &#xC0C8;&#xB85C;&#xC6B4; &#xAC1C;&#xCCB4; &#xC9C0;&#xD5A5; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C; &#xB9CE;&#xC740; &#xC7AC;&#xC0AC;&#xC6A9; &#xAC00;&#xB2A5;&#xD55C; &#xAD6C;&#xC131; &#xC694;&#xC18C; &#xBC0F; &#xADF8;&#xB798;&#xD53D; &#xC0AC;&#xC6A9;&#xC790; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4; &#xCEE8;&#xD2B8;&#xB864;&#xC744; &#xC27D;&#xAC8C; &#xCD94;&#xAC00;&#xD560; &#xC218;&#xC640; &#xBCF5;&#xC7A1; &#xD55C; &#xC774;&#xBBF8;&#xC9C0; &#xBD84;&#xC11D; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xBE60;&#xB974;&#xAC8C; &#xAC1C;&#xBC1C;&#xD560; &#xC218; &#xC788;&#xB3C4;&#xB85D; &#xC81C;&#xC2DC;. &#xC6B0;&#xB9AC;&#xC758; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C;&#xB294; &#xB610;&#xD55C; &#xAC04;&#xB2E8;&#xD55C; &#xC544;&#xC9C1; &#xAC15;&#xB825;&#xD55C; &#xC57C;&#xAC04; &#xC548;&#xC815;&#xC131;&#xC744; &#xBCF4;&#xC7A5; &#xD558; &#xACE0; &#xAD50;&#xCC28; &#xD50C;&#xB7AB;&#xD3FC; &#xC0C1;&#xD638; &#xC6B4;&#xC6A9;&#xC131;&#xC744; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC758; &#xD14C;&#xC2A4;&#xD2B8;&#xC5D0; &#xB300; &#xD55C; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xBAA8;&#xB4E0; &#xAE30;&#xB2A5;&#xC740; &#xC0AC;&#xC6A9;&#xC790; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;, &#xD14C;&#xC2A4;&#xD2B8; &#xB610;&#xB294; &#xBC30;&#xD3EC;&#xC5D0; &#xB300; &#xD55C; &#xBCC4;&#xB3C4; &#xC18C;&#xC2A4; &#xCF54;&#xB4DC;&#xB97C; &#xD544;&#xC694;&#xB85C; &#xD558;&#xB294; &#xC18C;&#xD504;&#xD2B8;&#xC6E8;&#xC5B4; &#xAC1C;&#xCCB4;&#xC5D0; &#xCEA1;&#xC290;&#xD654; &#xB429;&#xB2C8;&#xB2E4;. &#xC774; &#xAC8C; &#xC6B0;&#xB9AC;&#xC758; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C; &#xC18C;&#xC124;, &#xC548;&#xC815; &#xAC1C;&#xBC1C; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xC774;&#xC0C1;&#xC801;&#xC778; &#xD558; &#xACE0; &#xC758;&#xB8CC; &#xC601;&#xC0C1; &#xBD84;&#xC11D; &#xBC0F; &#xCEF4;&#xD4E8;&#xD130;&#xC5D0; &#xB300; &#xD55C; &#xC0AC;&#xC6A9; &#xD558;&#xAE30; &#xC26C;&#xC6B4; &#xC54C;&#xACE0;&#xB9AC;&#xC998; &#xC9C0;&#xC6D0; &#xAC1C;&#xC785;. &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C; &#xBAA8;&#xB450; &#xC608;&#xC77C;&#xB300;&#xC5D0;&#xC11C; &#xBC30;&#xD3EC; &#xB418;&#xC5B4;&#xACFC; &#xC624;&#xD508; &#xC18C;&#xC2A4; &#xBA40;&#xD2F0; &#xD50C;&#xB7AB;&#xD3FC; &#xC774;&#xBBF8;&#xC9C0; &#xBD84;&#xC11D; &#xC18C;&#xD504;&#xD2B8;&#xC6E8;&#xC5B4;-BioImage &#xC2A4;&#xC704;&#xD2B8; (bioimagesuite.org)&#xC5D0;&#xC11C; &#xACF5;&#xC6A9; &#xC0AC;&#xC6A9;&#xC5D0; &#xB300; &#xD55C; &#xBC1C;&#xD45C;.

&#xAC1C;&#xBC1C;, &#xBC30;&#xD3EC; &#xBC0F; neuroimaging &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC758; &#xAC15;&#xB825;&#xD55C; &#xD14C;&#xC2A4;&#xD2B8;&#xB97C; &#xC704;&#xD55C; &#xD1B5;&#xD569;&#xB41C; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C;.

El desarrollo de ambas interfaces de usuario gr&aacute;ficas y de l&iacute;nea de comandos para neuroimaging algoritmos requiere un esfuerzo considerable. Algoritmos de neuroimagen pueden cumplir su potencial s&oacute;lo si pueden ser f&aacute;cilmente y con frecuencia utilizados por sus usuarios previstos. Despliegue de un gran conjunto de tales algoritmos en m&uacute;ltiples plataformas requiere consistencia de controles de interfaz de usuario, resultados consistentes en diversas plataformas y pruebas exhaustivas. Presentamos el dise&ntilde;o e implementaci&oacute;n de un nuevo marco orientado a objetos que permite un r&aacute;pido desarrollo de algoritmos de an&aacute;lisis de imagen compleja con muchos componentes reutilizables y la capacidad de agregar f&aacute;cilmente los controles de la interfaz gr&aacute;fica de usuario. Nuestro marco tambi&eacute;n permite probar todas las noches simplificada, pero muy s&oacute;lida de los algoritmos para garantizar la estabilidad y cruzar la interoperabilidad de la plataforma. Toda la funcionalidad est&aacute; encapsulado en un objeto de software que requieren ning&uacute;n c&oacute;digo fuente independiente para interfaces de usuario, pruebas o implementaci&oacute;n. Esta formulaci&oacute;n hace nuestro marco ideal para el desarrollo de la novela, estable y f&aacute;cil de usar algoritmos para el an&aacute;lisis de im&aacute;genes m&eacute;dicas y equipo ayud&oacute; a intervenciones. El marco ha sido tanto en Yale y lanzado para uso p&uacute;blico en el software de an&aacute;lisis de c&oacute;digo abierto multiplataforma imagen--BioImage Suite (bioimagesuite.org).

Marco unificado para el desarrollo, implementaci&oacute;n y pruebas s&oacute;lidas de algoritmos de neuroimagen.

&#x53EF;&#x4EE5;&#x4F7F;&#x7528;&#x57FA;&#x4E8E;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#x5355;&#x5143;&#x8DDF;&#x8E2A;&#x76D1;&#x89C6;&#x4F53;&#x5185;&#x5185;&#x6E90;&#x6027;&#x795E;&#x7ECF;&#x7956;&#x7EC6;&#x80DE;&#x8FC1;&#x79FB;&#x3002;&#x5F53;&#x524D;&#x7684;&#x534F;&#x8BAE;&#x662F;&#x5FAE;&#x7C73;&#x5927;&#x5C0F;&#x6C27;&#x5316;&#x94C1;&#x7C92;&#x5B50; &#xFF08;&#x5E72;&#x4E8B;&#xFF09; &#x6CE8;&#x5165;&#x4FA7;&#x8111;&#x5BA4;&#x8FD1;&#x7AEF;&#x5230;&#x5927;&#x8111;&#x4E2D;&#x7684;&#x795E;&#x7ECF;&#x5E72;&#x7EC6;&#x80DE;&#x5229;&#x57FA;&#x3002;&#x5E72;&#x4E8B;&#x662F; endocytosed&#xFF0C;&#x5E76;&#x4F7F;&#x5176;&#x53EF;&#x89C1;&#x7684;&#x68AF;&#x5EA6;&#x56DE;&#x6CE2;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#x7684;&#x795E;&#x7ECF;&#x7956;&#x7EC6;&#x80DE;&#x4EBA;&#x53E3;&#x7EB3;&#x5165;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#x8FD9;&#x4E00;&#x65B0;&#x65B9;&#x6CD5;&#x5C06;&#x6269;&#x5C55;&#x4E3A;&#x4EE5;&#x4E32;&#x884C;&#x65B9;&#x5F0F;&#x91CF;&#x5316;&#x7EC6;&#x80DE;&#x8FC1;&#x79FB;&#x3002;&#x6700;&#x521D;&#xFF0C;&#x5728;&#x4F53;&#x5185;&#x7EC6;&#x80DE;&#x6807;&#x8BB0;&#x65B9;&#x6CD5;&#x88AB;&#x4F18;&#x5316;&#x3001; &#x9AD8;&#x654F;&#x611F;&#x6027;&#x5F71;&#x54CD;&#x4ECE;&#x5E72;&#x4E8B;&#x751F;&#x6210;&#x5927;&#x91CF;&#x4FE1;&#x53F7;&#x635F;&#x5931;&#x5468;&#x56F4;&#x6CE8;&#x5C04;&#x90E8;&#x4F4D;&#xFF0C;&#x63A9;&#x853D;&#x65E9;&#x671F;&#x79FB;&#x6C11;&#x4E8B;&#x4EF6;&#x3002;&#x7136;&#x540E;&#xFF0C;&#x4F7F;&#x7528;&#x6807;&#x8BB0;&#x6761;&#x4EF6;&#x6539;&#x5584;&#xFF0C;&#x4E00;&#x9879;&#x7EB5;&#x5411;&#x7814;&#x7A76;&#x8FDB;&#x884C;&#x4E86;&#x4E24;&#x4E2A;&#x591A;&#x661F;&#x671F;&#x91CF;&#x5316;&#x5BF9;&#x55C5;&#x7403; (OB) &#x6807;&#x8BB0;&#x7684;&#x7956;&#x7EC6;&#x80DE;&#x8FC1;&#x79FB;&#x3002;3 &#x5929;&#x540E;&#x6CE8;&#x5C04;&#xFF0C;&#x6211;&#x4EEC;&#x8BA1;&#x7B97;&#x7684; OB &#x91CF; 0.26%&#x5E26;&#x6807;&#x7B7E;&#x7684;&#x5355;&#x5143;&#x683C;&#x3002;&#x7531; 8 &#x4E2A;&#x5DE5;&#x4F5C;&#x65E5;&#xFF0C;&#x6B64;&#x5377;&#x51E0;&#x4E4E;&#x589E;&#x52A0;&#x4E86;&#x4E00;&#x500D;&#x81F3; 0.49%&#x548C;&#x8D8B;&#x4E8E;&#x5E73;&#x7A33;&#x3002;&#x8FD9;&#x4E9B;&#x78C1;&#x5171;&#x632F;&#x7ED3;&#x679C;&#x662F;&#x6839;&#x636E;&#x6211;&#x4EEC;&#x5BF9;&#x94C1;&#x91CF;&#x5316;&#x4ECE; OB &#x548C;&#x4E0E;&#x90A3;&#x4E9B;&#x4ECE;&#x7EAF;&#x7CB9;&#x7684;&#x514D;&#x75AB;&#x7EC4;&#x7EC7;&#x5316;&#x5B66;&#x7814;&#x7A76;&#x7684;&#x6570;&#x636E;&#x3002;

&#x4E32;&#x884C;&#x76D1;&#x6D4B;&#x5185;&#x6E90;&#x6027; neuroblast &#x8FC1;&#x79FB;&#x7684;&#x7EC6;&#x80DE;&#x78C1;&#x5171;&#x632F;&#x3002;

Endogenous neural progenitor cell migration in vivo can be monitored using MRI-based cell tracking. The current protocol is that micron sized iron oxide particles (MPIOs) are injected into the lateral ventricle proximal to the neural stem cell niche in the brain. MPIOs are endocytosed and incorporated into the neural progenitor cell population, making them visible by gradient echo MRI. Here this new method is extended to serially quantify cell migration. Initially, in vivo cell labeling methodologies were optimized, as high susceptibility effects from the MPIOs generate substantial signal loss around the injection site, masking early migratory events. Then, using improved labeling conditions, a longitudinal study was conducted over two weeks to quantify the migration of labeled progenitor cells toward the olfactory bulb (OB). By 3 days following injection, we calculated 0.26% of the volume of the OB containing labeled cells. By 8days, this volume nearly doubled to 0.49% and plateaued. These MRI results are in accordance with our data on iron quantification from the OB and with those from purely immunohistochemical studies.

Serial monitoring of endogenous neuroblast migration by cellular MRI.

Migration des cellules prog&eacute;nitrices neurales endog&egrave;ne in vivo peut &ecirc;tre surveill&eacute;e &agrave; l&#39;aide de suivi IRM &agrave; base de cellules. Le protocole actuel, c&#39;est que le micron de taille des particules d&#39;oxyde de fer (officiers) sont inject&eacute;s dans le ventricule lat&eacute;ral proximal &agrave; la niche de cellules souches neurales dans le cerveau. Officiers sont m&eacute;gacaryocyte et int&eacute;gr&eacute;e &agrave; la population de cellules prog&eacute;nitrices neurales, ce qui les rend visible en &eacute;cho de gradient MRI. Ici, cette nouvelle m&eacute;thode est g&eacute;n&eacute;ralis&eacute;e pour quantifier en s&eacute;rie la migration cellulaire. Au d&eacute;part, dans la cellule de vivo &eacute;tiquetage des m&eacute;thodologies ont &eacute;t&eacute; optimis&eacute;, effets de la forte sensibilit&eacute; des officiers d&eacute;clenchent la perte du signal important autour du site d&#39;injection, masquant les premiers &eacute;v&eacute;nements migrateurs. Puis, &agrave; l&#39;aide de meilleures conditions d&#39;&eacute;tiquetage, une &eacute;tude longitudinale a &eacute;t&eacute; men&eacute;e sur une p&eacute;riode de deux semaines afin de quantifier la migration des cellules prog&eacute;nitrices marqu&eacute; vers le bulbe olfactif (OB). 3 Jours apr&egrave;s l&#39;injection, nous avons calcul&eacute; &agrave; 0,26 % du volume de l&#39;OB contenant des cellules marqu&eacute;es. Par 8jours, ce volume a presque doubl&eacute; &agrave; 0,49 % et atteint un plateau. Ces r&eacute;sultats de MRI sont conform&eacute;ment &agrave; nos donn&eacute;es sur la quantification de fer de l&#39;OB et avec ceux de purement les &eacute;tudes immunohistochimiques.

S&eacute;rie de surveillance de la migration des neuroblastes endog&egrave;ne par IRM cellulaire.

Endogene neuronalen Vorl&auml;uferzellen Zellmigration in-vivo kann mit MRI-basierte Zelle Verfolgung &uuml;berwacht werden. Das aktuelle Protokoll ist, dass Mikron Gr&ouml;&szlig;e Eisenoxid-Teilchen (MPIOs) in der seitlichen Ventrikel proximal in der neuronalen Stammzelle Nische im Gehirn injiziert werden. MPIOs Endocytosed und in werden die neuronalen Vorl&auml;uferzellen Zellpopulation, von gradient Echo MRI sichtbar zu machen. Hier wird diese neue Methode zur Quantifizierung der Zellmigration seriell erweitert. Zun&auml;chst wurden in Vivo Zelle Kennzeichnung Methoden optimiert wie hohe Anf&auml;lligkeit Effekte aus der MPIOs erhebliche Signalverlust rund um die Einstichstelle, Maskierung fr&uuml;he wandernde Veranstaltungen generieren. Dann wurde mit verbesserte Kennzeichnung Bedingungen, eine Langzeitstudie &uuml;ber zwei Wochen durchgef&uuml;hrt, um die Migration von beschrifteten Progenitorzellen gegen&uuml;ber den Riechkolben (OB) zu quantifizieren. Von 3 Tagen nach Injektion berechnet wir 0,26 % des Volumens der OB beschriftete Zellen enth&auml;lt. Von 8days dieses Volumen fast verdoppelt auf 0,49 % und haben. Diese MRI-Ergebnisse stehen im Einklang mit unseren Daten auf Eisen-Quantifizierung von der OB und mit denen aus rein immunhistochemische Untersuchungen.

Serielle &Uuml;berwachung der endogenen Blast (Biologie)-Migration durch zellul&auml;re MRI.

Migrazione delle cellule progenitrici neurali endogene in vivo pu&ograve; essere monitorato tramite monitoraggio cellulare basato su MRI. Il protocollo attuale &egrave; che micron dimensioni particelle di ossido di ferro (MPIOs) vengono iniettati nel ventricolo laterale prossimale per la nicchia delle cellule staminali neurali nel cervello. MPIOs sono endocytosed e incorporata nella popolazione delle cellule progenitrici neurali, rendendoli visibili da eco di pendenza MRI. Qui questo nuovo metodo &egrave; esteso per quantificare in modo seriale migrazione cellulare. Inizialmente, in cellule delle vivo metodologie di etichettatura sono stati ottimizzati, come effetti di elevata suscettibilit&agrave; dal MPIOs generano perdita di segnale sostanziale attorno al sito di iniezione, anticipo eventi migratori di mascheramento. Poi, utilizzando le migliori condizioni di etichettature, uno studio longitudinale &egrave; stato condotto in due settimane per quantificare la migrazione di cellule progenitrici con etichetta verso il bulbo olfattivo (OB). Da 3 giorni dopo l&#39;iniezione, abbiamo calcolato 0,26% del volume dell&#39;OB contenenti cellule con etichette. Da 8giorni, questo volume &egrave; quasi raddoppiato a 0,49% e stabilizzato. Questi risultati di MRI sono secondo i nostri dati sulla quantificazione del ferro dall&#39;OB e con quelli da puramente gli studi immunoistochimici.

Monitoraggio seriale della migrazione neuroblast endogena da cellulare MRI.

&#x5185;&#x56E0;&#x6027;&#x795E;&#x7D4C;&#x524D;&#x99C6;&#x7D30;&#x80DE;&#x306E;&#x79FB;&#x52D5;&#x306E; in vivo &#x3067;&#x306F; MRI &#x3092;&#x7528;&#x3044;&#x305F;&#x30BB;&#x30EB;&#x306E;&#x8FFD;&#x8DE1;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x76E3;&#x8996;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x73FE;&#x5728;&#x306E;&#x30D7;&#x30ED;&#x30C8;&#x30B3;&#x30EB;&#x306F;&#x3001;&#x30DF;&#x30AF;&#x30ED;&#x30F3; &#x30B5;&#x30A4;&#x30BA;&#x306E;&#x9178;&#x5316;&#x9244;&#x7C92;&#x5B50; (MPIOs) &#x8133;&#x306B;&#x304A;&#x3051;&#x308B;&#x795E;&#x7D4C;&#x5E79;&#x7D30;&#x80DE;&#x30CB;&#x30C3;&#x30C1;&#x306B;&#x8FD1;&#x4F4D;&#x5074;&#x8133;&#x5BA4;&#x306B;&#x6CE8;&#x5165;&#x3055;&#x308C;&#x308B;&#x3053;&#x3068;&#x3067;&#x3059;&#x3002;MPIOs &#x30A8;&#x30F3;&#x30C9;&#x30B5;&#x30A4;&#x30C8;&#x30FC;&#x30B7;&#x30B9;&#x3092;&#x7D4C;&#x305F;&#x3001;&#x305D;&#x308C;&#x3089;&#x30B0;&#x30E9;&#x30C7;&#x30A3;&#x30A8;&#x30F3;&#x30C8; &#x30A8;&#x30B3;&#x30FC; MRI &#x306B;&#x3088;&#x308B;&#x53EF;&#x8996;&#x5316;&#x3001;&#x795E;&#x7D4C;&#x524D;&#x99C6;&#x7D30;&#x80DE;&#x96C6;&#x56E3;&#x3092;&#x7D44;&#x307F;&#x8FBC;&#x307F;&#x307E;&#x3059;&#x3002;&#x3053;&#x3053;&#x3067;&#x3053;&#x306E;&#x65B0;&#x3057;&#x3044;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306F;&#x76F4;&#x5217;&#x30BB;&#x30EB;&#x79FB;&#x884C;&#x3092;&#x5B9A;&#x91CF;&#x5316;&#x3059;&#x308B;&#x62E1;&#x5F35;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x5F53;&#x521D;&#x306F;&#x3001;&#x751F;&#x4F53;&#x5185;&#x7D30;&#x80DE;&#x3067;&#x65B9;&#x6CD5;&#x8AD6;&#x3092;&#x30E9;&#x30D9;&#x30EA;&#x30F3;&#x30B0;&#x5C04;&#x51FA;&#x30B5;&#x30A4;&#x30C8;&#x5468;&#x308A;&#x306E;&#x5B9F;&#x8CEA;&#x7684;&#x306A;&#x4FE1;&#x53F7;&#x640D;&#x5931;&#x306E;&#x521D;&#x671F;&#x6E21;&#x308A;&#x9CE5;&#x30A4;&#x30D9;&#x30F3;&#x30C8;&#x3092;&#x30DE;&#x30B9;&#x30AD;&#x30F3;&#x30B0;&#x3001;MPIOs &#x304B;&#x3089;&#x306E;&#x9AD8;&#x611F;&#x53D7;&#x6027;&#x52B9;&#x679C;&#x3092;&#x751F;&#x6210;&#x3059;&#x308B;&#x3088;&#x3046;&#x6700;&#x9069;&#x5316;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x305D;&#x306E;&#x5F8C;&#x3001;&#x6539;&#x5584;&#x3055;&#x308C;&#x305F;&#x30E9;&#x30D9;&#x30EB;&#x306E;&#x6761;&#x4EF6;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3001;&#x7E26;&#x65AD;&#x7684;&#x7814;&#x7A76; 2 &#x9031;&#x9593;&#x4EE5;&#x4E0A;&#x55C5;&#x7403; (OB) &#x306B;&#x5411;&#x304B;&#x3063;&#x3066;&#x30E9;&#x30D9;&#x30EB;&#x524D;&#x99C6;&#x7D30;&#x80DE;&#x306E;&#x79FB;&#x52D5;&#x3092;&#x5B9A;&#x91CF;&#x5316;&#x3092;&#x884C;&#x3063;&#x305F;.3 &#x65E5;&#x9593;&#x306E;&#x6B21;&#x306E;&#x6CE8;&#x5165;&#x306B;&#x3088;&#x3063;&#x3066;&#x306B;&#x3001;&#x6A19;&#x8B58;&#x7D30;&#x80DE;&#x3092;&#x542B;&#x3080; 0.26 %ob &#x306E;&#x30DC;&#x30EA;&#x30E5;&#x30FC;&#x30E0;&#x3092;&#x8A08;&#x7B97;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;8 &#x65E5;&#x9593;&#x3001;&#x306B;&#x3088;&#x3063;&#x3066;&#x3053;&#x306E;&#x30DC;&#x30EA;&#x30E5;&#x30FC;&#x30E0;&#x306F;&#x307B;&#x307C; 0.49% &#x306B;&#x500D;&#x5897;&#x3057;&#x305F;&#x3057;&#x3001;&#x982D;&#x6253;&#x3061;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E; MRI &#x306E;&#x7D50;&#x679C;&#x306F;&#x3001;&#x9244;&#x306E;&#x5B9A;&#x91CF;&#x5316;&#x3068;&#x7D14;&#x7C8B;&#x306B;&#x514D;&#x75AB;&#x7D44;&#x7E54;&#x5316;&#x5B66;&#x7684;&#x7814;&#x7A76;&#x304B;&#x3089;&#x306E;&#x305D;&#x308C;&#x3089;&#x3001;OB &#x304B;&#x3089;&#x306E;&#x79C1;&#x305F;&#x3061;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x306B;&#x5F93;&#x3063;&#x3066;&#x3067;&#x3059;&#x3002;

&#x30B7;&#x30EA;&#x30A2;&#x30EB;&#x306F;&#x3001;&#x30BB;&#x30EB;&#x30E9;&#x30FC; MRI &#x306B;&#x3088;&#x308B;&#x5185;&#x56E0;&#x6027;&#x30D0;&#x30C3;&#x30BF;&#x79FB;&#x884C;&#x306E;&#x76E3;&#x8996;&#x3002;

&#xC0DD; &#xC2E0;&#xACBD; &#xC870;&#xC0C1; &#xC138;&#xD3EC; &#xB9C8;&#xC774;&#xADF8;&#xB808;&#xC774;&#xC158; &#xC0DD;&#xCCB4; &#xC870;&#xAC74; &#xC140; MRI &#xAE30;&#xBC18; &#xCD94;&#xC801;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xBAA8;&#xB2C8;&#xD130;&#xB9C1;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xD604;&#xC7AC; &#xD504;&#xB85C;&#xD1A0;&#xCF5C;&#xC740; &#xBBF8;&#xD06C;&#xB860; &#xD06C;&#xAE30;&#xC758; &#xC0B0;&#xD654; &#xCCA0; &#xC785;&#xC790; (MPIOs) &#xB450;&#xB1CC;&#xC758; &#xC2E0;&#xACBD; &#xC904;&#xAE30; &#xC138;&#xD3EC; &#xD2C8;&#xC0C8;&#xC5D0; &#xADFC; &#xC704; &#xCE21;&#xBA74; &#xB1CC; &#xC2E4;&#xC5D0; &#xC8FC;&#xC785; &#xB429;&#xB2C8;&#xB2E4;. Mpios&#xB294; endocytosed&#xC640; &#xAE30;&#xC628; &#xBCC0;&#xD654;&#xB3C4; &#xC5D0;&#xCF54; MRI&#xC5D0; &#xC758;&#xD574; &#xBCFC; &#xC218; &#xC788;&#xB3C4;&#xB85D; &#xC2E0;&#xACBD; &#xC870;&#xC0C1; &#xC138;&#xD3EC; &#xC778;&#xAD6C;&#xC5D0; &#xD1B5;&#xD569;. &#xC5EC;&#xAE30;&#xC774; &#xC0C8;&#xB85C;&#xC6B4; &#xBC29;&#xBC95;&#xC740; &#xC9C1;&#xB82C;&#xB85C; &#xC140; &#xB9C8;&#xC774;&#xADF8;&#xB808;&#xC774;&#xC158; &#xACC4;&#xB7C9; &#xD655;&#xC7A5; &#xB429;&#xB2C8;&#xB2E4;. &#xCC98;&#xC74C;&#xC5D0;&#xC5D0;&#xC11C; &#xBE44;&#xBCF4; &#xC140; &#xB77C;&#xBCA8; &#xBC29;&#xBC95;&#xB860; &#xD588;&#xB2E4; &#xCD5C;&#xC801;&#xD654;, &#xB192;&#xC740; &#xC790;&#xD654; &#xC728; &#xD6A8;&#xACFC; Mpios&#xC5D0;&#xC11C; &#xC0DD;&#xC131; &#xCD08;&#xAE30; &#xCCA0;&#xC0C8; &#xC774;&#xBCA4;&#xD2B8; &#xB9C8;&#xC2A4;&#xD06C; &#xC8FC;&#xC704; &#xC8FC;&#xC0AC; &#xBD80; &#xC0C1;&#xB2F9;&#xD55C; &#xC2E0;&#xD638; &#xC190;&#xC2E4;. &#xB2E4;&#xC74C;, &#xD5A5;&#xC0C1; &#xB41C; &#xB808;&#xC774;&#xBE14; &#xC870;&#xAC74;&#xC744; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xACBD;&#xB3C4; &#xC5F0;&#xAD6C; &#xB418;&#xC5C8;&#xB2E4; 2 &#xC8FC; &#xB3D9;&#xC548; &#x55C5; (OB)&#xB97C; &#xD5A5;&#xD574; &#xB808;&#xC774;&#xBE14;&#xC774; &#xC788;&#xB294; &#xC870;&#xC0C1; &#xC138;&#xD3EC;&#xC758; &#xB9C8;&#xC774;&#xADF8;&#xB808;&#xC774;&#xC158; &#xACC4;&#xB7C9;. 3 &#xC77C; &#xB2E4;&#xC74C; &#xC8FC;&#xC785;, &#xC5EC; &#xC6B0;&#xB9AC; 0.26%&#xC758; &#xC0B0;&#xBD80;&#xC778;&#xACFC;&#xC758; &#xBCFC;&#xB968; &#xB808;&#xC774;&#xBE14;&#xC774; &#xC9C0;&#xC815; &#xB41C; &#xC140;&#xC774; &#xD3EC;&#xD568; &#xB41C; &#xACC4;&#xC0B0;. 8Days, &#xD558; &#xC5EC;&#xC774; &#xBCFC;&#xB968; &#xAC70;&#xC758; 0.49%&#xB85C; &#xB450; &#xBC30;&#xB85C; &#xD558; &#xACE0; &#xC815;&#xCCB4;. &#xC774;&#xB7EC;&#xD55C; MRI &#xACB0;&#xACFC; &#xC0B0;&#xBD80;&#xC778;&#xACFC; &#xC21C;&#xC804;&#xD788; immunohistochemical &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xCCA0; &#xBD80; &#xB7C9;&#xC5D0; &#xC6B0;&#xB9AC;&#xC758; &#xB370;&#xC774;&#xD130;&#xC5D0; &#xB530;&#xB77C;.

&#xC9C1;&#xB82C; &#xC140;&#xB8F0;&#xB7EC; mri &#xC0DD; neuroblast &#xB9C8;&#xC774;&#xADF8;&#xB808;&#xC774;&#xC158; &#xBAA8;&#xB2C8;&#xD130;&#xB9C1;.

Migraci&oacute;n de c&eacute;lulas progenitoras neurales end&oacute;genos en vivo puede controlarse mediante el seguimiento de la c&eacute;lula basada en MRI. El protocolo actual es que micras de tama&ntilde;o de part&iacute;culas de &oacute;xido de hierro (oficiales) se inyectan en el ventr&iacute;culo lateral proximal para el nicho de c&eacute;lulas neuronales en el cerebro. Existieran es endocitosis e incorporados en la poblaci&oacute;n de c&eacute;lulas progenitoras neurales, haci&eacute;ndolos visibles por MRI de eco de gradiente. Aqu&iacute; se ampl&iacute;a este nuevo m&eacute;todo para cuantificar en serie la migraci&oacute;n celular. Inicialmente, en vivo de la c&eacute;lula etiquetado metodolog&iacute;as fueron optimizados, como efectos de la alta susceptibilidad de los oficiales generan p&eacute;rdida de se&ntilde;al importante alrededor del sitio de la inyecci&oacute;n, enmascarar los acontecimientos migratorios tempranos. Luego, mediante el mejoramiento de las condiciones de etiquetado, un estudio longitudinal se realiz&oacute; durante dos semanas para cuantificar la migraci&oacute;n de c&eacute;lulas progenitoras marcada hacia el bulbo olfatorio (OB). Por 3 d&iacute;as despu&eacute;s de la inyecci&oacute;n, calculamos 0.26% del volumen del OB que contiene c&eacute;lulas marcadas. Por 8 d&iacute;as, este volumen casi se duplic&oacute; a 0,49% y tocado techo. Estos resultados de MRI son seg&uacute;n nuestros datos sobre la cuantificaci&oacute;n de hierro del OB y con los de estudios de inmunohistoqu&iacute;mica puramente.

Serial de monitoreo de la migraci&oacute;n neurobl&aacute;stica end&oacute;genos por MRI celular.

Objet : La r&eacute;solution limit&eacute;e et le manque d&#39;information spatiale dans les images de tomographie par &eacute;mission de positrons (PET) exigent que les indications compl&eacute;mentaires anatomiques de la tomodensitom&eacute;trie (TDM) ou l&#39;imagerie par r&eacute;sonance magn&eacute;tique (IRM). Par cons&eacute;quent, multimodalit&eacute; image fusion techniques comme la TEP/CT sont essentiels lors du mappage des images fonctionnelles avec images structurelles et ainsi facilitent l&#39;interpr&eacute;tation des &eacute;tudes de PET. Dans notre situation exp&eacute;rimentale, les images de CT et PET sont acquis dans les scanners distincts &agrave; des moments diff&eacute;rents et les diff&eacute;rences inh&eacute;rentes dans les protocoles d&#39;imagerie produisent des changements significatifs non rigides entre les deux acquisitions en plus des caract&eacute;ristiques de l&#39;image dissemblables. Les conditions d&#39;inscription sont &eacute;galement pauvres parce que les images de CT ont artefacts en raison de la limitation des param&egrave;tres d&#39;analyse actuels, tandis que les images de PET sont tr&egrave;s floues (en transmission-PET) et ont des limites de vague structure anatomique (en &eacute;mission-PET).M&eacute;thodes : Les auteurs pr&eacute;sentent une nouvelle m&eacute;thode pour petits animaux multimodal enregistrement de tout le corps. En particulier, les auteurs s&#39;inscrire ensemble rat CT PET images et en utilisant un algorithme de d&eacute;mons pond&eacute;r&eacute;e de. Les auteurs utilisent la transmission-PET tant les images de l&#39;&eacute;mission-PET dans le processus d&#39;inscription, mettant l&#39;accent sur des r&eacute;gions particuli&egrave;res de l&#39;image anim&eacute;e de transmission-PET en utilisant l&#39;image de l&#39;&eacute;mission-PET. Apr&egrave;s une transformation rigide et un histogramme correspondant entre le CT et les images de transmission-PET, les auteurs s&#39;inscrire assurer l&#39;image de la transmission-PET &agrave; l&#39;image de CT avec des poids, bas&eacute;es sur l&#39;image des &eacute;missions-PET d&#39;intensit&eacute; normalis&eacute;e. Pour le processus d&#39;enregistrement d&eacute;formable, les auteurs d&eacute;veloppent une m&eacute;thode d&#39;inscription des d&eacute;mons pond&eacute;r&eacute;e qui peut accorder des pr&eacute;f&eacute;rences aux r&eacute;gions particuli&egrave;res de l&#39;image d&#39;entr&eacute;e &agrave; l&#39;aide d&#39;une image de poids.R&eacute;sultats : Les auteurs valident les r&eacute;sultats avec neuf ensembles d&#39;images de rat &agrave; l&#39;aide de la mesure de similarit&eacute; M-Hausdorff distance (M-HD) avec des param&egrave;tres diff&eacute;rents aberrantes-suppression (OSP). En comparaison avec les m&eacute;thodes standards tels que les d&eacute;mons r&eacute;guli&egrave;res et l&#39;information mutuelle normalis&eacute;e (NMI)-fonction enregistrement de d&eacute;formation de forme libre non rigides (FFD), la m&eacute;thode d&#39;enregistrement des d&eacute;mons pond&eacute;r&eacute;e propos&eacute;e montre erreurs moyennes de M-HD: 3,99 &plusmn; 1,37 (OSP = 10), 5,04 &plusmn; 1,59 (OSP = 20) et 5,92 &plusmn; 1,61 (OSP = &infin;) avec une signification statistique (p &lt; 0,0003) respectivement, tandis que le NMI-bas&eacute; non rigide FFD a erreurs moyennes de M-HD: 5.74 &plusmn; 1,73 (OSP = 10)7,40 &plusmn; 7,84 (OSP = 20) et &plusmn; 9,83 4.13 (OSP = &infin;), et les d&eacute;mons r&eacute;guli&egrave;res comporte des erreurs de M-HD moyennes : 6.79 &plusmn; 0,83 (OSP = 10), 9,19 &plusmn; 2,39 (OSP = 20) et 11,63 &plusmn; 3,99 (OSP = &infin;), respectivement. Outre les comparaisons M-HD, les comparaisons visuelles sur la r&eacute;gion de faint tranchant entre le CT et les images de PET align&eacute;es montrent aussi des am&eacute;liorations encourageantes sur les autres m&eacute;thodes.Conclusion : Dans l&#39;enregistrement multimodal entre images CT et PET de tout le corps, l&#39;utilisation de la transmission-PET et les images de l&#39;&eacute;mission-PET dans le processus d&#39;inscription, en insistant sur des r&eacute;gions particuli&egrave;res de l&#39;image de la transmission-PET &agrave; l&#39;aide d&#39;une image d&#39;&eacute;mission-PET est efficace. Cette m&eacute;thode prometteuse pour l&#39;autre image des applications de fusion o&ugrave; plusieurs images d&#39;entr&eacute;e (plus deux) doivent &ecirc;tre enregistr&eacute;es en une seule image informative.

Fusion d&#39;image pond&eacute;r&eacute;e de PET-CT pour rat scann&eacute;s s&eacute;par&eacute;ment tout le corps.

Zweck: Die begrenzte Aufl&ouml;sung und r&auml;umliche Informationsmangel in Positronen-Emissions-Tomographie (PET) Bilder erfordern die anatomische Zusatzinformationen aus der Computertomographie (CT) und/oder Magnetresonanztomographie (MRT). Daher Multimodalit&auml;t Bild Fusion Techniken wie PET/CT sind entscheidend f&uuml;r die Zuordnung der funktionalen Bilder zu strukturellen Bilder und erleichtern die Interpretation der PET-Studien. In unserer experimentellen Situation die CT und PET-Bilder werden in separaten Scanner zu verschiedenen Zeitpunkten erworben und die inh&auml;renten Unterschiede in den bildgebenden Protokollen produzieren bedeutende nonrigid &Auml;nderungen zwischen zwei Akquisitionen neben un&auml;hnlich Bild Eigenschaften. Die Registrierungsbedingungen sind auch Arm, weil CT-Bilder Artefakte aufgrund der Beschr&auml;nkung des aktuellen Scan-Einstellungen, haben w&auml;hrend PET-Bilder sehr unscharf (im Getriebe-PET sind) und vage anatomische Struktur Grenzen (haben Emission-PET).Methoden: Die Autoren pr&auml;sentieren eine neue Methode f&uuml;r den ganzen K&ouml;rper kleine Tier multimodale Registrierung. Insbesondere registrieren die Autoren ganze K&ouml;rperbild Ratte CT und PET-Bilder mit einem gewichteten D&auml;monen-Algorithmus. Die Autoren verwenden die &Uuml;bertragung-PET und die Emission-PET-Bilder des Registrierungsverfahrens Betonung bestimmte Regionen f&uuml;r das bewegte &Uuml;bertragung-PET-Bild mithilfe der Emission-PET-Image. Nach eine starre Transformation und ein Histogramm, die Zuordnung zwischen der CT und der &Uuml;bertragung-PET-Bilder registrieren die Autoren deformably das Getriebe-PET-Bild, um das CT-Bild mit Gewichten, die basierend auf der Intensit&auml;t normalisierte Emission-PET-Bild. F&uuml;r den verformbaren Registrierungsprozess entwickeln die Autoren eine gewichtete D&auml;monen-Registrierungsmethode, die Pr&auml;ferenzen in bestimmten Regionen des Bildes mit einem Gewicht-Image geben kann.Ergebnisse: Die Autoren &uuml;berpr&uuml;fen die Ergebnisse mit neun Ratte-Bild-Sets, die mit der M-Hausdorff (M-HD) &Auml;hnlichkeit Abstandsmessung mit verschiedenen Ausrei&szlig;er-Unterdr&uuml;ckung-Parametern (OSP). Im Vergleich zu standard-Methoden wie die regul&auml;ren D&auml;monen und die normalisierte Transinformation (NMI)-basierte nonrigid Freiform-Deformationen (FFD) Registrierung, der vorgeschlagenen gewichtete D&auml;monen-Registrierungsmethode zeigt durchschnittliche M-HD St&ouml;rungen: 3.99 &plusmn; 1.37 (OSP = 10), 5,04 &plusmn; 1,59 (OSP = 20) und 5,92 &plusmn; 1.61 (OSP = &infin;) mit statistische Signifikanz (p &lt; 0.0003) bzw. w&auml;hrend NMI-basierte nonrigid FFD durchschnittliche M-HD St&ouml;rungen hat: 5,74 &plusmn; 1.73 (OSP = 10)7,40 &plusmn; 7.84 (OSP = 20) und 9,83 &plusmn; 4.13 (OSP = &infin;), und die regelm&auml;&szlig;igen D&auml;monen hat durchschnittliche M-HD St&ouml;rungen: 6,79 &plusmn; 0,83 (OSP = 10), 9,19 &plusmn; 2,39 (OSP = 20) und 11.63 &plusmn; 3,99 (OSP = &infin;), beziehungsweise. Neben M-HD vergleichen zeigen die visuelle Vergleiche &uuml;ber die schwache umrandete Region zwischen der CT und den ausgerichteten PET-Bildern auch die erfreulichen Verbesserungen gegen&uuml;ber den anderen Methoden.Schlussfolgerungen: Der ganze K&ouml;rper multimodale Eintragung zwischen CT und PET-Bildern ist die Nutzung der &Uuml;bertragung-PET und die Emission-PET-Bilder bei der Registrierung durch die Betonung bestimmter Regionen des Bildes &Uuml;bertragung-PET mithilfe einer Emission-PET-Bild wirksam. Diese Methode vielversprechend f&uuml;r andere Image Fusion Anwendungen wo sollte mehrere (mehr als zwei) Eingabe von Bildern zu einem informativen Bild registriert werden.

CT-PET gewichteten Bild Fusion f&uuml;r separat gescanntes Ganzk&ouml;rper-Ratte.

Scopo: La risoluzione limitata e la mancanza di informazioni spaziali in immagini di tomografia ad emissione di positroni (PET) richiede le informazioni complementari anatomiche tomografia computerizzata (CT) e/o risonanza magnetica (MRI). Pertanto, tecniche di fusione di immagine multimodalit&agrave; come PET/CT sono fondamentali nella mappatura le immagini funzionali per immagini strutturali e quindi facilitano l&#39;interpretazione degli studi PET. Nella nostra situazione sperimentale, le immagini TC e PET sono acquisite a scanner separato in tempi diversi e le differenze intrinseche nei protocolli imaging producono significative le modifiche tra le due acquisizioni oltre alle caratteristiche dell&#39;immagine dissimili. Le condizioni di registrazione sono anche povere perch&eacute; immagini TAC hanno artefatti a causa della limitazione di corrente delle impostazioni di scansione, mentre le immagini PET sono molto sfocate (in trasmissione-PET) e hanno struttura anatomica vaghi confini (in emissione-PET).Metodi: Gli autori presentano un nuovo metodo di registrazione multimodale animali piccoli di tutto il corpo. In particolare, gli autori registrano tutto il corpo ratto CT immagine e immagini PET utilizzando un algoritmo di demoni ponderata. Gli autori utilizzano sia la trasmissione-PET e le immagini di emissione-PET nel processo di registrazione sottolineando particolari regioni dell&#39;immagine in movimento trasmissione-PET usando l&#39;immagine di emissione-PET. Dopo una trasformazione rigida e un istogramma di corrispondenza tra il CT e le immagini di trasmissione-PET, gli autori deformably registrare l&#39;immagine di trasmissione-PET per l&#39;immagine di CT con pesi sulla base dell&#39;immagine di emissione-PET intensit&agrave; normalizzata. Per il processo di registrazione deformabile, gli autori sviluppano un metodo di registrazione ponderata demoni che pu&ograve; dare preferenze a particolari regioni dell&#39;immagine di input utilizzando un&#39;immagine di peso.Risultati: Gli autori convalidano i risultati con nove set di immagini del ratto con la misura di Hausdorff M distanza (M-HD) somiglianza con parametri diversi outlier-soppressione (OSP). Rispetto ai metodi standard quali i demoni regolari e l&#39;informazione mutua normalizzata (NMI)-basato su registrazione ampia forma libera deformazione (FFD), il metodo di registrazione proposta ponderata demoni Mostra errori M-HD medie: 3.99 &plusmn; 1,37 (OSP = 10), 5,04 &plusmn; 1,59 (OSP = 20) e 5.92 &plusmn; 1,61 (OSP = &infin;) con significativit&agrave; statistica (p &lt; 0.0003) rispettivamente, mentre FFD ampia base di NMI ha errori M-HD medie: 5,74 &plusmn; 1,73 (OSP = 10)7.40 &plusmn; 7,84 (OSP = 20) e 9.83 &plusmn; 4.13 (OSP = &infin;), e i demoni regolari presenta errori di M-HD medie: 6.79 &plusmn; 0,83 (OSP = 10), 9,19 &plusmn; 2,39 (OSP = 20) e 11.63 &plusmn; 3.99 (OSP = &infin;), rispettivamente. Oltre ai confronti M-HD, i confronti visivi sulla regione con bordi deboli tra il CT e le immagini PET allineate mostrano anche i miglioramenti incoraggianti sopra altri metodi.Conclusioni: Nella registrazione multimodale di tutto il corpo tra le immagini TC e PET, l&#39;utilizzo di trasmissione-PET e le immagini di emissione-PET nel processo di registrazione enfatizzando particolari regioni dell&#39;immagine trasmissione-PET utilizzando un&#39;immagine di emissione-PET &egrave; efficacia. Questo metodo mantiene promessa per le altre immagini applicazioni di fusione dove immagini multiple in ingresso (pi&ugrave; di due) devono essere registrate in una singola immagine informativa.

CT-PET ponderata fusione di immagine per ratto separatamente scansionato tutto il corpo.

&#x76EE;&#x7684;: &#x9650;&#x3089;&#x308C;&#x305F;&#x89E3;&#x50CF;&#x5EA6;&#x3068;&#x967D;&#x96FB;&#x5B50;&#x653E;&#x5C04;&#x65AD;&#x5C64;&#x64AE;&#x5F71; (PET) &#x753B;&#x50CF;&#x306B;&#x304A;&#x3051;&#x308B;&#x7A7A;&#x9593;&#x60C5;&#x5831;&#x306E;&#x4E0D;&#x8DB3;&#x3001;&#x30B3;&#x30F3;&#x30D4;&#x30E5;&#x30FC;&#x30BF;&#x30FC;&#x65AD;&#x5C64;&#x64AE;&#x5F71; &#xFF08;CT&#xFF09; &#x3084;&#x78C1;&#x6C17;&#x5171;&#x9CF4;&#x753B;&#x50CF; (MRI) &#x304B;&#x3089;&#x88DC;&#x5B8C;&#x7684;&#x306A;&#x89E3;&#x5256;&#x5B66;&#x7684;&#x60C5;&#x5831;&#x304C;&#x5FC5;&#x8981;&#x3067;&#x3059;&#x3002;&#x3057;&#x305F;&#x304C;&#x3063;&#x3066;&#x3001;&#x30DE;&#x30EB;&#x30C1;&#x30E2;&#x30C0;&#x30EA;&#x30C6;&#x30A3;&#x753B;&#x50CF;&#x878D;&#x5408;&#x6280;&#x8853;&#x30DA;&#x30C3;&#x30C8;/&#x30B3;&#x30CD;&#x30C1;&#x30AB;&#x30C3;&#x30C8;&#x3068;&#x3044;&#x3063;&#x305F;&#x6A5F;&#x80FD;&#x753B;&#x50CF;&#x69CB;&#x9020;&#x306E;&#x753B;&#x50CF;&#x3092;&#x30DE;&#x30C3;&#x30D4;&#x30F3;&#x30B0;&#x306B;&#x91CD;&#x8981;&#x3067;&#x3042;&#x308A;&#x3057;&#x305F;&#x304C;&#x3063;&#x3066; PET &#x7814;&#x7A76;&#x306B;&#x3064;&#x3044;&#x3066;&#x306E;&#x89E3;&#x91C8;&#x3092;&#x4FC3;&#x9032;&#x3057;&#x307E;&#x3059;&#x3002;&#x79C1;&#x305F;&#x3061;&#x306E;&#x5B9F;&#x9A13;&#x306E;&#x72B6;&#x6CC1; ct &#x50CF;&#x3068; PET &#x753B;&#x50CF;&#x304C;&#x53D6;&#x5F97;&#x3055;&#x308C;&#x305F;&#x5225;&#x306E;&#x30B9;&#x30AD;&#x30E3;&#x30CA;&#x30FC;&#x3067;&#x7570;&#x306A;&#x308B;&#x6642;&#x70B9;&#x3068;&#x7570;&#x7A2E;&#x753B;&#x50CF;&#x7279;&#x6027;&#x306B;&#x52A0;&#x3048;&#x3066; 2 &#x3064;&#x306E;&#x8CB7;&#x53CE;&#x306E;&#x9593;&#x5927;&#x304D;&#x306A;&#x975E;&#x525B;&#x4F53;&#x5909;&#x5316;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x306E;&#x30D7;&#x30ED;&#x30C8;&#x30B3;&#x30EB;&#x306E;&#x56FA;&#x6709;&#x306E;&#x9055;&#x3044;&#x3092;&#x4F5C;&#x308A;&#x51FA;&#x3057;&#x307E;&#x3059;&#x3002;PET &#x753B;&#x50CF; (&#x4F1D;&#x9001;-&#x30DA;&#x30C3;&#x30C8;&#x3067;) &#x975E;&#x5E38;&#x306B;&#x307C;&#x3084;&#x3051;&#x3066;&#x3044;&#x308B;&#x3001;&#x6F20;&#x7136;&#x3068;&#x3057;&#x305F;&#x89E3;&#x5256;&#x5B66;&#x7684;&#x69CB;&#x9020;&#x306E;&#x5883;&#x754C; &#xFF08;&#x6392;&#x51FA;-&#x30DA;&#x30C3;&#x30C8;&#x3067;&#xFF09; &#x304C;&#x3042;&#x308B;&#x9593; CT &#x753B;&#x50CF;&#x30B9;&#x30AD;&#x30E3;&#x30F3;&#x306E;&#x73FE;&#x5728;&#x306E;&#x8A2D;&#x5B9A;&#x306E;&#x5236;&#x9650;&#x306E;&#x305F;&#x3081;&#x306E;&#x6210;&#x679C;&#x7269;&#x304C;&#x3042;&#x308B;&#x306E;&#x3067;&#x767B;&#x9332;&#x6761;&#x4EF6;&#x3082;&#x8CA7;&#x3057;&#x3044;&#x3067;&#x3059;&#x3002;&#x65B9;&#x6CD5;: &#x8457;&#x8005;&#x5168;&#x8EAB;&#x5C0F;&#x52D5;&#x7269;&#x30DE;&#x30EB;&#x30C1; &#x30E2;&#x30FC;&#x30C0;&#x30EB;&#x767B;&#x9332;&#x65B0;&#x3057;&#x3044;&#x6CD5;&#x3092;&#x63D0;&#x6848;&#x3057;&#x307E;&#x3059;&#x3002;&#x7279;&#x306B;&#x3001;&#x8457;&#x8005;&#x5168;&#x8EAB;&#x30E9;&#x30C3;&#x30C8; CT &#x753B;&#x50CF;&#x3068;&#x52A0;&#x91CD;&#x60AA;&#x9B54;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x3092;&#x7528;&#x3044;&#x305F; PET &#x753B;&#x50CF;&#x3092;&#x767B;&#x9332;&#x3057;&#x307E;&#x3059;&#x3002;&#x8457;&#x8005;&#x4F1D;&#x9001;&#x30DA;&#x30C3;&#x30C8;&#x3068;&#x6392;&#x51FA; PET &#x753B;&#x50CF;&#x6392;&#x51FA; PET &#x753B;&#x50CF;&#x3092;&#x7528;&#x3044;&#x305F;&#x79FB;&#x52D5;&#x4F1D;&#x9001;&#x30DA;&#x30C3;&#x30C8; &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x306E;&#x7279;&#x5B9A;&#x306E;&#x9818;&#x57DF;&#x3092;&#x5F37;&#x8ABF;&#x3057;&#x3001;&#x767B;&#x9332;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3067;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;&#x525B;&#x4F53;&#x5909;&#x63DB;&#x3068; CT &#x3068;&#x4F1D;&#x9001; PET &#x753B;&#x50CF;&#x3068;&#x306E;&#x30DE;&#x30C3;&#x30C1;&#x30F3;&#x30B0;&#x3001;&#x30D2;&#x30B9;&#x30C8;&#x30B0;&#x30E9;&#x30E0;&#x5F8C;&#x3001;&#x8457;&#x8005; deformably &#x4F1D;&#x9001; PET &#x753B;&#x50CF;&#x306B; CT &#x753B;&#x50CF;&#x3092;&#x6B63;&#x898F;&#x5316;&#x660E;&#x5EA6;&#x6392;&#x51FA;&#x30DA;&#x30C3;&#x30C8;&#x753B;&#x50CF;&#x306B;&#x57FA;&#x3065;&#x304F;&#x91CD;&#x307F;&#x767B;&#x9332;&#x3057;&#x307E;&#x3059;&#x3002;&#x5909;&#x5F62;&#x53EF;&#x80FD;&#x306A;&#x767B;&#x9332;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x306E;&#x8457;&#x8005;&#x306E;&#x8A2D;&#x5B9A;&#x91CD;&#x91CF;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3001;&#x5165;&#x529B;&#x753B;&#x50CF;&#x306E;&#x7279;&#x5B9A;&#x306E;&#x9818;&#x57DF;&#x3092;&#x4E0E;&#x3048;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x52A0;&#x91CD;&#x60AA;&#x9B54;&#x767B;&#x9332;&#x65B9;&#x6CD5;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3059;&#x3002;&#x7D50;&#x679C;: &#x8457;&#x8005; M &#x30CF;&#x30A6;&#x30B9;&#x30C9;&#x30EB;&#x30D5;&#x8DDD;&#x96E2; (&#x30E1;&#x30FC;&#x30C8;&#x30EB;&#x306E; HD&#xFF09; &#x306E;&#x985E;&#x4F3C;&#x5EA6;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x5225;&#x306E;&#x5916;&#x308C;&#x5024;&#x6291;&#x5236;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC; &#xFF08;OSP&#xFF09; 9 &#x30E9;&#x30C3;&#x30C8;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x306E;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x7D50;&#x679C;&#x3092;&#x691C;&#x8A3C;&#x3057;&#x307E;&#x3059;&#x3002;&#x6B63;&#x898F;&#x306E;&#x60AA;&#x9B54;&#x3068;&#x6B63;&#x898F;&#x5316;&#x76F8;&#x4E92;&#x60C5;&#x5831;&#x91CF; (NMI) &#x306A;&#x3069;&#x306E;&#x6A19;&#x6E96;&#x306E;&#x65B9;&#x6CD5;&#x3068;&#x6BD4;&#x8F03;&#x3057;&#x3066;-&#x975E;&#x525B;&#x4F53;&#x306E;&#x30D5;&#x30EA;&#x30FC; &#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x5909;&#x5F62; (FFD) &#x767B;&#x9332;&#x63D0;&#x6848;&#x52A0;&#x91CD;&#x60AA;&#x9B54;&#x767B;&#x9332;&#x65B9;&#x6CD5;&#x5E73;&#x5747; M HD &#x30A8;&#x30E9;&#x30FC;&#x3092;&#x793A;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x57FA;&#x3065;&#x3044;&#x3066;: 3.99 &plusmn; 1.37 (OSP = 10)&#x3001;5.04 &plusmn; 1.59 (OSP = 20) &#x304A;&#x3088;&#x3073; 5.92 &plusmn; 1.61 (OSP = &infin;) &#x7D71;&#x8A08;&#x7684;&#x6709;&#x610F; (p &lt; 0.0003) &#x3068;&#x305D;&#x308C;&#x305E;&#x308C;&#x3001;NMI &#x30D9;&#x30FC;&#x30B9;&#x525B;&#x4F53; FFD M HD &#x8AA4;&#x5DEE;&#x306E;&#x5E73;&#x5747;&#x5024;&#x3092;&#x6301;&#x3063;&#x3066;&#x3044;&#x308B;&#x9593;: 5.74 &plusmn; 1.73 (OSP = 10)&#x3001;7.40 &plusmn; 7.84 (OSP = 20) &#x3068; 9.83 &plusmn; 4.13 (OSP = &infin;)&#x3001;&#x3068;&#x6B63;&#x898F;&#x306E;&#x60AA;&#x9B54;&#x304C;&#x5E73;&#x5747; M HD &#x30A8;&#x30E9;&#x30FC;: 6.79 &plusmn; 0.83 (OSP = 10&#xFF09;&#x3001;9 &#x6708; 19 &plusmn; 2.39 (OSP = 20) &#x3068; 11.63 &plusmn; 3.99 (OSP = &infin;)&#x3001;&#x305D;&#x308C;&#x305E;&#x308C;&#x3002;M HD &#x6BD4;&#x8F03;&#x306B;&#x52A0;&#x3048;&#x3001;&#x8996;&#x899A;&#x6BD4;&#x8F03;&#x306F; CT &#x3068;&#x6574;&#x5217;&#x306E; PET &#x753B;&#x50CF;&#x9593;&#x306E;&#x304B;&#x3059;&#x304B;&#x306A;&#x7E01;&#x5730;&#x57DF;&#x306B;&#x307E;&#x305F;&#x4ED6;&#x306E;&#x65B9;&#x6CD5;&#x3067;&#x5968;&#x52B1;&#x306E;&#x6539;&#x5584;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x7D50;&#x8AD6;: [&#x30DE;&#x30EB;&#x30C1; &#x30E2;&#x30FC;&#x30C0;&#x30EB;&#x767B;&#x9332;&#x3067;&#x5168;&#x8EAB; ct &#x50CF;&#x3068; PET &#x753B;&#x50CF;&#x9593;&#x3067;&#x3001;&#x4F1D;&#x9001;&#x30DA;&#x30C3;&#x30C8;&#x3068;&#x6392;&#x51FA; PET &#x753B;&#x50CF;&#x6392;&#x51FA; PET &#x753B;&#x50CF;&#x3092;&#x7528;&#x3044;&#x305F;&#x4F1D;&#x9001; PET &#x753B;&#x50CF;&#x306E;&#x7279;&#x5B9A;&#x306E;&#x9818;&#x57DF;&#x3092;&#x5F37;&#x8ABF;&#x3001;&#x767B;&#x9332;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3067;&#x306E;&#x5229;&#x7528;&#x304C;&#x52B9;&#x679C;&#x7684;&#x3067;&#x3059;&#x3002;&#x3053;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306F;&#x3001;&#x8907;&#x6570; (2 &#x3064;&#x4EE5;&#x4E0A;) &#x306E;&#x5165;&#x529B;&#x753B;&#x50CF;&#x3092; 1 &#x3064;&#x306E;&#x6709;&#x76CA;&#x306A;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x306B;&#x767B;&#x9332;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x306F;&#x305A;&#x3001;&#x878D;&#x5408;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x305D;&#x306E;&#x4ED6;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x306E;&#x305F;&#x3081;&#x306E;&#x7D04;&#x675F;&#x3092;&#x4FDD;&#x6301;&#x3057;&#x307E;&#x3059;&#x3002;

CT &#x30DA;&#x30C3;&#x30C8;&#x753B;&#x50CF;&#x878D;&#x5408;&#x3092;&#x5225;&#x3005; &#x306B;&#x30B9;&#x30AD;&#x30E3;&#x30F3;&#x3057;&#x305F;&#x5168;&#x8EAB;&#x30E9;&#x30C3;&#x30C8;&#x52A0;&#x91CD;&#x3002;

&#xBAA9;&#xC801;: &#xACC4;&#xC0B0; &#xB41C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (CT) &#xB610;&#xB294; &#xC790;&#xAE30; &#xACF5;&#xBA85; &#xC601;&#xC0C1; (MRI) &#xBCF4;&#xC644; &#xD574;&#xBD80;&#xD559; &#xC815;&#xBCF4;&#xB97C; &#xD544;&#xC694;&#xB85C; &#xD558;&#xB294; &#xC81C;&#xD55C; &#xB41C; &#xD574;&#xC0C1;&#xB3C4; &#xC591;&#xC804;&#xC790; &#xBC29;&#xCD9C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (PET) &#xC774;&#xBBF8;&#xC9C0;&#xC5D0;&#xC11C; &#xACF5;&#xAC04; &#xC815;&#xBCF4;&#xC758; &#xBD80;&#xC871;. &#xB530;&#xB77C;&#xC11C; PET/CT &#xB4F1; multimodality &#xC774;&#xBBF8;&#xC9C0; &#xD4E8;&#xC804; &#xAE30;&#xC220; &#xC911;&#xC694; &#xAD6C;&#xC870; &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xB2A5; &#xC774;&#xBBF8;&#xC9C0; &#xB9E4;&#xD551; &#xBC0F; &#xB530;&#xB77C;&#xC11C; &#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC5F0;&#xAD6C;&#xC758; &#xD574;&#xC11D;&#xC744; &#xC6A9;&#xC774; &#xD558; &#xAC8C;. &#xC6B0;&#xB9AC;&#xC758; &#xC2E4;&#xD5D8; &#xC0C1;&#xD669;&#xC5D0;&#xC11C; CT &#xBC0F; PET &#xC774;&#xBBF8;&#xC9C0;&#xB294; &#xC11C;&#xB85C; &#xB2E4;&#xB978; &#xC2DC;&#xAC04;&#xC5D0; &#xBCC4;&#xB3C4; &#xC2A4;&#xCE90;&#xB108;&#xC5D0; &#xC778;&#xC218; &#xD558; &#xACE0; &#xC11C;&#xB85C; &#xB2E4;&#xB978; &#xC774;&#xBBF8;&#xC9C0; &#xD2B9;&#xC131; &#xC774;&#xC678;&#xC5D0; &#xB450; &#xC778;&#xC218; &#xAC04;&#xC758; &#xC0C1;&#xB2F9;&#xD55C; nonrigid &#xBCC0;&#xD654;&#xB97C; &#xC0DD;&#xC0B0; &#xD558;&#xB294; &#xC774;&#xBBF8;&#xC9D5; &#xD504;&#xB85C;&#xD1A0;&#xCF5C;&#xC5D0;&#xC11C; &#xACE0;&#xC720;&#xC758; &#xCC28;&#xC774;. &#xB4F1;&#xB85D; &#xC870;&#xAC74; CT &#xC774;&#xBBF8;&#xC9C0; &#xB3D9;&#xC548; &#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; (&#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C;)&#xC758; &#xB9E4;&#xC6B0; &#xBAA8;&#xD638;&#xD55C; &#xB9C9;&#xC5F0; &#xD55C; &#xD574; &#xBD80; &#xAD6C;&#xC870; &#xACBD;&#xACC4; (&#xBC29;&#xCD9C;-&#xC560;&#xC644; &#xB3D9;&#xBB3C;)&#xC5D0; &#xD604;&#xC7AC; &#xAC80;&#xC0C9; &#xC124;&#xC815;&#xC758; &#xC81C;&#xD55C;&#xC73C;&#xB85C; &#xC778;&#xD574; &#xC544;&#xD2F0;&#xD329;&#xD2B8;&#xB97C;&#xAC00;&#xC9C0;&#xACE0; &#xC788;&#xAE30; &#xB54C;&#xBB38;&#xC5D0; &#xAC00;&#xB09C;&#xD55C; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;.&#xBC29;&#xBC95;: &#xC800;&#xC790; &#xC804;&#xC2E0; &#xC791;&#xC740; &#xB3D9;&#xBB3C; &#xBCF5;&#xD569; &#xB4F1;&#xB85D;&#xC5D0; &#xB300; &#xD55C; &#xC0C8;&#xB85C;&#xC6B4; &#xBC29;&#xBC95;&#xC744; &#xC81C;&#xC2DC; &#xD569;&#xB2C8;&#xB2E4;. &#xD2B9;&#xD788;, &#xC800;&#xC790;&#xB294; &#xC804;&#xC2E0; &#xC950; CT &#xC774;&#xBBF8;&#xC9C0;&#xC640; &#xC545;&#xB9C8;&#xAC00; &#xC911;&#xB41C; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; &#xB4F1;&#xB85D;. &#xC800;&#xC790;&#xB294; &#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xBC0F; &#xBC29;&#xCD9C;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; &#xBC29;&#xCD9C;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC774;&#xB3D9; &#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0;&#xC758; &#xD2B9;&#xC815; &#xC601;&#xC5ED;&#xC744; &#xAC15;&#xC870; &#xD558;&#xB294; &#xB4F1;&#xB85D; &#xC808;&#xCC28;&#xC5D0; &#xC0AC;&#xC6A9;. &#xACBD;&#xC9C1; &#xB41C; &#xBCC0;&#xD658; &#xBC0F; &#xB9C9;&#xB300; &#xADF8;&#xB798;&#xD504;&#xB294; CT&#xC640; &#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; &#xC0AC;&#xC774;&#xC758; &#xC77C;&#xCE58; &#xD6C4; &#xC800;&#xC790;&#xB294; deformably &#xAC15;&#xB3C4; &#xD45C;&#xC900;&#xD654; &#xBC29;&#xCD9C;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0; &#xB530;&#xB77C; &#xBB34;&#xAC8C;&#xC640; CT &#xC774;&#xBBF8;&#xC9C0; &#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xB4F1;&#xB85D; &#xD569;&#xB2C8;&#xB2E4;. &#xBCC0;&#xD615; &#xB4F1;&#xB85D; &#xACFC;&#xC815;&#xC5D0; &#xB300; &#xD55C; &#xC800;&#xC790;&#xB294; &#xBB34;&#xAC8C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC785;&#xB825;&#xB41C; &#xC774;&#xBBF8;&#xC9C0;&#xC758; &#xD2B9;&#xC815; &#xC601;&#xC5ED;&#xC5D0; &#xAE30;&#xBCF8; &#xC124;&#xC815;&#xC744; &#xC904; &#xC218; &#xC788;&#xB294; &#xC911;&#xB41C; &#xC545;&#xB9C8; &#xB4F1;&#xB85D; &#xBC29;&#xBC95;&#xC744; &#xAC1C;&#xBC1C;.&#xACB0;&#xACFC;: &#xC800;&#xC790; 9 &#xC950; &#xC774;&#xBBF8;&#xC9C0; &#xC9D1;&#xD569; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xAC00; &#xB2E4;&#xB978; &#xAD6D;&#xC678; &#xC790; &#xC5B5;&#xC81C; (OSP) M &#xD558;&#xC6B0;&#xC2A4;&#xB3C4;&#xB974;&#xD504; &#xAC70;&#xB9AC; (M-HD) &#xC720;&#xC0AC;&#xC131; &#xCE21;&#xC815;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xACB0;&#xACFC; &#xD655;&#xC778; &#xD569;&#xB2C8;&#xB2E4;. &#xC77C;&#xBC18; &#xC545;&#xB9C8; &#xC815;&#xADDC;&#xD654; &#xB41C; &#xC0C1;&#xD638; &#xC815;&#xBCF4; (NMI) &#xB4F1; &#xD45C;&#xC900; &#xBC29;&#xBC95;&#xC5D0; &#xBE44;&#xD574;-&#xAE30;&#xBC18; nonrigid &#xC790;&#xC720; &#xD615;&#xC2DD; &#xBCC0;&#xD615; (FFD) &#xB4F1;&#xB85D; &#xC81C;&#xC548; &#xB41C;&#xAC00; &#xC911;&#xB41C; &#xC545;&#xB9C8; &#xB4F1;&#xB85D; &#xBC29;&#xBC95;&#xC744; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4; &#xD3C9;&#xADE0; M HD &#xC624;&#xB958;: 3.99 &plusmn; 1.37 (OSP = 10), 5.04 &plusmn; 1.59 (OSP = 20)&#xC640; 5.92 &plusmn; 1.61 (OSP = &infin;) &#xD1B5;&#xACC4;&#xC801; &#xC758;&#xBBF8; (p &lt; 0.0003)&#xC640; &#xD568;&#xAED8; &#xAC01;&#xAC01; nonrigid FFD NMI &#xAE30;&#xBC18;&#xC740; &#xD3C9;&#xADE0; M HD &#xC624;&#xB958;: 5.74 &plusmn; 1.73 (OSP = 10)7.40 &plusmn; 7.84 (OSP = 20) &#xBC0F; 9.83 &plusmn; 4.13 (OSP &infin; =), &#xACE0; &#xC77C;&#xBC18; &#xC545;&#xB9C8; &#xD3C9;&#xADE0; M HD &#xC624;&#xB958;&#xAC00;: 6.79 &plusmn; 0.83 (OSP = 10), 9.19 &plusmn; 2.39 (OSP = 20) &#xBC0F; 11.63 &plusmn; 3.99 (OSP &infin; =), &#xAC01;&#xAC01;. M HD &#xBE44;&#xAD50; &#xC774;&#xC678;&#xC5D0; CT&#xC640; &#xC815;&#xB82C; &#xB41C; &#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; &#xC0AC;&#xC774;&#xC758; &#xD76C;&#xBBF8; &#xD55C; &#xAC00;&#xC7A5;&#xC790;&#xB9AC;&#xAC00; &#xC601;&#xC5ED;&#xC5D0; &#xC2DC;&#xAC01;&#xC801; &#xBE44;&#xAD50;&#xB294; &#xB610;&#xD55C; &#xB2E4;&#xB978; &#xBC29;&#xBC95;&#xC744; &#xD1B5;&#xD574; &#xC7A5;&#xB824; &#xAC1C;&#xC120; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4;.&#xACB0;&#xB860;: &#xC804;&#xC2E0; &#xBCF5;&#xD569; &#xB4F1;&#xB85D; CT &#xBC0F; PET &#xC774;&#xBBF8;&#xC9C0; &#xC0AC;&#xC774;&#xC5D0;&#xC11C; &#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xBC0F; &#xBC29;&#xCD9C;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC804;&#xC1A1;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0;&#xC758; &#xD2B9;&#xC815; &#xC601;&#xC5ED;&#xC744; &#xAC15;&#xC870; &#xD558; &#xC5EC; &#xB4F1;&#xB85D; &#xACFC;&#xC815;&#xC5D0;&#xC11C; &#xBC29;&#xCD9C;-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; &#xD65C;&#xC6A9; &#xD6A8;&#xACFC;&#xC801;&#xC785;&#xB2C8;&#xB2E4;. &#xC774; &#xBC29;&#xBC95;&#xC740; &#xD558;&#xB098;&#xC758; &#xC720;&#xC775;&#xD55C; &#xC774;&#xBBF8;&#xC9C0;&#xB85C; &#xC5EC;&#xB7EC; (&#xB450; &#xAC1C; &#xC774;&#xC0C1;&#xC758;) &#xC785;&#xB825;&#xB41C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xB4F1;&#xB85D; &#xD55C;&#xB2E4; &#xC5B4;&#xB514; &#xD4E8;&#xC804; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8; &#xB2E4;&#xB978; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0; &#xB300; &#xD55C; &#xC57D;&#xC18D;&#xC744; &#xBCF4;&#xC720;.

CT-&#xC560;&#xC644; &#xB3D9;&#xBB3C; &#xC774;&#xBBF8;&#xC9C0; &#xD4E8;&#xC804; &#xBCC4;&#xB3C4;&#xB85C; &#xC2A4;&#xCE94; &#xD55C; &#xC804;&#xC2E0; &#xC950;&#xC5D0; &#xB300; &#xD55C; &#xAC00;&#xC911;&#xCE58;.

Prop&oacute;sito: La resoluci&oacute;n limitada y la falta de informaci&oacute;n espacial en im&aacute;genes de tomograf&iacute;a por emisi&oacute;n de positrones (PET) requieren la informaci&oacute;n anat&oacute;mica complementaria de la tomograf&iacute;a computada (CT) o la proyecci&oacute;n de imagen de resonancia magn&eacute;tica (MRI). Por lo tanto, t&eacute;cnicas de fusi&oacute;n de imagen multimodalidad como PET/CT son fundamentales en la asignaci&oacute;n de las im&aacute;genes funcionales a im&aacute;genes estructurales y as&iacute; facilitan la interpretaci&oacute;n de estudios PET. En nuestra situaci&oacute;n experimental, las im&aacute;genes del CT y PET se adquieren en esc&aacute;neres separados en diferentes momentos y las diferencias inherentes en los protocolos de producen cambios significativos nonrigid entre las dos adquisiciones adem&aacute;s caracter&iacute;sticas diferentes de la imagen. Las condiciones de registro tambi&eacute;n son pobres porque las im&aacute;genes CT tienen artefactos debido a la limitaci&oacute;n de la configuraci&oacute;n actual de la exploraci&oacute;n, mientras que im&aacute;genes PET son muy borrosas (en transmisi&oacute;n-PET) y tienen l&iacute;mites vaga estructura anat&oacute;mica (en emisi&oacute;n-PET).M&eacute;todos: Los autores presentan un nuevo m&eacute;todo de registro multimodal animal peque&ntilde;o de cuerpo entero. En particular, los autores registrar imagen de CT de cuerpo entero rata e im&aacute;genes PET mediante un algoritmo de demonios ponderada. Los autores utilizan tanto la transmisi&oacute;n-PET y las im&aacute;genes de la emisi&oacute;n-PET en el proceso de registro, haciendo hincapi&eacute; en determinadas regiones de la imagen en movimiento transmisi&oacute;n-PET usando la imagen de la emisi&oacute;n-PET. Despu&eacute;s de una transformaci&oacute;n r&iacute;gida y un histograma de coincidencia entre el CT y las im&aacute;genes de la transmisi&oacute;n-PET, los autores deformably registrar la imagen de la transmisi&oacute;n-PET a la imagen de CT con pesas basados en la imagen de la emisi&oacute;n-PET intensidad normalizada. Para el proceso de registro deformable, los autores desarrollan un m&eacute;todo de registro de demonios ponderada que puede dar preferencias a determinadas regiones de la imagen de entrada usando una imagen de peso.Resultados: Los autores validan los resultados con nueve conjuntos de imagen de rata mediante la medida de similitud de distancia (M-HD) M-Hausdorff con par&aacute;metros diferentes aislados-supresi&oacute;n (OSP). En comparaci&oacute;n con los m&eacute;todos est&aacute;ndar como los demonios regulares y la informaci&oacute;n mutua normalizada (NMI)-basado en registro de deformaci&oacute;n nonrigid de forma libre (FPD), el m&eacute;todo de registro propuesto demonios ponderado muestra errores promedio de M-HD: 3,99 &plusmn; 1.37 (OSP = 10), 5,04 &plusmn; 1.59 (OSP = 20) y 5,92 &plusmn; 1.61 (OSP = &infin;) con significaci&oacute;n estad&iacute;stica (p &lt; 0.0003) respectivamente, mientras que FPD nonrigid basadas en NMI tiene errores promedio de M-HD: 5,74 &plusmn; 1.73 (OSP = 10)7,40 &plusmn; 7.84 (OSP = 20) y &plusmn; 9,83 4.13 (OSP = &infin;), y los demonios regulares tiene errores promedio de M-HD: 6.79 &plusmn; 0,83 (OSP = 10), 9.19 &plusmn; 2.39 (OSP = 20) y &plusmn; 11,63 3.99 (OSP = &infin;), respectivamente. Adem&aacute;s de comparaciones de M-HD, las comparaciones visuales en la regi&oacute;n con bordes d&eacute;bil entre el CT y las im&aacute;genes de PET alineadas tambi&eacute;n muestran las mejoras alentadoras sobre los otros m&eacute;todos.CONCLUSIONES: En el registro multimodal de cuerpo entero entre im&aacute;genes CT y PET, la utilizaci&oacute;n de la transmisi&oacute;n-PET y las im&aacute;genes de la emisi&oacute;n-PET en el proceso de registro haciendo hincapi&eacute; en determinadas regiones de la imagen de transmisi&oacute;n-PET usando una imagen de emisi&oacute;n-PET es eficaz. Este m&eacute;todo es prometedora para otros usos de fusi&oacute;n donde varias im&aacute;genes de entrada (m&aacute;s de dos) deben ser registradas en una sola imagen informativa.

Fusi&oacute;n de im&aacute;genes ponderadas CT-PET para la rata de cuerpo entero escaneado por separado.

&#x76EE;&#x7684;&#xFF1A; &#x5206;&#x8FA8;&#x7387;&#x6709;&#x9650;&#x548C;&#x6B63;&#x7535;&#x5B50;&#x53D1;&#x5C04;&#x65AD;&#x5C42;&#x626B;&#x63CF; (PET) &#x56FE;&#x50CF;&#x7684;&#x7A7A;&#x95F4;&#x4FE1;&#x606F;&#x7F3A;&#x4E4F;&#x9700;&#x8981;&#x8865;&#x5145;&#x89E3;&#x5256;&#x4FE1;&#x606F;&#x4ECE;&#x8BA1;&#x7B97;&#x673A;&#x65AD;&#x5C42;&#x626B;&#x63CF; (CT) &#x548C; &#xFF08;&#x6216;&#xFF09; &#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF; &#xFF08;MRI&#xFF09;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x5982; PET/CT &#x7684;&#x591A;&#x6A21;&#x6001;&#x56FE;&#x50CF;&#x878D;&#x5408;&#x6280;&#x672F;&#x662F;&#x975E;&#x5E38;&#x91CD;&#x8981;&#x7684;&#x529F;&#x80FD;&#x7684;&#x56FE;&#x50CF;&#x6620;&#x5C04;&#x5230;&#x7ED3;&#x6784;&#x56FE;&#x50CF;&#xFF0C;&#x4ECE;&#x800C;&#x4FBF;&#x5229;&#x7684; PET &#x7814;&#x7A76;&#x89E3;&#x91CA;&#x3002;&#x5728;&#x6211;&#x4EEC;&#x7684;&#x5B9E;&#x9A8C;&#x60C5;&#x51B5;&#xFF0C;CT &#x548C; PET &#x56FE;&#x50CF;&#x5728;&#x4E0D;&#x540C;&#x65F6;&#x95F4;&#x83B7;&#x53D6;&#x7684;&#x5355;&#x72EC;&#x626B;&#x63CF;&#x4EEA;&#x548C;&#x6210;&#x50CF;&#x7684;&#x8BAE;&#x5B9A;&#x4E66;&#x4E2D;&#x7684;&#x56FA;&#x6709;&#x5DEE;&#x5F02;&#x4EA7;&#x751F;&#x91CD;&#x5927;&#x975E;&#x521A;&#x6027;&#x53D8;&#x5316;&#x4E4B;&#x95F4;&#x9664;&#x4E86;&#x5F02;&#x79CD;&#x56FE;&#x50CF;&#x7279;&#x5F81;&#x7684;&#x4E24;&#x4E2A;&#x6536;&#x8D2D;&#x3002;&#x6CE8;&#x518C;&#x6761;&#x4EF6;&#x4E5F;&#x5DEE;&#xFF0C;&#x56E0;&#x4E3A; CT &#x56FE;&#x50CF;&#x6709;&#x6587;&#x7269;&#x7531;&#x4E8E;&#x5F53;&#x524D;&#x7684;&#x626B;&#x63CF;&#x8BBE;&#x7F6E;&#x7684;&#x9650;&#x5236;&#xFF0C;&#x540C;&#x65F6; PET &#x56FE;&#x50CF;&#x5F88;&#x6A21;&#x7CCA; &#xFF08;&#x5728;&#x4F20;&#x8F93;-PET) &#x548C;&#x6709;&#x542B;&#x7CCA;&#x4E0D;&#x6E05;&#x7684;&#x89E3;&#x5256;&#x7ED3;&#x6784;&#x8FB9;&#x754C; &#xFF08;&#x5728;&#x6392;&#x653E;-PET)&#x3002;&#x65B9;&#x6CD5;&#xFF1A; &#x4F5C;&#x8005;&#x76EE;&#x524D;&#x5168;&#x8EAB;&#x5C0F;&#x52A8;&#x7269;&#x591A;&#x5F0F;&#x8054;&#x8FD0;&#x767B;&#x8BB0;&#x7684;&#x65B0;&#x65B9;&#x6CD5;&#x3002;&#x5C24;&#x5176;&#x662F;&#xFF0C;&#x4F5C;&#x8005;&#x6CE8;&#x518C;&#x5927;&#x9F20;&#x5168;&#x8EAB; CT &#x56FE;&#x50CF;&#x548C; PET &#x56FE;&#x50CF;&#x4F7F;&#x7528;&#x52A0;&#x6743;&#x7684;&#x6076;&#x9B54;&#x7684;&#x7B97;&#x6CD5;&#x3002;&#x4F5C;&#x8005;&#x5728;&#x6CE8;&#x518C;&#x8FC7;&#x7A0B;&#x4E2D;&#x5F3A;&#x8C03;&#x4F7F;&#x7528;&#x6392;&#x653E; PET &#x56FE;&#x50CF;&#x7684;&#x79FB;&#x52A8;&#x4F20;&#x8F93; PET &#x56FE;&#x50CF;&#x7684;&#x7279;&#x5B9A;&#x533A;&#x57DF;&#x4F7F;&#x7528;&#x4F20;&#x8F93;&#x5BA0;&#x7269;&#x548C;&#x6392;&#x653E; PET &#x56FE;&#x50CF;&#x3002;&#x4F5C;&#x8005;&#x540E;&#x521A;&#x6027;&#x7684;&#x8F6C;&#x578B;&#x4E0E;&#x76F4;&#x65B9;&#x56FE; CT &#x548C;&#x4F20;&#x8F93; PET &#x56FE;&#x50CF;&#x4E4B;&#x95F4;&#x7684;&#x5339;&#x914D;&#xFF0C;&#x4F20;&#x8F93; PET &#x56FE;&#x50CF;&#x4E0E; CT &#x56FE;&#x50CF; deformably &#x6CE8;&#x518C;&#x57FA;&#x4E8E;&#x5F3A;&#x5EA6;&#x89C4;&#x8303;&#x5316;&#x6392;&#x653E; PET &#x56FE;&#x50CF;&#x7684;&#x6743;&#x91CD;&#x3002;&#x4E3A;&#x786E;&#x4FDD;&#x53EF;&#x53D8;&#x5F62;&#x7684;&#x6CE8;&#x518C;&#x8FC7;&#x7A0B;&#x4E2D;&#xFF0C;&#x4F5C;&#x8005;&#x53D1;&#x5C55;&#x52A0;&#x6743;&#x7684;&#x6076;&#x9B54;&#x7684;&#x6CE8;&#x518C;&#x65B9;&#x6CD5;&#xFF0C;&#x53EF;&#x4EE5;&#x7ED9;&#x4E88;&#x4F18;&#x60E0;&#x4F7F;&#x7528;&#x91CD;&#x91CF;&#x56FE;&#x50CF;&#x7684;&#x8F93;&#x5165;&#x56FE;&#x50CF;&#x7684;&#x7279;&#x5B9A;&#x533A;&#x57DF;&#x3002;&#x7ED3;&#x679C;&#xFF1A; &#x4F5C;&#x8005;&#x9A8C;&#x8BC1;&#x7ED3;&#x679C;&#x4E0E;&#x4F7F;&#x7528;&#x5177;&#x6709;&#x4E0D;&#x540C;&#x7684;&#x5F02;&#x5E38;&#x503C;&#x6291;&#x5236;&#x53C2;&#x6570; (OSP) &#x7684; M-&#x8C6A;&#x65AF;&#x591A;&#x592B;&#x8DDD;&#x79BB; &#xFF08;M HD&#xFF09; &#x76F8;&#x4F3C;&#x6027;&#x5EA6;&#x91CF;&#x7684;&#x4E5D;&#x4E2A;&#x5927;&#x9F20;&#x56FE;&#x50CF;&#x96C6;&#x3002;&#x6BD4;&#x8F83;&#x6807;&#x51C6;&#x7684;&#x65B9;&#x6CD5;&#xFF0C;&#x5982;&#x7ECF;&#x5E38;&#x9B3C;&#x548C;&#x5F52;&#x4E00;&#x5316;&#x4E92;&#x4FE1;&#x606F; &#xFF08;NMI&#xFF09;-&#x57FA;&#x4E8E;&#x975E;&#x521A;&#x6027;&#x5F62;&#x5F0F;&#x81EA;&#x7531;&#x53D8;&#x5F62; &#xFF08;FFD&#xFF09; &#x767B;&#x8BB0;&#xFF0C;&#x62DF;&#x8BAE;&#x7684;&#x52A0;&#x6743;&#x7684;&#x9B3C;&#x6CE8;&#x518C;&#x65B9;&#x6CD5;&#x663E;&#x793A;&#x5E73;&#x5747; M &#x9AD8;&#x6E05;&#x9519;&#x8BEF;&#xFF1A; 3.99 &plusmn; 1.37 (OSP = 10&#xFF09;&#x3001; 5.04 &plusmn; 1.59 (OSP = 20) &#x548C; 5.92 &plusmn; 1.61 &#xFF08;OSP = &infin;) &#x5177;&#x6709;&#x7EDF;&#x8BA1;&#x610F;&#x4E49; (p &lt; 0.0003) &#x5206;&#x522B;&#xFF0C;&#x867D;&#x7136;&#x57FA;&#x4E8E; NMI &#x7684;&#x975E;&#x521A;&#x6027;&#x53D1;&#x5C55;&#x7B79;&#x8D44;&#x5177;&#x6709;&#x5E73;&#x5747; M &#x9AD8;&#x6E05;&#x9519;&#x8BEF;&#xFF1A; 5.74 &plusmn; 1.73 (OSP = 10&#xFF09;7.40 &plusmn; 7.84 (OSP = 20) &#x548C; 9.83 &plusmn; 4.13 (OSP = &infin;)&#xFF0C;&#x5E76;&#x4E14;&#x7ECF;&#x5E38;&#x9B3C;&#x5E73;&#x5747; M &#x9AD8;&#x6E05;&#x9519;&#x8BEF;&#xFF1A; 6.79 &plusmn; 0.83 (OSP = 10&#xFF09;&#x3001; 9.19 &plusmn; 2.39 &#xFF08;OSP = 20) &#x548C; 11.63 &plusmn; 3.99 (OSP = &infin;)&#xFF0C;&#x5206;&#x522B;&#x3002;M &#x9AD8;&#x6E05;&#x7684;&#x6BD4;&#x8F83;&#xFF0C;&#x9664;&#x4E86;&#x76F4;&#x89C2;&#x7684;&#x6BD4;&#x8F83;&#x5FAE;&#x5F31;&#x8FB9;&#x533A;&#x57DF;&#x5BF9;&#x9F50;&#x7684; PET &#x56FE;&#x50CF;&#x4E0E; CT &#x4E0A;&#x8FD8;&#x663E;&#x793A;&#x4E86;&#x4EE4;&#x4EBA;&#x9F13;&#x821E;&#x7684;&#x6539;&#x5584;&#x6BD4;&#x4F7F;&#x7528;&#x5176;&#x4ED6;&#x65B9;&#x6CD5;&#x3002;&#x7ED3;&#x8BBA;&#xFF1A; &#x5728;&#x5168;&#x8EAB; CT &#x548C; PET &#x56FE;&#x50CF;&#x4E4B;&#x95F4;&#x7684;&#x591A;&#x5F0F;&#x8054;&#x8FD0;&#x6CE8;&#x518C;&#x4E2D;&#x5229;&#x7528;&#x4F20;&#x8F93;&#x5BA0;&#x7269;&#x548C;&#x901A;&#x8FC7;&#x5F3A;&#x8C03;&#x4F7F;&#x7528;&#x6392;&#x653E; PET &#x56FE;&#x50CF;&#x7684;&#x4F20;&#x8F93; PET &#x56FE;&#x50CF;&#x7684;&#x7279;&#x5B9A;&#x533A;&#x57DF;&#x7684;&#x6CE8;&#x518C;&#x8FC7;&#x7A0B;&#x4E2D;&#x7684;&#x6392;&#x653E; PET &#x56FE;&#x50CF;&#x662F;&#x6709;&#x6548;&#x3002;&#x8FD9;&#x79CD;&#x65B9;&#x6CD5;&#x5E26;&#x6765;&#x4E86;&#x5E0C;&#x671B;&#x5176;&#x4ED6;&#x56FE;&#x50CF;&#x878D;&#x5408;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x4F4D;&#x7F6E;&#x5E94;&#x6210;&#x5355;&#x4E2A;&#x5185;&#x5BB9;&#x4E30;&#x5BCC;&#x56FE;&#x50CF;&#x6CE8;&#x518C;&#x591A;&#x4E2A; &#xFF08;&#x4E24;&#x4E2A;&#x4EE5;&#x4E0A;&#xFF09; &#x7684;&#x8F93;&#x5165;&#x7684;&#x56FE;&#x50CF;&#x3002;

&#x5927;&#x9F20;&#x5206;&#x522B;&#x626B;&#x63CF;&#x7684;&#x5168;&#x8EAB; CT PET &#x52A0;&#x6743;&#x7684;&#x56FE;&#x50CF;&#x878D;&#x5408;&#x3002;

Purpose: The limited resolution and lack of spatial information in positron emission tomography (PET) images require the complementary anatomic information from the computed tomography (CT) and/or magnetic resonance imaging (MRI). Therefore, multimodality image fusion techniques such as PET/CT are critical in mapping the functional images to structural images and thus facilitate the interpretation of PET studies. In our experimental situation, the CT and PET images are acquired in separate scanners at different times and the inherent differences in the imaging protocols produce significant nonrigid changes between the two acquisitions in addition to dissimilar image characteristics. The registration conditions are also poor because CT images have artifacts due to the limitation of current scanning settings, while PET images are very blurry (in transmission-PET) and have vague anatomical structure boundaries (in emission-PET).Methods: The authors present a new method for whole body small animal multimodal registration. In particular, the authors register whole body rat CT image and PET images using a weighted demons algorithm. The authors use both the transmission-PET and the emission-PET images in the registration process emphasizing particular regions of the moving transmission-PET image using the emission-PET image. After a rigid transformation and a histogram matching between the CT and the transmission-PET images, the authors deformably register the transmission-PET image to the CT image with weights based on the intensity-normalized emission-PET image. For the deformable registration process, the authors develop a weighted demons registration method that can give preferences to particular regions of the input image using a weight image.Results: The authors validate the results with nine rat image sets using the M-Hausdorff distance (M-HD) similarity measure with different outlier-suppression parameters (OSP). In comparison with standard methods such as the regular demons and the normalized mutual information (NMI)-based nonrigid free-form deformation (FFD) registration, the proposed weighted demons registration method shows average M-HD errors: 3.99â€‰Â±â€‰1.37 (OSPâ€‰=â€‰10), 5.04â€‰Â±â€‰1.59 (OSPâ€‰=â€‰20) and 5.92â€‰Â±â€‰1.61 (OSPâ€‰=â€‰âˆž) with statistical significance (pâ€‰<â€‰0.0003) respectively, while NMI-based nonrigid FFD has average M-HD errors: 5.74â€‰Â±â€‰1.73 (OSPâ€‰=â€‰10), 7.40â€‰Â±â€‰7.84 (OSPâ€‰=â€‰20) and 9.83â€‰Â±â€‰4.13 (OSPâ€‰=â€‰âˆž), and the regular demons has average M-HD errors: 6.79â€‰Â±â€‰0.83 (OSPâ€‰=â€‰10), 9.19â€‰Â±â€‰2.39 (OSPâ€‰=â€‰20) and 11.63â€‰Â±â€‰3.99 (OSPâ€‰=â€‰âˆž), respectively. In addition to M-HD comparisons, the visual comparisons on the faint-edged region between the CT and the aligned PET images also show the encouraging improvements over the other methods.Conclusions: In the whole body multimodal registration between CT and PET images, the utilization of both the transmission-PET and the emission-PET images in the registration process by emphasizing particular regions of the transmission-PET image using an emission-PET image is effective. This method holds promise for other image fusion applications where multiple (more than two) input images should be registered into a single informative image.

Dustin Scheinost

Department of Diagnostic Radiology

Yale University School of Medicine

Real-time fMRI Biofeedback Targeting the Orbitofrontal Cortex for Contamination Anxiety

Dustin Scheinost

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Department of Diagnostic Radiology

Yale University School of Medicine

Real-time fMRI Biofeedback Targeting the Orbitofrontal Cortex for Contamination Anxiety

Department of Diagnostic Radiology