Name: a pipeline for 3d multimodality image integration and computer-assisted planning in epilepsy surgery
Uploaded: 2016-05-20T13:00:00
Duration: 9 min 41 s
Description: Watch this Scientific Journal Video about A Pipeline for 3D Multimodality Image Integration and Computer-assisted Planning in Epilepsy Surgery at JoVE.com

Ce programme a été soutenu par le ministère de la Santé et le Fonds Wellcome Trust Santé Innovation Challenge (HICF-T4-275, Programme Grant 97914). Nous sommes reconnaissants à la Fiducie Wolfson et la Société de l&#39;épilepsie pour soutenir le scanner IRM Epilepsy Society. Ce travail a été soutenu par l&#39;Institut national de recherche en santé (NIHR) University College London Hospitals Biomedical Research Centre (BRC)

REMARQUE: Les commandes logicielles fournies ici sont spécifiques à la version actuelle (19/01/2015) du logiciel et peuvent être modifiés sur les versions logicielles suivantes. Manuels pour les versions individuelles sont disponibles sur demande. 1. Effectuer l&#39;intégration et visualisation image <ol><li> Acquérir imagerie. <ol><li> Acquire neuronavigation pondérée en T1 IRM avec gadolinium enhancement- ce sera l&#39;image de référence. (Remarque: les exigences d&#39;acquisition d&#39;image sont disponibles à partir de la neuronavigation de fournisseur commercial 11,12 Voir le tableau 1.). </li><li> Collecter tous les autres l&#39;imagerie effectuée lors de l&#39;évaluation préopératoire dans DICOM ou le format Nifti (peut inclure l&#39;IRM fonctionnelle (IRMf), l&#39;imagerie du tenseur de diffusion (DTI) tractographie, fluoro-désoxyglucose tomographie par émission de positons (TEP), ictale-intercritiques émission de photon unique CT ( SPECT), magnétoencéphalographie (MEG) dipôle, 3D contraste IRM de phase, angiographie CT) Voir le tableau 1. </li></ol></li><li> Exécutez pré-traitement en dehors du logiciel interne. <ol><li> Processus T1 isométrique IRM pondérée avec l&#39;open source logiciel Freesurfer, exécuté sur un poste de travail Linux en utilisant la commande «recon-all &#39;, pour générer segmentations corticales. </li><li> Convertir wmparc.mgz et fichiers ribbon.mgz au format nifti en utilisant la commande &#39;mrconvert&#39; </li></ol></li><li> Ouvrez le logiciel interne sur PC Windows et les données de charge (Figure 1). <ol><li> Note 2 x 2 affichage de la fenêtre, DataManager sur l&#39;extrême gauche, les icônes sur le dessus représentant les différents outils de traitement d&#39;image et de l&#39;outil sélectionné sur l&#39;extrême droite. </li><li> Importer des données à l&#39;aide de «drag and drop», en accédant au menu principal &quot;Fichier / Ouvrir&quot; ou par un bouton de vitesse (icône) &quot;Ouvrir&quot;. Faites défiler les différents ensembles de données pour assurer l&#39;exhaustivité. Notez la fonction de zoom par un clic droit et déplacement de la souris, et la nature hiérarchique de DataManager, avec superposition d&#39;image consécutive. </li></ol></li><li> images COREGISTER. &lt;ol&gt; <li> Images. <ol><li> Sélectionnez NiftyReg outil à partir des icônes de vitesse. </li><li> Sélectionnez T1 neuronavigation avec gadolinium dans DataManager- ce sera l&#39;image de référence que tout autre imagerie est recalées à. </li><li> Sélectionnez &#39;image flottante »pour être recalées pour référencer l&#39;image. </li><li> Définir le nom et l&#39;emplacement de l&#39;image enregistrée. Régler les paramètres d&#39;optimisation de numéro de niveau 4, niveau 3 pour effectuer, le nombre d&#39;itération 5, corps rigide de type coregistration. </li><li> Exécutez automatisé coregistration de corps rigide en cliquant sur le bouton &#39;Run&#39;. </li><li> Vérifier l&#39;exactitude de coregistration. Inspecter l&#39;image enregistrée sur l&#39;image de référence, et de modifier la transparence de l&#39;image enregistrée par un clic droit sur l&#39;image dans DataManager, et en déplaçant le curseur «Opacité». Vérifier coregistration en inspectant des repères anatomiques claires telles que le foramen de Monroe. </li></ol></li><li> images appariées. <ol><li> «Image définissant l&#39;espace &#39;COREGISTER premier (par exemple. Fractional carte anisotrope), en utilisant l&#39;outil NiftyReg comme dans les étapes 1.4.1.1 - 1.4.1.6. </li><li> Sélectionnez l&#39;outil RegResample des icônes de vitesse. </li><li> Sélectionnez T1 neuronavigation avec gadolinium dans DataManager image de référence. </li><li> Sélectionner une image avec des résultats du traitement (par exemple., Image tractographie) comme image flottante. </li><li> Utilisez le fichier txt généré à partir de l&#39;enregistrement précédent de «l&#39;image définissant l&#39;espace», comme la transformation d&#39;entrée. </li><li> Définir le nom et l&#39;emplacement de l&#39;image enregistrée. Sélectionnez le type de 0 interpolation. </li><li> Exécutez rééchantillonnage du «résultat du traitement» en cliquant sur le bouton &#39;Run&#39;. </li><li> Voir nouvelle image générée en sélectionnant dans DataManager </li><li> Vérifier l&#39;exactitude des coregistration comme dans l&#39;étape 1.4.1.6. </li></ol></li><li> Répétez les étapes 1.4.1 - 1.4.2 pour tous les ensembles de données. </li></ol></li><li> images du segment. <ol><li> Sélectionner une image à segmenter en DataManager, et sélectionnez Segmentation outil Éditeur d&#39;icônes de vitesse.</li><li> Utiliser des outils avancés de segmentation (de segmentation manuelle, région viticole, soustraction) pour attirer région d&#39;intérêt sur plusieurs tranches de l&#39;imagerie en axial, plans coronal et sagittal </li><li> Sélectionnez interpolation 3D pour visualiser l&#39;évolution structure segmentée dans la fenêtre 3D. Confirmer la segmentation pour générer nouveau fichier Nifti de structure segmentée. </li><li> Répétez les étapes 1.5.1 - 1.5.3 pour toutes les images où la segmentation manuelle est indiquée. </li></ol></li><li> Générer des modèles du cerveau. <ol><li> Sélectionnez l&#39;image wmparc.nii sur DataManager, et veiller à wmparc.nii est recalées avec l&#39;image de référence en utilisant les étapes 1.4.1. </li><li> Sélectionnez Outils de traitement de base à partir des icônes de vitesse. </li><li> Appliquer un seuil à wmparc.nii 1-5002 pour créer un masque binarisée du cortex. </li></ol></li><li> Rendu des régions d&#39;intérêt en tant que surfaces 3D (Figure 2, 3). Note: La visualisation d&#39;ensembles de données comme des rendus de surface 3D (fichiers stl) peut se faire de deux façons: <ol><li> Utilisez Surface Extractor tool. <ol><li> Sélectionnez Extractor icône Surface. Définir le seuil pour l&#39;extraction de surface et sélectionnez Appliquer. Nom rendu de surface dans DataManager. </li></ol></li><li> Clic droit sur le fichier Nifti dans DataManager et sélectionnez &quot;Polygon Surface lisse. </li></ol></li><li> Extraire les modèles de surface des vaisseaux (figure 4). Note: Extraction des navires de l&#39;imagerie vasculaire dédié (contraste de phase 3D IRM, angiographie CT, IRM T1 pondérée avec gadolinium) peut se faire de deux façons. <ol><li> Utiliser l&#39;outil extracteur de surface. <ol><li> COREGISTER l&#39;imagerie vasculaire à l&#39;image de référence en utilisant NiftiReg. surface 3D rendent l&#39;image en utilisant Extractor de surface. </li><li> Générer masque intracrânienne en appliquant la dilatation et les fonctions de fermeture dans le traitement de l&#39;image de base au masque binarisée du cortex. Appliquer le masque intracrânienne à l&#39;imagerie vasculaire en utilisant la fonction de multiplication dans le traitement de l&#39;image de base pour éliminer les navires extracrâniennes. </li><li> Suppression du bruit du fil stle par le traitement en dehors du logiciel en interne, en utilisant package 3D de logiciel de traitement de maillage. Remarque: Instructions pour l&#39;utilisation de cet outil sont disponibles gratuitement en ligne. </li></ol></li><li> Utiliser l&#39;outil VesselExtractor. <ol><li> Sélectionnez l&#39;outil VesselExtractor à partir des icônes de vitesse. Sélectionnez vasculaire ensemble de données d&#39;image et indiquer le nom et l&#39;emplacement du navire-extraction fichier Nifti. </li><li> Exécutez VesselExtractor en cliquant sur &quot;Exécuter&quot;. Appliquer le masque intracrânienne les résultats de VesselExtractor en utilisant la fonction de multiplication dans le traitement de l&#39;image de base pour éliminer les navires extracrâniennes. Remarque: le masque intracrânienne générée en appliquant la dilatation et les fonctions de fermeture dans le traitement de l&#39;image de base au masque binarisée du cortex comme dans 1.8.1.2. </li></ol></li><li> Répéter le processus de 1.8.1 ou 1.8.2 pour l&#39;angiographie CT, IRM contraste de phase 3D et neuronavigation T1 avec gadolinium. </li></ol></li><li> Générer un rendu de volume du cerveau (figure 5). <ol><li> Sélectionnez im wmparc.niil&#39;âge sur DataManager, et veiller à wmparc.nii est recalées avec l&#39;image de référence en utilisant les étapes 1.4.1. </li><li> Sélectionnez Outils de traitement de base à partir des icônes de vitesse. </li><li> Appliquer lissage gaussien à wmparc.nii image, en utilisant des outils de traitement de base. </li><li> Sélectionnez le volume outil de rendu des icônes de vitesse, et le fichier wmparc.nii assurer lissée est mis en évidence dans DataManager. </li><li> Cochez «volume rendering &#39;boîte à l&#39;intérieur outil de rendu de volume pour générer le rendu de volume du cortex. </li></ol></li></ol> 2. Effectuer la planification manuelle <ol><li> Utilisez Trajectoire icône de vitesse de planificateur. <ol><li> Sélectionnez neuronavigation T1 scan que l&#39;image de référence. Sélectionnez un nouveau plan, et la Nouvelle trajectoire. </li><li> Sélectionner le point sur l&#39;imagerie plane cible en appuyant sur &#39;Alt&#39; et un clic droit sur la souris, sur la base de la liste des points désirés cibles anatomiques par les cliniciens. Note: des exemples de cibles comprennent des structures mésiales temporelles (amygdale, hippocampe), insula, gyrus cingulaire. </li><li> Sélectionnez le point sur l&#39;imagerie planaire d&#39;entrée en appuyant sur &#39;Alt&#39; et un clic gauche sur la souris, sur la base de la liste des points d&#39;entrée souhaités par les cliniciens. Note: des exemples de points d&#39;entrée comprennent gyrus temporal moyen, gyrus précentral, gyrus supramarginal. </li><li> Observer la trajectoire linéaire générée entre la cible et le point d&#39;entrée. </li></ol></li><li> Visualiser le risque. <ol><li> Sélectionnez Visualisation icône de la vitesse de risque pour examiner la longueur de trajectoire. </li><li> Sélectionnez &#39;View Link plans »pour relier Sondes visualiseur d&#39;oeil aux plans de vue orthogonales dans la fenêtre principale. </li><li> Faites défiler le long de la trajectoire, l&#39;examen des sondes visualiseur d&#39;oeil pour assurer chemin avasculaire. </li></ol></li></ol> 3. Effectuer la planification assistée par ordinateur <ol><li> Préparer les données. <ol><li> Préparer la surface de la matière grise. <ol><li> Sélectionnez le fichier ribbon.nii généré à partir du logiciel de segmentation corticale. </li><li> Co-fichier de registres ribbon.nii image de référence à l&#39;utilisation de NiftiReg. </li><li> surface 3D Rendel&#39;image r co-enregistré en utilisant la fonction &#39;de surface de polygone lisse. </li></ol></li><li> Préparer le cuir chevelu et le modèle d&#39;exclusion du cuir chevelu. <ol><li> Sélectionnez l&#39;image de neuronavigation T1 image de référence. </li><li> Utiliser l&#39;outil de traitement d&#39;image de base pour appliquer la transformation gaussienne. </li><li> Surface de rendre l&#39;image en utilisant Extractor de surface, pour générer la surface de cuir chevelu. </li><li> Enregistrer et de l&#39;image à l&#39;exportation en tant que fichier stl. </li><li> Charge stl fle en 3D logiciel de traitement de maillage. </li><li> Pour le cuir chevelu, utiliser des outils de nettoyage et d&#39;édition pour supprimer le contenu intracrâniennes. </li><li> Pour le modèle d&#39;exclusion du cuir chevelu, utiliser des outils manuels d&#39;édition pour supprimer les zones non appropriées pour les points d&#39;entrée d&#39;électrode (ie., Le visage, les oreilles, l&#39; hémisphère controlatéral, la zone ci - dessous tente du cervelet). </li></ol></li><li> Préparer la surface de sillons de surface. <ol><li> Générer sulci ensemble. <ol><li> Binariser fichier wmparc.nii en utilisant l&#39;outil de traitement d&#39;image de base comme à l&#39;étape 1.6.3. </li><li> Fermer binariséefichier wmparc.nii par 3 en utilisant l&#39;outil de traitement d&#39;image de base. </li><li> Soustraire fichier binarisée généré en 3.1.3.1.1 à partir du fichier binarisée fermé généré en 3.1.3.1.2 en utilisant l&#39;outil de traitement d&#39;image de base. </li></ol></li><li> Retirer les sillons en profondeur pour générer l&#39;image de sulci de surface. Remarque: l&#39;image des sillons de la surface à l&#39;aide d&#39;une structure critique a l&#39;avantage de trajectoires d&#39;écartement à une distance de sillons à la surface du cerveau, et permettant d&#39;approcher les trajectoires des sillons en profondeur, ce qui est l&#39;endroit où se trouve la matière grise. <ol><li> Réduire le fichier fermé, binarisée wmparc généré en 3.1.3.1.2 en utilisant l&#39;outil de traitement d&#39;image de base. </li><li> fichier Invert généré en 3.1.3.2.1 en utilisant l&#39;outil de traitement d&#39;image de base. </li><li> Multipliez fichier généré dans 3.1.3.2.2 par l&#39;ensemble sulci généré en 3.1.3.1.3, en utilisant l&#39;outil de traitement d&#39;image de base. </li></ol></li></ol></li></ol></li><li> Exécuter planificateur multi-trajectoire (Figure 6). NOTE: Automated planification multi-trajectoire dépend de la préparation de données robuste; enduits à la surface du cuir chevelu, des cheveux masque d&#39;exclusion, du système vasculaire intracrânienne, sillons de surface, le cortex et la matière grise sont nécessaires. <ol><li> Sélectionnez Planner Trajectoire des icônes de vitesse. Sélectionner une image de référence neuronavigation T1 IRM. </li><li> Sélectionnez «points cibles»; plusieurs points cibles peuvent être saisis par &quot;Shift&quot; et la souris clic gauche, ou en chargeant un ensemble de points cible enregistré. Note: des exemples de cible comprennent des structures mésiales temporelles (amygdale, hippocampe), insula, gyrus cingulaire. </li><li> Sélectionnez «points d&#39;entrée», et sélectionnez masque d&#39;exclusion du cuir chevelu dans le menu déroulant ci-joint. Note: Ceci a pour but de restreindre la recherche de points d&#39;entrée possibles à une zone réglementée qui est chirurgicalement possible de mettre en œuvre. </li><li> Sélectionnez des structures critiques, le marquage des surfaces de la liste déroulante que les trajectoires doivent éviter. Sélectionnez les paramètres avancés; ajuster les inconvénients définis par l&#39;utilisateurtraintes concernant la longueur de la trajectoire, l&#39;angle d&#39;entrée et de la distance entre les trajectoires comme préférées. </li><li> Sélectionnez l&#39;évaluation de la matière grise et matière-blanc stratifier sorte de risque pour optimiser la proportion des trajectoires qui se trouvent dans la matière grise. </li><li> Exécutez multi-trajectoire planificateur en sélectionnant Ajouter un nouveau plan, et le Plan Recompute. </li></ol></li><li> Risque de Visualise (figure 7). <ol><li> Évaluer les profils de risque et de sécurité après la planification de trajectoire, en utilisant l&#39;icône Risque de vitesse de visualisation. Remarque: Pour chaque trajectoire il y a des paramètres pour la longueur, l&#39;angle d&#39;entrée, le risque cumulatif, distance minimale des vaisseaux sanguins et des rapports de la substance blanche de matière grise, plus la représentation graphique sur le chemin de la trajectoire de la distance aux structures critiques. Une visionneuse sondes d&#39;oeil est également inclus. </li><li> Sélectionnez la carte des risques dans DataManager pour afficher un contour carte de code couleur recouvrant le masque d&#39;exclusion du cuir chevelu, avec des points d&#39;entrée potentiels représentés et le niveau de risque associé colour codée, avec représentant rouge risque élevé et représentant vert faible risque pour toute trajectoire sélectionnée. </li></ol></li><li> Réglage manuel des trajectoires. <ol><li> Sélectionnez la trajectoire. </li><li> Sélectionnez un nouveau point en appuyant sur Alt et la souris entrée clic-droit, et un nouveau point en appuyant sur Alt et la souris cible clic gauche. </li><li> Évaluer nouvelle trajectoire en utilisant l&#39;icône de la vitesse de visualisation des risques comme dans l&#39;étape 3.3. </li></ol></li></ol> 4. Plans et modèles à la salle d&#39;opération d&#39;exportation <ol><li> Assurez-vous que l&#39;image de référence est au format DICOM. Sélectionnez S7 Export depuis l&#39;icône de vitesse. </li><li> Définir l&#39;image de référence, les plans et les trajectoires et les modèles qui sont destinés à être exportés, et préciser la destination de l&#39;archive enregistrée. Exécuter outil d&#39;exportation S7. </li><li> Upload généré archive sur une clé USB pour le transfert à un système de neuronavigation dans la salle d&#39;opération, et de charger le dossier archivé sur le système de neuronavigation pour la mise en œuvre clinique de tr prévuajectories. </li></ol> 5. Reconstruire Electrode Implantation post-opératoire <ol><li> Acquérir l&#39;imagerie CT post-opératoire. </li><li> tête de charge CT sur le logiciel en interne, et la charge précédemment sauvegardés ensemble de données patient. </li><li> COREGISTER CT à la référence T1 IRM pondérée en utilisant l&#39;outil NiftyReg. </li><li> Générer le rendu de surface 3D d&#39;électrodes à l&#39;aide de l&#39;outil de SurfaceExtractor sur le CT enregistré, avec une grande seuillage. </li><li> Nettoyer la surface des électrodes rendus de bruit, et des fils en utilisant les fonctions de nettoyage et de réparation de 3D logiciel de traitement de maillage. </li></ol>

<ol>
	<li>Cardinale, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stereoelectroencephalography:+surgical+methodology,+safety,+and+stereotactic+application+accuracy+in+500+procedures.">Stereoelectroencephalography: surgical methodology, safety, and stereotactic application accuracy in 500 procedures.</a> Neurosurgery. 72, 353-366 (2013).</li><li>Murphy, M., O'Brien, T. J., Morris, K., Cook, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multimodality+image-guided+epilepsy+surgery.">Multimodality image-guided epilepsy surgery.</a> J Clin Neurosci. 8, 534-538 (2001).</li><li>Murphy, M. A., O'Brien, T. J., Morris, K., Cook, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multimodality+image-guided+surgery+for+the+treatment+of+medically+refractory+epilepsy.">Multimodality image-guided surgery for the treatment of medically refractory epilepsy.</a> J Neurosurg. 100, 452-462 (2004).</li><li>Harput, M. V., Gonzalez-Lopez, P., Ture, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Three-dimensional+reconstruction+of+the+topographical+cerebral+surface+anatomy+for+presurgical+planning+with+free+OsiriX+Software.">Three-dimensional reconstruction of the topographical cerebral surface anatomy for presurgical planning with free OsiriX Software.</a> Neurosurgery. 10, 426-435 (2014).</li><li>Duncan, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Selecting+patients+for+epilepsy+surgery:+synthesis+of+data.">Selecting patients for epilepsy surgery: synthesis of data.</a> Epilepsy Behav. 20, 230-232 (2011).</li><li>Duncan, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Imaging+in+the+surgical+treatment+of+epilepsy.">Imaging in the surgical treatment of epilepsy.</a> Nat Rev Neurol. 6, 537-550 (2010).</li><li>Cossu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stereoelectroencephalography+in+the+presurgical+evaluation+of+focal+epilepsy:+a+retrospective+analysis+of+215+procedures.">Stereoelectroencephalography in the presurgical evaluation of focal epilepsy: a retrospective analysis of 215 procedures.</a> Neurosurgery. 57, 706-718 (2005).</li><li>Cossu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stereo-EEG+in+children.">Stereo-EEG in children.</a> Childs Nerv Syst. 22, 766-778 (2006).</li><li>Gonzalez-Martinez, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stereotactic+placement+of+depth+electrodes+in+medically+intractable+epilepsy.">Stereotactic placement of depth electrodes in medically intractable epilepsy.</a> J Neurosurg. 120, 639-644 (2014).</li><li>Gonzalez-Martinez, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stereoelectroencephalography+in+the+''difficult+to+localize''+refractory+focal+epilepsy:+Early+experience+from+a+North+American+Epilepsy+Center.">Stereoelectroencephalography in the ''difficult to localize'' refractory focal epilepsy: Early experience from a North American Epilepsy Center.</a> Epilepsia. 54, 1-8 (2012).</li><li>Rodionov, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feasibility+of+multimodal+3D+neuroimaging+to+guide+implantation+of+intracranial+EEG+electrodes.">Feasibility of multimodal 3D neuroimaging to guide implantation of intracranial EEG electrodes.</a> Epilepsy Res. 107, 91-100 (2013).</li><li>Nowell, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Utility+of+3D+multimodality+imaging+in+the+implantation+of+intracranial+electrodes+in+epilepsy.">Utility of 3D multimodality imaging in the implantation of intracranial electrodes in epilepsy.</a> Epilepsia. 56, 403-413 (2015).</li><li>Zombori, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Information Processing in Computer-Assisted Interventions. , (2014).</li><li>Clarkson, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+NifTK+software+platform+for+image-guided+interventions:+platform+overview+and+NiftyLink+messaging.">The NifTK software platform for image-guided interventions: platform overview and NiftyLink messaging.</a> Int J Comput Assist Radiol Surg. , (2014).</li><li>Zuluaga, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Medical Image Computing and Computer-Assisted Intervention-MICCAI. 2014. , 651-658 (2014).</li><li>Nowell, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+computer-assisted+planning+and+manual+planning+for+depth+electrode+implantations+in+epilepsy.">Comparison of computer-assisted planning and manual planning for depth electrode implantations in epilepsy.</a> J Neurosurg. , (2015).</li></ol>

Financement: Mark Nowell, Gergely Zombori, Rachel Sparks et Roman Rodionov sont pris en charge par le ministère de la Santé et Wellcome Trust par le biais du Fonds Défi innovation en santé (HICF-T4-275, Programme Grant 97914). John Duncan a reçu le soutien de la subvention institutionnelle de Eisai, UCB Pharma, GSK, Janssen Cilag, Medtronic et GE Healthcare. Andrew McEvoy a reçu le soutien de UCB, Baxter et Cyberonics. Les auteurs restants ont aucun conflit d&#39;intérêts. Cette publication présente une recherche indépendante soutenue par le Fonds pour la santé Innovation Challenge (HICF-T4-275, Programme Grant 97914), un partenariat parallèle de financement entre le ministère de la Santé et le Wellcome Trust. Les opinions exprimées dans cette publication sont celles de l&#39;auteur (s) et pas nécessairement celles du ministère de la Santé ou Wellcome Trust.

En résumé, les étapes cruciales pour l&#39;intégration de l&#39;image et la visualisation 3D sont l&#39;image de co-enregistrement, la segmentation du cerveau, les vaisseaux et d&#39;autres structures ou des domaines d&#39;intérêt, et l&#39;exportation vers un système de neuronavigation. Ce processus a déjà été effectué dans le groupe utilisant un logiciel commercial d&#39;intégration d&#39;image. Un inconvénient de ce pipeline était le temps, avec l&#39;ensemble du processus en prenant 2-4 heures. Grâce à notre in-house plate-forme logicielle, ce pipeline est considérablement simplifiée, et peut être complété en 1 - 2 h. En outre, il y a la fonctionnalité ajoutée de la planification chirurgicale des électrodes SEEG trajectoires sur ce logiciel, qui peut être fait manuellement ou avec un ordinateur-assistance. Les avantages de la PAC sur la planification manuelle augmentent la précision, le risque réduit et la vitesse ont augmenté, et ont été discutées ailleurs (Nowell et al, In Press, Sparks et al, soumis). La plate-forme logicielle en maison est d continueéveloppement, avec de nouveaux outils et fonctionnalités étant ajouté à soutenir toutes les étapes de l&#39;évaluation préopératoire et prise en charge chirurgicale. Il y a donc un besoin pour des tests rigoureux à chaque nouvelle version de presse. Les limites actuelles du logiciel incluent un manque de volume rendu de haute qualité, qui est présent dans d&#39;autres plates-formes et est un ajout précieux pour la visualisation 3D avancée. Aussi l&#39;exportation est uniquement compatible avec une société de neuronavigation sélectionnée à l&#39;heure actuelle. Ces limitations ne sont pas touchées par l&#39;utilité clinique du logiciel dans notre unité, et n&#39;ont pas ralenti la diffusion de la technologie à d&#39;autres centres. L&#39;importance de ce logiciel est qu&#39;il supprime les barrières que les groupes précédents ont cités comme raisons pour ne pas utiliser 3DMMI. La solution fournit des outils faciles à utiliser en une seule plate-forme, qui ne nécessite pas de formation ou de l&#39;expertise de spécialistes, est le temps et le coût-efficacité et est facile à traduire dans la pratique clinique. Nous avons plans pour ajouter d&#39;autres innovations au logiciel pour soutenir la chirurgie de l&#39;épilepsie. En outre, les méthodes pourraient facilement être appliquées à d&#39;autres domaines de la neurochirurgie, telles que la résection des tumeurs de bas grade proches de cortex éloquent, lesioning focal et la livraison de la stimulation ciblée. 3DMMI et outils de planification chirurgicale précis sont susceptibles de devenir de plus en plus important dans la chirurgie moderne, comme les cas les plus difficiles sont prises et que les traitements minimalement invasives entrent dans la pratique courante.

Dans la pratique chirurgicale, il est essentiel pour le chirurgien d&#39;apprécier les structures anatomiques et de leurs relations dans l&#39;espace les uns aux autres en trois dimensions. Ceci est particulièrement important en neurochirurgie, où le chirurgien travaille dans un espace confiné, avec visualisation limitée et l&#39;accès à l&#39;anatomie complexe. Malgré cela, à ce jour plus d&#39;imagerie a été présenté à des chirurgiens sous forme plane en 2D classique, et différentes modalités d&#39;imagerie sont souvent présentés l&#39;un après l&#39;autre en série. En conséquence, le chirurgien doit intégrer mentalement ces données pour chaque patient, et le placer dans un cadre anatomique pour la planification préopératoire. Il y a des avantages évidents dans la génération de modèles informatiques 3D du cerveau du patient individuel, ce qui démontre l&#39;anatomie du cortex, les vaisseaux sanguins, des lésions pathologiques présents ainsi que d&#39; autres repères 3D pertinents dans le même contexte spatial 1-4. Avant la chirurgie, le chirurgien peut faire pivoter et modifier la transparence of ces modèles, pour bien comprendre les relations 3D entre les différentes structures d&#39;intérêt. Ce principe est appelé imagerie multimodalité 3D (3DMMI). Le but de l&#39; évaluation pré-opératoire pour la chirurgie de l&#39; épilepsie est de déduire la localisation de la zone du cerveau où les crises surviennent, et veiller à ce que cela peut être réséquée en toute sécurité sans provoquer d&#39; importants déficits 5. Il existe un large éventail de modalités d&#39;imagerie diagnostique qui contribuent à cela, y compris l&#39;IRM structurelle, fluorodeoxyglucose tomographie par émission de positons (TEP), ictale émission de photon unique tomographie (SPECT), magnétoencéphalographie (MEG) dipôles, IRM fonctionnelle (IRMf) et imagerie du tenseur de diffusion (DTI) 6. la chirurgie de l&#39;épilepsie est idéalement adapté pour 3DMMI car elle nécessite l&#39;interprétation simultanée de plusieurs ensembles de données, et la prise en compte de la façon dont chaque ensemble de données se rapporte à un autre. Dans de nombreux cas, les enquêtes non invasives ne to fournir le niveau de preuve requis pour procéder à la résection. Dans ces cas, l&#39;EEG intracrânienne (IC EEG) sont nécessaires pour identifier la région du cerveau qui doit être enlevé pour prévenir les crises. De plus en plus, IC EEG est réalisée par une technique appelée SEEG, dans lequel un certain nombre d&#39;électrodes d&#39; enregistrement de profondeur sont placées intracerebrale pour capturer l&#39;origine et la propagation de l&#39; activité électrique associée à des saisies en 3D 1,7-10. La première étape est d&#39;implantations SEEG pour développer la stratégie de l&#39;implantation, en définissant les zones du cerveau qui ont besoin d&#39;être échantillonnés. Cela implique l&#39;intégration de la date de l&#39;EEG clinique et non invasive par imagerie structurale, toute lésion, et des données d&#39;imagerie fonctionnelle en déduire la localisation de la source de l&#39;épilepsie. La seconde étape est la planification chirurgicale précise des trajectoires d&#39;électrodes. Le chirurgien doit assurer des trajectoires d&#39;électrodes avasculaires sécurité, centrage elentrées ectrode à la couronne de la gyri et à distance des veines de surface corticale, et traversant le crâne orthogonale. De plus, l&#39;ensemble du dispositif d&#39;implantation doit être bien conçu, avec un espacement inter-électrodes raisonnable et aucune collision d&#39;électrodes. La faisabilité de la génération de modèles 3DMMI pour guider l&#39; implantation d&#39;électrodes IC EEG dans une pratique de la chirurgie de l&#39; épilepsie occupée a déjà été démontrée 11. Nous avons également démontré le principe selon lequel l&#39;utilisation de 3DMMI confère une valeur à la prise de décision clinique ajouté. Dans une étude prospective, la divulgation de 3DMMI modifié certains aspects de la gestion dans 43/54 (80%) des cas, et en particulier a changé le positionnement de 158/212 (75%) des électrodes de profondeur 12. Il existe une gamme de progiciels qui facilitent 3DMMI. Ceux-ci incluent disponibles dans le commerce des plates-formes de neuronavigation qui sont utilisés dans la salle d&#39;opération, des suites de logiciels de planification spécialisés connexesavec les plates-formes de neuronavigation et d&#39;intégration d&#39;image et de visualisation des plates-formes autonomes de recherche orientée. Comme la fonctionnalité, la flexibilité et la polyvalence de ces plates-formes augmentent, la facilité d&#39;utilisation et de la probabilité de les traduire dans la pratique clinique diminue en conséquence. Nous avons développé un logiciel conçu sur mesure pour l&#39; intégration de l&#39; image de la multimodalité, avancée visualisation 3D et la SEEG placement des électrodes planification 12,13 pour le traitement de l&#39; épilepsie. L&#39;accent est mis sur la facilité d&#39;utilisation dans un scénario clinique, permettant l&#39;utilisation réelle du temps des logiciels par les cliniciens, et l&#39;incorporation rapide dans le pipeline clinique. Le logiciel fonctionne sur une plate - forme d&#39;imagerie translationnelle 14, qui combine NiftyReg, NiftySeg et NiftyView. Dans cet article, le protocole pour l&#39;utilisation du logiciel dans la pratique clinique est défini. Les étapes de l&#39;image de co-enregistrement, la segmentation de régions d&#39;intérêt, le cerveau segmentation, extractionles vaisseaux sanguins de l&#39; imagerie vasculaire dédiée 15, la construction de modèles 3D, la planification des implantations et rapidement SEEG exporter des modèles et des plans à la salle d&#39;opération sont décrits. Un nouvel outil est également décrit pour automatisé multi-trajectoire planification 13, ce qui augmente la sécurité et l&#39; efficacité des implantations et réduit la durée de la planification sensiblement.

<table border="0" cellpadding="0" cellspacing="0" style="border-collapse:
 collapse" width="651">
	<tbody>
		<tr height="15">
			<td class="xl24" height="15" width="185">EpiNav</td>
			<td class="xl24" width="221">UCL</td>
			<td class="xl24" width="102"></td>
			<td class="xl24" width="143">Inhouse software platform for image integration, segmentation, visualisation and surgical planning</td>
		</tr>
		<tr height="15">
			<td class="xl24" height="15">Freesurfer</td>
			<td class="xl24">Martinos Centre for Biomedical Imaging</td>
			<td class="xl24"></td>
			<td class="xl24">Software for cortical segmentation</td>
		</tr>
		<tr height="15">
			<td class="xl24" height="15">S7 Stealthstation</td>
			<td class="xl24">Medtronic</td>
			<td class="xl24"></td>
			<td class="xl24">Neuronavigation system</td>
		</tr>
		<tr height="15">
			<td class="xl24" height="15">MeshLab</td>
			<td class="xl24">ISTI-CNR</td>
			<td class="xl24"></td>
			<td class="xl24">3D mesh processing software</td>
		</tr>
		<tr height="15">
			<td class="xl24" height="15">NiftiK</td>
			<td class="xl24">UCL</td>
			<td class="xl24"></td>
			<td class="xl24">Translational imaging platform</td>
		</tr>
		<tr height="15">
			<td class="xl24" height="15">AMIRA</td>
			<td class="xl24">Visualisation Sciences Group</td>
			<td class="xl24"></td>
			<td class="xl24">Image integration software</td>
		</tr>
		
	</tbody>
</table>

a pipeline for 3d multimodality image integration and computer-assisted planning in epilepsy surgery

la chirurgie de l&#39;épilepsie est difficile et l&#39;utilisation de la 3D image multimodalité intégration (3DMMI) pour faciliter la planification préopératoire est bien établie. Multimodalité l&#39;image intégration peut être techniquement difficile, et est sous-utilisé dans la pratique clinique. Nous avons développé une plate-forme logicielle unique pour l&#39;intégration de l&#39;image, la visualisation 3D et la planification chirurgicale. Ici, notre pipeline est décrit dans la mode étape par étape, en commençant par l&#39;acquisition d&#39;image, en procédant par l&#39;image de co-enregistrement, segmentation manuelle, le cerveau et l&#39;extraction de la cuve, la visualisation 3D et de la planification manuelle de stereoEEG (SEEG) implantations. Avec la diffusion du logiciel de ce pipeline peut être reproduit dans d&#39;autres centres, permettant à d&#39;autres groupes de bénéficier de 3DMMI. Nous décrivons également l&#39;utilisation d&#39;un système automatisé, multi-trajectoire planificateur pour générer des plans d&#39;implantation stereoEEG. Des études préliminaires suggèrent que c&#39;est un complément rapide, sûr et efficace pour la planification des implantations SEEG. Enfin, une soluti simple,sur l&#39;exportation de plans et de modèles pour systèmes de neuronavigation commerciaux pour la mise en œuvre des plans dans le bloc opératoire est décrit. Ce logiciel est un outil précieux qui peut soutenir la prise de décision clinique tout au long de la voie de la chirurgie de l&#39;épilepsie.

Le protocole décrit pour l&#39; intégration de l&#39; image, la visualisation, la planification manuelle et l&#39; exportation vers un système de neuronavigation sélectionné a été employée à l&#39;Hôpital national de neurologie et de neurochirurgie depuis Août 2013. Celui - ci comprend 35 cas de SEEG implantation 12, avec l&#39;implantation de 319 électrodes profondes. 27/35 (77%) des patients ont progressé à une implantation après résection corticale, qui est un indicateur que l&#39;implantation a identifié la zone de début des crises. Il y a eu une complication hémorragique liée à la mise en place d&#39;électrodes de profondeur, ce qui a été traitée de façon conservatrice. Les modalités d&#39;imagerie utilisées lors de l&#39;évaluation préopératoire sont décidées au cas par cas par, et sont décrits dans le tableau 1. Le protocole est flexible, et peut incorporer toute modalité d&#39;imagerie qui peut être importé dans DICOM ou le format Nifti. La figure 1 montre le spectateur de base pour notre plate - forme logicielle dans la maison, et les figures 2, 3, 4 et 5 illustrent les captures d&#39; écran typiques lors de la construction des modèles de multimodalité 3D. L&#39;intégration transparente de ce protocole dans notre pipeline clinique, et la diffusion de ce logiciel à d&#39;autres centres, est un substitut «marqueur» utile du succès. La difficulté à évaluer le bénéfice clinique dans la population de la chirurgie de l&#39; épilepsie sont bien connus et décrits ailleurs 12. Ce pipeline offre une solution simplifiée, qui est flexible, relativement facile à reproduire dans d&#39;autres centres conviviaux, et. Planification assistée par ordinateur (CAP) est un développement récent qui a été rétrospectivement testé sur les implantations prévues manuellement précédentes 16. Les résultats préliminaires suggèrent que la PAC génère plus sûr, plus efficient, implantations qui sont réalisables à mettre en œuvre et qui sont accomplies dans un temps efficace de manière 16. Le tableau 2 montre cette comparaison quantitative. Une étude prospective de l&#39;utilisation de la PAC dans la pratique clinique est en cours. L&#39;algorithme qui conduit la PAC a été décrit précédemment 13. La figure 6 montre un résultat typique de la planification de trajectoires multiples automatisé. Les structures critiques qui ont été saisis sont les veines, les artères et les sillons de surface. Notez le centrage des trajectoires sur la couronne du gyrus, et la contrainte des points d&#39;entrée de trajectoire à un masque d&#39;exclusion du cuir chevelu. La figure 7 montre un exemple typique de visualisation graphique des risques pour une trajectoire individuelle, avec des métriques associées et la représentation graphique de la longueur de trajectoire. <img alt="Figure 1" src="/files/ftp_upload/53450/53450fig1.jpg"/&gt; Figure 1. Viewer Basic Affichage de la plate - forme In-house Software. GAUCHE- DataManager, barre d&#39; outils TOP- qui contient des raccourcis plug-in outils, prise de courant DROIT- dans l&#39; outil en cours d&#39; utilisation, CENTRE- 4 affichage Ortho-view. <a href="https://www.jove.com/files/ftp_upload/53450/53450fig1large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <img alt="Figure 2" src="/files/ftp_upload/53450/53450fig2.jpg" /> Figure 2. Segmentation et visualisation 3D dans In-house Software. (A) axiale IRM T1 avec des modèles de surface superposée, surface (B) rendu 3D de modèles (cyan-veines, serre la main du moteur de la stimulation magnétique transcrânienne, orange- arquée faisceau tractographie, tractographie cortico bleu-, Pink- tractographie de rayonnement optique, jaune- tractographie fasciculus uncinate, pourpre thalamus segmentation). <a href="https://www.jove.com/files/ftp_upload/53450/53450fig2large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <img alt="Figure 3" src="/files/ftp_upload/53450/53450fig3.jpg" /> Figure 3. Génération de modèles Cortex de surface. (A) Vue axiale du fichier wmparc, (B) wmparc fichier seuillée 1-5002, (C) le rendu de surface de fichier wmparc binarisée. <a href="https://www.jove.com/files/ftp_upload/53450/53450fig3large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <img alt="Figure 4" src="/files/ftp_upload/53450/53450fig4.jpg" /> Extraction Figure 4. Navire en interne Logiciel utilisant Vesselness. (A) Axial CT angiographie co-enregistré avec un contraste de phase 3D MRI. Surface (B) rendu 3D des veines (cyan) et les artères (rouge). <a href="https://www.jove.com/files/ftp_upload/53450/53450fig4large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <img alt="Figure 5" src="/files/ftp_upload/53450/53450fig5.jpg" /> Figure 5. Génération de Cortex Volume modèle 3D Volume rendu du cortex (gris) et le rendu de surface de la surface du cuir chevelu (blanc). <a href="https://www.jove.com/files/ftp_upload/53450/53450fig5large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <img alt="Figure 6" src="/files/ftp_upload/53450/53450fig6.jpg" /> Figure 6. 3D Multimodalité Les modèles de planification assistée par ordinateur Trajectoire. (A) du cuir chevelu (blanc), masque d&#39;exclusion du cuir chevelu (jaune) et les trajectoires (purple). (B) le cuir chevelu et masque transparent pour montrer cerveau (rose), sulci (vert), les veines (cyan) et les artères (rouge). (C) du cuir chevelu et le masque enlevé pour montrer les trajectoires et le cerveau. (D) le cerveau enlevé pour montrer les trajectoires, les sillons de surface, les veines et les artères. <a href="https://www.jove.com/files/ftp_upload/53450/53450fig6large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <img alt="Figure 7" src="/files/ftp_upload/53450/53450fig7.jpg" /> Figure 7. Visualisation graphique des mesures associées aux trajectoires individuelles. longueur Top-, crâne d&#39;angle traversant, risque, G / rapport W et la distance minimale à partir d&#39;un vaisseau sanguin&gt; 1 mm de diamètre. la distance d&#39;affichage graphique Middle- de la structure la plus proche critique sur la longueur de la trajectoire (rouge-artère, cyan-veine, à distance y-axis- à la structure (maximum 10 mm), x-axis- le long de trajectoired&#39;entrée de cerveau pour cible, la marge de sécurité SM- représentée comme ligne rouge horizontale qui marque 3 mm de la trajectoire à la structure critique). Ascendante affichage graphique de la trajectoire de trajectoire à travers la matière grise et blanche (vert-extracérébraux, la matière grise gris, blanc- substance blanche). <a href="https://www.jove.com/files/ftp_upload/53450/53450fig7large.jpg" target="_blank">S&#39;il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a> <table fo:keep-together.within-page="1"><tbody><tr><td> Modalité </td><td> Site </td><td> Prétraitement </td><td> Champ de vision (AP x RL x IS) </td><td> Taille Voxel (AP x RL x IS) </td></tr><tr><td> 3D T1 FSPGR </td><td> ES </td><td> Non </td><td> 256 x 256 x 166 </td><td> 0,94 x 0,94 x 1,1 </td></tr><tr><td> Coronale T2 FLAIR </td><td> ES </td><td> Non </td><td> 256 x 160 x 32 </td><td> 0,94 x 1,5 x 3,5 </td></tr><tr> &lt;td&gt; T1 Navigation avec gadolinium </td><td> NHNN </td><td> Non </td><td> 512 x 512 x 144 </td><td> 0,5 x 0,5 x 1,5 </td></tr><tr><td> IRM 3D contraste de phase </td><td> NHNN </td><td> Non </td><td> 256 x 256 x 160 </td><td> 0,85 x 0,85 x 1 </td></tr><tr><td> CT angiographie </td><td> NHNN </td><td> Non </td><td> 512 x 512 x 383 </td><td> 0,43 x 0,43 x 0,75 </td></tr><tr><td> MEG dipôle </td><td> NHNN </td><td> Oui </td><td></td><td></td></tr><tr><td> Ictal-intercritiques SPECT </td><td> UCLH </td><td> Oui </td><td> 128 x 128 x 49 </td><td> 3,9 x 3,9 x 3,9 </td></tr><tr><td> FDG-PET </td><td> UCLH </td><td> Oui </td><td> 128 x 128 x 47 </td><td> 1,95 x 1,95 x 3,3 </td></tr><tr><td> DTI </td><td> ES </td><td> Oui </td><td> 128 x 128 x 60 </td><td> 1.88 x 1.88 x 2.4 </td></tr><tr><td> Fonctionnelle IRMf IRM, EEG-corrélation </td><td> ES </td><td> Oui </td><td> 128 x 128 x 58 </td><td&gt; 1,87 x 1,87 x 2,5 </td></tr></tbody></table> Tableau 1. Modalités d&#39; imagerie utilisées pour l&#39; image de l&#39; intégration ((ES-Epilepsy Society, NHNN-National Hospital for Neurology and Neurosurgery, Hôpital UCLH- University College London, FSPGR-FastSpoiledGradientRecalledEcho, MEG-magnétoencéphalographie, émission de photons SPECT unique tomodensitométrie, FDG PET - fluorodésoxyglucose tomographie par émission de positons, imagerie du tenseur DTI-diffusion, AP- antérieure postérieure, RL - à droite à gauche, IS - supérieur-inférieur). <table fo:keep-together.within-page="1"><tbody><tr><td></td><td> Manuel de planification * </td><td> CASQUETTE* </td><td> Différence estimée (Manuel-CAP) </td><td> Erreur </td><td> P valeur </td></tr><tr><td> Electrode Longueur (mm, 1 dp) </td><td> 57,9 (21,8) </td><td> 53,9 (15,6) </td><td> 4.74 </td><td> 1.59 </td><td> &lt;0,05 </td></tr><tr><td> Angle d&#39;entrée (degrés hors perpendiculaire, 1 dp) </td><td> 16,2 (12,8) </td><td> 13,0 (7,6) </td><td> 5.89 </td><td> 1.07 </td><td> &lt;0,05 </td></tr><tr><td> Risque (unités normalisées, 2 dp) </td><td> 0,41 (0,79) </td><td> 0,36 (0,42) </td><td> 0,19 </td><td> 0,03 </td><td> &lt;0,05 </td></tr><tr><td> Distance minimale du vaisseau sanguin (mm, 1 dp) </td><td> 4,5 (3,0) </td><td> 4,5 (3,0) </td><td> -0.56 </td><td> 0,2 </td><td> &lt;0,05 </td></tr><tr><td> Proportion de intracérébrale Electrode dans Grey Matter (2 dp) </td><td> 0,33 (0,33) </td><td> 0,48 (0,28) </td><td> -0.11 </td><td> 0,02 </td><td> &lt;0,05 </td></tr></tbody></table> Tableau 2. Comparaison statistique entre Manuel et ordinateur assisPlanification ted (PAC). * première valeur est la médiane, la deuxième valeur entre parenthèses est interquartile. Ce tableau a été reproduit avec l&#39; autorisation de 16.

Watch this Scientific Journal Video about A Pipeline for 3D Multimodality Image Integration and Computer-assisted Planning in Epilepsy Surgery at JoVE.com

A Pipeline for 3D Multimodality Image Integration and Computer-assisted Planning in Epilepsy Surgery

Nous décrivons les étapes à utiliser notre logiciel personnalisé conçu pour l&#39;intégration de l&#39;image, la visualisation et la planification dans la chirurgie de l&#39;épilepsie.

Un pipeline pour la 3D multimodalité Intégration image et assistée par ordinateur Planification en chirurgie de l&#39;épilepsie

Epilepsy surgery is challenging and the use of 3D multimodality image integration (3DMMI) to aid presurgical planning is well-established. Multimodality ...

Research

JoVE Journal

Medicine

Accuracy in Dental Medicine, A New Way to Measure Trueness and Precision

Précision en médecine dentaire, une nouvelle façon de mesurer la justesse et fidélité

Reference scanners are used in dental medicine to verify a lot of procedures. The main interest is to verify impression methods as they serve as a base ...

Recherche

Médecine

Surgical Fixation of Sternal Fractures: Preoperative Planning and a Safe Surgical Technique Using Locked Titanium Plates and Depth Limited Drilling

Fixation chirurgicale du sternum Fractures: Planification préopératoire et une technique chirurgicale sans échec avec Verrouillé plaques de titane et de la profondeur de forage limitée

Different ways to stabilize a sternal fracture are described in literature. Respecting different mechanisms of trauma such as the direct impact to the ...

Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients

Analyse du réseau de foramen ovale électrodes Recordings en résistant aux médicaments épilepsies temporales patients

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control ...

Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy

Intercritiques Oscillations détectés haute fréquence avec simultanée magnétoencéphalographie et électroencéphalographie comme Biomarker d&#39;épilepsie pédiatrique

Crucial to the success of epilepsy surgery is the availability of a robust biomarker that identifies the Epileptogenic Zone (EZ). High Frequency ...

Radiation Planning Assistant - A Streamlined, Fully Automated Radiotherapy Treatment Planning System

Rayonnement planification Assistant - une rationalisation, entièrement automatisé système de planification des traitements de radiothérapie

The Radiation Planning Assistant (RPA) is a system developed for the fully automated creation of radiotherapy treatment plans, including volume-modulated ...

A Postoperative Evaluation Guideline for Computer-Assisted Reconstruction of the Mandible

Une ligne directrice d'évaluation postopératoire pour la reconstruction assistée par ordinateur de la mandibule

Valid comparisons of postoperative accuracy results in computer-assisted reconstruction of the mandible are difficult due to heterogeneity in imaging ...

Assessment of Static Graviceptive Perception in the Roll-Plane using the Subjective Visual Vertical Paradigm

Évaluation de la perception graviceptive statique dans le roll-Plane à l’aide du paradigme vertical visuel subjectif

Vestibular disorders are among the most common syndromes in medicine. In recent years, new vestibular diagnostic systems have been introduced that allow ...

A Whole Body Dosimetry Protocol for Peptide-Receptor Radionuclide Therapy (PRRT): 2D Planar Image and Hybrid 2D+3D SPECT/CT Image Methods

A Whole Body Dosimetry Protocol for Peptide-Receptor Radionuclide Therapy PRRT: 2D Planar Image and Hybrid 2D+3D SPECT/CT Image Methods

Protocole de dosimétrie du corps entier pour la thérapie par radionucléide Peptide-Receptor (PRRT) : Image planaire 2D et méthodes hybrides d’image 2D-3D SPECT/CT

Peptide-receptor-radionuclide-therapy (PPRT) is a targeted therapy that combines a short-range energy radionuclide with a substrate with high specificity ...

3D Planning and Printing of Patient Specific Implants for Reconstruction of Bony Defects

Planification et impression 3D d’implants spécifiques aux patients pour la reconstruction des défauts osseux

We are in the midst of the 3D era in most aspects of life, and especially in medicine. The surgical discipline is one of the major players in the medical ...

Treatment of Facial Deformities using 3D Planning and Printing of Patient-Specific Implants

Traitement des déformations faciales à l’aide de la planification 3D et de l’impression d’implants spécifiques au patient

Technological advancements in surgical planning and patient-specific implants are constantly evolving. One can either adopt the technology to achieve ...