ITRM20130186A1 - Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative - Google Patents
Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerativeInfo
- Publication number
- ITRM20130186A1 ITRM20130186A1 IT000186A ITRM20130186A ITRM20130186A1 IT RM20130186 A1 ITRM20130186 A1 IT RM20130186A1 IT 000186 A IT000186 A IT 000186A IT RM20130186 A ITRM20130186 A IT RM20130186A IT RM20130186 A1 ITRM20130186 A1 IT RM20130186A1
- Authority
- IT
- Italy
- Prior art keywords
- images
- electrodes
- image
- volumetric
- brain
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 33
- 210000004556 brain Anatomy 0.000 title claims description 18
- 238000012544 monitoring process Methods 0.000 title claims description 6
- 230000000626 neurodegenerative effect Effects 0.000 title description 5
- 230000004807 localization Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 8
- 230000001054 cortical effect Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000013523 data management Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000011961 computed axial tomography Methods 0.000 description 10
- 238000002513 implantation Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 4
- 208000001654 Drug Resistant Epilepsy Diseases 0.000 description 3
- 210000003710 cerebral cortex Anatomy 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000007917 intracranial administration Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002397 epileptogenic effect Effects 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000004770 neurodegeneration Effects 0.000 description 2
- 208000015122 neurodegenerative disease Diseases 0.000 description 2
- 230000004007 neuromodulation Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000011847 diagnostic investigation Methods 0.000 description 1
- 238000002598 diffusion tensor imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000001951 dura mater Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011477 surgical intervention Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
DESCRIZIONE
“METODO DI LOCALIZZAZIONE DI ELETTRODI PER
IL MONITORAGGIO DI SEGNALI BIOELETTRICI PROVENIENTI DAL CERVELLO IN PAZIENTI AFFETTI DA PATOLOGIE NEURODEGENERATIVEâ€
Settore della tecnica
La presente invenzione ha per oggetto un metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative, in particolare pazienti sottoposti ad investigazioni elettrofisiologiche invasive.
Il campo di applicazione à ̈ quello dei sistemi e metodi di imaging medicali. I pazienti affetti da alcune patologie neurodegenerative, epilessia farmacoresistente, per esempio, vengono sottoposti ad investigazioni neurofisiologiche intracraniche, mediante l’impianto di elettrodi subdurali posizionati direttamente sulla superficie corticale del paziente.
Tali elettrodi permettono la registrazione dell’attività ElettroEncefaloGrafica (EEG) e la mappatura delle funzioni cerebrali mediante l’utilizzo delle stimolazioni elettriche, in maniera tale da pianificare l’intervento chirurgico necessario per una vasta gamma di applicazioni nell'ambito delle patologie neurodegenerative, ad esempio:
- per l'epilessia farmaco-resistente al fine di individuare correttamente la zona epilettogena da rimuovere, se si tratta di una zona “non eloquente†, ossia non responsabile di funzioni fondamentali, quali il linguaggio, il movimento, ed altre. Infatti, ai fini della corretta interpretazione dei dati EEG e di quelli derivanti dalle stimolazioni elettriche, à ̈ necessario conoscere con esattezza la posizione degli elettrodi sulla superficie corticale, in maniera da individuare con estremo dettaglio la zona epilettogena da rimuovere, minimizzando il volume di tessuto che viene rimosso e scongiurando l’eventualità di rimuovere tessuto sano; e
- per il functional brain mapping, per consentire la mappatura di aree eloquenti in pazienti con aree tumorali cerebrali, limitrofe ad aree importanti, e al fine di minimizzare la quantità di tessuto cerebrale da rimuovere;
Il metodo di localizzazione proposto à ̈ applicabile anche alle patologie neurodegenerative che richiedono l'utilizzo di elettrodi non subdurali, ossia applicati sopra la superficie cerebrali sotto la dura madre, ma anche di elettrodi intracranici, che raggiungono strutture cerebrali più profonde.
Tali applicazioni comprendono:
- la neuromodulazione cerebrale, settore emergente nel campo delle neuroscienze sperimentali e cliniche, al fine di riequilibrare circuiti neuronali alterati e riorganizzare connessioni neurofisiologiche danneggiate;
- la malattia di Parkinson, la più diffusa dopo il morbo di Alzheimer, in particolare per la localizzazione degli elettrodi usati per la neurostimolazione con Deep Brain Stimulation (DBS).
Tecnica preesistente
Nel corso degli anni, sono state sviluppate varie tecniche per la localizzazione degli elettrodi esploranti.
Recentemente sono stati pubblicati alcuni articoli scientifici attinenti con la problematica della localizzazione di elettrodi e della visualizzazione di questi ultimi sul rendering cerebrale del soggetto, principalmente nel campo della chirurgia dell’epilessia.
Dykstra et al., (Individualized localization and cortical surface-based registration of intracranial electrodes - Neuroimage. 2012; 59:3563-70) hanno sviluppato una tecnica di localizzazione degli elettrodi adattata alle neuroanatomia di ciascun paziente, basata sulla coregistrazione di Risonanza Magnetica (RM) pre-impianto con la Tomografia Assiale Computerizzata (TAC) post-impianto utilizzando una procedura di Mutual Information (MI). L’estrazione degli elettrodi dalla TAC viene eseguita attraverso Maximum Intensity Projection (MIP), poi viene ricostruita la superficie cerebrale del soggetto e, infine, gli elettrodi estratti e rivelati manualmente vengono proiettati sul rendering corticale.
Tale tecnica, sebbene introduca una buona accuratezza nella localizzazione degli elettrodi, nell’intervallo mediamente di 3 mm, richiede molto tempo e non à ̈ automatizzata, essendo richiesto l’intervento manuale per l’identificazione degli elettrodi sulla TAC, e risulta pertanto macchinosa.
LaViolette et al., (Three-dimensional visualization of subdural electrodes for presurgical planning - Neurosurgery. 2011;68(1 Suppl Operative):152-60), hanno utilizzato la fusione fra RM post impianto e TAC, ottenendo migliori risultati in termini di accuratezza in quanto il contributo del “brain shift†à ̈ minore. Tuttavia, ciò ha comportato un ulteriore esame cui sottoporre il paziente durante l’iter pre-chirurgico con conseguenti esposizione ad una quantità maggiore di radiazioni e maggiori costi per la struttura ospedaliera, e mediocri risultati in termini di usabilità e qualità delle ricostruzioni tridimensionali.
Le tecniche di cui sopra richiedono l’intervento manuale di un utente esperto per la elaborazione delle immagini, ne ostacolano la fruibilità da parte dei comuni utenti di elaboratori elettronici e richiedono l’utilizzo di software esterni per la rivelazione e/o la visualizzazione degli elettrodi sul rendering cerebrale. In definitiva, sebbene l’accuratezza dei risultati che esse forniscono sia accettabile dal punto di vista clinico, queste tecniche sono molto onerose anche per la lunghezza delle procedure.
In una pubblicazione di Collignon et al. (Collignon et al., “Automated multimodality image registration based on information theory.†In Y. Bizais, C. Barillot,and R. Di Paola, editors, Proc. Information Processing in Medical Imaging, pages 263–274, Dordrecht, The Netherlands, 1995. Kluwer Academic Publishers) si fa riferimento ad un metodo di registrazione delle immagini biomedicali basato sul concetto di teoria dell’informazione, in particolare della MI e Normalized Mutual Information (NMI). Si tratta di un algoritmo che misura, date due o più immagini, la dipendenza statistica o la ridondanza di informazione tra l’intensità di ciascun voxel, misurata a partire dalla distribuzione di probabilità dei valori di grigio nelle immagini, in tutte le immagini, che si assume sia massima quando esse sono allineate geometricamente.
Tale tecnica consiste nel massimizzare la MI a partire dai joint histogram bidimensionali delle due immagini.
Un joint histogram à ̈ un istogramma multidimensionale creato a partire da una serie di proprietà locali dei pixel di un’immagine ed ogni elemento di tale istogramma rappresenta il numero di pixel che soddisfano quella data proprietà . Nel caso specifico delle immagini RM e TAC, tali proprietà sono rappresentate dai vari livelli di intensità di grigio dei due set di immagini. Il concetto di MI à ̈ relativo al contenuto informativo di un’immagine e si basa sui concetti di entropia ed entropia congiunta.
Inoltre, J. Ashburner and K.J. Friston (“Unified segmentation.†NeuroImage, 26:839–851, 2005) descrivono un metodo per la segmentazione di immagini specifico per la segmentazione di immagini biomedicali rappresentanti il cervello umano, consistente nella classificazione dei tessuti, che consente di assegnare ciascun voxel dell’immagine ad una particolare classe di tessuto (materia grigia, materia bianca, liquido cerebro-spinale) utilizzando delle immagini template standard e, quindi, caratterizzare la distribuzione delle intensità dei voxel per ciascuna classe di tessuto, in maniera da assegnare ciascun voxel alla classe di appartenenza in base alla sua intensità .
Pertanto, tale segmentazione automatica viene realizzata registrando l’immagine in uno spazio standard e successivamente selezionando i voxel che hanno la maggiore probabilità di appartenere a ciascuna classe secondo un modello Gaussiano.
Sommario dell’invenzione
Il metodo della presente invenzione ha lo scopo di determinare con la maggiore accuratezza possibile e in maniera del tutto automatizzata la posizione degli elettrodi esploranti, in particolare per il monitoraggio dei segnali bioelettrici registrati per lo studio e la cura di varie patologie neurodegenerative, come l’epilessia farmaco-resistente, la malattia di Parkinson, per la neuromodulazione cerebrale, usando un’immagine acquisita precedentemente all’impianto degli elettrodi mediante RM, e un’immagine acquisita successivamente all’impianto degli elettrodi mediante TAC.
Il metodo di localizzazione degli elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie comprende:
- un passo di reperimento di immagini includente la connessione a sistemi di archiviazione di immagini biomedicali presenti nelle strutture sanitarie, database cosiddetti Radiology Information System - picture archiving and communication system (RIS-PACS);
- un passo di interfacciamento a sistemi di gestione dei dati clinici dei pazienti o cartella clinica informatizzata; ed
- un passo di elaborazione delle immagini biomedicali.
In particolare, il passo di connessione si occupa del reperimento delle immagini biomedicali dai sistemi di archiviazione RIS-PACS presenti nelle strutture ospedaliere in formato Digital Imaging and Communications in Medicine (DICOM), che à ̈ lo standard universale per l’archiviazione delle immagini biomedicali, e la conversione delle stesse in due serie di immagini volumetriche in formato, ad esempio, Neuroimaging Informatics Technology Initiative (NIFTI) o Analyze (Mayo Foundation, Biomedical Imaging Resource, "Analyze 7.5 File Format"), necessarie per la successiva elaborazione.
In sintesi il passo di connessione comprende la connessione al RIS-PACS, il reperimento immagini in formato DICOM, e la conversione delle immagini acquisite in due serie di immagini volumetriche in formato, ad esempio NIFTI o Analyze.
Il passo di interfacciamento consente all’utente di poter accedere ai dati clinici del paziente di cui si vogliono elaborare le immagini biomedicali, in modo tale da poter avere una visione completa della situazione clinica del paziente: in particolare, questo à ̈ utile per consultare le informazioni sul planning pre-chirurgico, in maniera da incrociare tali dati con l’output del passo successivo.
Il passo di elaborazione delle immagini biomedicali comprende:
- il caricamento delle due serie di immagini volumetriche RM e TAC;
- la coregistrazione delle due serie di immagini secondo la NMI;
- l’applicazione di filtri gaussiani alle due serie di immagini per rimuovere rumori e artefatti;
- la segmentazione dell’immagine RM con la tecnica della Unified Segmentation;
- l’estrazione degli elettrodi dall’immagine TAC volumetrica mediante thresholding automatico e ottimizzabile dall’utente grazie all’utilizzo di ulteriori parametri (voxel mask size, minima e massima distanza, contrasto, luminosità );
- la creazione della matrice di elettrodi estratti con relative coordinate spaziali;
- la creazione del rendering del cervello del paziente mediante tecnica di estrazione di isosuperfici;
- la proiezione degli elettrodi estratti sul rendering corticale.
In particolare, relativamente alla sopra citata estrazione degli elettrodi, essa viene effettuata andando a selezionare dall’immagine TAC volumetrica solo i voxel con intensità superiore ad una soglia, definita automaticamente analizzando l’istogramma dell’immagine stessa. Tale soglia à ̈ fissata ad un valore compreso fra 70% e 80% della massima intensità presente nell’immagine. Più preferibilmente, la soglia viene impostata ad un valore pari al 75% della massima intensità presente nell’immagine, in maniera da prendere solo i voxel ad alta intensità . Infatti, l'elettrodo, essendo un elemento metallico, impedisce la completa trasmissione dei raggi X attraverso il tessuto cerebrale. La conseguente maggiore attenuazione di tali raggi produce un'area ad elevata intensità nell'immagine risultante. Una volta ottenuta tale maschera, allo scopo di minimizzare le false rivelazioni dovute alla presenza di altro materiale diverso dagli elettrodi come cavi di connessione, etc., si utilizzano altri parametri, quali la dimensione della voxel mask, soglie di luminosità e contrasto, e minima e massima distanza tra elettrodi all’interno di una stessa voxel mask.
La voxel mask viene utilizzata per evitare di avere delle false rivelazioni dovute al fenomeno dello “streak artifact†, causato dalla presenza di elementi metallici nella TAC, e la sua dimensione indica il numero minimo di voxel per i quali deve essere valida una certa condizione di intensità superiore ad un valore di soglia, affinché essa venga estratta dall’immagine. Un valore troppo piccolo di tale parametro produce false detezioni dovute alla presenza dello streak artifact, mentre valori alti pur non producendo false detezioni, non consentono di rivelare elettrodi di dimensioni ridotte. Inoltre, si utilizza anche una soglia di luminosità e contrasto, espressa come percentuale del valore massimo di luminosità e contrasto complessivi dell’immagine. Infine, si utilizza anche la minima e la massima distanza tra elettrodi all’interno di una stessa voxel mask, allo scopo di discriminare l’appartenenza di ciascun elettrodo ad una matrice di elettrodi piuttosto che ad un’altra.
La minima distanza consente di discriminare il singolo elettrodo all’interno di una matrice di elettrodi, siano essi a griglia o a striscia, mentre la massima distanza discrimina l’elettrodo tra i differenti assemblaggi di elettrodi.
Breve descrizione dei disegni
Ulteriori caratteristiche e vantaggi della presente invenzione appariranno maggiormente chiari dalla descrizione indicativa, e pertanto non limitativa, di una forma di realizzazione preferita ma non esclusiva di un metodo di localizzazione degli elettrodi facendo riferimento ai disegni allegati, in cui: Figura 1 à ̈ una vista schematica del collegamento dell’utente al sistema di archiviazione di immagini biomedicali relativamente all’impianto di elettrodi subdurali;
Figura 2 à ̈ una vista schematica dell’utente in una fase di pre-processamento delle immagini e di collegamento con il sistema di gestione dei dati clinici; Figura 3 à ̈ una vista schematica di un particolare dell’area cerebrale con porzioni ingrandite che mostrano il posizionamento degli elettrodi; e Figura 4 à ̈ una visione dello schermo con possibilità di scegliere i parametri per la localizzazione.
Descrizione di una forma di esecuzione dell’invenzione
Facendo riferimento alla Figura 1, à ̈ mostrato che l’utente si connette al sistema di archiviazione immagini DICOM per acquisire le immagini di RM e TAC per la successiva elaborazione. Tuttavia esso può reperire anche altri tipi di immagini come Diffusion Tensor Imaging (DTI), Positron Emission Tomography (PET), Functional Magnetic Resonance Imaging (fMRI), utili ai fini della valutazione clinica, allo scopo di fornire all'utente una piattaforma multimodale con possibilità di accesso a varie tipologie di indagini diagnostiche, oltre che ad informazioni di carattere clinico.
Come mostrato nella Figura 2, in ogni momento l’utente può anche interfacciarsi con il sistema di gestione dei dati clinici per reperire tutte le informazioni sul paziente per conoscere per esempio la storia clinica, la refertazione, altre immagini diagnostiche, etc.
L’utente avvia la fase di pre-processamento delle immagini, ottenendo la localizzazione degli elettrodi sul rendering corticale cerebrale.
Nella Figura 3 à ̈ mostrato un particolare dell’area cerebrale con il relativo posizionamento degli elettrodi all’interno di 9 voxel, creati con voxel da 1 mm. Con Md à ̈ indicata la massima distanza fra gli elettrodi, e con md la minima.
Tali soglie vengono scelte dall’utente secondo una maschera, in maniera da arrivare alla combinazione ottimale delle soglie, quella che consente di estrarre tutti gli elettrodi o gli elettrodi desiderati.
Il metodo secondo l’invenzione consente di localizzare con estrema accuratezza, nell’ordine di 1 mm, ciascun elettrodo sulla corteccia cerebrale, in tempi notevolmente ridotti rispetto procedure attuali, che richiedono la rivelazione manuale degli elettrodi e l’utilizzo di altro software per la visualizzazione degli stessi sulla corteccia cerebrale del paziente.
Inoltre, il metodo secondo l’invenzione nel suo complesso consente, oltre a localizzare con estrema precisione e in maniera del tutto automatica la posizione degli elettrodi esploranti e le aree anatomiche e funzionali interessate dall’investigazione neurofisiologica, di seguire il paziente dalla fase di acquisizione di immagini a scopo diagnostico, alla chirurgia, grazie alla sua capacità di gestire e di avere accesso ad informazioni di carattere diverso come acquisizione, elaborazione e visualizzazione di immagini radiologiche a scopo diagnostico, possibilità di accedere a dati anamnestici e ad esami di laboratorio, e correlarle.
In sintesi le caratteristiche del metodo secondo l’invenzione riguardano: l’estrazione degli elettrodi dall’immagine di TAC, del tutto automatizzata e senza la necessità dell’intervento manuale; la localizzazione e visualizzazione degli elettrodi sulla corteccia cerebrale completamente automatica, estremamente accurata, visto l’errore nell’ordine di 1 mm, e con un ridotto tempo di esecuzione, come effetto dell’automaticità del metodo e dell’assenza di intervento manuale; e la multimodalità delle informazioni, con possibilità di accesso a dati diagnostici, quali immagini radiologiche, e a dati clinici, per esempio anamnesi, esami di laboratorio, storia clinica, dati di neurofisiologia provenienti da segnali bioelettrici acquisiti proprio per mezzo di tali elettrodi.
L’output della procedura, in formato DICOM, à ̈ esportabile ed interfacciabile con i principali sistemi di neuronavigazione.
Claims (5)
- RIVENDICAZIONI 1. Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegerative, comprendente i passi di reperimento di almeno due serie di immagini biomedicali dall’archivio del paziente sotto forma di RM e TAC, interfacciamento con sistemi di gestione dei dati clinici, ed elaborazione delle immagini di RM e TAC acquisite, convertite in volumetriche e correlate con i dati clinici ottenuti col passo di interfacciamento, detto passo di elaborazione includendo il caricamento delle due serie di immagini volumetriche RM e TAC, la coregistrazione di dette due serie di immagini secondo la Normalized Mutual Information, l’applicazione di filtri gaussiani a dette due serie di immagini RM e TAC per rimuovere rumori e artefatti, la segmentazione dell’immagine RM con la tecnica della Unified Segmentation, l’estrazione degli elettrodi dall’immagine TAC volumetrica, la creazione della matrice di elettrodi estratti con relative coordinate spaziali, la creazione del rendering del cervello del paziente mediante tecnica di estrazione di isosuperfici, la proiezione degli elettrodi estratti sul rendering corticale, caratterizzato dal fatto che l’estrazione degli elettrodi dall’immagine TAC volumetrica avviene mediante thresholding automatico, ottimizzabile dall’utente mediante l’utilizzo di parametri includenti la dimensione della voxel mask, la minima e la massima distanza degli elettrodi, il contrasto e la luminosità .
- 2. Metodo secondo la rivendicazione 1, in cui detta estrazione degli elettrodi viene effettuata selezionando automaticamente dall’immagine TAC volumetrica solo i voxel con intensità superiore ad una soglia fissata ad un valore compreso fra 70% e 80% della massima intensità presente nell’immagine.
- 3. Metodo secondo la rivendicazione 2, in cui detta soglia à ̈ fissata ad un valore di 75% della massima intensità presente nell’immagine.
- 4. Metodo secondo la rivendicazione 1, in cui il passo di reperimento di immagini biomedicali comprende la connessione ai sistemi di archiviazione RIS – PACS presenti nelle strutture ospedaliere, in cui sono contenute le immagini biomedicali da elaborare successivamente, il reperimento di tali immagini in formato DICOM, e la conversione di tali immagini in due serie di immagini volumetriche RM e TAC, necessarie per la successiva elaborazione.
- 5. Metodo secondo la rivendicazione 1, in cui il passo di interfacciamento con i sistemi di gestione dei dati clinici comprende la connessione al sistema di gestione dei dati clinici, il reperimento delle informazioni mediante interrogazioni strutturate e la consultazione delle informazioni.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000186A ITRM20130186A1 (it) | 2013-03-28 | 2013-03-28 | Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative |
PCT/IB2014/000678 WO2014155203A1 (en) | 2013-03-28 | 2014-03-27 | Method of localization of electrodes for monitoring bioelectric signals from the patient's brain |
EP14728277.6A EP2979249B1 (en) | 2013-03-28 | 2014-03-27 | Method of localization of electrodes for monitoring bioelectric signals from the patient's brain |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000186A ITRM20130186A1 (it) | 2013-03-28 | 2013-03-28 | Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative |
Publications (1)
Publication Number | Publication Date |
---|---|
ITRM20130186A1 true ITRM20130186A1 (it) | 2014-09-29 |
Family
ID=48227471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
IT000186A ITRM20130186A1 (it) | 2013-03-28 | 2013-03-28 | Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP2979249B1 (it) |
IT (1) | ITRM20130186A1 (it) |
WO (1) | WO2014155203A1 (it) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020509826A (ja) * | 2017-03-09 | 2020-04-02 | セント・ジュード・メディカル・インターナショナル・ホールディング・エスエーアールエルSt. Jude Medical International Holding S.a,r.l. | 医用画像内の基準の検出 |
US10543361B2 (en) | 2018-02-20 | 2020-01-28 | General Electric Company | System and method for localization of deep brain stimulation electrode via magnetic resonance imaging |
CN111080572B (zh) * | 2019-11-18 | 2023-08-01 | 深圳市铱硙医疗科技有限公司 | 白质高信号定位方法、装置、设备和存储介质 |
WO2022256670A1 (en) * | 2021-06-03 | 2022-12-08 | Case Western Reserve University | Systems, methods, and media for presenting biophysical simulations in an interactive mixed reality environment |
-
2013
- 2013-03-28 IT IT000186A patent/ITRM20130186A1/it unknown
-
2014
- 2014-03-27 EP EP14728277.6A patent/EP2979249B1/en not_active Not-in-force
- 2014-03-27 WO PCT/IB2014/000678 patent/WO2014155203A1/en active Application Filing
Non-Patent Citations (5)
Title |
---|
ANDREW R DYKSTRA ET AL: "Individualized localization and cortical surface-based registration of intracranial electrodes", NEUROIMAGE, ACADEMIC PRESS, ORLANDO, FL, US, vol. 59, no. 4, 16 November 2011 (2011-11-16), pages 3563 - 3570, XP028456614 * |
DALAL S S ET AL: "Localization of neurosurgically implanted electrodes via photograph-MRI-radiograph coregistration", JOURNAL OF NEUROSCIENCE METHODS, ELSEVIER SCIENCE PUBLISHER B.V., AMSTERDAM, NL, vol. 174, no. 1, 15 September 2008 (2008-09-15), pages 106 - 115, XP026073401 * |
HERMES D ET AL: "Automated electrocorticographic electrode localization on individually rendered brain surfaces", JOURNAL OF NEUROSCIENCE METHODS, ELSEVIER SCIENCE PUBLISHER B.V., AMSTERDAM, NL, vol. 185, no. 2, 15 January 2010 (2010-01-15), pages 293 - 298, XP026819084 * |
MILLER K J ET AL: "Cortical electrode localization from X-rays and simple mapping for electrocorticographic research: The ''Location on Cortex'' (LOC) package for MATLAB", JOURNAL OF NEUROSCIENCE METHODS, ELSEVIER SCIENCE PUBLISHER B.V., AMSTERDAM, NL, vol. 162, no. 1-2, 15 May 2007 (2007-05-15), pages 303 - 308, XP027016081 * |
YANG A. I. ET AL.: "Localization of dense intracranial electrode arrays using magnetic resonance imaging", NEUROIMAGE, 2012, pages 157 - 165, XP002715902 * |
Also Published As
Publication number | Publication date |
---|---|
EP2979249B1 (en) | 2017-03-22 |
WO2014155203A1 (en) | 2014-10-02 |
EP2979249A1 (en) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10413253B2 (en) | Method and apparatus for processing medical image | |
Rorden et al. | Age-specific CT and MRI templates for spatial normalization | |
KR101503940B1 (ko) | 신경퇴행성 질환의 진단을 돕는 수단 | |
JP6036009B2 (ja) | 医用画像処理装置、およびプログラム | |
WO2010004851A1 (ja) | 脳疾患診断システム | |
US10481233B2 (en) | Edema invariant tractography | |
CN109662778B (zh) | 基于三维卷积的人机交互式颅内电极定位方法与*** | |
JP2016064004A (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
US9147242B2 (en) | Processing system for medical scan images | |
DE102004061435A1 (de) | Verfahren und Vorrichtung zur Registrierung von Lungenbilddaten | |
Bangare et al. | Regenerative pixel mode and tumour locus algorithm development for brain tumour analysis: A new computational technique for precise medical imaging | |
US20230087736A1 (en) | Brain function mapping with intracranial electroencephalogram (eeg) using event-related spectral modulations | |
Sun et al. | Automated template-based PET region of interest analyses in the aging brain | |
ITRM20130186A1 (it) | Metodo di localizzazione di elettrodi per il monitoraggio di segnali bioelettrici provenienti dal cervello in pazienti affetti da patologie neurodegenerative | |
LaViolette et al. | Three-dimensional visualization of subdural electrodes for presurgical planning | |
Lee et al. | Seizure localization using three-dimensional surface projections of intracranial EEG power | |
Pernet et al. | Evaluation of a pre-surgical functional MRI workflow: from data acquisition to reporting | |
JP2004239782A (ja) | 脳画像データ処理システム、方法、プログラムおよび記録媒体 | |
Smith et al. | Automated measurement of skull circumference, cranial index, and braincase volume from pediatric computed tomography | |
NL2016800B1 (en) | Method of positioning an interventional device. | |
WO2018191824A1 (en) | Identification of candidate elements in images for determination of disease state using atlas elements | |
JP2016504070A (ja) | 画像データに基づく組織表面ラフネスの定量化、及びそれに基づく疾患の存在の決定 | |
Saha et al. | Improved Digital Image Processing based Detection for Alzheimer’s disease using MATLAB | |
Debus | Medical Image Processing | |
Bhusnurmath et al. | Enhancing CT Image Visualization and Analysis Through Rescaling Raw Pixel Values to Hounsfield Units |