超级会员免费看
深度脑刺激与颅内电极植入轨迹规划的自动化技术解析
1. 深度脑刺激轨迹规划：帕累托前沿与加权和方法对比
在深度脑刺激（DBS）的术前轨迹规划中，目前文献中提出的自动轨迹规划技术多基于单目标优化方法，通过加权和来组合不同标准。然而，理论表明这种技术无法找到帕累托前沿中的凹面，意味着一些帕累托最优解无法被找到。
有研究采用基于帕累托最优性对轨迹质量进行量化的方法，相比当前使用加权和的算法，能找到更多最优方案。评估研究通过盲评排名发现，这些额外的方案往往能被神经外科医生认为更准确，且部分方案在加权和方法中没有合理接近的替代方案。
-
不同方法的距离分析
- 对于MPF和MMP方法选择的入口点与其他自动方法中最接近的替代点之间的距离，在某些情况下，距离大于4.8mm，远离首选位置；而另外3种情况，距离在1.6mm至2.05mm之间，可能是相对合理的替代方案。
-
当MMP排名第一的两种情况（#7和#13）中，手动提出的入口点与SPF最接近点的距离（分别为1.16mm和0.87mm）总是低于与SW SE最接近点的距离（分别为2.83mm和1.49mm）。
|距离目标|MPF排名第一| | | | | |MMP排名第一| |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| |2|6|9|11|12|14|7|13|
|SW SE|2.05|4.83|1.67|1.90|16.05|5.92|2.83|1.49|
|SP F|-|-|-|-|-|-|1.16|0.87|
-
方法的时间效率与准确性
- 三种选择方法的平均用时分别为：MMP为155s，MW SE为38s，MPF为42s。虽然测量存在偏差（目标选择时间仅包含在MMP中），但即使考虑目标点规划占用步骤1一半的时间，步骤2和3仍然更快。
- 自动提出的入口点在14个案例中有12个排名第一，说明速度的提升并未以牺牲准确性为代价，证实了自动辅助DBS术前轨迹规划的整体优势。
-
方法选择差异的推测
- 在5个案例中，外科医生使用PF和WS时未选择相同的点，尽管两种方法中都有首选点。推测可能是MPF的显示需要改进，例如使用颜色方案来表示目标。
2. 颅内电极植入的高效解剖驱动多轨迹规划
对于癫痫患者，如果能确定致痫区（EZ）并进行切除，癫痫是可以治愈的。颅内深度电极有助于识别EZ并绘制皮质功能图。在当前临床实践中，通常需要7 - 12条电极轨迹，且需手动规划，耗时2 - 3小时。自动化方法可以通过计算合适的轨迹来减少规划时间并提高安全性。
-
ADMTP方法介绍
-
解剖驱动的多轨迹规划（ADMTP）用于计算安全的电极轨迹，其步骤如下：
- 从用户定义的感兴趣区域（ROI）列表中，找到植入计划$V (N) = [v1, \ldots, vN]$，其中$vn$是第$n$个电极的轨迹。
- 为每个$vn$计算$M$个候选目标点$Tn,i$（$i \in {1, \ldots, M}$）。
- 为每个$Tn,i$确定$P$个入口点$En,j$（$j \in {1, \ldots, P}$），然后计算所有$N$个电极的$Tn,i$和$En,j$的组合，以避免电极干扰。
-
解剖驱动的多轨迹规划（ADMTP）用于计算安全的电极轨迹，其步骤如下：
-
具体操作步骤
-
感兴趣区域和关键结构提取
- 静脉和动脉通过多尺度、多模态张量投票从CT血管造影或钆增强的T1加权MRI中分割出来。
- 颅骨通过CT阈值分割。
- 使用测地信息流（GIF）对T1加权MRI进行脑分割，得到208个ROI，灰质（GM）和脑沟从脑分割中获得。
-
候选目标点选择
-
定义目标风险图像$Ct = [C, ft(c) : c \in C]$，其中$ft(c)$的计算如下：
[
ft(c) =
\begin{cases}
1, & \text{if } c \notin \Omega_{roi} \
1, & \text{if } c \in \Omega_{cri} \
w_{roi} * (1 - \frac{f_{roi}(c)}{max(f_{roi})}) + w_{cri} * (1 - \frac{f_{cri}(c)}{max(f_{cri})}), & \text{else}
\end{cases}
] - $\Omega_{roi}$和$\Omega_{cri}$分别是深ROI和关键结构的体素集，$f_{roi}(c)$是$c$与深ROI最近表面点的距离，$f_{cri}(c)$是$c$与所有关键结构最近表面点的距离。
- 通过分水岭算法计算局部最小值，然后采样$ft(c)$的$M$个最低值，且每个目标点$Tn,i$之间的距离至少为$d_{tar}$。
-
定义目标风险图像$Ct = [C, ft(c) : c \in C]$，其中$ft(c)$的计算如下：
-
自动轨迹规划
- 入口点通过颅骨网格上的所有顶点计算，约10,000个点，每0.2mm³采样一次。
-
排除不符合以下条件的潜在轨迹：
- 轨迹长度大于$d_{len}$。
- 轨迹与颅骨法线的角度大于$d_{ang}$。
- 轨迹不穿过浅ROI。
- 轨迹与关键结构（动脉、静脉或脑沟）相交。
-
计算剩余轨迹的风险得分$Rn,i,j$和GM比率$Gn,i,j$：
[
Rn,i,j = \frac{\int_{En,j}^{Tn,i} (d_{risk} - (f_{cri}(x) - d_{safe}))dx}{(d_{risk} - d_{safe}) * length}
]
[
Gn,i,j = \frac{\sum_{q = 1}^{Q} (H[f_{gm}(p_{q} - p_{r})] + H[f_{gm}(p_{q})] + H[f_{gm}(p_{q} + p_{r})])}{3 * Q}
] - 每个轨迹分配加权得分$Sn,i,j = 10 * Rn,i,j + Gn,i,j$，优先考虑低风险。
-
通过优化以下公式找到最终植入计划$V (N)$：
[
S_{total} = \arg\min_{V (N)} (\frac{1}{N} \sum_{n = 1}^{N} S_{n,i,j})
] - 约束条件为$D(T_{n,i}E_{n,j}, T_{k,i}E_{k,j}) > d_{traj}$，对于所有$n, k \in {1, \ldots, N}$，$n \neq k$。使用深度优先图搜索策略计算可行的植入计划。
-
感兴趣区域和关键结构提取
-
实验设计与结果
-
实验设计 ：对20名难治性局灶性癫痫患者（共186个电极）的回顾性数据进行评估。手动计划由两名神经外科医生协商确定，使用表1中的参数评估ADMTP。
|参数|M|$d_{tar}$|$w_{roi}$|$w_{cri}$|$d_{len}$|$d_{ang}$|$d_{safe}$|$d_{risk}$|$Q$|$p_{q}$|$p_{r}$|$d_{traj}$|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|值|10|3mm|0.25|0.75|80mm|25°|3mm|10mm|10|6mm|1.2mm|10mm| -
轨迹适用性 ：通过与手动规划对比，ADMTP在186条轨迹中有96条找到更可行的入口角度（$p < 0.01$），在104条轨迹中增加了GM采样（$p > 0.01$），在145条轨迹中找到更安全的轨迹（降低风险得分并增加与最近关键结构的距离，$p < 0.01$）。
-
综上所述，无论是深度脑刺激的轨迹规划还是颅内电极植入的轨迹规划，自动化方法在提高效率和准确性方面都展现出了明显的优势，为临床手术提供了更可靠的支持。
3. 两种自动化轨迹规划方法的优势总结
自动化轨迹规划在医疗领域，尤其是深度脑刺激和颅内电极植入手术中具有重大意义。下面将结合前面提到的两种方法，详细阐述自动化轨迹规划的优势。
-
深度脑刺激轨迹规划优势
- 找到更多最优方案 ：基于帕累托最优性量化轨迹质量的方法，能够突破传统加权和算法的局限，找到更多帕累托最优解，为神经外科医生提供更多准确的选择。
- 提高规划效率 ：自动辅助规划在大部分案例中比手动规划更快，且不牺牲准确性，如在14个案例中有12个自动提出的入口点排名第一，节省了手术前的规划时间。
- 显示改进潜力大 ：虽然目前MPF方法在显示方面可能存在不足，但可以通过改进显示方式，如使用颜色方案表示目标，进一步提高其可用性。
-
颅内电极植入轨迹规划优势
- 减少人工干预 ：ADMTP方法仅需用户输入解剖学名称，即可自动完成电极轨迹的规划，大大减少了人工手动规划的复杂操作。
- 提高安全性 ：通过精确计算目标点和入口点，避免电极与关键结构（如血管、脑沟）的接触，降低手术风险，在实验中ADMTP在大部分轨迹中都能找到更安全的方案。
- 增加GM采样 ：在实验中，ADMTP在超过一半的轨迹中增加了灰质（GM）的采样，有助于更准确地识别致痫区。
4. 自动化轨迹规划的未来展望
随着医疗技术的不断发展，自动化轨迹规划有望在更多方面得到应用和提升。
-
技术优化
- 算法改进 ：进一步优化现有的自动化轨迹规划算法，提高其计算速度和准确性，能够处理更复杂的病例。
- 多模态融合 ：结合更多的医学影像数据，如功能磁共振成像（fMRI）、正电子发射断层扫描（PET）等，使轨迹规划更加精准。
-
临床应用拓展
- 更多疾病领域 ：将自动化轨迹规划技术应用到其他需要手术干预的疾病中，如肿瘤切除手术、脊柱手术等。
- 远程医疗 ：借助互联网技术，实现远程的自动化轨迹规划，为医疗资源匮乏地区提供更优质的医疗服务。
5. 总结
自动化轨迹规划在深度脑刺激和颅内电极植入手术中展现出了显著的优势，通过提高规划效率、准确性和安全性，为患者带来更好的治疗效果。未来，随着技术的不断进步，自动化轨迹规划有望在更多领域得到应用和发展。
下面是两种自动化轨迹规划方法的对比表格：
|对比项目|深度脑刺激轨迹规划|颅内电极植入轨迹规划|
| ---- | ---- | ---- |
|核心方法|基于帕累托最优性量化轨迹质量|解剖驱动的多轨迹规划（ADMTP）|
|输入要求|无特殊输入要求|用户输入解剖学名称|
|优势|找到更多最优方案、提高规划效率、显示改进潜力大|减少人工干预、提高安全性、增加GM采样|
|应用场景|深度脑刺激手术|颅内电极植入手术|
mermaid格式流程图展示ADMTP方法的主要流程：
graph LR
A[用户输入ROI列表] --> B[找到植入计划V(N)]
B --> C[计算候选目标点Tn,i]
C --> D[确定入口点En,j]
D --> E[计算Tn,i和En,j组合]
E --> F[排除不符合条件的轨迹]
F --> G[计算风险得分和GM比率]
G --> H[分配加权得分]
H --> I[优化得到最终植入计划]
通过以上内容，我们对深度脑刺激和颅内电极植入的自动化轨迹规划有了更深入的了解，希望这些技术能够在未来的医疗领域发挥更大的作用。
扫一扫
1434
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
