在深度大脑刺激中基于模型的图像更新与深度大脑稀疏数据的同化

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 计算解剖学的计算解剖学

背景情况:

• 精确的电极放置对于神经退行性疾病的深度大脑刺激 (DBS) 疗效至关重要.
• 在手术期间的手术内脑部转移可能会损害依赖于手术前成像的导航系统的精度.

研究的目的:

• 增强基于模型的图像更新技术,以纠正深度脑刺激 (DBS) 手术中的手术内脑转移.
• 通过在手术过程中解决大脑变形,提高大脑深部外科导航的准确性.

主要方法:

• 对接受双边DBS手术的10名患者的回顾性分析.
• 根据运动值,将患者分为大小变形组.
• 使用稀疏的变形数据估计全脑位移,以更新手术前CT扫描 (preCT) 到更新的CT扫描 (uCT).
• 通过将目标注册误差 (TREs) 与关键解剖标志的术后CT (术后CT) 进行比较,评估UCT准确性.

主要成果:

• 在大变形组中,在图像更新后,TREs下降了53% (从2.5毫米降至1.2毫米).
• 在小变形组中,TREs下降了41% (从1.25毫米降至0.74毫米).
• 在前 (AC),后 (PC) 和松果腺 (p ≤0.01) 观察到TREs的统计显著减少.

结论:

• 这项研究证实了基于模型的图像更新的可行性,以补偿DBS中的手术内脑转移.
• 稀疏的深大脑数据的同化有效地提高了更新图像的准确性.
• 这种方法有望通过减轻大脑转移的影响来提高DBS手术的外科结果.