内电极的解剖学注册. 强大的基于模型的定位和可变形的平滑脑移补偿方法

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 计算神经科学是一种神经科学.

背景情况:

• 内电极定位通常依赖于植入后的CT扫描,但当前的自动方法在低信号对噪声比率和高密度阵列方面扎.
• 电极植入期间的大脑变形会在植入前和后的图像合并时导致注册错误.
• 现有的脑转移补偿技术往往无法提供平稳的解决方案或充分解决变形.

研究的目的:

• 开发和验证用于准确的内电极定位的自动化算法.
• 引入一个强大的大脑转移补偿方法,以改善图像记录.
• 为了提高神经外科手术过程中电极坐标映射的精度.

主要方法:

• GridFit:一种基于模型的配合方法,用于在各种阵列配置中同时定位所有电极CT工件.
• CEPA (皮质电极投射算法):一种脑移补偿算法,集成直角投射,弹网模型和空间规则化.
• 使用广泛的模拟和从接受内电极植入的患者的临床数据进行验证.

主要成果:

• 在模拟场景 (<1毫米误差) 中,GridFit表现出强大的性能,并在20个具有挑战性的患者病例中实现了99%的精确定位.
• CEPA实现了<0.4毫米的注册误差,优于已有的替代方案,并确保了电极间距离的平稳变化.
• 通过对静止状态高频活动进行建模,CEPA的有效性得到了进一步的支持.

结论:

• GridFit和CEPA为注册内电极坐标提供了多功能和高度准确的解决方案,特别是在复杂的植入场景中.
• 这些方法克服了现有技术的局限性,提高了电极定位和脑移位校正的可靠性.
• 这些算法可作为开源iElectrodes工具箱的一部分提供,以实现更广泛的可访问性.