CN102822833A - 规划神经外科手术的系统和方法 - Google Patents

Abstract

提供了规划神经外科手术的系统（10）和方法（20），该系统（10）包含：输入端（11），用于接收脑区域（31）的功能数据（25）和解剖数据；以及处理器（21），被配置成执行按照本发明的方法（20）。该方法（20）包含分析（26）功能数据（25）以形成功能连接的网络表示（27），将功能连接的网络表示（27）和解剖数据映射到常见坐标系，确定与从网络表示（27）中模拟去除网络节点（32）或网络连接（42）之一相联系的预期功能丧失，以及根据预期功能丧失识别关键网络连接和/或关键网络节点。

Description

规划神经外科手术的系统和方法

技术领域

本发明涉及规划神经外科手术的系统，该系统包含接收脑区域的解剖数据和功能数据的输入端、将解剖数据和功能数据映射到常见坐标系和识别关键网络连接和/或关键网络节点的处理器、和提供解剖数据和功能数据的可视表示的输出端。本发明还涉及规划神经外科手术的方法和计算机程序产品。

背景技术

脑外科手术通常牵涉到可疑区域的去除或破坏。例如，对于脑肿瘤，外科手术切除往往是治疗首选。对于耐药性癫痫，通过外科手术手段去除或破坏癫痫病灶是重要治疗方法。脑外科手术并不总是牵涉到开放性手术，而如今也可以以利用例如立体定向放射外科治疗的非侵入方式进行。在脑外科手术期间，不损害脑中的关键结构和连接是非常重要的。在手术期间损害脑组织通常导致术后功能丧失。脑在受到损害时有一定恢复能力，但这种能力是有限的。最大限度地减少外科手术干预或放射性治疗期间造成的损害是通过使用像MRI那样的术前医学影像精心规划外科手术达到的。

时常将术中可视化技术（显微镜、超声、MR、X-射线）用于在该过程中提供成像信息。基于弥散张量MRI（DTI）的束成像技术可以被认为是非常先进的解剖成像方式，该解剖成像方式将脑中连接不同脑区域的重要白质束可视化。将所有这些数据登记到常见框架中以及这些数据的综合可视化为外科医生提供了支持他们确定最佳手术方案的详细脑解剖图。

如今最先进的脑外科手术规划系统既考虑到解剖影像信息（强调特定脑解剖的对比度增强MRI，CT等）又考虑到功能影像信息（强调特定脑功能的fMRI、PET、MEG、EEG等）。功能脑成像的目的在于在它的生理学、功能结构和动力学方面表征脑。功能成像可以基于对使用像电脑电图（EEG）、磁脑电图（MEG）、功能性磁共振成像（fMRI）那样的脑成像方式、或像近红外光谱（NIRS）那样的光学技术获取的数据的分析。

将功能数据和解剖数据两者可视化的神经外科规划系统可从以US 2005/ 0273001 Al公布的美国专利申请中已知。在那个申请中描述的系统使用了脑的fMRI影像、DTI影像和灌注影像，并一个叠一个地有选择显示它们。将所有显示的影像与脑的解剖影像对准。可以调整每层的透明度。尽管这样的系统具有超过只使用解剖成像的系统的一些优点，但需要更智能和更复杂地组合解剖数据和功能数据，以便允许外科医生作出更明智的决定，以及提高使术后功能丧失最小化的能力。

本发明的目的是提供规划神经外科手术的系统和方法，该系统和方法提高了避免术后功能丧失的能力。

发明内容

按照本发明的第一方面，这个目的是通过提供规划神经外科手术的系统达到的，该系统包含输入端、处理器和输出端。该输入端被配备成接收脑区域的功能数据和解剖数据。该处理器被配置成分析功能数据以形成功能连接的网络表示，该网络表示包含网络节点和互连网络节点的网络连接，将功能连接的网络表示和解剖数据映射到常见坐标系，确定与从网络表示中模拟去除网络节点或网络连接之一相联系的预期功能丧失，以及根据预期功能丧失识别关键网络连接和/或关键网络节点。提供该输出端来提供功能连接的网络表示的可视表示。

这种神经外科规划系统考虑到与它们的解剖基质有关的脑功能网络特性。脑功能的一个基本特征是依赖于它的网络特性，即，功能不是固定于各个单元，而是由单元之间的网络介导相互作用引起。因此，功能成像数据的最新分析技术的目的不仅在于量化各个单元（例如，EEG通道或fMRI体素）中的活动，而且在于量化代表底层网络的单元之间的相互作用和关联。

分析功能数据（例如可以是fMRI、EEG、MEG和/或NIRS数据）以形成脑中的功能连接的网络表示。功能数据示出病人的精神或身体活动与病人的脑的不同部分中的神经活动之间的关系。不同脑区域中的重复、同时或关联活动指示所述区域之间的功能连接。通过分析功能数据，可以识别功能连接并给出所述连接的网络表示。网络表示包含网络连接和网络节点。可以从几何方面分析所得网络以便，例如，了解像与其他网络部分具有高连通性的关键节点（例如，“中枢”）那样的特性。将网络表示和解剖数据映射到常见坐标系，使得可以将特定脑区域的去除或损害与功能连接的网络表示的变化相联系。然后可以使用网络理论和网络分析技术确定特定脑区域去除或损害之后的预期功能丧失。作为网络分析的结果，识别关键网络连接和网络节点，并且可以在即将到来的神经外科手术中避开关键网络连接和网络节点。此外，可以识别不太关键网络连接和网络节点。当规划神经外科手术时，可以决定将更积极治疗应用于不太关键区域。

通过识别，例如，对于神经功能恢复来说关键的网络连接和/或网络节点，特别地可以不伤害这些连接（保守治疗），从而使外科手术后神经功能恢复的潜力最佳。并且，通过识别对于恢复来说不太关键的网络连接和/或网络节点（即，易于“可重连”），可以在那些区域中进行更积极治疗）。这种规划系统将允许最大程度地不伤害脑恢复、学习和重连功能的固有能力的有效治疗策略。

为作出功能连接的网络表示而分析接收的功能数据可以包含计算包含在功能数据中的多个数据通道的成对关联。

预期功能丧失可以，例如，使用网络表示的拓扑网络分析来确定。这种拓扑网络分析可以包含，例如，计算网络节点的聚类系数和/或网络连接的路径长度。

在一个优选实施例中，该系统进一步包含规划工具，用于规划避开所识别关键网络连接和/或关键网络节点的外科手术轨迹。

该规划系统优选地包含提供功能连接的网络表示的可视表示的输出端。可以在可视表示中强调关键网络连接和/或关键网络节点。另外，可视表示中网络连接和网络节点的外观可能取决于预期功能丧失。可视表示优选地还示出解剖数据。

按照本发明的第二方面，提供了一种方法，其包含：接收脑区域的功能数据和解剖数据；分析功能数据以形成功能连接的网络表示，该网络表示包含网络节点和互连网络节点的网络连接；将功能连接的网络表示和解剖数据映射到常见坐标系；确定与从网络表示中模拟去除网络节点或网络连接之一相联系的预期功能丧失；以及根据预期功能丧失，识别关键网络连接和/或关键网络节点。

按照本发明的第三方面，提供了规划神经外科手术的计算机程序产品。该程序可操作使处理器执行如上所述的方法。

本发明的这些和其他方面可以从下文所述的实施例中明显看出以及将参考下文所述的实施例得到阐述。

附图说明

在附图中：

图1示意性地示出了按照本发明的神经外科手术规划系统；

图2示意性地示出了规划神经外科手术的方法；

图3示意性地示出了要接受神经外科手术的人体头颅上的功能传感器的分布；

图4将图3的传感器获得的功能数据的网络分析可视化；

图5将从图4的网络中去除网络站点可视化；

图6将从图4的网络中去除网络连接可视化；以及

图7示出了按照本发明的解剖和功能数据的示范性组合。

具体实施方式

图1示意性地示出了按照本发明的神经外科手术规划系统10。该系统10包含执行按照本发明的规划方法的处理器12。处理器12的输入端11与功能数据源16和解剖数据源17耦合。解剖数据源17可以是，例如，fMRI、EEG、EEG、MEG和/或NIRS数据源。将神经活动与脑功能相联系或示出神经系统的不同部分中的神经活动之间的关联的任何类型数据都可以用作按照本发明的手术规划方法的输入。可替代的是，可以将较早获得的功能数据存储在与处理器12耦合的存储器件13上。存储器件13可以是，例如，硬盘、固态存储器或光存储媒体。除了功能数据之外，处理器12还接收解剖数据。解剖数据可以来自像MRI或DTI装置那样的解剖成像装置17。描述成像脑部分的物理结构的任何类型数据都可以用作按照本发明的手术规划方法的输入。存储媒体13可以包含要用在规划方法中的较早获得的解剖数据。

处理器12组合在输入端11上接收的功能数据和解剖数据。将组合信息用在估计可能外科手术的影响的模拟中。这种模拟和/或估计的结果可以显示在与处理器12耦合的显示器14上。提供键盘、鼠标15或其他定位设备，以允许用户输入以便启动或控制要求保护的方法和或操纵显示在显示屏14上的输出。在下文中，将描述如何组合功能数据和解剖数据以便提供有关规划神经外科手术的信息，以及如何能够显示规划方法的结果。另外，将公开提供按照本发明的方法所需的功能数据的示范性方式。

图2示意性地示出了规划神经外科手术的方法20。该方法20从获取或接收功能数据开始。在这个例子中，功能数据包含与人或动物神经系统的不同区域中的活动相对应的至少两个通道25。功能数据可以，例如，从像fMRI影像那样的功能脑成像数据中导出。可替代的是，将EEG、MEG和/或NIRS数据源用于获取功能数据。在关联步骤21中，可以将相干或关联分析用于确定不同脑区域的功能连通性。关联分析21可以，例如，计算所测量功能MEG数据通道25的随时间过程的关联。关联系数可以以关联矩阵26的形式组织，以便在矩阵26中的位置（i, j）上，提供通道25 i和j的关联系数。对所有数据通道对25重复关联计算得出整个矩阵26。取代关联系数，关联矩阵26可以包含指示“关联”或“不关联”的二元值。

在网络生成步骤22中，从计算的关联中导出功能连通性的网络27。网络27包含代表各自数据通道的网络站点32。每个网络站点32可以，例如，对应于EEG传感器的位置或成像脑中的功能相关神经活动的区域。关联网络站点32通过网络连接41连接。因此网络27示出了哪些脑区域在功能上与哪些其他脑区域连接。从显示在图2中的网络27中可清楚看出，一些网络站点32在功能上只与一个其他网络站点32连接，而一些与更多个网络站点32连接。

在网络分析步骤23中，作出功能连通性网络27的拓扑分析。对于这种分析，可以使用图论技术。例如，可以确定聚类系数（连通密度）或路径长度（网络站点32之间的距离度量）。可以将关键网点32识别成具有高聚类系数的网络站点32。另外，可以模拟和量化干预的影响，以便识别模拟干预（网络修改）与对网络27的功能的影响之间的关系。目的是识别在干预时不应该伤害的更关键网络站点32和连接41。

在映射步骤24中，将功能网络27映射到病人的解剖结构。关于该映射，将功能网络27和接收的解剖数据映射到常见坐标系。可以使用束成像技术寻找纤维通路。可以将网络连接41映射到检测的纤维束和网络站点32以发现神经元结构。可以生成示出重叠在解剖信息上的分析功能网络27的组合影像29。可以将颜色编码或其他强调方式用于为脑的功能指示某种结构或连接如何关键。这将允许外科医生作出规划的干预可能如何影响脑网络功能的评估。

图3示意性地示出了要接受神经外科手术的人体头颅31上的功能传感器36的分布。在这个例子中，功能数据由分布在病人头颅31上的EEG传感器36获得。传感器36被安排成登记传感器36附近的脑区域中的神经元活动。每个传感器36可以提供要用作显示在图2中的方法的输入的数据通道25。来自通道25的数据代表与传感器36的位置相对应的位置上的神经元网络站点32上的神经元活动。指示两个传感器之间的关联的关联系数可以用于给出如图2所示的14×14关联矩阵。

图4将图3的传感器36获得的功能数据的网络分析的结果可视化。网络站点32的关联对通过画出功能相关网络站点32之间的连接41，42来指示。通过使用较粗线代表连接42将较关键连接42与不太关键连接41区分开。可替代的是，可以将颜色编码或其他强调技术用于指示不同连接41，42如何关键。此外，对于网络站点32，43，可以将颜色编码或其他强调类型用于指示网点32，43如何关键。

图5将网络站点54的损害或从图4的网络中去除网点54可视化。该去除使用代表网络站点54的虚圆来指示，但也可以以不同方式指示。作为这种去除的结果，其他网络站点可能丧失与功能网络的连接。这可能引起暂时或永久功能丧失。暂时功能丧失可以由脑重连受损神经元结构的固有能力来修复。

图6将从图4的网络中去除网络连接65可视化。该去除使用虚线65来指示，但也可以以不同方式指示。作为这种去除的结果，两个网络站点63将丧失与功能网络的最重要连接65。这可能引起暂时或永久功能丧失。

图7示出了按照本发明的解剖和功能数据的示范性组合。可以将组合影像70显示在神经外科规划系统10的显示器14上，组合影像70包含病人脑的横截面的解剖影像和功能网络的叠像。该叠像示出了网络站点71和连接这些网络站点71的纤维束72。现在把较关键网络站点画得稍大于不太重要网络站点。

应该懂得，本发明也延伸到计算机程序，尤其适用于将本发明付诸实践的载体上或中的计算机程序。该程序可以具有源代码、目标代码、或像部分编译形式那样的中间源代码和目标代码的形式，或具有适合用在按照本发明的方法的实现中的任何其他形式。还应该懂得，这样的程序可以具有许多不同架构设计。例如，可以将实现按照本发明的方法或系统的功能的程序代码细分成一个或多个子例程。在这些子例程之间分配功能的许多不同方式对于本领域的普通技术人员来说是明显的。可以将子例程一起存储在一个可执行文件中以形成自含式程序。这样的可执行文件可以包含计算机可执行指令，例如，处理器指令和/或解释器指令（例如，Java解释器指令）。可替代的是，可以将一个或多个或所有子例程存储在至少一个外部库文件中，并且静态地或动态地，例如，在运行时与主程序链接。主程序包含对至少一个子例程的至少一个调用。此外，子例程可以包含相互的函数调用。与计算机程序产品有关的一个实施例包含与所述的至少一种方法的每个处理步骤相对应的计算机可执行指令。可以将这些指令细分成子例程和/或存储在可以静态或动态链接的一个或多个文件中。与计算机程序产品有关的另一个实施例包含与所述的至少一种系统和/或产品的每个器件相对应的计算机可执行指令。可以将这些指令细分成子例程和/或存储在可以静态或动态链接的一个或多个文件中。

计算机程序的载体可以是能够承载程序的任何实体或设备。例如，该载体可以包括像ROM，例如，CD ROM或半导体ROM、或磁记录媒体，例如，软盘或硬盘那样的存储媒体。并且，该载体可以是像电或光信号那样，可以经由电缆或光缆或通过无线电或其他手段传送的可传输载波。当程序以这样的信号形式具体化时，该载体可以由这样的缆线或其它设备或器件构成。可替代的是，该载体可以是嵌入程序的集成电路，该集成电路适用于执行相关方法，或用在相关方法的执行中。

应该注意到，上述实施例例示了本发明而不是限制本发明，本领域的普通技术人员能够不偏离所附权利要求书的范围地设计出许多可替代实施例。在权利要求书中，置于括号之中的任何标号不应该理解为限制权利要求。动词“包含”及其变形的使用不排除除了在权利要求中陈述的那些之外的其他元件或步骤的存在。在元件前面的冠词“一个”或“一种”不排除多个这样元件的存在。本发明可以通过包含若干不同元件的硬件，和通过适当编程计算机来实现。在列举了若干器件的设备权利要求中，这些器件的若干器件可以通过同一个硬件具体化。某些措施被列在相互不同从属权利要求中的仅有事实并不指示不能有利地使用这些措施的组合。

Claims (13)

1.一种规划神经外科手术的系统（10），该系统（10）包含：

- 输入端（11），用于接收脑区域（31）的功能数据（25）和解剖数据；以及

- 处理器（21），被配置成：

分析功能数据（25）以形成功能连接的网络表示（27），该网络表示（27）包含网络节点（32）和互连网络节点（32）的网络连接（41），

将功能连接的网络表示（27）和解剖数据映射到常见坐标系，

确定与从网络表示中模拟去除网络节点（32）或网络连接（41）之一相联系的预期功能丧失，以及

根据预期功能丧失识别关键网络连接和/或关键网络节点。

2.如权利要求1所述的规划神经外科手术的系统（10），其中该处理器（12）被进一步配置成进行网络表示（27）的拓扑网络分析以便确定预期功能丧失。

3.如权利要求2所述的规划神经外科手术的系统（10），其中该处理器（12）被进一步配置成计算网络节点（32）的聚类系数和/或网络连接（41）的路径长度以便进行网络表示的拓扑网络分析。

4.如权利要求1所述的规划神经外科手术的系统（10），其中功能数据包含多个数据通道（25）和其中该处理器（12）被进一步配置成计算功能数据通道（25）的成对关联以便分析功能数据。

5.如权利要求1所述的规划神经外科手术的系统（10），其中该系统（10）进一步包含规划工具，用于规划避开所识别关键网络连接和/或关键网络节点的外科手术轨迹。

6.如权利要求1所述的规划神经外科手术的系统（10），进一步包含输出端（14），用于提供功能连接的网络表示（27）的可视表示（29）。

7.如权利要求6所述的规划神经外科手术的系统（10），其中在可视表示（29）中强调关键网络连接和/或关键网络节点。

8.如权利要求6所述的规划神经外科手术的系统（10），其中可视表示（29）中网络连接（41）和网络节点（32）的外观取决于预期功能丧失。

9.如权利要求6所述的规划神经外科手术的系统（10），其中可视表示（29）进一步代表解剖数据。

10.如权利要求6所述的规划神经外科手术的系统（10），其中功能数据（25）包含fMRI、EEG、MEG和/或NIRS数据。

11.如权利要求6所述的规划神经外科手术的系统（10），其中解剖信息包含MRI和/或DTI数据。

12.一种规划神经外科手术的方法（20），该方法包含：

- 接收脑区域（31）的功能数据（25）和解剖数据；

- 分析（26）功能数据（25）以形成（22）功能连接的网络表示（27），该网络表示（27）包含网络节点（32）和互连网络节点（32）的网络连接（41）；

- 将功能连接的网络表示（27）和解剖数据映射（24）到常见坐标系；

- 确定（23）与从网络表示（27）中模拟去除网络节点（32）或网络连接（41）之一相联系的预期功能丧失；以及

- 根据预期功能丧失，识别关键网络连接和/或关键网络节点。

13.一种规划神经外科手术的计算机程序产品，该程序可操作使处理器执行如权利要求12所述的方法。

Images