CN109523500B - 颅内外血流重建术的搭桥血管确定方法及系统 - Google Patents
颅内外血流重建术的搭桥血管确定方法及系统 Download PDFInfo
- Publication number
- CN109523500B CN109523500B CN201811373859.1A CN201811373859A CN109523500B CN 109523500 B CN109523500 B CN 109523500B CN 201811373859 A CN201811373859 A CN 201811373859A CN 109523500 B CN109523500 B CN 109523500B
- Authority
- CN
- China
- Prior art keywords
- brain
- patient
- blood
- vessel
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 136
- 230000017531 blood circulation Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007917 intracranial administration Methods 0.000 title claims abstract description 29
- 210000004556 brain Anatomy 0.000 claims abstract description 135
- 230000000694 effects Effects 0.000 claims abstract description 56
- 210000002569 neuron Anatomy 0.000 claims abstract description 49
- 230000008084 cerebral blood perfusion Effects 0.000 claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 37
- 230000004060 metabolic process Effects 0.000 claims abstract description 37
- 230000010412 perfusion Effects 0.000 claims abstract description 29
- 230000002503 metabolic effect Effects 0.000 claims abstract description 26
- 230000002792 vascular Effects 0.000 claims abstract description 22
- 210000004720 cerebrum Anatomy 0.000 claims abstract description 19
- 210000003625 skull Anatomy 0.000 claims abstract description 18
- 238000002583 angiography Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 11
- 230000001054 cortical effect Effects 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 18
- 210000001367 artery Anatomy 0.000 claims description 12
- 238000002591 computed tomography Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 210000001519 tissue Anatomy 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 12
- 238000002600 positron emission tomography Methods 0.000 description 10
- 230000005714 functional activity Effects 0.000 description 9
- 210000003710 cerebral cortex Anatomy 0.000 description 5
- 230000002490 cerebral effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003925 brain function Effects 0.000 description 4
- 210000005013 brain tissue Anatomy 0.000 description 4
- 230000003727 cerebral blood flow Effects 0.000 description 4
- 238000007428 craniotomy Methods 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- MOFVSTNWEDAEEK-UHFFFAOYSA-M indocyanine green Chemical compound [Na+].[O-]S(=O)(=O)CCCCN1C2=CC=C3C=CC=CC3=C2C(C)(C)C1=CC=CC=CC=CC1=[N+](CCCCS([O-])(=O)=O)C2=CC=C(C=CC=C3)C3=C2C1(C)C MOFVSTNWEDAEEK-UHFFFAOYSA-M 0.000 description 4
- 229960004657 indocyanine green Drugs 0.000 description 4
- 230000002980 postoperative effect Effects 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 230000036770 blood supply Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 206010015037 epilepsy Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 201000007201 aphasia Diseases 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000000250 revascularization Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000031104 Arterial Occlusive disease Diseases 0.000 description 1
- 208000022211 Arteriovenous Malformations Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000016988 Hemorrhagic Stroke Diseases 0.000 description 1
- 208000035965 Postoperative Complications Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 208000021328 arterial occlusion Diseases 0.000 description 1
- 230000005744 arteriovenous malformation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008344 brain blood flow Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002008 hemorrhagic effect Effects 0.000 description 1
- 230000002439 hemostatic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本说明书实施例公开了多模态信息引导的颅内外血流重建术的搭桥血管确定方法及系统。方案包括：获取患者脑部的薄层磁共振图像；得到头颅结构模型；获取患者脑部的全脑血管造影图像，得到血管结构信息；获取脑血流灌注及代谢图像，得到代谢及灌注水平信息；获取患者全脑神经元电活动能量谱及功能连接地形图，得到患者脑部的神经元活动水平信息；将头颅结构模型、血管结构信息、脑血流灌注及代谢信息和神经元活动水平信息进行融合，得到患者脑部的多模态多模态信息融合图像；根据多模态信息融合图像，确定对于患者大脑半球的的手术区域，确定备选搭桥血管。采用本发明的方法，可以提高对于备选搭桥血管的选择精度与合理性。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种颅内外血流重建术的搭桥血管确定方法及系统。
背景技术
现有技术中，颅内外血流重建术(也称脑血管搭桥)，是临床常用的一种治疗缺血或出血性脑血管病(如烟雾病、颅内动脉闭塞)的常用手段。其目的在于通过外科手术方法，将颅外动脉(临床常用颞浅动脉)作为供体血管，与颅内动脉(即受体血管，临床常用大脑中动脉皮层分支)进行吻合，从而利用颅外血流供应颅内，改善脑血流灌注不足、降低颅内血管负荷，达到预防缺血或出血性脑卒中的目的。
现行的临床手术流程一般是根据主刀医生的经验，选择供体血管与某一受体血管进行血管吻合。这种方法往往是基于经验进行的，缺乏客观证据支持。手术前往往无法预测是否有合适的受体血管，需开颅后方能确定。并且手术过后有较高的手术并发症发生率(如：灌注紊乱综合征、短暂性失语、癫痫等)。
因此，需要提供一种能够精确确定搭桥血管的方法。
发明内容
有鉴于此，本申请实施例提供了一种多模态信息引导的颅内外血流重建术的搭桥血管确定方法及系统，用于提高搭桥血管的选择精度。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供的一种多模态信息引导的颅内外血流重建术的搭桥血管确定方法，包括：
获取患者脑部的薄层磁共振图像；
得到所述患者脑部的头颅结构模型；
获取所述患者脑部的全脑血管造影图像；
得到所述患者脑部的血管结构信息；
获取所述患者脑部的脑血流灌注及代谢图像；
得到所述患者脑部的代谢及灌注水平信息；
获取所述患者全脑神经元电活动能量谱及功能连接地形图；
得到所述患者脑部的神经元活动水平信息；
将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，得到所述患者脑部的多模态信息融合图像；所述多模态信息融合图像中同时包含所述患者脑部的组织图像信息、血管图像信息、血流灌注及代谢信息及功能活动信息；
根据所述多模态信息融合图像，确定对于所述患者大脑半球的手术区域；所述手术区域的脑血流灌注及代谢指标低于所述患者大脑半球的其他区域平均指标，所述手术区域的功能活动强度小于所述患者大脑半球的其他区域的强度；
根据所述多模态信息融合图像，从所述手术区域中确定备选搭桥血管；所述备选搭桥血管的管径范围在设定区间内，且与所述患者脑部的外表面的距离小于设定距离；
其中，所述获取所述患者脑部的脑血流灌注及代谢图像，具体包括：
采用全脑正电子发射计算机断层显像PET；
或者动脉自旋标记ASL方法获取所述患者脑部的脑血流灌注及代谢图像。
可选的，所述从所述手术区域中确定备选搭桥血管，具体包括：
从所述手术区域中确定备选供体血管与备选受体血管。
可选的，所述从所述手术区域中确定备选搭桥血管之后，还包括：
对于所述备选受体血管，通过Flow800系统，计算各个备选受体血管的血流量与血流速度；
选取血流量小于其他备选受体血管流量，血流速度小于其他备选受体血管速度的一组备选受体血管作为目标血管群；
对于所述目标血管群，通过Brain Products皮层电生理监护系统，确定各个所述目标血管供应的相应脑区的神经元电活动能量与频率；
确定神经元电活动能量与频率最低的目标区域；
将所述目标区域对应的目标血管确定为最终受体血管。
可选的，所述将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，具体包括：
通过Brainlab手术显微镜整合软件将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合。
一种多模态信息引导的颅内外血流重建术的搭桥血管确定系统，包括：
薄层磁共振图像获取模块，用于获取患者脑部的薄层磁共振图像；
头颅结构模型得到模块，用于得到所述患者脑部的头颅结构模型；
全脑血管造影图像获取模块，用于获取所述患者脑部的全脑血管造影图像；
血管结构信息得到模块，用于得到所述患者脑部的血管结构信息；
脑血流灌注及代谢图像获取模块，用于获取所述患者脑部的脑血流灌注及代谢图像；所述脑血流灌注及代谢图像获取模块，具体包括：
脑血流灌注及代谢图像获取单元，用于采用全脑正电子发射计算机断层显像PET；
或者动脉自旋标记ASL方法获取所述患者脑部的脑血流灌注及代谢图像；
代谢及灌注水平信息得到模块，用于得到所述患者脑部的代谢及灌注水平信息；
全脑神经元电活动能量谱及功能连接地形图获取模块，用于获取所述患者全脑神经元电活动能量谱及功能连接地形图；
神经元活动水平信息得到模块，用于得到所述患者脑部的神经元活动水平信息；
多模态信息融合图像得到模块，用于将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，得到所述患者脑部的多模态信息融合图像；所述多模态信息融合图像中同时包含所述患者脑部的组织图像信息、血管图像信息、血流灌注及代谢信息及功能活动信息；
手术区域确定模块，用于根据所述多模态信息融合图像，确定对于所述患者大脑半球的手术区域；所述手术区域的脑血流灌注及代谢指标低于所述患者大脑半球的其他区域平均指标，所述手术区域的功能活动强度小于所述患者大脑半球的其他区域的强度；
备选搭桥血管确定模块，用于根据所述多模态信息融合图像，从所述手术区域中确定备选搭桥血管；所述备选搭桥血管的管径范围在设定区间内，且与所述患者脑部的外表面的距离小于设定距离。
可选的，所述备选搭桥血管确定模块，具体包括：
备选供体血管与备选受体血管确定单元，用于从所述手术区域中确定备选供体血管与备选受体血管。
可选的，所述系统还包括：
血流量与血流速度计算模块，用于对于所述备选受体血管，通过Flow800系统，计算各个备选受体血管的血流量与血流速度；
目标血管选取模块，用于选取血流量小于其他备选受体血管流量，血流速度小于其他备选受体血管速度的一组备选受体血管作为目标血管群；
神经元电活动能量与频率确定模块，用于对于所述目标血管群，通过BrainProducts皮层电生理监护系统，确定各个所述目标血管供应的相应脑区的神经元电活动能量与频率；
神经元电活动能量与频率最低的目标区域确定模块，用于确定神经元电活动能量与频率最低的目标区域；
最终受体血管确定模块，用于将所述目标区域对应的目标血管确定为最终受体血管。
可选的，所述多模态信息融合图像得到模块，具体包括：
融合单元，用于通过Brainlab手术显微镜整合软件将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过采用多种脑影像融合的方法，将脑血管结构、脑血流灌注、手术区域脑功能、手术区域脑血流动力学进行融合，对图像中的数据进行客观分析，根据数据分析结果，确定颅内外血流重建术的搭桥血管，对于供体血管及受体血管的选择更加精确。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例中一种多模态信息引导的颅内外血流重建术的搭桥血管确定方法的流程示意图；
图2为本说明书实施例中一种多模态信息引导的颅内外血流重建术的搭桥血管确定系统的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例中一种多模态信息引导的颅内外血流重建术的搭桥血管确定方法的流程示意图。如图1所示，该方法可以包括以下步骤：
S101：获取患者脑部的薄层磁共振图像；
S102：得到所述患者脑部的头颅结构模型；
S103：获取所述患者脑部的全脑血管造影图像；
S104：得到所述患者脑部的血管结构信息；
S105：获取所述患者脑部的脑血流灌注图像及代谢图像；获取所述患者脑部的脑血流灌注及代谢图像，具体包括：
采用全脑正电子发射计算机断层显像PET；
或者动脉自旋标记ASL方法获取所述患者脑部的脑血流灌注及代谢图像；
S106：得到所述患者脑部的代谢及灌注水平信息；
S107：获取所述患者全脑神经元电活动能量谱及功能连接地形图；
S108：得到所述患者脑部的神经元活动水平信息；
S109：将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，得到所述患者脑部的多模态信息融合图像；所述多模态信息融合图像中同时包含所述患者脑部的组织图像信息、血管图像信息、血流灌注及代谢信息及功能活动信息；
S110：根据所述多模态信息融合图像，确定对于所述患者大脑半球的手术区域；所述手术区域的脑血流灌注及代谢指标低于所述患者大脑半球的其他区域平均指标，所述手术区域的功能活动强度小于所述患者大脑半球的其他区域的强度；
S111：根据所述多模态信息融合图像，从所述手术区域中确定备选搭桥血管；所述备选搭桥血管的管径范围在设定区间内，且与所述患者脑部的外表面的距离小于设定距离。
现有技术中，通常是根据主刀医生的经验来确定搭桥血管。这种方法是基于经验进行的，缺乏客观证据支持。手术前往往无法预测是否有合适的受体血管，需开颅后方能确定。并且手术过后有较高的手术并发症发生率(如：灌注紊乱综合征、短暂性失语、癫痫等)。
本说明书实施例中的方案，采用多种脑影像融合的方法，将脑血管结构、脑血流灌注、手术区域脑功能、手术区域脑血流动力学进行融合，从多个角度确定供体血管与受体血管，从而实现“精准搭桥”。
具体的，根据所述头颅结构模型，可以确定颅内组织的空间位置信息；根据所述血管结构图像可以确定血管的尺寸；根据所述脑血流灌注图像可以确定脑内各个区域的血流供应程度信息；根据所述神经元电活动能量谱及功能连接地形图，可以确定脑内各个区域的神经功能活动强度。综合考虑上述多种因素，可以选择血管尺寸合适，血流供应较弱，神经功能活动强度较低的血管，作为受体血管，从而提高手术成功率，避免术后并发症。
综上所述，本说明书实施例中的搭桥血管确定方法，通过获取多种角度的脑部图像，对图像中的数据进行客观分析，根据数据分析结果，确定颅内外血流重建术的搭桥血管，对于供体血管及受体血管的选择更加精确。
基于图1的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
实际应用中，所述从所述手术区域中确定备选搭桥血管之后，还可以包括以下步骤：
对于所述备选受体血管，通过Flow800系统，计算各个备选受体血管的血流量与血流速度；
选取血流量小于其他备选受体血管流量，血流速度小于其他备选受体血管速度的一组备选受体血管作为目标血管群；
对于所述目标血管群，通过Brain Products皮层电生理监护系统，确定各个所述目标血管供应的相应脑区的神经元电活动能量与频率；
确定神经元电活动能量与频率最低的目标区域；
将所述目标区域对应的目标血管确定为最终受体血管。
上述步骤中，采用了Flow800系统和Brain Products皮层电生理监护系统。
其中，Flow800系统可以通过荧光剂造影的原理生成脑部图像。具体的，荧光剂可以选用吲哚菁绿(Indocyanine Green，ICG)。
ICG是一种近红外荧光三碳氰染剂(荧光剂),最大吸收峰和发射峰分别为805nm和835nm(可见光波长范围为390nm-780nm)。1956年得到美国国家食品与药品管理局FDA批准用于心脏循环系统和肝功能的评估。1975年补充批准用于眼部血管造影术。2002年美国FDA批准脑血管病术中血管造影的临床试验研究。
关闭手术室光源，静脉快速推注造影剂后，显微镜切换进入荧光模式，其近红外光源发射激发光(λ＝800nm)投射至术野，激发IGC荧光，采录ICG荧光信号。
Flow800系统可以利用不同色彩精确识别血液流经血管的时间和先后顺序，帮助医生判断血流走向和血流灌注先后顺序。红色表示血液最先到达的区域，其次以橙、黄、绿、青、蓝来表示，可以使用户对血流顺序和方向一目了然。
需要说明的是，现有技术中，Flow800系统主要是用于脑部的动静脉畸形手术，或者脑瘤切除手术。对于将该系统应用至颅内外血流重建术的搭桥血管确定，在本领域是从未有过的，并且能够产生良好的效果。
Brain Products皮层电生理监护系统指的是Brain Products生产的皮层电生理监护系统。现有技术中，Brain Products皮层电生理监护系统是用于癫痫等疾病的。本领域技术人员也从未将Brain Products皮层电生理监护系统应用至颅内外血流重建术。并且，Brain Products皮层电生理监护系统在颅内外血流重建术中，也可以产生良好的效果。
具体的，可以采用Brain Products皮层电生理监护系统进行术中及术后脑电图监测。
术中脑电图监测就是将皮层电极安放在大脑皮层上实时记录不同状态下的脑电图。而颅内外血管搭桥手术中，根据开颅的大小和所需搭桥脑血管给大脑皮层供血的范围选择合适的皮层电极，如1*8，2*8等不同形状及排列的皮层电极。连接在德国BrainProducts公司的BrainAmp MR32脑电分析仪上，分别在脑血管搭桥前，搭桥操作过程中，及搭桥后通过Recorder记录软件实时监测脑电图波形的变化。与此同时，采用RecView软件通过快速傅立叶变换(FFT)及小波分析(Wavelets)的图像变化，可以实时反馈对应电极位置大脑皮层的神经元电活动与相应脑组织功能水平。手术结束后，可以对所保存的术中脑电数据通过Analyzer软件进一步提取分析，分析大脑皮层不同位置的不同时期的δ、θ、α、β波段的功率值。
具体操作流程：
1.数据实时监测：根据患者开颅位置大小及血管供血情况选择16，24或32等不同层数皮层电极，参考电极和地电极采用针电极安放在患者的乳突位置。采集参数设置为低切0.016Hz，高切250Hz，采样率1000Hz，分辨率0.5uV。所有的皮层电极与大脑皮层充分接触，电极阻抗在15千欧姆以内。
数据在监测过程中，根据手术的进展，分别在刚开始监测打上Pre标志并保持静止监测5分钟术中脑电图，随后手术操作，并在用止血钳夹住受堵血管后并标志Clip记录5分钟静止术中脑电图，最后在血管搭桥完成，恢复供血时标志Post并记录5分钟静止术中脑电图。
2.后期数据分析：对整个数据进行0.1-50Hz的带宽滤波，50Hz陷波。然后分别取Pre，clip，post三个对应标志后的5分钟脑电进行分析：将5分钟的数据分为60段5秒数据，并进行FFT和Wavelets分析，并将60段的结果做叠加平均，得到最后的结果。
实际应用中，还可以采用256导高密度脑电图来进行脑部神经活动的监测。
具体的，可以通过采集患者不同时期(术前，术后)的脑电图，事件相关电位，进行辅助诊断和对大脑功能的评估。通过事件相关电位波形分析评估大脑认知功能问题。
术后随访进行256通道高密度脑电及事件相关电位检测，评估术后大脑功能恢复的情况及反馈手术效果。
具体操作流程，以下操作分别在手术前和手术后(例如一个月后)各采集一次：
1.256导高密度脑电图检查：在患者头上佩戴256导BrainCap电极帽，电极排列根据国际标准10-20电极系统扩展的5-5电极系统位置，以AFz电极为地，FCz电极为参考，并有单独的一电极记录眼电信号(EOG)。所有的电极与头皮通过导电糊充分接触，电极阻抗在15千欧姆以内。通过Recorder软件采集数据，采样率为5000Hz，低切滤波为0.016Hz，高切滤波为1000Hz，分辨率设置为0.1uV。连续记录患者2小时的脑电图：先要求患者闭眼5分钟，后反复做睁闭眼几次，接着进行三分钟过度换气，然后闭眼休息5分钟。后续做事件相关电位检查：a.MMN检查，给患者佩戴耳机，听两种不同频率的纯音；b.视觉P300检查；c.图形认知评估：面孔识别；d.语言认知功能评估：N400测试。事件相关电位检测完毕后，让患者卧床休息记录1小时的脑电图。所有的事件相关电位刺激呈现内容均由E-Prime软件实现。
实际应用中，可以通过Brainlab手术显微镜整合软件将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合。
具体的，首先可以通过
高级三维分析功能模块制定战略性的手术计划。面对大量的不同类型的患者数据，使用
Cranial颅脑手术计划软件对其进行过滤、加工、融合，并直观展示给外科医生。这些数据的综合直观显示可以帮助医生做出进一步的决策。
在多模态信息引导的颅内外搭桥手术中，
手术计划软件需要用到的模块包括：影像自动融合功能，脑组织自动分割功能，脑血管3D重建功能等。需要用到患者数据包括：颅脑核磁共振扫描检查(T1薄层平扫，层厚不高于2mm)、DSA三维血管造影、256通道高密度脑电图、PET/CT扫描等。
自动影像融合软件能使外科医生在制订手术计划时同时应用解剖学影像和功能性影像。该软件支持多种常见影像格式：特别是在颅内外血管搭桥手术中，医生需要以MR影像来显示大脑皮层正常组织结构；以DSA等脑血管结构影像来重建脑血管信息；以PET等脑血流灌注影像来观察目标区域的脑组织灌注情况；以256通道高密度脑电来反映神经元电活动与相应脑组织功能水平。通过
软件融合，每一个目标“物体”只需要在该套数据创建手术计划时勾画一次，就可以在任一融合的影像中展示出来。或者说本身不同类型的数据信息，通过自动影像融合之后使得能同时展现出来。
自动分割系统能够将所有相关的解剖信息快速添加至数据组，通过术前计划，对已融合好的图像进行自动分割，并利用图谱信息计算出每个对象的体积。在颅内外血管搭桥中，通过自动分割软件，运用术前患者颅脑MRI薄层扫描，重建出患者的大脑皮层信息；运用PET扫描重建皮层的代谢灌注；运用DSA三维扫描重建颅内动脉的三维结构；运用256通道高密度脑电重建脑组织功能影像。
利用
Cranial颅脑手术计划软件，医生通过整合分析各类的术前影像信息，为患者制定出最适宜的手术区域，即在若干管径适合、位置表浅的血管中选定最佳的受体血管。手术当天，事前制定好的手术计划传入手术导航系统，患者麻醉后上头架，安装导航参考架，通过激光表面配准的方式完成手术导航的注册，同时完成手术导航与显微镜的连接，在显微镜上安装专用的导航参考阵列，并校准精度预备术中实现镜下现实增强投射功能。
因为在手术操作的大部分时间里，神经外科医生是通过显微镜来观看术野(而不是导航屏幕)，
的颅脑导航软件(Cranial Navigation Software)支持带有增强图像集成功能的手术显微镜。与显微镜相连接的被动标记球可对其位置进行追踪，从而实现符合人体工程学的定位，并将显微镜自动聚焦到所导航的手术器械上。
在实时画面与术前解剖学影像之间切换时，
手术显微镜整合软件可提供符合人体工程学的浏览功能。当快门关闭时，所选导航屏幕画面将在显微镜中显示。神经外科医生可通过显微镜的手柄控制按钮对导航软件进行遥控，以确保更高效地执行手术。
在颅内外血管搭桥手术中，手术导航通过投射PET影像的灌注信息至显微镜目镜下，与术野皮层相叠加，将虚拟的代谢灌注信息与真实的手术术野相结合，帮助医生直观的了解血管，皮层和灌注三者间的关系。从而为选择最合适的受体血管进行血运重建提供信息支持。
还需要说明的是，可以有多种方式获取所述患者脑部的脑血流灌注及代谢图像，具体可以包括：
采用全脑正电子发射计算机断层显像(Positron Emission Tomography PET)；
或者动脉自旋标记(Arterial spin labeling，ASL)方法获取所述患者脑部的脑血流灌注及代谢图像。
基于同样的思路，本说明书实施例还提供了上述方法对应的系统。
图2为本说明书实施例中一种多模态信息引导的颅内外血流重建术的搭桥血管确定系统的流程示意图。如图2所示，所述系统包括：
薄层磁共振图像获取模块201，用于获取患者脑部的薄层磁共振图像；
头颅结构模型得到模块202，用于得到所述患者脑部的头颅结构模型；
全脑血管造影图像获取模块203，用于获取所述患者脑部的全脑血管造影图像；
血管结构信息得到模块204，用于得到所述患者脑部的血管结构信息；
脑血流灌注及代谢图像获取模块205，用于获取所述患者脑部的脑血流灌注及代谢图像；所述脑血流灌注及代谢图像获取模块205，具体包括：
述脑血流灌注及代谢图像获取单元，用于采用全脑正电子发射计算机断层显像PET；
或者，磁共振血管成像MRA；
或者动脉自旋标记ASL方法获取所述患者脑部的脑血流灌注及代谢图像；
代谢及灌注水平信息得到模块206，用于得到所述患者脑部的代谢及灌注水平信息；
全脑神经元电活动能量谱及功能连接地形图获取模块207，用于获取所述患者全脑神经元电活动能量谱及功能连接地形图；
神经元活动水平信息得到模块208，用于得到所述患者脑部的神经元活动水平信息；
多模态信息融合图像得到模块209，用于将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，得到所述患者脑部的多模态信息融合图像；所述多模态信息融合图像中同时包含所述患者脑部的组织图像信息、血管图像信息、血流灌注及代谢信息及功能活动信息；
手术区域确定模块210，用于根据所述多模态信息融合图像，确定对于所述患者大脑半球的手术区域；所述手术区域的脑血流灌注及代谢指标低于所述患者大脑半球的其他区域平均指标，所述手术区域的功能活动强度小于所述患者大脑半球的其他区域的强度；
备选搭桥血管确定模块211，用于根据所述多模态信息融合图像，从所述手术区域中确定备选搭桥血管；所述备选搭桥血管的管径范围在设定区间内，且与所述患者脑部的外表面的距离小于设定距离。
可选的，备选搭桥血管确定模块211，具体包括：
备选供体血管与备选受体血管确定单元，用于从所述手术区域中确定备选供体血管与备选受体血管。
可选的，所述系统还包括：
血流量与血流速度计算模块，用于对于所述备选受体血管，通过Flow800系统，计算各个备选受体血管的血流量与血流速度；
目标血管选取模块，用于选取血流量小于其他备选受体血管流量，血流速度小于其他备选受体血管速度的一组备选受体血管作为目标血管群；
神经元电活动能量与频率确定模块，用于对于所述目标血管群，通过BrainProducts皮层电生理监护系统，确定各个所述目标血管供应的相应脑区的神经元电活动能量与频率；
神经元电活动能量与频率最低的目标区域确定模块，用于确定神经元电活动能量与频率最低的目标区域；
最终受体血管确定模块，用于将所述目标区域对应的目标血管确定为最终受体血管。
可选的，多模态信息融合图像得到模块209，具体包括：
融合单元，用于通过Brainlab手术显微镜整合软件将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种多模态信息引导的颅内外血流重建术的搭桥血管确定方法，其特征在于，包括：
获取患者脑部的薄层磁共振图像；
得到所述患者脑部的头颅结构模型；
获取所述患者脑部的全脑血管造影图像；
得到所述患者脑部的血管结构信息；
获取所述患者脑部的脑血流灌注及代谢图像；
得到所述患者脑部的代谢及灌注水平信息；
获取所述患者全脑神经元电活动能量谱及功能连接地形图；
得到所述患者脑部的神经元活动水平信息；
通过Brainlab手术显微镜整合软件将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，得到所述患者脑部的多模态信息融合图像；所述多模态信息融合图像中同时包含所述患者脑部的组织图像信息、血管图像信息、脑部的代谢及灌注水平信息、及活动水平信息；
根据所述多模态信息融合图像，确定对于所述患者大脑半球的手术区域；所述手术区域的脑部的代谢及灌注水平指标低于所述患者大脑半球的其他区域平均指标，所述手术区域的活动水平强度小于所述患者大脑半球的其他区域的强度；
根据所述多模态信息融合图像，从所述手术区域中确定备选搭桥血管；所述备选搭桥血管的管径范围在设定区间内，且与所述患者脑部的外表面的距离小于设定距离；
其中，所述获取所述患者脑部的脑血流灌注及代谢图像，具体包括：
采用全脑正电子发射计算机断层显像PET；
或者动脉自旋标记ASL方法获取所述患者脑部的脑血流灌注及代谢图像。
2.根据权利要求1所述的方法，其特征在于，所述从所述手术区域中确定备选搭桥血管，具体包括：
从所述手术区域中确定备选供体血管与备选受体血管。
3.根据权利要求2所述的方法，其特征在于，所述从所述手术区域中确定备选搭桥血管之后，还包括：
对于所述备选受体血管，通过Flow800系统，计算各个备选受体血管的血流量与血流速度；
选取血流量小于其他备选受体血管流量，血流速度小于其他备选受体血管速度的一组备选受体血管作为目标血管群；
对于所述目标血管群，通过Brain Products皮层电生理监护系统，确定所述目标血管群中的各个目标血管供应的相应脑区的神经元电活动能量与频率；
确定神经元电活动能量与频率最低的目标区域；
将所述目标区域对应的目标血管确定为最终受体血管。
4.一种多模态信息引导的颅内外血流重建术的搭桥血管确定系统，其特征在于，包括：
薄层磁共振图像获取模块，用于获取患者脑部的薄层磁共振图像；
头颅结构模型得到模块，用于得到所述患者脑部的头颅结构模型；
全脑血管造影图像获取模块，用于获取所述患者脑部的全脑血管造影图像；
血管结构信息得到模块，用于得到所述患者脑部的血管结构信息；
脑血流灌注及代谢图像获取模块，用于获取所述患者脑部的脑血流灌注及代谢图像；所述脑血流灌注及代谢图像获取模块，具体包括：
脑血流灌注及代谢图像获取单元，用于采用全脑正电子发射计算机断层显像PET；
或者动脉自旋标记ASL方法获取所述患者脑部的脑血流灌注及代谢图像；
代谢及灌注水平信息得到模块，用于得到所述患者脑部的代谢及灌注水平信息；
全脑神经元电活动能量谱及功能连接地形图获取模块，用于获取所述患者全脑神经元电活动能量谱及功能连接地形图；
神经元活动水平信息得到模块，用于得到所述患者脑部的神经元活动水平信息；
多模态信息融合图像得到模块，用于通过Brainlab手术显微镜整合软件将所述头颅结构模型、所述血管结构信息、所述脑血流灌注及代谢图像和所述神经元活动水平信息进行融合，得到所述患者脑部的多模态信息融合图像；所述多模态信息融合图像中同时包含所述患者脑部的组织图像信息、血管图像信息、脑部的代谢及灌注水平信息、及活动水平信息；
手术区域确定模块，用于根据所述多模态信息融合图像，确定对于所述患者大脑半球的手术区域；所述手术区域的脑部的代谢及灌注水平指标低于所述患者大脑半球的其他区域平均指标，所述手术区域的活动水平强度小于所述患者大脑半球的其他区域的强度；
备选搭桥血管确定模块，用于根据所述多模态信息融合图像，从所述手术区域中确定备选搭桥血管；所述备选搭桥血管的管径范围在设定区间内，且与所述患者脑部的外表面的距离小于设定距离。
5.根据权利要求4所述的系统，其特征在于，所述备选搭桥血管确定模块，具体包括：
备选供体血管与备选受体血管确定单元，用于从所述手术区域中确定备选供体血管与备选受体血管。
6.根据权利要求5所述的系统，其特征在于，所述系统还包括：
血流量与血流速度计算模块，用于对于所述备选受体血管，通过Flow800系统，计算各个备选受体血管的血流量与血流速度；
目标血管选取模块，用于选取血流量小于其他备选受体血管流量，血流速度小于其他备选受体血管速度的一组备选受体血管作为目标血管群；
神经元电活动能量与频率确定模块，用于对于所述目标血管群，通过Brain Products皮层电生理监护系统，确定所述目标血管群中的各个目标血管供应的相应脑区的神经元电活动能量与频率；
神经元电活动能量与频率最低的目标区域确定模块，用于确定神经元电活动能量与频率最低的目标区域；
最终受体血管确定模块，用于将所述目标区域对应的目标血管确定为最终受体血管。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811373859.1A CN109523500B (zh) | 2018-11-19 | 2018-11-19 | 颅内外血流重建术的搭桥血管确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811373859.1A CN109523500B (zh) | 2018-11-19 | 2018-11-19 | 颅内外血流重建术的搭桥血管确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109523500A CN109523500A (zh) | 2019-03-26 |
| CN109523500B true CN109523500B (zh) | 2020-07-31 |
Family
ID=65776539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811373859.1A Active CN109523500B (zh) | 2018-11-19 | 2018-11-19 | 颅内外血流重建术的搭桥血管确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109523500B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110060227A (zh) * | 2019-04-11 | 2019-07-26 | 艾瑞迈迪科技石家庄有限公司 | 多模态影像融合显示方法和装置 |
| CN114098966B (zh) * | 2021-12-01 | 2024-07-02 | 辽宁北镜医疗科技有限公司 | 一种广角补光功能的荧光术中导航方法及系统 |
| CN114266791A (zh) * | 2021-12-31 | 2022-04-01 | 上海联影智能医疗科技有限公司 | 搭桥重建方法及计算机设备 |
| CN115040100B (zh) * | 2022-06-14 | 2023-10-27 | 安影科技（北京）有限公司 | 一种视神经血流灌注数值快速采集方法 |
| CN115294088A (zh) * | 2022-08-18 | 2022-11-04 | 安影科技（北京）有限公司 | 一种脑部动脉自旋标记图像处理方法及系统 |
| CN115880425B (zh) * | 2022-11-28 | 2023-07-25 | 中国人民解放军空军军医大学 | 一种脑肿瘤的标签化三维多模态脑结构融合重建方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5921132B2 (ja) * | 2011-10-17 | 2016-05-24 | 株式会社東芝 | 医用画像処理システム |
| CN103700083B (zh) * | 2013-12-26 | 2017-02-22 | 中国人民解放军广州军区武汉总医院 | 基于自适应模糊神经网络模型ct灌注图像智能融合方法 |
| CN103932796A (zh) * | 2014-04-13 | 2014-07-23 | 北京师范大学 | 一种基于多模态医学影像数据融合的颅内电极个体化定位的方法 |
| KR101582415B1 (ko) * | 2014-06-18 | 2016-01-04 | 가천대학교 산학협력단 | 자기 공명 영상 시스템에서 t2* 및 혈관 영상의 동시 획득 방법 |
-
2018
- 2018-11-19 CN CN201811373859.1A patent/CN109523500B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109523500A (zh) | 2019-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109523500B (zh) | 颅内外血流重建术的搭桥血管确定方法及系统 | |
| US11666238B2 (en) | System and method for rapid examination of vasculature and particulate flow using laser speckle contrast imaging | |
| Schiffbauer et al. | Preoperative magnetic source imaging for brain tumor surgery: a quantitative comparison with intraoperative sensory and motor mapping | |
| Tranel et al. | Neuroanatomical correlates of electrodermal skin conductance responses | |
| Weinhaus et al. | Comparison of fluorescein angiography with microvascular anatomy of macaque retinas | |
| Masino et al. | Characterization of functional organization within rat barrel cortex using intrinsic signal optical imaging through a thinned skull. | |
| JP4083115B2 (ja) | 嘘及び隠された認識、並びに情報に対する認知的／感情的反応を発見し評価するための機能的脳イメージング | |
| Kamada et al. | Functional monitoring for visual pathway using real-time visual evoked potentials and optic-radiation tractography | |
| Ma et al. | Preoperative visualization of cranial nerves in skull base tumor surgery using diffusion tensor imaging technology | |
| WO2015166503A1 (en) | Multimodal transcranial brain optical imaging | |
| CN110236482B (zh) | 一体化眼脑部视觉功能成像系统 | |
| Minxha et al. | Surgical and electrophysiological techniques for single-neuron recordings in human epilepsy patients | |
| DE102011120937B4 (de) | Anordnung und Verfahren zur Registrierung von Gewebeverschiebungen | |
| Pouratian et al. | Intraoperative optical intrinsic signal imaging: a clinical tool for functional brain mapping | |
| CN211704590U (zh) | 一体化眼脑部视觉功能成像系统 | |
| CN109523536B (zh) | 颅内外血流重建术的搭桥血管确定方法及系统 | |
| Lesch et al. | Functional dissociation of multiple-object tracking mechanisms based on hemispheric asymmetries | |
| Tronnier et al. | Functional neuronavigation | |
| Stippich | Presurgical functional magnetic resonance imaging (fMRI) | |
| Maguire | The cerebral representation of space: insights from functional imaging data | |
| Zagzoog et al. | Perspective review on applications of optics in skull base surgery | |
| Gonzalez-Lopez et al. | Optic Radiations Monitoring in Awake Glioma Surgery: Intraoperative Campimetry | |
| Chabrerie et al. | Three-dimensional reconstruction and surgical navigation in padiatric epilepsy surgery | |
| Roberts et al. | Magnetoencephalography | |
| Holodny | Clinical Applications of fMRI and DTI. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |