JP7431821B2 - 定位脳標的を判定する方法 - Google Patents
定位脳標的を判定する方法 Download PDFInfo
- Publication number
- JP7431821B2 JP7431821B2 JP2021521382A JP2021521382A JP7431821B2 JP 7431821 B2 JP7431821 B2 JP 7431821B2 JP 2021521382 A JP2021521382 A JP 2021521382A JP 2021521382 A JP2021521382 A JP 2021521382A JP 7431821 B2 JP7431821 B2 JP 7431821B2
- Authority
- JP
- Japan
- Prior art keywords
- marker
- point
- points
- target
- coordinates
- 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
- 210000004556 brain Anatomy 0.000 title claims description 66
- 239000003550 marker Substances 0.000 claims description 155
- 238000000034 method Methods 0.000 claims description 134
- 230000006870 function Effects 0.000 claims description 63
- 230000000638 stimulation Effects 0.000 claims description 57
- 238000011282 treatment Methods 0.000 claims description 32
- 238000003384 imaging method Methods 0.000 claims description 27
- 230000002980 postoperative effect Effects 0.000 claims description 27
- 239000013256 coordination polymer Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 210000002637 putamen Anatomy 0.000 claims description 15
- 210000001103 thalamus Anatomy 0.000 claims description 15
- 238000002790 cross-validation Methods 0.000 claims description 13
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000002560 therapeutic procedure Methods 0.000 claims description 3
- 210000000211 third ventricle Anatomy 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 50
- 238000012549 training Methods 0.000 description 20
- 239000013598 vector Substances 0.000 description 18
- 210000004281 subthalamic nucleus Anatomy 0.000 description 16
- 230000008685 targeting Effects 0.000 description 13
- 208000018737 Parkinson disease Diseases 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 230000004936 stimulating effect Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 201000006517 essential tremor Diseases 0.000 description 6
- 210000001905 globus pallidus Anatomy 0.000 description 6
- 230000004807 localization Effects 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 208000014094 Dystonic disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 208000010118 dystonia Diseases 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002513 implantation Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 208000001654 Drug Resistant Epilepsy Diseases 0.000 description 2
- 201000004311 Gilles de la Tourette syndrome Diseases 0.000 description 2
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 2
- 208000000323 Tourette Syndrome Diseases 0.000 description 2
- 208000016620 Tourette disease Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 210000004884 grey matter Anatomy 0.000 description 2
- 239000007943 implant Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002075 inversion recovery Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012307 MRI technique Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000005056 cell body Anatomy 0.000 description 1
- 230000007012 clinical effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000002690 local anesthesia Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003045 statistical classification method Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 238000009210 therapy by ultrasound Methods 0.000 description 1
- 230000033912 thigmotaxis Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Urology & Nephrology (AREA)
- Pathology (AREA)
- Robotics (AREA)
- Databases & Information Systems (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Electrotherapy Devices (AREA)
- Radiation-Therapy Devices (AREA)
- Surgical Instruments (AREA)
Description
- 視床下深部刺激に対する非常に良好な反応を有する患者を選択するステップ、
- 前記患者の術後MRIを検索するステップ、
- 標準CACP定位空間を各術後MRIについて構成するステップであって、このために、点CA及びCP及び半球間平面は、同定される、ステップ、
- 活性シミュレーション接点の座標を術後MRIで判定するステップ、
- 様々な解剖学的マーカー点を術後MRIで判定するステップ、
- 線形回帰モデルを用いて、活性接点の各座標と、各マーカー点の対応する座標との間の相関関係を計算するステップ、
- 相関関係が正しい場合、活性接点のx、y及びz座標と最良の相関関係を与えるマーカー点に基づいて回帰線の方程式を計算するステップ、
- この方程式を用いて、理論標的の座標を計算するステップ、
- この理論標的の座標を活性接点の実際の座標と比較するステップ
を含む。
- 少なくとも1つの標的点における治療後に測定される結果が閾値以上である患者を選択するステップであって、術後画像化は、前記患者の各々について実行されている、ステップ、
- それぞれの選択された患者について、少なくとも1つの標的点の座標の全部又は一部を判定するために前記術後画像化を処理するステップ、
- 脳マーカー点を選択するステップ、
- それぞれの選択された患者について、選択マーカー点の座標の全部又は一部を判定するために前記術後画像化を処理するステップ、
- 選択された患者の全部について判定される標的点の座標及びマーカー点の座標を含む学習データベースを生成するステップ、
- 学習データベース及び教師あり統計学習方法を使用することにより、マーカー点の座標に従って少なくとも1つの標的点の座標を与える予測関数を判定するステップ、
- 新しい患者の術前画像化を、前記新しい患者のマーカー点の座標の全部又は一部を判定するために処理するステップ、
- 前記新しい患者について判定されるマーカー点の座標に従い、前記新しい患者について少なくとも1つの標的点の座標を得るために予測関数を使用するステップ
を含む方法である。
- 少なくとも1つの標的点で前記症状について実行される治療後に測定される結果が閾値以上である患者の複数の臨床例を選択するステップであって、術後画像化は、前記患者の各々について実行されている、ステップ、
- 数学的座標系、好ましくは正規直交デカルト座標系を選択するステップ、
- それぞれの選択された臨床例について、選択された座標系における少なくとも1つの標的点の座標の全部又は一部を判定するために前記術後画像化を処理するステップ、
- 複数の脳マーカー点を選択するステップ、
- それぞれの選択された臨床例について、脳マーカー点の座標の全部又は一部を判定するために前記術後画像化を処理するステップ、
- 選択された臨床例の全部の標的点の判定された座標及びマーカー点の判定された座標を含む学習データベースを生成するステップ、
- 学習データベース及び教師あり統計学習方法を使用することにより、マーカー点に従って少なくとも1つの標的点の座標を与える予測関数を判定するステップ、
- 前記症状について治療される新しい患者の術前画像化を、前記新しい患者のマーカー点の座標の全部又は一部を判定するために処理するステップ、
- 前記新しい患者について判定されるマーカー点の座標に従い、前記新しい患者について少なくとも1つの標的点の座標を得るために予測関数を使用するステップ
を含む方法に関する。
- 交差検証方法を使用して予測関数を統合するステップであって、マーカー点に従って少なくとも1つの標的点の座標を与える統合予測関数をもたらすステップ
を更に含み得、予測関数を使用するステップは、統合予測関数を使用するステップを含む。
- 第3の軸平面上の乳頭視床束である第1のマーカー点、
- 第1、第2及び第3の軸平面の各々の上の被殻の前点である第2、第3及び第4のマーカー点、
- 第1及び第2の軸平面上の被殻の内側点である第5及び第6のマーカー点、
- 第1及び第2の軸平面上の被殻の後点である第7及び第8のマーカー点、
- 第2の軸平面上の手綱交連である第9のマーカー点、
- 第2の軸平面上の視床の前縁である第10のマーカー点、
- 第2の軸平面上の視床の後縁である第11のマーカー点、
- 前交連である第12のマーカー点、
- 中交連点における第3脳室の内側縁である第13のマーカー点、
- 第13のマーカー点を通る矢状面上の視床の高さである第14のマーカー点、
- 第13及び第14のマーカー点によって定義される線分の中点である第15のマーカー点、
- 前交連の上及び後縁並びに後交連の下及び前縁を通る直線に平行であり、且つ第15のマーカー点を通る直線上の視床の前縁である第16のマーカー点、
- 第5のマーカー点を通る前頭面上の被殻の上縁である第17のマーカー点、及び
- 第5のマーカー点を通る前頭面上の被殻の外側縁である第18のマーカー点
の中から選択される。
少なくとも1つの刺激点における電極刺激が同じ病状を治療するのに効果的である患者を選択する。少なくとも1つの測定結果によって効率を判定する。
使用される数学的座標系
「CA」は、前交連の上及び後縁を示し、「CP」は、後交連の下及び前縁を示す。
1つの例示的な実施形態において、使用可能なマーカー点は、特に、図3A~図3Fに示す点に対応する18個(m=18)に番号を付ける。18個の使用可能なマーカー点は、下記の通りである。
- 第1のマーカー点(FMT):第3の軸平面上の乳頭視床束、
- 第2、第3及び第4のマーカー点(PA1、PA2、PA3):第1、第2及び第3の軸平面の各々の上の被殻の前点、
- 第5及び第6のマーカー点(PM1、PM2):第1及び第2の軸平面上の被殻の内側点、
- 第7及び第8のマーカー点(PP1、PP2):第1及び第2の軸平面上の被殻の後点、
- 第9のマーカー点(CH):第2の軸平面上の手綱交連、
- 第10のマーカー点(BAT):第2の軸平面上の視床の前縁、
- 第11のマーカー点(BPT):第2の軸平面上の視床の後縁、
- 第12のマーカー点(CA):前交連、
- 第13のマーカー点(A):「MCP」点と呼ばれる中交連点における第3脳室の内側縁、
- 第14のマーカー点(B):第13のマーカー点(A)を通る矢状面上の視床の高さ、
- 第15のマーカー点(C):第13及び第14のマーカー点によって定義される線分[AB]の中点、
- 第16のマーカー点(D):(CACP)に平行であり、第15のマーカー点(C)を通る直線上の視床の前縁、
- 第17のマーカー点(Pculm):第5のマーカー点(PM1)を通る前頭面上の被殻の上縁、及び
- 第18のマーカー点(Plat):第5のマーカー点(PM1)を通る前頭面上の被殻の外側縁。
患者i(i=1...n)に対して、マーカー点の(3×m値xiの)ベクトルXi及び標的点の(p値yiの)ベクトルYiがある。n人の患者から抽出されたベクトル(Xi、Yi)i=1...nは、全学習データベースを定義する。
教師あり統計学習方法を使用して、本発明による方法は、Y≒F(X)であるように予測関数Fを構成する。
α=(K+λnI)-1y (4)
Iは、
A=(K+λnI)-1Y (5)
Iは、
学習ステップが終了する、即ち関数Fが構成されると、標的を再構成する、即ち下記の式(7)を用いて、例えば患者のMRIから判定されるマーカー点
式(5)を解くことによって得られる関数は、MRIから抽出される18個のマーカー点の54個の座標(又は脳の両方の半球を考慮する場合、36個の点の108個の座標)を学習及び再構成ステップで使用するという意味において、マーカー点又はこれらの点の座標の任意の選択を含まない。しかし、幾つかの座標は、標的と相関性がない。これは、標的を判定する際の精度を損なう。
方法は、可能な限りの最も正確な関数を得るために、従って最も正確な(従って最も効果的な)標的を得るために、最適化される必要がある比較的少ない数のパラメータ(正規化係数λ、ガウスカーネルの幅σ及び射影演算子π)に依存する関数Fの構成を含む。
Ki,j=k(π(xi),π(xj))の場合、K=(Kij)i,j=1...n
- ステップ1:学習データベースを構成/初期化する
○データをロードする
○入力データを定義する(マーカー点PR)
- ステップ2:パラメータを最適化する
○式(12)を解く
- ステップ3:最適パラメータλ、σ及びπ(πは、マーカー点PRの最適座標を統合する)を用いて、統合関数FCを構成する
- ステップ4:新しい患者について再構成する
○術前MRI(例えば、1.5テスラMRI)を実行する
○MRIで見える18個のマーカー点PR’を判定する
○統合関数FC及びマーカー点PR’を用いて、標的点PC’(標的)を判定する
- LOOEが増加する場合、標的点及びk番目の座標は、相関性があり、この座標を保持する必要があることを意味する。
- LOOEが一定であるか又は減少する場合、標的点及びk番目の座標は、相関性がなく、このk番目の座標を潜在的に除去できることを意味する。
- ステップ1:学習データベースを構成/初期化する
○データをロードする
○入力データを定義する(マーカー点PR)
○πが恒等関数に等しいと仮定して、予備関数F、FPを構成する
- ステップ2:パラメータを最適化する
○式(13)でσ及びλの第1の最適化を実行する
○演算子πに存在する座標が(LOOEの意義の範囲内で)最適でない間、ループ操作を実行する
●マーカー点の各座標k(k=1~3×m)に対して、
■座標kなしでLOOEの計算を実行する
■LOOEが一定であるか又は減少する場合、学習データベースの座標kは、潜在的に除去可能であることに留意されたい
■他の場合、座標kを保持し、次の座標k+1を考える
●潜在的に除去可能な座標の中から座標kminを除去する。座標kminは、LOOEの意義の範囲内で標的と最も相関性が少ない座標であり、換言すれば、LOOEを考慮する場合、最もLOOEを低下させる
●座標kminなしで演算子πを更新し、式(13)でσ及びλの最適化を再実行する
○whileループの終了
- ステップ3:最適パラメータλ、σ及び演算子π(マーカー点PRの最適座標を統合する)を用いて、統合関数FCを構成する
- ステップ4:新しい患者について再構成する
○術前MRI(例えば、1.5テスラMRI)を実行する
○MRIで見える18個のマーカー点PR’を判定する
○統合関数FC及びマーカー点PR’を用いて、標的点PC’(標的)を判定する
- 本発明によって判定される標的で実行される刺激(より広義には神経外科治療)の効果を評価するステップ5。このステップを治療後の数カ月に実行する。例えば、パーキンソン病に対するUPDRS-3スケール(STN及びGPi標的)及び本態性振戦に対するFahn-Tolosa-Marinスケール(VIM標的)を使用することができる。
- 学習データベースに入力するステップ0。特に(本発明による方法又は別の方法によって標的が判定された)術後評価に従って臨床転帰が最適であると考えられている患者の新しい症例を用いて、学習データベースに入力し得る。
- ロジスティック回帰
- SVM
- 階層分類方法
- ニューラルネットワーク
- ランダムフォレスト
Claims (14)
- 少なくとも1つの標的点(PC’)を含む定位脳標的を判定する方法であって、所与の症状についての前記標的における神経外科治療前にプロセッサで実施され、及び
- 少なくとも1つの標的点(PC)で前記症状について実行される前記治療後に測定される結果が閾値以上である患者の複数(n)の臨床例を選択するステップであって、術後画像化は、前記患者の各々について実行されている、ステップ、
- 数学的座標系、好ましくは正規直交デカルト座標系を選択するステップ、
- それぞれの選択された臨床例について、前記選択された座標系における前記少なくとも1つの標的点(PC)の(p)個の座標(xPC、yPC、zPC、vxPC、vyPC、vzPC)の全部又は一部を判定するために前記術後画像化を処理するステップ、
- 複数(m)の脳マーカー点(PR)を選択するステップ、
- それぞれの選択された臨床例について、前記脳マーカー点(PR)の(3×m)個の座標(xPR、yPR、zPR)の全部又は一部を判定するために前記術後画像化を処理するステップ、
- 前記(n)個の選択された臨床例の全部の前記標的点(PC)の前記判定された座標及び前記マーカー点(PR)の前記判定された座標を含む学習データベースを生成するステップ、
- 前記学習データベース及び教師あり統計学習方法を使用することにより、前記マーカー点(PR)に従って少なくとも1つの標的点(PC)の前記座標を与える予測関数(F)を判定するステップ、
- 前記症状について治療される新しい患者の術前画像化を、前記新しい患者の前記マーカー点(PR’)の座標(xPR’、yPR’、zPR’)の全部又は一部を判定するために処理するステップ、
- 前記新しい患者について判定される前記マーカー点(PR’)の前記座標に従い、前記新しい患者について少なくとも1つの標的点(PC’)の座標を得るために前記予測関数(F)を使用するステップ
を含む方法。 - - 交差検証方法を使用して前記予測関数(F)を統合するステップであって、前記マーカー点(PR)に従って少なくとも1つの標的点(PC)の前記座標を与える統合予測関数(FC)をもたらすステップ
を更に含み、前記予測関数(F)を使用する前記ステップは、前記統合予測関数(FC)を使用するステップを含む、請求項1に記載の方法。 - 前記マーカー点(PR、PR’)及び/又は前記少なくとも1つの標的点(PC)の前記座標を判定するために処理される前記画像化は、少なくとも1つのMRI画像、好ましくは複数のMRI画像である、請求項1又は2に記載の方法。
- 前記教師あり統計学習方法は、再生カーネルヒルベルト空間におけるカーネルリッジ回帰方法の使用を含む、請求項1~3のいずれか一項に記載の方法。
- 前記教師あり統計学習方法は、サポートベクトルマシン型の方法の使用を含む、請求項1~3のいずれか一項に記載の方法。
- 前記教師あり統計学習方法は、ニューラルネットワーク型の方法の使用を含む、請求項1~3のいずれか一項に記載の方法。
- 前記交差検証方法は、「リーブワンアウト交差検証」方法の使用を含む、請求項2~6のいずれか一項に記載の方法。
- 前記交差検証方法は、「リーブkアウト交差検証」方法の使用を含む、請求項2~6のいずれか一項に記載の方法。
- 前記数学的座標系は、正規直交デカルト座標系であり、直線(CACP)は、Oy軸を形成する前交連(CA)の上及び後縁並びに後交連(CP)の下及び前縁を通り、前記後交連(CP)の前記下及び前縁は、前記座標系の中心を形成し、及びOz軸は、半球間平面において前記直線(CACP)に垂直な直線である、請求項1~8のいずれか一項に記載の方法。
- 前記マーカー点(PR)は、下記の18個の点:
- 第3の軸平面上の乳頭視床束である第1のマーカー点(FMT)、
- 第1、第2及び第3の軸平面の各々の上の被殻の前点である第2、第3及び第4のマーカー点(PA1、PA2、PA3)、
- 前記第1及び第2の軸平面上の前記被殻の内側点である第5及び第6のマーカー点(PM1、PM2)、
- 前記第1及び第2の軸平面上の前記被殻の後点である第7及び第8のマーカー点(PP1、PP2)、
- 前記第2の軸平面上の手綱交連である第9のマーカー点(CH)、
- 前記第2の軸平面上の視床の前縁である第10のマーカー点(BAT)、
- 前記第2の軸平面上の前記視床の後縁である第11のマーカー点(BPT)、
- 前記前交連である第12のマーカー点(CA)、
- 中交連点における第3脳室の内側縁である第13のマーカー点(A)、
- 前記第13のマーカー点(A)を通る矢状面上の前記視床の高さである第14のマーカー点(B)、
- 前記第13及び第14のマーカー点によって定義される線分[AB]の中点である第15のマーカー点(C)、
- 前記前交連の前記上及び後縁並びに前記後交連の前記下及び前縁を通る前記直線(CACP)に平行であり、且つ前記第15のマーカー点(C)を通る直線上の前記視床の前記前縁である第16のマーカー点(D)、
- 前記第5のマーカー点(PM1)を通る前頭面上の前記被殻の上縁である第17のマーカー点(Pculm)、及び
- 前記第5のマーカー点(PM1)を通る前記前頭面上の前記被殻の外側縁である第18のマーカー点(Plat)
の中から選択される、請求項1~9のいずれか一項に記載の方法。 - 前記学習データベースに機能データを追加する追加ステップを更に含み、前記機能データは、前記臨床例の前記標的点(PC)及び前記マーカー点(PR)における信頼度の少なくとも1つの指標を追加することができる、請求項1~10のいずれか一項に記載の方法。
- 深部脳刺激、ガンマナイフ又は集束超音波治療前にプロセッサで実施される、請求項1~11のいずれか一項に記載の方法。
- 請求項1~12のいずれか一項に記載の方法の前記ステップの全部を実施するように構成されたプロセッサを含むデータ処理システム。
- コンピュータプログラムであって、前記プログラムがプロセッサによって実行されると、前記プロセッサに、請求項1~12のいずれか一項に記載の方法の前記ステップの全部を実施させる命令を含むコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1860588 | 2018-11-16 | ||
FR1860588A FR3088535A1 (fr) | 2018-11-16 | 2018-11-16 | Methode de determination d'une cible cerebrale stereotaxique |
PCT/EP2019/081571 WO2020099671A1 (fr) | 2018-11-16 | 2019-11-18 | Methode de determination d'une cible cerebrale stereotaxique |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022512763A JP2022512763A (ja) | 2022-02-07 |
JP7431821B2 true JP7431821B2 (ja) | 2024-02-15 |
Family
ID=66641007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021521382A Active JP7431821B2 (ja) | 2018-11-16 | 2019-11-18 | 定位脳標的を判定する方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20210401504A1 (ja) |
EP (1) | EP3881240A1 (ja) |
JP (1) | JP7431821B2 (ja) |
CN (1) | CN113302627A (ja) |
CA (1) | CA3120175A1 (ja) |
FR (1) | FR3088535A1 (ja) |
IL (1) | IL283171A (ja) |
WO (1) | WO2020099671A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012510877A (ja) | 2008-12-04 | 2012-05-17 | ザ クリーブランド クリニック ファウンデーション | 脳内刺激のための標的体積を規定するシステムおよび方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8660635B2 (en) * | 2006-09-29 | 2014-02-25 | Medtronic, Inc. | Method and apparatus for optimizing a computer assisted surgical procedure |
US20160224760A1 (en) * | 2014-12-24 | 2016-08-04 | Oncompass Gmbh | System and method for adaptive medical decision support |
CN109788903B (zh) * | 2016-07-07 | 2022-11-08 | 阿尔法奥米茄工程有限公司 | 脑导航方法和设备 |
EP4242921A1 (fr) * | 2022-03-10 | 2023-09-13 | Bull Sas | Procédé, programme d'ordinateur et dispositif d'entrainement d'un réseau neuronal convolutif à architecture dynamique pour la segmentation sémantique d'image |
-
2018
- 2018-11-16 FR FR1860588A patent/FR3088535A1/fr active Pending
-
2019
- 2019-11-18 CA CA3120175A patent/CA3120175A1/en active Pending
- 2019-11-18 EP EP19801894.7A patent/EP3881240A1/fr active Pending
- 2019-11-18 US US17/293,433 patent/US20210401504A1/en active Pending
- 2019-11-18 WO PCT/EP2019/081571 patent/WO2020099671A1/fr unknown
- 2019-11-18 JP JP2021521382A patent/JP7431821B2/ja active Active
- 2019-11-18 CN CN201980088538.3A patent/CN113302627A/zh active Pending
-
2021
- 2021-05-13 IL IL283171A patent/IL283171A/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012510877A (ja) | 2008-12-04 | 2012-05-17 | ザ クリーブランド クリニック ファウンデーション | 脳内刺激のための標的体積を規定するシステムおよび方法 |
Non-Patent Citations (1)
Title |
---|
KIM, Jinyoung et al.,"Automatic localization of the subthalamic nucleus on patient-specific clinical MRI by incorporating 7T MRI and machine learning: Application in deep brain stimulation",bioRxiv [online],Cold Spring Harbor Laboratory,2018年05月15日,[検索日 2023年10月05日],Retrieved from <https://www.biorxiv.org/content/10.1101/322230v1.full.pdf> |
Also Published As
Publication number | Publication date |
---|---|
JP2022512763A (ja) | 2022-02-07 |
CN113302627A (zh) | 2021-08-24 |
EP3881240A1 (fr) | 2021-09-22 |
IL283171A (en) | 2021-06-30 |
FR3088535A1 (fr) | 2020-05-22 |
CA3120175A1 (en) | 2020-05-22 |
WO2020099671A1 (fr) | 2020-05-22 |
US20210401504A1 (en) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7405818B2 (ja) | 変形可能テンプレートを使用して最適化された電極位置を有するttフィールドを用いて患者を治療する | |
US7167760B2 (en) | Apparatus and methods of optimal placement of deep brain stimulator | |
US7957808B2 (en) | System and methods of deep brain stimulation for post-operation patients | |
US9289144B2 (en) | Automated 3D brain atlas fitting using intra-operative neurophysiological data | |
D'Haese et al. | Computer-aided placement of deep brain stimulators: from planningto intraoperative guidance | |
US11205267B2 (en) | Method for localizing implanted intracranial electrode | |
Duerden et al. | Three-dimensional somatotopic organization and probabilistic mapping of motor responses from the human internal capsule | |
JP2023545136A (ja) | 標的化神経変調のためのシステムおよび方法 | |
Luo et al. | Accounting for deformation in deep brain stimulation surgery with models: comparison to interventional magnetic resonance imaging | |
US20210338172A1 (en) | Method And Apparatus To Classify Structures In An Image | |
Li et al. | Model-based image updating for brain shift in deep brain stimulation electrode placement surgery | |
JP7431821B2 (ja) | 定位脳標的を判定する方法 | |
D’Haese et al. | Automatic selection of DBS target points using multiple electrophysiological atlases | |
Guo et al. | Automatic target and trajectory identification for deep brain stimulation (DBS) procedures | |
US11508070B2 (en) | Method and apparatus to classify structures in an image | |
US20210342655A1 (en) | Method And Apparatus To Classify Structures In An Image | |
D’Haese et al. | Deformable physiological atlas-based programming of deep brain stimulators: a feasibility study | |
Szymański et al. | Data mining and neural network simulations can help to improve Deep Brain Stimulation effects in Parkinson's Disease | |
Li | Brain Shift Compensation in Deep Brain Stimulation Electrode Placement Surgery | |
Seynaeve | Multimodal image-guided transcranial magnetic stimulation in the delineation of eloquent cerebral cortex in the neurosurgical patient and the treatment of refractory focal epilepsy | |
Luo | Predictive Computational Biophysical Modeling for Enhanced Image-Guided Functional Neurosurgery | |
Liu | Improving image-guided preoperative planning in deep brain stimulation procedures | |
Peters et al. | Neurosurgical applications | |
Pallavaram | Standardizing Indirect Targeting and Building Electrophysiological Maps for Deep Brain Stimulation Surgery After Accounting for Brain Shift | |
Pallavaram Srinivasan | Standardizing indirect targeting and building electrophysiological maps for deep brain stimulation surgery after accounting for brain shift |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220815 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231010 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7431821 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |