Co-enregistrement multimodal entre dispositifs et sans marqueur des modalités d’imagerie préclinique

Une méthode de co-enregistrement d’images multimodales qui ne nécessite pas de marqueurs repères pour les numérisations de production est présentée. L’approche basée sur le fantôme génère une transformation différentielle entre les systèmes de coordonnées de deux modalités d’imagerie.

Résidu de fusion et validation de la transformation différentielle
Lors du calcul de la transformation différentielle, le logiciel affiche un résidu de fusion en millimètres, représentant la racine carrée moyenne^{de l’erreur} quadratique 19 de la transformation. Si ce résidu dépasse l’ordre de grandeur de la taille du voxel, il est conseillé d’inspecter les ensembles de données pour détecter des problèmes généraux. Cependant, comme toutes les images présentent de légères distorsions, le résidu ne peut pas devenir arbitrairement petit ; Il ne reflète que l’ajustement des marqueurs utilisés. Par exemple, un co-alignement avec trois marqueurs peut entraîner un résidu plus petit sur les mêmes ensembles de données qu’une transformation avec quatre marqueurs bien distribués. Cela se produit parce que les marqueurs eux-mêmes peuvent être surajustés lorsque moins de repères sont utilisés. La précision sur l’ensemble de l’ensemble de données s’améliore avec un plus grand nombre de marqueurs.

La précision quantitative de la méthode dépend de la paire spécifique d’appareils utilisés. La transformation différentielle calculée entre les systèmes de coordonnées de deux dispositifs peut être validée en suivant ces étapes : Adhérer à l’étape 4 du protocole, mais en utilisant à nouveau le fantôme avec des marqueurs repères comme « échantillon ». Placer le fantôme dans n’importe quelle position, en s’assurant qu’il est différent de celui utilisé pour estimer la transformation différentielle. Il est également possible d’utiliser un fantôme différent adapté aux modalités respectives s’il en existe un. Ensuite, en appliquant la transformation différentielle déterminée précédemment (étape 4.2.5) pour aligner les deux modalités. Ensuite, en plaçant des marqueurs sur les images des deux modalités conformément à l’étape 3.2 du protocole. Pour calculer le résidu de fusion pour ces marqueurs, cliquez sur le menu Fusion > Superposition du registre sur la sous-couche > Affichage du score résiduel.

L’erreur résiduelle décrit l’inpositionnement moyen du signal et doit être de l’ordre de la taille du voxel. Les seuils d’acceptation concrets dépendent de l’application et peuvent dépendre de plusieurs facteurs, tels que la rigidité et la précision des systèmes d’imagerie, mais peuvent également être affectés par des artefacts de reconstruction d’image.

Résolution des problèmes d’auto-cohérence
Souvent, les difficultés d’auto-cohérence proviennent d’un placement peu fiable. Une erreur courante consiste à placer le transporteur dans une position latérale inversée. Idéalement, il ne devrait être inséré mécaniquement dans le dispositif d’imagerie que dans une seule direction. Si cela n’est pas possible, des marquages compréhensibles doivent être ajoutés pour l’utilisateur. Un autre problème fréquent est la possibilité de mouvement dans l’axe longitudinal, ce qui rend le positionnement axial peu fiable. Il est recommandé d’utiliser une entretoise qui peut être fixée à une extrémité pour fixer le lit de la souris en place. Les entretoises personnalisées peuvent, par exemple, être créées rapidement et facilement en les imprimant en 3D. Cependant, certains appareils ne peuvent pas fournir d’auto-cohérence avec des champs de vision variables. Dans de tels cas, il est conseillé de contacter le fournisseur, qui doit confirmer l’incompatibilité et éventuellement la résoudre dans une future mise à jour. Sinon, la méthode reste fiable si un champ de vision identique est maintenu pour tous les balayages, y compris l’étalonnage et l’imagerie de production.

Pour certains scans de production avec un placement différent, la transformation en position calibrée est possible, si une structure de support suffisante est discernable. Pour l’imagerie in vivo , l’animal sous sédation doit rester dans un seul transporteur, et il n’est pas toujours possible de construire un seul support qui s’adapte solidement aux deux appareils. Souvent, un lit de souris pour une modalité basée sur un traceur est utilisé, puis le placement est improvisé dans un appareil de tomodensitométrie. Par exemple, dans la figure 5A, un lit de souris MPI a été placé au-dessus d’un lit de souris CT en raison de contraintes mécaniques. La marge de manœuvre axiale et la possibilité de rouler rendent ce positionnement peu fiable. Dans de tels cas, il est recommandé de concevoir un adaptateur qui remplace le lit inférieur de la souris et permet un ajustement imbriqué. Il peut, par exemple, utiliser des tourillons attachés à la partie inférieure et des trous supplémentaires au bas du lit supérieur de la souris.

Cependant, une correction a posteriori des images existantes est possible, car le lit de la souris est détectable sur l’image CT. Le protocole nécessite des balayages d’étalonnage, suivis du calcul d’une transformation différentielle de la superposition en sous-couche. La procédure est similaire, mais doit également faire correspondre chaque tomodensitométrie de production individuelle à l’échographie d’étalonnage, en utilisant les structures du lit de la souris comme repères.

Figure 5 : dépannage de l’emplacement. (A) Un lit de souris MPI est placé au-dessus d’un lit de souris CT. Par conséquent, la position dans le TC ne peut pas être reproduite de manière fiable. L’auto-cohérence peut être obtenue en fusionnant chaque image CT avec l’image CT de référence utilisée pour estimer la transformation différentielle. (B-D) Simplifié en 2D. (B) Chaque image CT de production est chargée en tant que superposition et enregistrée dans l’image CT de référence (sous-couche) à l’aide des structures du lit de souris visibles dans le CT. L’image CT de production corrigée est maintenant cohérente avec la TC de référence et peut être utilisée avec la transformation différentielle T. (C) Une superposition MPI est enregistrée sur l’image CT de référence à l’aide des marqueurs repères d’un fantôme. (D) Les images multimodales sont assemblées. À cette fin, chaque image CT est mappée sur la position de référence avec sa transformation différentielle individuelle. Par la suite, la superposition MPI est également enregistrée à la position de référence à l’aide de la transformation différentielle, qui est valable pour toutes les images de l’appareil. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Pour faire correspondre les tomodensitogrammes de production à l’étalonnage, reportez-vous à la section 3 du protocole, en incorporant les modifications suivantes. Pour plus de clarté, la description se poursuit en utilisant l’exemple d’une sous-couche CT et d’une superposition MPI : à l’étape 3.1, chargez la numérisation d’étalonnage CT (image A) en tant que sous-couche et la numérisation CT à corriger en tant que superposition. Utilisez les structures du lit de souris MPI comme marqueurs pour l’étape 3.2 ou comme références visuelles pour l’étape 3.3. Ignorez l’étape 3.4, mais enregistrez la superposition représente le volume CT corrigé (Menu Fichier > Superposition > Enregistrement de la superposition sous). Dans la boîte de dialogue suivante, saisissez un nouveau nom et cliquez sur enregistrer. Fermez la superposition en accédant au menu Fichier > Superposition > Fermeture de la superposition. Chargez le prochain scanner qui nécessite une correction en tant que superposition et reprenez la procédure à partir de l’étape 3.2 du protocole. Le concept sous-jacent à cette étape est illustré à la figure 5B.

Le lit de la souris est maintenant pratiquement aligné de manière identique à la numérisation d’étalonnage dans tous les volumes de tomodensitométrie récemment enregistrés. Dans le cadre de la procédure standard, le balayage d’étalonnage est enregistré sur les images MPI à l’aide de la transformation différentielle T (Figure 5C). Pour fusionner ultérieurement l’image CT avec MPI, utilisez toujours le volume CT corrigé (Figure 5D).

Dépannage des images retournées et de la mise à l’échelle
La méthode de recalage présentée ici suppose une qualité d’image raisonnablement précise et ne règle que la rotation et la translation. Il ne corrige pas les images inversées ou la mise à l’échelle incorrecte. Cependant, ces deux problèmes peuvent être résolus manuellement avant de calculer la transformation différentielle.

Des incohérences entre les formats de données de différents fabricants peuvent entraîner l’affichage de certains ensembles de données, en particulier ceux au format DICOM, en miroir dans le logiciel. Comme les fantômes et les lits de souris sont souvent symétriques, ce problème peut ne pas être immédiatement apparent. La détection des images retournées est plus facile lorsque le balayage contient des lettres reconnaissables dans la modalité respective, comme les lettres en relief dans l’orientation correcte observées dans le fantôme de la figure 3H. Dans l’exemple illustré à la figure 6, les données CT sont chargées en tant que sous-couche et les données MPI sont chargées en tant que superposition. Il s’agit d’un balayage in vivo d’une souris placée dans un lit de souris MPI avec des marqueurs repères attachés. Le lit de souris MPI est situé au-dessus d’un lit de souris μCT (Figure 6A). En respectant le protocole et en marquant les repères à la fois dans la sous-couche et dans le recouvrement dans un sens de rotation cohérent, on obtient un résultat visiblement incongru (Figure 6B). Cependant, en y regardant de plus près, le problème peut être identifié. Les points de repère forment un triangle asymétrique. En observant les côtés du triangle dans la vue axiale (Figure 6C, D) du plus court au milieu au plus long, une rotation dans le sens des aiguilles d’une montre est évidente dans les données CT, tandis qu’une rotation dans le sens inverse des aiguilles d’une montre est apparente dans les données MPI. Cela démontre que l’une des images est inversée latéralement. Dans ce cas, nous supposons que les données CT sont exactes. Pour rectifier la superposition MPI, l’image est inversée : pour ce faire, basculez le calque sélectionné en superposition et cliquez sur Menu Edition > Retourner > Flip X. La transformation différentielle calculée par le logiciel englobe toutes les rotations nécessaires, de sorte que « Flip X » est suffisant même si l’image apparaît inversée dans une autre direction.

Figure 6 : dépannage de la transformation. Les données CT sont chargées en tant que sous-couche avec une taille de voxel de 0,240 mm, et les données MPI en superposition avec une taille de voxel de 0,249 mm. Le lit de souris contient des repères. (A) Vue 3D de l’image de superposition non corrigée. Les repères de la sous-couche TC sont indiqués par des flèches. Les repères dans la superposition MPI sont visibles sous forme de sphères dans la table de couleurs NIH. (B) Résultat inadapté d’une transformation effectuée sans corrections appropriées. Résidu de fusion = 6,94 mm. (C) Mesure des distances entre les repères en TC. Rotation dans le sens des aiguilles d’une montre de la distance la plus courte à la plus longue. (D) Mesure des distances entre les repères en MPI. Rotation dans le sens inverse des aiguilles d’une montre de la distance la plus courte à la plus longue. La comparaison avec les mesures CT aboutit à un facteur d’échelle de 0,928774. (E) Correction de la superposition après retournement et mise à l’échelle. (F) Transformation avec résultats correspondants en vue 3D. (G) Transformation avec résultats correspondants en vue axiale. Résidu de fusion = 0,528 mm. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Les jeux de données avec des tailles de voxel incorrectes peuvent également être corrigés manuellement. Comme les dimensions du fantôme doivent être connues, cela peut être vérifié dans l’image. La méthode la plus simple consiste à utiliser une arête de longueur connue. Appuyez sur [Ctrl + bouton droit de la souris] à l’une des extrémités d’un bord et, tout en maintenant le bouton enfoncé, déplacez le pointeur de la souris vers l’autre extrémité du bord et relâchez le bouton. Dans la boîte de dialogue suivante, le logiciel affiche la longueur de la distance mesurée dans l’image. Dans l’exemple illustré à la figure 6, il est évident que les tailles ne sont pas congruentes lorsque l’on compare les distances entre les points de repère dans les deux modalités (Figure 6C,D). Encore une fois, les données de TDM sont supposées être exactes. Pour modifier la mise à l’échelle, un facteur d’échelle (SF) est calculé. Comme le rapport des longueurs (CT/MPI) n’est pas exactement identique pour chaque côté du triangle, le quotient moyen est calculé : SF = ((l_1CT/l_1MPI) + (l_2CT/l_2MPI) + (l_2CT/l_2MPI)) / 3.

Par la suite, ajustez la taille du voxel de la superposition en multipliant chaque dimension par SF. Pour ce faire, basculez la couche sélectionnée en superposition et ouvrez le menu Modifier > Modifier les tailles de voxel. Calculez chaque dimension, entrez la valeur, puis cliquez sur OK. Le résultat des deux corrections est illustré à la figure 6E. Ensuite, le recouvrement est enregistré sur la sous-couche conformément au protocole. L’alignement résultant est illustré à la figure 6F,G. Bien qu’il s’agisse d’une solution rapide pour corriger un balayage existant, nous vous recommandons d’étalonner l’appareil d’imagerie pour une utilisation en production.

Limitations
Cette méthode se limite au co-enregistrement spatial de données volumétriques existantes composées de voxels en forme de cube. Il n’inclut pas un processus de reconstruction qui calcule le volume à partir de données brutes générées par le dispositif d’imagerie (par exemple, des projections en tomodensitométrie). Diverses techniques d’amélioration de l’image sont associées à cette étape, telles que les méthodes itératives^20,21 et l’application de l’intelligence artificielle²¹. Bien que la méthode décrite soit, en principe, applicable à toutes les modalités qui produisent des images 3D avec des voxels en forme de cube, elle ne peut pas être utilisée pour fusionner des données 3D avec des données 2D, comme un volume IRM combiné à une thermographie infrarouge^{2D 22} ou à l’imagerie par fluorescence, qui peuvent être pertinentes dans les applications de chirurgie guidée par l’image. L’enregistrement des données 3D ne corrige pas les distorsions, telles que celles qui se produisent dans les images IRM au bord de la bobine. Bien que cela ne soit pas obligatoire, des résultats optimaux sont obtenus lorsque les distorsions sont corrigées pendant le processus de reconstruction. La transformation automatisée ne traite pas non plus les images inversées ou les mises à l’échelle incorrectes. Cependant, ces deux problèmes peuvent être résolus manuellement, comme indiqué dans la section de dépannage.

Importance de la méthode
La méthode proposée élimine le besoin de repères dans les scans de production, offrant plusieurs avantages. Il s’agit de modalités pour lesquelles l’entretien des marqueurs ou leur remplacement fréquent est nécessaire. Par exemple, la plupart des marqueurs IRM sont basés sur l’humidité mais ont tendance à se dessécher avec le temps, et les marqueurs TEP radioactifs se désincarcent. En supprimant la nécessité d’utiliser des repères dans les numérisations de production, le champ de vision peut être réduit, ce qui permet de réduire les temps d’acquisition. Ceci est utile dans les environnements à haut débit pour réduire les coûts et minimiser la dose de rayons X dans la tomodensitométrie. Une dose réduite est souhaitable car le rayonnement peut avoir un impact sur les voies biologiques des animaux d’essai dans les études d’imagerie longitudinale²³.

De plus, la méthode n’est pas limitée à des modalités spécifiques. L’inconvénient de cette polyvalence est que moins d’étapes sont automatisées. Une méthode précédemment publiée pour fusionner les données μCT et FMT utilise des marqueurs intégrés dans un lit de souris pour chaque balayage et peut effectuer une détection automatique des marqueurs et une correction de distorsion pendant la reconstruction^24. D’autres méthodes éliminent le besoin de marqueurs en utilisant la similitude d’image. Bien que cette approche donne de bons résultats et puisse également corriger les distorsions²⁵, elle n’est applicable que si les deux modalités fournissent des images suffisamment similaires. Ce n’est généralement pas le cas dans la combinaison d’une modalité anatomiquement détaillée et d’une modalité basée sur un traceur. Cependant, ces combinaisons sont nécessaires pour évaluer la pharmacocinétique des agents ciblés²⁶, qui ont des applications dans des domaines tels que la nanothérapie anticancéreuse^27,28.

Étant donné que le contrôle de la qualité est moins rigoureux dans les applications précliniques que dans les applications cliniques, le désalignement des dispositifs d’imagerie combinés est un problème reconnu²⁹. Les données affectées par ce désalignement pourraient être améliorées rétrospectivement en scannant un fantôme et en déterminant la transformation différentielle, ce qui pourrait réduire les coûts et minimiser les dommages causés aux animaux. En plus de la méthode démontrée qui utilise des marqueurs repères pour calculer une transformation différentielle, qui est ensuite appliquée aux balayages de production, d’autres possibilités de fusion d’images sont décrites et utilisées. Une vue d’ensemble, qui comprend des références à divers logiciels disponibles, se trouve dans Birkfellner et ^al.30.

En conclusion, la méthode présentée offre une solution efficace pour le co-enregistrement d’images multimodales. Le protocole est facilement adaptable à diverses modalités d’imagerie, et les techniques de dépannage fournies améliorent la robustesse de la méthode contre les problèmes typiques.