Registro conjunto multimodal entre dispositivos y sin marcadores de modalidades de imagen preclínica

Se presenta un método para el co-registro de imágenes multimodal que no requiere marcadores de referencia para los escaneos de producción. El enfoque basado en fantasmas genera una transformación diferencial entre los sistemas de coordenadas de dos modalidades de imagen.

Residual de fusión y validación de la transformación diferencial
Al calcular la transformación diferencial, el software muestra un residuo de fusión en milímetros, que representa el error cuadrático medio¹⁹ de la transformación. Si este residuo supera el orden de magnitud del tamaño del vóxel, es aconsejable inspeccionar los conjuntos de datos en busca de problemas generales. Sin embargo, como todas las imágenes tienen ligeras distorsiones, el residuo no puede llegar a ser arbitrariamente pequeño; solo refleja el ajuste de los marcadores utilizados. Por ejemplo, un registro conjunto con tres marcadores puede dar como resultado un residuo más pequeño en los mismos conjuntos de datos que una transformación con cuatro marcadores bien distribuidos. Esto ocurre porque los propios marcadores pueden estar sobreajustados cuando se emplean menos fiduciales. La precisión en todo el conjunto de datos mejora con un mayor número de marcadores.

La precisión cuantitativa del método depende del par específico de dispositivos utilizados. La transformación diferencial calculada entre los sistemas de coordenadas de dos dispositivos se puede validar siguiendo estos pasos: Adhiriéndose al paso 4 del protocolo, pero utilizando el fantasma con marcadores fiduciales como “muestra” de nuevo. Colocando el maniquí en cualquier posición, asegurándose de que sea diferente del utilizado para estimar la transformación diferencial. También es posible utilizar un maniquí diferente adecuado para las modalidades respectivas si hay uno disponible. A continuación, aplicar la transformación diferencial determinada anteriormente (paso 4.2.5) para alinear las dos modalidades. A continuación, se colocan marcadores en las imágenes de ambas modalidades según el paso 3.2 del protocolo. Para calcular el residuo de fusión de estos marcadores, haga clic en el menú Fusionar > registrar superposición a calco subyacente > mostrar la puntuación residual.

El error residual describe el desplazamiento incorrecto promedio de la señal y debe estar en el orden del tamaño del vóxel. Los umbrales de aceptación del hormigón dependen de la aplicación y pueden depender de varios factores, como la rigidez y la precisión de los sistemas de imágenes, pero también pueden verse afectados por los artefactos de reconstrucción de imágenes.

Solución de problemas de autocoherencia
A menudo, las dificultades con la autoconsistencia surgen de una ubicación poco confiable. Un error común es colocar el portador en una posición invertida lateralmente. Idealmente, debe insertarse mecánicamente en el dispositivo de imagen en una sola dirección. Si esto no es posible, se deben agregar marcas comprensibles para el usuario. Otro problema frecuente es la posibilidad de movimiento en el eje longitudinal, lo que hace que el posicionamiento axial sea poco fiable. Se recomienda usar un espaciador que se pueda colocar en un extremo para asegurar la cama del mouse en su lugar. Los espaciadores personalizados pueden, por ejemplo, crearse rápida y fácilmente imprimiéndolos en 3D. Sin embargo, algunos dispositivos no pueden proporcionar autoconsistencia con diferentes campos de visión. En tales casos, se recomienda ponerse en contacto con el proveedor, quien debe confirmar la incompatibilidad y, potencialmente, abordarla en una actualización futura. De lo contrario, el método sigue siendo fiable si se mantiene un campo de visión idéntico para todas las exploraciones, incluidas las de calibración y las de producción.

Para algunos escaneos de producción con ubicación desviada, es posible la transformación a la posición calibrada, si se distingue una estructura de soporte suficiente. Para la obtención de imágenes in vivo , el animal sedado debe permanecer en un portador, y no siempre es posible construir un solo portador que quepa de forma segura en ambos dispositivos. A menudo, se utiliza una cama de ratón para una modalidad basada en trazadores, y luego la colocación se improvisa en un dispositivo de TC. Por ejemplo, en la Figura 5A, se colocó una cama de ratón MPI encima de una cama de ratón CT debido a limitaciones mecánicas. El margen de maniobra axial y la posibilidad de rodadura hacen que este posicionamiento sea poco fiable. En tales casos, se recomienda diseñar un adaptador que reemplace la cama inferior del mouse y permita un ajuste entrelazado. Puede, por ejemplo, usar muñones unidos a la parte inferior y agujeros adicionales en la parte inferior de la cama superior del ratón.

Sin embargo, es posible la corrección retrospectiva de las imágenes existentes, ya que la cama del ratón es detectable en la imagen de TC. El protocolo requiere escaneos de calibración, seguidos del cálculo de una transformación diferencial de la superposición a la capa subyacente. El procedimiento es similar, pero también debe asignar cada tomografía computarizada de producción individual a la exploración de calibración, utilizando las estructuras del lecho del ratón como fiduciales.

Figura 5: Ubicación de la solución de problemas. (A) Se coloca una cama de ratón MPI encima de una cama de ratón CT. Por lo tanto, la posición en el TC no se puede reproducir de forma fiable. La autoconsistencia se puede lograr fusionando cada imagen de TC con la imagen de TC de referencia utilizada para estimar la transformación diferencial. (B-D) Simplificado a 2D. (B) Cada imagen de TC de producción se carga como una superposición y se registra en la imagen de TC de referencia (capa subyacente) utilizando estructuras del lecho de ratones visibles en la TC. La imagen de TC de producción corregida ahora es consistente con la TC de referencia y se puede usar con la transformación diferencial T. (C) Una superposición de MPI se registra en la imagen de TC de referencia utilizando los marcadores fiduciales de un fantasma. (D) Se ensamblan las imágenes multimodales. Para ello, cada imagen de TC se asigna a la posición de referencia con su transformación diferencial individual. Posteriormente, la superposición MPI también se registra en la posición de referencia mediante la transformación diferencial, que es válida para todas las imágenes del dispositivo. Haga clic aquí para ver una versión más grande de esta figura.

Para asignar las tomografías computarizadas de producción a la exploración de calibración, consulte la sección 3 del protocolo, que incorpora las siguientes modificaciones. Para mayor claridad, la descripción continúa utilizando el ejemplo de una capa subyacente de TC y una superposición de MPI: En el paso 3.1, cargue la exploración de calibración de TC (imagen A) como capa subyacente y la exploración de TC que se corregirá como superposición. Utilice las estructuras de la cama de ratones MPI como marcadores para el paso 3.2 o como referencias visuales para el paso 3.3. Omita el paso 3.4, pero guarde la superposición que representa el volumen CT corregido (Menú Archivo > Superposición > Guardar superposición como). En el cuadro de diálogo siguiente, introduzca un nuevo nombre y haga clic en guardar. Cierre la superposición navegando a Menú Archivo > Superposición > Superposición de cierre. Cargue la siguiente tomografía computarizada que requiera corrección como superposición y reanude el procedimiento desde el paso 3.2 del protocolo. El concepto subyacente a este paso se ilustra en la Figura 5B.

La base del ratón ahora está prácticamente alineada de forma idéntica al escaneo de calibración en todos los volúmenes de TC guardados recientemente. Como parte del procedimiento estándar, el escaneo de calibración se registra en las imágenes MPI utilizando la transformación diferencial T (Figura 5C). Para fusionar posteriormente la imagen de TC con el MPI, utilice siempre el volumen de TC corregido (Figura 5D).

Solución de problemas de imágenes invertidas y escalado
El método de registro introducido aquí supone una calidad de imagen razonablemente precisa y solo ajusta la rotación y la traslación. No corrige las imágenes volteadas ni el escalado incorrecto. Sin embargo, estos dos problemas se pueden abordar manualmente antes de calcular la transformación diferencial.

Las inconsistencias entre los formatos de datos de diferentes fabricantes pueden hacer que algunos conjuntos de datos, particularmente aquellos en formato DICOM, se muestren como espejo invertido en el software. Como los fantasmas y las camas de ratones suelen ser simétricos, es posible que este problema no sea evidente de inmediato. La detección de imágenes volteadas es más fácil cuando el escaneo contiene letras reconocibles en la modalidad respectiva, como las letras en relieve en la orientación correcta que se ven en el fantasma de la Figura 3H. En el ejemplo ilustrado en la Figura 6, los datos de TC se cargan como calco subyacente y los datos de MPI se cargan como superposición. Es un escaneo in vivo de un ratón colocado en una cama de ratones MPI con marcadores de referencia adjuntos. La cama de ratones MPI está situada encima de una cama de ratones μCT (Figura 6A). Al adherirse al protocolo y marcar los fiduciales tanto en la capa subyacente como en la superposición en una dirección de rotación constante, se produce un resultado visiblemente incongruente (Figura 6B). Sin embargo, tras una inspección más cercana, se puede identificar el problema. Los fiduciales forman un triángulo asimétrico. Al observar los lados del triángulo en la vista axial (Figura 6C, D) desde el más corto hasta el medio y el más largo, es evidente una rotación en el sentido de las agujas del reloj en los datos de TC, mientras que una rotación en el sentido contrario a las agujas del reloj es evidente en los datos del MPI. Esto demuestra que una de las imágenes está invertida lateralmente. En este caso, suponemos que los datos de la TC son precisos. Para rectificar la superposición de MPI, la imagen se invierte: para hacer eso, cambie la capa seleccionada a superposición y haga clic en Menú Editar > Voltear > Flip X. La transformación diferencial calculada por el software abarca todas las rotaciones necesarias, por lo que “Flip X” es suficiente incluso si la imagen aparece volteada en otra dirección.

Figura 6: Solución de problemas de transformación. Los datos de TC se cargan como calco subyacente con un tamaño de vóxel de 0,240 mm y los datos MPI como superposición con un tamaño de vóxel de 0,249 mm. La cama de ratones contiene marcadores de referencia. (A) Vista 3D de la imagen superpuesta sin corregir. Los fiduciales en la capa subyacente de TC se indican con flechas. Los fiduciales en la superposición de MPI son visibles como esferas en la tabla de colores de los NIH. (B) Resultado no coincidente de una transformación realizada sin las correcciones adecuadas. Residuo de fusión = 6,94 mm. (C) Medición de las distancias entre los fiduciales en TC. Rotación en el sentido de las agujas del reloj desde la distancia más corta hasta la más larga. (D) Medición de las distancias entre los fiduciales en MPI. Rotación en sentido contrario a las agujas del reloj desde la distancia más corta hasta la más larga. La comparación con las mediciones de TC da como resultado un factor de escala de 0,928774. (E) Superposición corregida después de voltear y escalar. (F) Transformación con resultados coincidentes en vista 3D. (G) Transformación con resultados coincidentes en vista axial. Residuo de fusión = 0,528 mm. Haga clic aquí para ver una versión más grande de esta figura.

Los conjuntos de datos con tamaños de vóxel incorrectos también se pueden corregir manualmente. Dado que se deben conocer las dimensiones del fantasma, esto se puede verificar en la imagen. El método más sencillo es utilizar una arista de longitud conocida. Pulse [Ctrl + botón derecho del ratón] en un extremo de un borde y, mientras mantiene pulsado el botón, mueva el puntero del ratón al otro extremo del borde y suelte el botón. En el cuadro de diálogo siguiente, el software muestra la longitud de la distancia medida en la imagen. En el ejemplo ilustrado en la Figura 6, es evidente que los tamaños no son congruentes al comparar las distancias entre los fiduciales en ambas modalidades (Figura 6C,D). Una vez más, se supone que los datos de la TC son precisos. Para modificar el escalado, se calcula un factor de escala (SF). Como la relación de las longitudes (CT/MPI) no es exactamente idéntica para cada lado del triángulo, se calcula el cociente medio: SF = ((l_1CT/l_1MPI) + (l_2CT/l_2MPI) + (l_2CT/l_2MPI)) / 3.

A continuación, ajuste el tamaño del vóxel de la superposición multiplicando cada dimensión por SF. Para lograr esto, cambie la capa seleccionada a superposición y abra el menú Editar > Cambiar tamaños de vóxel. Calcule cada dimensión, introduzca el valor y, a continuación, haga clic en Aceptar. El resultado de ambas correcciones se muestra en la Figura 6E. Después de esto, la superposición se registra en la capa subyacente de acuerdo con el protocolo. La alineación resultante se muestra en la Figura 6F,G. Si bien esto proporciona una solución rápida para corregir un escaneo existente, recomendamos calibrar el dispositivo de imágenes para uso en producción.

Limitaciones
Este método se limita al corregistro espacial de datos volumétricos existentes compuestos por vóxeles en forma de cubo. No incluye un proceso de reconstrucción que calcula el volumen a partir de los datos brutos generados por el dispositivo de imagen (por ejemplo, proyecciones en TC). Varias técnicas de mejora de imágenes están asociadas a este paso, como los métodos iterativos^20,21 y la aplicación de la inteligencia artificial²¹. Aunque el método descrito es, en principio, aplicable a todas las modalidades que producen imágenes 3D con vóxeles en forma de cubo, no se puede emplear para fusionar datos 3D con datos 2D, como un volumen de resonancia magnética combinado con termografía infrarroja^{2D 22} o imágenes de fluorescencia, que pueden ser relevantes en aplicaciones de cirugía guiada por imágenes. El registro de datos 3D no corrige las distorsiones, como las que se producen en las imágenes de resonancia magnética en el borde de la bobina. Aunque no es obligatorio, los resultados óptimos se logran cuando se corrigen las distorsiones durante el proceso de reconstrucción. La transformación automatizada tampoco aborda las imágenes volteadas o el escalado incorrecto. Sin embargo, estos dos problemas se pueden resolver manualmente como se describe en la sección de solución de problemas.

Importancia del método
El método propuesto elimina la necesidad de marcadores de referencia en los escaneos de producción, lo que ofrece varias ventajas. Beneficia a las modalidades para las que se requiere el mantenimiento del marcador o el reemplazo frecuente. Por ejemplo, la mayoría de los marcadores de resonancia magnética se basan en la humedad, pero tienden a secarse con el tiempo, y los marcadores radiactivos de PET se desintegran. Al eliminar la necesidad de fiduciales en los escaneos de producción, se puede reducir el campo de visión, lo que reduce los tiempos de adquisición. Esto es útil en entornos de alto rendimiento para reducir costos y minimizar la dosis de rayos X en la tomografía computarizada. Es deseable una dosis reducida porque la radiación puede afectar las vías biológicas de los animales de experimentación en los estudios de imagen longitudinales²³.

Además, el método no se limita a modalidades específicas. La contrapartida de esta versatilidad es que se automatizan menos pasos. Un método publicado anteriormente para fusionar datos de μCT y FMT emplea marcadores incorporados en una cama de ratón para cada escaneo y puede realizar la detección automática de marcadores y la corrección de la distorsión durante la reconstrucción²⁴. Otros métodos eliminan la necesidad de marcadores al utilizar la similitud de la imagen. Si bien este enfoque produce buenos resultados y también puede corregir distorsiones²⁵, sólo es aplicable si las dos modalidades proporcionan imágenes suficientemente similares. Este no suele ser el caso en la combinación de una modalidad anatómicamente detallada y una modalidad basada en trazadores. Sin embargo, estas combinaciones son necesarias para evaluar la farmacocinética de los agentes dirigidos²⁶, que tienen aplicaciones en áreas como la nanoterapia contra el cáncer^27,28.

Debido a que el control de calidad es menos riguroso en las aplicaciones preclínicas en comparación con las clínicas, la desalineación de los dispositivos de imagen combinados es un problema reconocido²⁹. Los datos afectados por esta desalineación podrían mejorarse retrospectivamente escaneando un fantasma y determinando la transformación diferencial, lo que podría reducir los costos y minimizar el daño a los animales. Además del método demostrado que emplea marcadores de referencia para calcular una transformación diferencial, que luego se aplica a los escaneos de producción, se describen y utilizan otras posibilidades para la fusión de imágenes. Un resumen, que incluye referencias a varios programas informáticos disponibles, se puede encontrar en Birkfellner et ^al.30.

En conclusión, el método presentado ofrece una solución eficaz para el co-registro multimodal de imágenes. El protocolo es fácilmente adaptable para varias modalidades de imagen, y las técnicas de solución de problemas proporcionadas mejoran la solidez del método frente a problemas típicos.