רישום משותף רב-מודאלי חוצה מכשירים וללא סמנים של שיטות הדמיה פרה-קלינית
Summary
השילוב של שיטות הדמיה מרובות נחוץ לעתים קרובות כדי להשיג הבנה מקיפה של פתופיזיולוגיה. גישה זו משתמשת בפנטום כדי ליצור טרנספורמציה דיפרנציאלית בין מערכות הקואורדינטות של שני אופנים, אשר מוחלת לאחר מכן לרישום משותף. שיטה זו מבטלת את הצורך fiducials בסריקות הייצור.
Abstract
מערכות הדמיה מולטימודאליות פרה-קליניות משולבות, כגון טומוגרפיה ממוחשבת של קרני רנטגן (CT) בשילוב עם טומוגרפיית פליטת פוזיטרונים (PET) או דימות תהודה מגנטית (MRI) בשילוב עם PET, זמינות באופן נרחב ובדרך כלל מספקות נפחים בעלי רישום משותף חזק. עם זאת, לעתים קרובות נדרשים מכשירים נפרדים כדי לשלב MRI עצמאי עם PET-CT קיים או לשלב נתונים נוספים מטומוגרפיה אופטית או מיקרוטומוגרפיית רנטגן ברזולוציה גבוהה. זה מחייב רישום משותף של תמונות, הכולל היבטים מורכבים כגון עיצוב מיטת עכבר רב-מודאלית, הכללת סמן פידוקיאלי, שחזור תמונה ומיזוג תמונה מבוסס תוכנה. סמנים פידוקיאליים מהווים לעתים קרובות בעיות עבור נתוני in vivo עקב בעיות טווח דינמי, מגבלות על שדה הראייה של ההדמיה, קשיים במיקום הסמנים או אובדן אות סמן לאורך זמן (למשל, כתוצאה מייבוש או ריקבון). אתגרים אלה חייבים להיות מובנים ומטופלים על ידי כל קבוצת מחקר הדורשת רישום משותף של תמונות, וכתוצאה מכך מאמצים חוזרים ונשנים, שכן הפרטים הרלוונטיים מתוארים רק לעתים רחוקות בפרסומים קיימים.
פרוטוקול זה מתאר זרימת עבודה כללית המתגברת על בעיות אלה. למרות שטרנספורמציה דיפרנציאלית נוצרת בתחילה באמצעות סמנים פידוקיאליים או מבנים חזותיים, סמנים כאלה אינם נדרשים בסריקות ייצור. הדרישות עבור נתוני נפח והמטה-נתונים שנוצרו על ידי תוכנת השחזור מפורטות. הדיון עוסק בהשגת ואימות הדרישות בנפרד עבור כל מודאליות. גישה מבוססת פנטום מתוארת כדי ליצור טרנספורמציה דיפרנציאלית בין מערכות הקואורדינטות של שני אופני הדמיה. שיטה זו מדגימה כיצד לרשום במשותף סריקות ייצור ללא סמני פידוקציה. כל שלב מומחש באמצעות תוכנה זמינה, עם המלצות לפנטומים הזמינים מסחרית. ההיתכנות של גישה זו עם שילובים שונים של שיטות הדמיה המותקנות באתרים שונים מוצגת.
Introduction
לשיטות הדמיה פרה-קליניות שונות יש יתרונות וחסרונות ברורים. לדוגמה, טומוגרפיה ממוחשבת של קרני רנטגן (CT) מתאימה היטב לבחינת מבנים אנטומיים בעלי צפיפויות רדיו שונות, כגון עצמות וריאות. הוא נמצא בשימוש נרחב בשל מהירות הרכישה המהירה שלו, רזולוציה תלת מימדית גבוהה, קלות יחסית של הערכת תמונה, ורבגוניות עם או בלי סוכני ניגודיות 1,2,3. דימות תהודה מגנטית (MRI) מספק את הניגודיות הרב-תכליתית ביותר לרקמות רכות ללא קרינה מייננת4. מצד שני, שיטות מבוססות נותב כמו טומוגרפיה של פליטת פוזיטרונים (PET), טומוגרפיה ממוחשבת של פליטת פוטון יחיד (SPECT), טומוגרפיה בתיווך פלואורסצנטי (FMT) והדמיית חלקיקים מגנטיים (MPI) הם כלים מבוססים להערכה כמותית של תהליכים מולקולריים, מטבוליזם והפצה ביולוגית של תרכובות אבחון או טיפול רדיואקטיביות בעלות רגישות גבוהה. עם זאת, הם חסרים רזולוציה ומידע אנטומי 5,6. לכן, שיטות מונחות אנטומיה יותר משודכות בדרך כלל עם שיטות רגישות מאוד שיש להן את כוחן בזיהוי נותב7. שילובים אלה מאפשרים לכמת ריכוזי נותבים בתוך אזור עניין מסוים 8,9. עבור מכשירי הדמיה משולבים, רישום משותף של מודאליות הוא בדרך כלל תכונה מובנית. עם זאת, כדאי גם לרשום במשותף סריקות ממכשירים שונים, למשל אם המכשירים נרכשו בנפרד או אם התקן היברידי אינו זמין.
מאמר זה מתמקד בהיתוך צולב שיטות בדימות של בעלי חיים קטנים, החיוני למחקר בסיסי ולפיתוח תרופות. מחקר קודם10 מצביע על כך שניתן להשיג זאת באמצעות זיהוי תכונות, מיפוי קווי מתאר או סמני פידוקיאלים (fiducials). Fiducials הם נקודות התייחסות ליישור והתאמה מדויקים של תמונות מאופני הדמיה שונים. במקרים מיוחדים, פידוקיאלים יכולים אפילו להיות נקודות של דיו סיני על עורם של עכברים עירומים11; עם זאת, לעתים קרובות, מחסנית הדמיה עם סמנים fiducial מובנה משמש. אמנם מדובר בשיטה חזקה ומפותחת10, אך השימוש בה בכל סריקה מציג בעיות מעשיות. פידוקיאלים הניתנים לזיהוי MRI הם לרוב על בסיס נוזל ונוטים להתייבש במהלך האחסון. PET דורש סמנים רדיואקטיביים, שהאות שלהם דועך בהתאם לתקופת מחצית החיים של הפולט, שהיא בדרך כלל קצרה עבור יישומים ביו-רפואיים, מה שמצריך הכנה זמן קצר לפני הסריקה. בעיות אחרות, כגון חוסר התאמה בטווח הדינמי של האות מהסמן הפידוקיאלי והאובייקט הנבדק, משפיעות מאוד על הדמיית vivo . הטווח הרחב של הניגודיות הדינמית דורש התאמה תכופה של עוצמת אות הסמן לאובייקט הנבדק. כתוצאה מכך, בעוד שאות סמן חלש עשוי שלא להתגלות בניתוח, אות סמן חזק עלול ליצור תוצרים הפוגעים באיכות התמונה. בנוסף, כדי לכלול באופן עקבי את הסמנים, שדה הראייה חייב להיות גדול שלא לצורך עבור יישומים רבים, מה שעלול להוביל לחשיפה גבוהה יותר לקרינה, נפחי נתונים גדולים יותר, זמני סריקה ארוכים יותר, ובמקרים מסוימים, רזולוציה נמוכה יותר. הדבר עשוי להשפיע על בריאותן של חיות מעבדה ועל איכות הנתונים שנוצרו.
טרנספורמציה וטרנספורמציה דיפרנציאלית
ערכת נתונים של תמונה מורכבת מנתוני ווקסל ומטה-נתונים. כל ווקסל מקושר לערך עוצמה (איור 1A). המטא-נתונים כוללים טרנספורמציה המציינת את מיקום מערך הנתונים במערכת הקואורדינטות של מכשיר ההדמיה (איור 1B) ואת גודל הווקסל המשמש לשינוי קנה המידה של מערכת הקואורדינטות. מידע נוסף, כגון סוג המכשיר או תאריך הסריקה, יכול להיות מאוחסן באופן אופציונלי במטה-נתונים. הטרנספורמציה המוזכרת נקראת מתמטית טרנספורמציית גוף נוקשה. טרנספורמציות גוף קשיחות משמשות לשינוי הכיוון או המיקום של עצמים בתמונה או במרחב גיאומטרי תוך שמירה על המרחק בין כל זוג נקודות, כלומר האובייקט שעבר טרנספורמציה שומר על גודלו וצורתו בזמן שהוא מסתובב ומתורגם במרחב. כל סדרה של טרנספורמציות כאלה יכולה להיות מתוארת כטרנספורמציה יחידה המורכבת מסיבוב ואחריו תרגום. הנוסחה שבה משתמשת התוכנה כדי לעבור מקואורדינטת הנתונים לקואורדינטת המטרה המטרית מוצגת באיור 1C, כאשר R היא מטריצת סיבוב אורתונורמלית, d ו-v הם מדדים וגדלים של ווקסל, ו-t הוא וקטור תרגום12 בגודל 3X1. הסיבוב מפורט באיור 1D.
איור 1: ייצוג דו-ממדי של מבנה ומיקום של מערך נתונים של תמונה במערכת קואורדינטות גלובלית. (A) מערך נתונים של תמונה מורכב מנתוני ווקסל וממטא-נתונים. הטרנספורמציה המציינת את המיקום ואת גודל הווקסל הם רכיבי מטה-נתונים חיוניים. (B) התמונה מעובדת במערכת הקואורדינטות של המכשיר. הטרנספורמציה הנדרשת למיקום האובייקט מורכבת מסיבוב (כחול) ואחריו תרגום (ירוק). (C) כדי לעבור מקואורדינטת הנתונים לקואורדינטת המטרה, התוכנה משתמשת בנוסחה זו כאשר R היא מטריצת סיבוב אורתונורמלית, d ו-v הם מדדים וגדלים של ווקסל, ו-t הוא וקטור תרגום בגודל 3X1. (D) מטריצת סיבוב (כחול במישור A) מייצגת טרנספורמציה ליניארית של נקודות מסתובבות. הכפלת הקואורדינטות של נקודה במטריצה זו יוצרת את הקואורדינטות החדשות המסובבות. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
טרנספורמציה דיפרנציאלית היא טרנספורמציה קשיחה של גוף הממירה קואורדינטות ממערכת קואורדינטות אחת לאחרת, למשל מ-PET למיקרוטומוגרפיה של קרני רנטגן (μCT), וניתן לחשב אותה באמצעות סמנים פידוקיאליים. לפחות שלוש נקודות משותפות – הפידוקיות – נבחרות בשתי מערכות הקואורדינטות. מהקואורדינטות שלהם ניתן לגזור טרנספורמציה מתמטית הממירה את הקואורדינטות. התוכנה משתמשת בשיטת הריבועים הפחותים, המספקת את הפתרון המתאים ביותר למערכת משוואות עם שגיאות או רעש בנתונים הנמדדים. בעיה זו נקראת בעיית פרוקרוסטס13 והיא נפתרת באמצעות פירוק ערך יחיד. השיטה אמינה וחזקה מכיוון שהיא מובילה לפתרון ייחודי ומוגדר היטב (אם ניתנים לפחות שלושה סמנים שאינם מתנגשים). שישה פרמטרים חופשיים מחושבים: שלושה לתרגום ושלושה לסיבוב. בהמשך, נשתמש במונח מטריצת טרנספורמציה למרות שטכנית הוא מורכב ממטריצת סיבוב ווקטור תרגום.
לכל מכשיר הדמיה יש מערכת קואורדינטות משלו, והתוכנה מחשבת טרנספורמציה דיפרנציאלית כדי ליישר אותם. איור 2A,B מתאר כיצד הטרנספורמציה הדיפרנציאלית נקבעת, ואילו איור 2C,D מתאר כיצד היא מיושמת. התמונות של שני האופנים יכולות להיות בעלות ממדים שונים ולשמור אותן בתהליך, כפי שניתן לראות בתמונה לדוגמה עם מיזוג של CT ו-PET באיור 2E.
איור 2: טרנספורמציה דיפרנציאלית. (A-D) מפושטת לדו-ממד. בעוד שהדבר ישים לגבי שיטות אחרות, ההנחה היא שהשיטות הן CT ו-PET עבור דוגמה זו. (א,ג) תמונת CT עם תיבה תוחמת אדומה ממוקמת במערכת הקואורדינטות. תמונת PET עם תיבה תוחמת צהובה, המוחלת על אותה מערכת קואורדינטות, ממוקמת בסטייה ממקומה. (B) באמצעות סמנים פידוקיאליים שניתן למקם גם ב-CT וגם ב-PET, ניתן לקבוע טרנספורמציה דיפרנציאלית T. זה מסומל על ידי החץ. מטריצת הטרנספורמציה הדיפרנציאלית מאוחסנת. (D) לאחר מכן ניתן להחיל את מטריצת הטרנספורמציה הדיפרנציאלית T שנשמרה קודם לכן על כל תמונת PET. התוצאה היא שינוי צורה חדש שמחליף את ההמרה המקורית במטה-נתונים. (E) תמונת CT המשולבת עם תמונת PET. הטרנספורמציות במטא-נתונים של שתי התמונות מתייחסות לאותה מערכת קואורדינטות. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
שיטה ודרישות
עבור השיטה המוצגת, פנטום המכיל סמנים גלויים בשני האופנים נסרק בשני המכשירים. לאחר מכן מספיק לסמן את הפידוקיאלים הללו בתוכנה המוצעת כדי לחשב טרנספורמציה דיפרנציאלית בין שני האופנים. יש ליצור את הטרנספורמציה הדיפרנציאלית בנפרד עבור כל זוג מכשירים. ניתן לשמור אותו ולהחיל אותו מאוחר יותר על כל תמונה חדשה, ובכך לבטל את הצורך בסמנים פידוקיאליים בסריקות הבאות. המיקום הסופי של התמונה במערכת הקואורדינטות של התקן אחר יכול שוב להיות מתואר כטרנספורמציה ולהיות מאוחסן במטא נתונים של התמונה, להחליף את השינוי המקורי שם.
ניתן לנסח ארבע דרישות לשיטה זו: (1) פנטום רב-מודאלי: פנטום המכיל סמנים הנראים בשני האופנים חייב להיות זמין. מבחר גדול של פנטומים ניתן להשגה מסחרית, והשימוש בהדפסה תלת-ממדית לבניית פנטום תואר בהרחבה14, אפילו כולל שילוב של רדיוזיטופים15. הפנטומים המשמשים בדוגמאות הבאות מפורטים בטבלת החומרים. נדרשות לפחות שלוש נקודות לא מתנגשות16. הסמנים יכולים להיות חללים שניתן למלא בעוקב מתאים, חפצים קטנים העשויים מחומר שניתן לזהות בקלות בכל מודאליות, או פשוט חורים, חתכים או קצוות בפנטום עצמו כל עוד ניתן לזהות אותם בשני האופנים. (2) מנשא רב-מודאלי: יש צורך במנשא, כגון מיטת עכבר, שניתן לקבע במצב הניתן לשחזור בשני המכשירים. באופן אידיאלי, זה לא צריך להיות אפשרי להשתמש בו במצב הפוך כדי למנוע שגיאות. המנשא חשוב במיוחד עבור הדמיה in vivo מכיוון שהוא נחוץ כדי להעביר בעל חיים מורדם ממכשיר הדמיה אחד לשני מבלי לשנות את מיקומו. בהתבסס על הניסיון שלנו, עכברים מורדמים נוטים יותר לשנות את מיקומם במיטת עכבר שטוחה בהשוואה למיטה קעורה. בנוסף, ג’יג מותאם אישית המודפס בתלת-ממד להחזקת השוקה של העכבר כדי למזער את התנועה הוצע בעבר17. (3) עקביות עצמית: כל מכשיר הדמיה חייב לספק את הסיבוב והתרגום של הנפח המשוחזר במסגרת הייחוס שלו באופן ניתן לשחזור וקוהרנטי. משמעות הדבר היא גם כי מערכת קואורדינטות עבור המכשיר כולו נשמר כאשר רק אזור קטן נסרק. זהו חלק מהפרוטוקול לבדיקת מכשיר הדמיה לעקביות העצמית שלו. (4) תמיכה בתוכנה: התוכנה המוצעת חייבת להיות מסוגלת לפרש את המטה-נתונים (גודל ווקסל, תרגום, כיוון) המאוחסנים עם הנפח המשוחזר שסופק על ידי המכשיר. אמצעי האחסון יכול להיות בתבנית קובץ DICOM, NIfTI, Analyze או GFF. לקבלת סקירה כללית של פורמטים שונים של קבצים, ראה Yamoah et al.12.
בעוד הרישום המשותף של שני אופנים מתואר, הנוהל חל גם על שלושה אופנים או יותר, למשל, על ידי רישום משותף של שני אופנים לשיטת ייחוס אחת.
Protocol
Representative Results
Discussion
מוצגת שיטה לרישום משותף של תמונה רב-מודאלית שאינה דורשת סמנים פידוקיאליים לסריקות ייצור. הגישה מבוססת הפנטום יוצרת טרנספורמציה דיפרנציאלית בין מערכות הקואורדינטות של שני אופני הדמיה.
שארית של היתוך ואימות הטרנספורמציה הדיפרנציאלית
בעת חישוב הטרנספורמציה הדיפרנציאלית, התוכנה מציגה שארית של היתוך במילימטרים, המייצגת את ממוצע השורש שגיאהריבועית 19 של הטרנספורמציה. אם שארית זו חורגת מסדר הגודל של גודל הווקסל, מומלץ לבדוק את מערכי הנתונים עבור בעיות כלליות. עם זאת, מכיוון שלכל התמונות יש עיוותים קלים, השארית אינה יכולה להיות קטנה באופן שרירותי; זה רק משקף את ההתאמה של הסמנים המשמשים. לדוגמה, רישום משותף עם שלושה סמנים עשוי לגרום לשאריות קטנות יותר באותם מערכי נתונים מאשר המרה עם ארבעה סמנים מבוזרים היטב. זה קורה כי הסמנים עצמם עשויים להיות overfitted כאשר פחות fiducials מועסקים. הדיוק בכל מערך הנתונים משתפר עם מספר גדול יותר של סמנים.
הדיוק הכמותי של השיטה תלוי בזוג המכשירים הספציפיים המשמשים. ניתן לאמת את הטרנספורמציה הדיפרנציאלית המחושבת בין מערכות הקואורדינטות של שני מכשירים באמצעות השלבים הבאים: היצמדות לשלב 4 של הפרוטוקול, אך שימוש בפנטום עם סמנים פידוקיאליים כ”מדגם” שוב. הצבת הפנטום בכל מיקום, וידוא שהוא שונה מזה המשמש להערכת הטרנספורמציה הדיפרנציאלית. ניתן גם להשתמש בפנטום אחר המתאים לשיטות המתאימות, אם קיים כזה. לאחר מכן, יישום הטרנספורמציה הדיפרנציאלית שנקבעה קודם לכן (שלב 4.2.5) כדי ליישר את שני האופנים. לאחר מכן, הצבת סמנים על התמונות משני האופנים לפי שלב 3.2 של הפרוטוקול. כדי לחשב את שאריות ההיתוך עבור סמנים אלה, לחץ על תפריט היתוך > כיסוי רישום לשכבה תחתונה > המציג ציון שיורי.
השגיאה השיורית מתארת את המיקום השגוי הממוצע של האות וצריכה להיות בסדר גודל הווקסל. ספי קבלה קונקרטיים תלויים ביישום ועשויים להיות תלויים במספר גורמים, כגון הקשיחות והדיוק של מערכות ההדמיה, אך יכולים להיות מושפעים גם מתוצרי שחזור תמונה.
פתרון בעיות של עקביות עצמית
לעתים קרובות, קשיים עם עקביות עצמית נובעים מיקום אמין. שגיאה נפוצה היא הצבת המוביל במצב הפוך לרוחב. באופן אידיאלי, זה צריך להיות מוכנס מכנית לתוך מכשיר הדמיה רק בכיוון אחד. אם הדבר אינו אפשרי, יש להוסיף סימונים מובנים עבור המשתמש. נושא שכיח נוסף הוא האפשרות של תנועה בציר האורך, מה שהופך את המיקום הצירי לא אמין. מומלץ להשתמש בספייסר שניתן לחבר בקצה אחד כדי לאבטח את מיטת העכבר במקומה. ספייסרים מותאמים אישית יכולים, למשל, להיווצר במהירות ובקלות על ידי הדפסה תלת ממדית שלהם. עם זאת, התקנים מסוימים אינם יכולים לספק עקביות עצמית עם שדות ראייה משתנים. במקרים כאלה, מומלץ ליצור קשר עם הספק, אשר אמור לאשר את אי התאימות ואולי לטפל בה בעדכון עתידי. אחרת, השיטה נשארת אמינה אם נשמר שדה ראייה זהה עבור כל הסריקות, כולל כיול והדמיית ייצור.
עבור סריקות ייצור מסוימות עם מיקום חריג, טרנספורמציה למיקום המכויל אפשרית, אם ניתן להבחין במבנה נשא מספיק. עבור הדמיה in vivo , בעל החיים המרומם חייב להישאר במנשא אחד, ובניית מנשא יחיד שמתאים היטב בשני המכשירים אינה תמיד ברת השגה. לעתים קרובות, מיטת עכבר עבור מודל מבוסס נותב משמש, ולאחר מכן המיקום מאולתר לתוך מכשיר CT. לדוגמה, באיור 5A, מיטת עכבר MPI הונחה על מיטת עכבר CT עקב אילוצים מכניים. מרחב תמרון אקסיאלי ואפשרות גלגול הופכים את המיקום הזה ללא אמין. במקרים כאלה, מומלץ לתכנן מתאם המחליף את מיטת העכבר התחתונה ומאפשר התאמה משתלבת. הוא עשוי, למשל, להשתמש בטרוניונים המחוברים לחלק התחתון ובחורים נוספים בתחתית מיטת העכבר העליונה.
עם זאת, תיקון רטרוספקטיבי לתמונות קיימות אפשרי, שכן מיטת העכבר ניתנת לזיהוי בתמונת CT. הפרוטוקול מחייב סריקות כיול, ולאחריהן חישוב טרנספורמציה דיפרנציאלית של שכבת העל לשכבה התחתונה. ההליך דומה אך חייב גם למפות כל סריקת CT ייצור בודדת לסריקת הכיול, תוך שימוש במבני מיטת העכבר כפידוקיאלים.
איור 5: מיקום פתרון בעיות. (A) מיטת עכבר MPI מונחת על גבי מיטת עכבר CT. לפיכך, המיקום ב- CT לא ניתן לשחזר באופן אמין. עקביות עצמית יכולה להיות מושגת על ידי איחוי כל תמונת CT לתמונת CT הייחוס המשמשת להערכת השינוי הדיפרנציאלי. (ב-ד) מפושט לדו-ממדי. (B) כל תמונת CT הפקה נטענת כשכבת על ונרשמת בתמונת CT הייחוס (שכבה תחתונה) באמצעות מבנים של מיטת העכבר הנראים ב- CT. תמונת CT הייצור המתוקנת עקבית כעת עם CT הייחוס וניתן להשתמש בה עם הטרנספורמציה הדיפרנציאלית T. (C) שכבת MPI רשומה לתמונת CT הייחוס באמצעות הסמנים הפידוקיאליים של פנטום. (D) התמונות הרב-מודאליות מורכבות. לשם כך, כל תמונת CT ממופה למיקום הייחוס עם הטרנספורמציה הדיפרנציאלית האינדיבידואלית שלה. לאחר מכן, שכבת ה- MPI נרשמת גם למיקום הייחוס באמצעות טרנספורמציה דיפרנציאלית, שתקפה לכל התמונות של המכשיר. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
כדי למפות את סריקות CT הייצור לסריקת הכיול, עיין בסעיף 3 של הפרוטוקול, המשלב את השינויים הבאים. לשם הבהרה, התיאור ממשיך להשתמש בדוגמה של שכבת CT ושכבת על של MPI: בשלב 3.1, טען את סריקת כיול ה- CT (תמונה A) כשכבה התחתונה ואת סריקת ה- CT לתיקון כשכבת-על. השתמש במבנים של מיטת העכבר MPI כסמנים לשלב 3.2 או כהפניות חזותיות לשלב 3.3. עקוף את שלב 3.4, אך שמירת שכבת העל מייצגת את אמצעי האחסון CT המתוקן (Menu File > Overlay > Saving Overlay as). בתיבת הדו-שיח הבאה, הזן שם חדש ולחץ על שמור. סגור את שכבת העל על-ידי ניווט אל File > Menu File > Closing Overlay. טען את סריקת ה- CT הבאה הדורשת תיקון כשכבת העל וחדש את ההליך משלב 3.2 של הפרוטוקול. הרעיון העומד בבסיס שלב זה מומחש באיור 5B.
מיטת העכבר מיושרת כעת באופן כמעט זהה לסריקת הכיול בכל נפחי ה- CT שנשמרו לאחרונה. כחלק מההליך הסטנדרטי, סריקת הכיול נרשמת לתמונות MPI באמצעות טרנספורמציה דיפרנציאלית T (איור 5C). כדי למזג לאחר מכן את תמונת ה- CT עם MPI, השתמש תמיד בנפח ה- CT המתוקן (איור 5D).
פתרון בעיות של תמונות הפוכות ושינוי קנה מידה
שיטת הרישום המוצגת כאן מניחה איכות תמונה מדויקת למדי ומתאימה רק את הסיבוב והתרגום. הוא אינו מתקן תמונות הפוכות או שינוי גודל שגוי. עם זאת, ניתן לטפל בשתי בעיות אלה באופן ידני לפני חישוב השינוי הדיפרנציאלי.
חוסר עקביות בין תבניות נתונים של יצרנים שונים עלול לגרום לערכות נתונים מסוימות, במיוחד אלה בתבנית DICOM, להיות מוצגות כהיפוך שיקוף בתוכנה. מכיוון שמיטות פנטום ועכבר הן לעתים קרובות סימטריות, ייתכן שבעיה זו לא תהיה ברורה באופן מיידי. זיהוי תמונות הפוכות קל יותר כאשר הסריקה מכילה אותיות ניתנות לזיהוי במודאליות המתאימה, כגון האותיות המוגבהות בכיוון הנכון שנראה בפנטום באיור 3H. בדוגמה המודגמת באיור 6, נתוני CT נטענים כשכבה התחתונה, ונתוני MPI נטענים כשכבת-על. זוהי סריקה in vivo של עכבר הממוקם במיטת עכבר MPI עם סמנים fiducial מחוברים. מיטת העכבר MPI ממוקמת מעל מיטת עכבר μCT (איור 6A). על-ידי היצמדות לפרוטוקול וסימון הפידוקיאלים הן בשכבה התחתונה והן בשכבת-העל בכיוון עקבי של סיבוב, מתקבלת תוצאה בלתי הולמת בעליל (איור 6B). עם זאת, בבדיקה מדוקדקת יותר ניתן לזהות את הבעיה. הפידוקיאלים יוצרים משולש א-סימטרי. בהתבוננות בצלעות המשולש במבט צירי (איור 6C, D) מהקצר ביותר לאמצעי לארוך ביותר, ניתן לראות סיבוב בכיוון השעון בנתוני ה-CT, בעוד סיבוב נגד כיוון השעון ניכר בנתוני ה-MPI. זה מדגים שאחת התמונות הפוכה לרוחב. במקרה זה, אנו מניחים שנתוני ה-CT מדויקים. כדי לתקן את שכבת העל של MPI, התמונה מתהפכת: לשם כך, העבר את השכבה שנבחרה לכיסוי ולחץ על Menu Edit > Flip > Flip X. השינוי הדיפרנציאלי המחושב על ידי התוכנה מקיף את כל הסיבובים הדרושים, ולכן “Flip X” מספיק גם אם התמונה נראית הפוכה בכיוון אחר.
איור 6: פתרון בעיות טרנספורמציה. נתוני CT נטענים כשכבה תחתונה בגודל ווקסל של 0.240 מ”מ, ונתוני MPI כשכבת על בגודל ווקסל של 0.249 מ”מ. מיטת העכבר מכילה סמנים פידוקיאליים. (A) תצוגה תלת-ממדית של תמונת הכיסוי שלא תוקנה. הפידוקיאלים בשכבת ה-CT מסומנים בחצים. הפידוקיאלים בשכבת העל של MPI נראים ככדורים בטבלת הצבעים של NIH. (B) תוצאה לא תואמת של טרנספורמציה שבוצעה ללא תיקונים מתאימים. שארית של היתוך = 6.94 מ”מ. (C) מדידת המרחקים בין הפידוקיאלים ב-CT. סיבוב בכיוון השעון מהמרחק הקצר ביותר לארוך ביותר. (ד) מדידת המרחקים בין הפידוקיאלים ב-MPI. סיבוב נגד כיוון השעון מהמרחק הקצר ביותר לארוך ביותר. השוואה למדידות CT מביאה למקדם קנה מידה של 0.928774. (E) שכבת על מתוקנת לאחר היפוך ושינוי קנה מידה. (F) שינוי צורה עם תוצאות תואמות בתצוגה תלת-ממדית. (G) טרנספורמציה עם תוצאות תואמות בתצוגה צירית. שארית של היתוך = 0.528 מ”מ. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
ניתן לתקן ידנית גם ערכות נתונים עם גדלי ווקסל שגויים. מכיוון שממדי הפנטום צריכים להיות ידועים, ניתן לאמת זאת בתמונה. השיטה הפשוטה ביותר היא שימוש בקצה באורך ידוע. לחץ על [Ctrl + לחצן העכבר הימני] בקצה אחד של קצה, ותוך כדי לחיצה ממושכת על הלחצן, הזז את מצביע העכבר לקצה השני של הקצה ושחרר את הלחצן. בתיבת הדו-שיח הבאה, התוכנה מציגה את אורך המרחק הנמדד בתמונה. בדוגמה המודגמת באיור 6 ניכר כי הגדלים אינם תואמים כאשר משווים את המרחקים בין הפידוקיאלים בשני האופנים (איור 6C,D). שוב, ההנחה היא שנתוני ה-CT מדויקים. כדי לשנות את קנה המידה, מחושב גורם קנה מידה (SF). מכיוון שהיחס בין האורכים (CT/MPI) אינו זהה במדויק עבור כל צד של המשולש, המנה הממוצעת מחושבת: SF = ((l1CT/l1MPI) + (l2CT/l2MPI) + (l2CT/l2MPI)) / 3.
לאחר מכן, התאם את גודל הווקסל של שכבת העל על ידי הכפלת כל ממד ב- SF. כדי להשיג זאת, החליפו את השכבה שנבחרה לשכבת-על ופתחו את Menu Edit > Change Voxel Sizes. חשב כל ממד, הזן את הערך ולאחר מכן לחץ על אישור. התוצאה של שני התיקונים מוצגת באיור 6E. לאחר מכן, שכבת העל נרשמת לשכבה התחתונה על פי הפרוטוקול. היישור המתקבל מוצג באיור 6F,G. בעוד שהדבר מספק פתרון מהיר לתיקון סריקה קיימת, אנו ממליצים לכייל את מכשיר ההדמיה לשימוש בייצור.
מגבלות
שיטה זו מוגבלת לרישום משותף מרחבי של נתונים נפחיים קיימים המורכבים מווקסלים בצורת קובייה. הוא אינו כולל תהליך שחזור שמחשב את הנפח מנתונים גולמיים המופקים על ידי מכשיר ההדמיה (למשל, תחזיות ב- CT). טכניקות שונות לשיפור התמונה קשורות לשלב זה, כגון שיטות איטרטיביות20,21 ויישום בינה מלאכותית21. למרות שהשיטה המתוארת ישימה באופן עקרוני לכל השיטות המייצרות תמונות תלת-ממדיות עם ווקסלים בצורת קובייה, לא ניתן להשתמש בה לאיחוי נתונים תלת-ממדיים עם נתונים דו-ממדיים, כמו נפח MRI בשילוב עם תרמוגרפיה אינפרא-אדומהדו-ממדית 22 או הדמיה פלואורסצנטית, שעשויה להיות רלוונטית ביישומי ניתוח מונחה תמונה. הרישום של נתונים תלת-ממדיים אינו מתקן עיוותים, כגון אלה המתרחשים בתמונות MRI בקצה הסליל. אמנם לא חובה, אך תוצאות אופטימליות מושגות כאשר מתקנים עיוותים במהלך תהליך השיקום. ההמרה האוטומטית גם אינה מטפלת בתמונות הפוכות או בשינוי קנה מידה שגוי. עם זאת, ניתן לפתור שתי בעיות אלה באופן ידני כמתואר בסעיף פתרון בעיות.
משמעות השיטה
השיטה המוצעת מבטלת את הצורך בסמנים פידוקיאליים בסריקות ייצור, ומציעה מספר יתרונות. זה מועיל לשיטות שעבורן נדרשת תחזוקת סמן או החלפה תכופה. לדוגמה, רוב סמני ה-MRI מבוססים על לחות אך נוטים להתייבש עם הזמן, וסמני PET רדיואקטיביים דועכים. על ידי הסרת הצורך בפידוקיאלים בסריקות ייצור, ניתן לצמצם את שדה הראייה, מה שמוביל לזמני רכישה קצרים יותר. זה מועיל בהגדרות תפוקה גבוהה כדי להפחית עלויות ולמזער את מינון הרנטגן בסריקת CT. מינון מופחת רצוי מכיוון שקרינה יכולה להשפיע על המסלולים הביולוגיים של חיות ניסוי במחקרי הדמיה אורכיים23.
יתר על כן, השיטה אינה מוגבלת לשיטות ספציפיות. הפשרה עבור רב-תכליתיות זו היא שפחות שלבים הם אוטומטיים. שיטה שפורסמה בעבר להתכת נתוני μCT ו-FMT משתמשת בסמנים מובנים במיטת עכבר בכל סריקה ויכולה לבצע זיהוי סמן אוטומטי ותיקון עיוות במהלך שחזור24. שיטות אחרות מבטלות את הצורך בסמנים על ידי שימוש בדמיון בין תמונות. בעוד שגישה זו מניבה תוצאות טובות ויכולה גם לתקן עיוותים25, היא ישימה רק אם שתי השיטות מספקות תמונות דומות מספיק. זה בדרך כלל לא המקרה בשילוב של מודאליות מפורטת אנטומית ומודל מבוסס נותב. עם זאת, שילובים אלה נחוצים להערכת הפרמקוקינטיקה של סוכנים ממוקדים26, שיש להם יישומים בתחומים כגון ננותרפיה אנטי סרטנית 27,28.
מכיוון שבקרת האיכות פחות קפדנית ביישומים פרה-קליניים בהשוואה ליישומים קליניים, חוסר התאמה של מכשירי הדמיה משולבים הוא בעיה מוכרת29. נתונים המושפעים מחוסר התאמה זה יכולים להשתפר בדיעבד על ידי סריקת פנטום וקביעת השינוי הדיפרנציאלי, מה שעשוי להפחית עלויות ולמזער את הפגיעה בבעלי חיים. בנוסף לשיטה המודגמת המשתמשת בסמנים פידוקיאליים לחישוב טרנספורמציה דיפרנציאלית, אשר מוחלת לאחר מכן על סריקות ייצור, אפשרויות נוספות למיזוג תמונה מתוארות ומשמשות. סקירה כללית, הכוללת הפניות לתוכנות זמינות שונות, ניתן למצוא ב- Birkfellner et al.30.
לסיכום, השיטה המוצגת מציעה פתרון יעיל לרישום משותף של תמונות רב-מודאליות. הפרוטוקול ניתן להתאמה בקלות לשיטות הדמיה שונות, וטכניקות פתרון הבעיות המסופקות משפרות את עמידות השיטה מפני בעיות אופייניות.
Divulgations
The authors have nothing to disclose.
Acknowledgements
המחברים רוצים להודות לממשלה הפדרלית של נורדריין וסטפאליה, לאיחוד האירופי (EFRE), לקרן המחקר הגרמנית (CRC1382 מזהה פרויקט 403224013 – SFB 1382, פרויקט Q1) על המימון.
Materials
| 177Lu | radiotracer | ||
| Custom-build MPI mousebed | |||
| Hot Rod Derenzo | Phantech LLC. Madison, WI, USA | D271626 | linearly-filled channel derenzo phantom |
| Imalytics Preclinical 3.0 | Gremse-IT GmbH, Aachen, Germany | Analysis software | |
| Magnetic Insight | Magnetic Insight Inc., Alameda, CA, USA | MPI Imaging device | |
| Quantum GX microCT | PerkinElmer | µCT Imaging device | |
| U-SPECT/CT-UHR | MILabs B.V., CD Houten, The Netherlands | CT/SPECT Imaging device | |
| VivoTrax (5.5 Fe mg/mL) | Magnetic Insight Inc., Alameda, CA, USA | MIVT01-LOT00004 | MPI Markers |
References
- Hage, C., et al. Characterizing responsive and refractory orthotopic mouse models of hepatocellular carcinoma in cancer immunotherapy. PLOS ONE. 14 (7), (2019).
- Mannheim, J. G., et al. Comparison of small animal CT contrast agents. Contrast Media & Molecular Imaging. 11 (4), 272-284 (2016).
- Kampschulte, M., et al. Nano-computed tomography: technique and applications. RöFo – Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 188 (2), 146-154 (2016).
- Wang, X., Jacobs, M., Fayad, L. Therapeutic response in musculoskeletal soft tissue sarcomas: evaluation by magnetic resonance imaging. NMR in Biomedicine. 24 (6), 750-763 (2011).
- Hage, C., et al. Comparison of the accuracy of FMT/CT and PET/MRI for the assessment of Antibody biodistribution in squamous cell carcinoma xenografts. Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 59 (1), 44-50 (2018).
- Borgert, J., et al. Fundamentals and applications of magnetic particle imaging. Journal of Cardiovascular Computed Tomography. 6 (3), 149-153 (2012).
- Vermeulen, I., Isin, E. M., Barton, P., Cillero-Pastor, B., Heeren, R. M. A. Multimodal molecular imaging in drug discovery and development. Drug Discovery Today. 27 (8), 2086-2099 (2022).
- Liu, Y. -. H., et al. Accuracy and reproducibility of absolute quantification of myocardial focal tracer uptake from molecularly targeted SPECT/CT: A canine validation. Journal of Nuclear Medicine Official Publication, Society of Nuclear Medicine. 52 (3), 453-460 (2011).
- Zhang, Y. -. D., et al. Advances in multimodal data fusion in neuroimaging: Overview, challenges, and novel orientation. An International Journal on Information Fusion. 64, 149-187 (2020).
- Nahrendorf, M., et al. Hybrid PET-optical imaging using targeted probes. Proceedings of the National Academy of Sciences. 107 (17), 7910-7915 (2010).
- Zhang, S., et al. In vivo co-registered hybrid-contrast imaging by successive photoacoustic tomography and magnetic resonance imaging. Photoacoustics. 31, 100506 (2023).
- Yamoah, G. G., et al. Data curation for preclinical and clinical multimodal imaging studies. Molecular Imaging and Biology. 21 (6), 1034-1043 (2019).
- Schönemann, P. H. A generalized solution of the orthogonal procrustes problem. Psychometrika. 31 (1), 1-10 (1966).
- Filippou, V., Tsoumpas, C. Recent advances on the development of phantoms using 3D printing for imaging with CT, MRI, PET, SPECT, and ultrasound. Medical Physics. 45 (9), e740-e760 (2018).
- Gear, J. I., et al. Radioactive 3D printing for the production of molecular imaging phantoms. Physics in Medicine and Biology. 65 (17), 175019 (2020).
- Sra, J. Cardiac image integration implications for atrial fibrillation ablation. Journal of Interventional Cardiac Electrophysiology: An International Journal of Arrhythmias and Pacing. 22 (2), 145-154 (2008).
- Zhao, H., et al. Reproducibility and radiation effect of high-resolution in vivo micro computed tomography imaging of the mouse lumbar vertebra and long bone. Annals of Biomedical Engineering. 48 (1), 157-168 (2020).
- Gremse, F., et al. Imalytics preclinical: interactive analysis of biomedical volume data. Theranostics. 6 (3), 328-341 (2016).
- Willmott, C. J., Matsuura, K. On the use of dimensioned measures of error to evaluate the performance of spatial interpolators. International Journal of Geographical Information Science. 20 (1), 89-102 (2006).
- Thamm, M., et al. Intrinsic respiratory gating for simultaneous multi-mouse µCT imaging to assess liver tumors. Frontiers in Medicine. 9, 878966 (2022).
- La Riviere, P. J., Crawford, C. R. From EMI to AI: a brief history of commercial CT reconstruction algorithms. Journal of Medical Imaging. 8 (5), 052111 (2021).
- Hoffmann, N., et al. Framework for 2D-3D image fusion of infrared thermography with preoperative MRI. Biomedical Engineering / Biomedizinische Technik. 62 (6), 599-607 (2017).
- Boone, J. M., Velazquez, O., Cherry, S. R. Small-animal X-ray dose from micro-CT. Molecular Imaging. 3 (3), 149-158 (2004).
- Gremse, F., et al. Hybrid µCt-Fmt imaging and image analysis. Journal of Visualized Experiments. 100, e52770 (2015).
- Bhushan, C., et al. Co-registration and distortion correction of diffusion and anatomical images based on inverse contrast normalization. NeuroImage. 115, 269-280 (2015).
- Lee, S. Y., Jeon, S. I., Jung, S., Chung, I. J., Ahn, C. -. H. Targeted multimodal imaging modalities. Advanced Drug Delivery Reviews. 76, 60-78 (2014).
- Dasgupta, A., Biancacci, I., Kiessling, F., Lammers, T. Imaging-assisted anticancer nanotherapy. Theranostics. 10 (3), 956-967 (2020).
- Zhu, X., Li, J., Peng, P., Hosseini Nassab, N., Smith, B. R. Quantitative drug release monitoring in tumors of living subjects by magnetic particle imaging nanocomposite. Nano Letters. 19 (10), 6725-6733 (2019).
- McDougald, W. A., Mannheim, J. G. Understanding the importance of quality control and quality assurance in preclinical PET/CT imaging. EJNMMI Physics. 9 (1), 77 (2022).
- Birkfellner, W., et al. Multi-modality imaging: a software fusion and image-guided therapy perspective. Frontiers in Physics. 6, 00066 (2018).
