Co-registrazione multimodale cross-device e senza marcatori di modalità di imaging preclinico
Summary
La combinazione di più modalità di imaging è spesso necessaria per ottenere una comprensione completa della fisiopatologia. Questo approccio utilizza i fantocci per generare una trasformazione differenziale tra i sistemi di coordinate di due modalità, che viene poi applicata per la co-registrazione. Questo metodo elimina la necessità di fiducial nelle scansioni di produzione.
Abstract
I sistemi di imaging multimodale preclinico integrati, come la tomografia computerizzata a raggi X (TC) combinata con la tomografia a emissione di positroni (PET) o la risonanza magnetica (MRI) combinata con la PET, sono ampiamente disponibili e in genere forniscono volumi co-registrati in modo robusto. Tuttavia, sono spesso necessari dispositivi separati per combinare una risonanza magnetica autonoma con una PET-CT esistente o per incorporare dati aggiuntivi dalla tomografia ottica o dalla microtomografia a raggi X ad alta risoluzione. Ciò richiede la co-registrazione delle immagini, che coinvolge aspetti complessi come la progettazione multimodale del letto del mouse, l’inclusione di marcatori fiduciali, la ricostruzione dell’immagine e la fusione di immagini basata su software. I marcatori fiduciali spesso pongono problemi per i dati in vivo a causa di problemi di gamma dinamica, limitazioni del campo visivo di imaging, difficoltà nel posizionamento del marcatore o perdita del segnale del marcatore nel tempo (ad esempio, a causa dell’essiccazione o del decadimento). Queste sfide devono essere comprese e affrontate da ciascun gruppo di ricerca che richiede la co-registrazione delle immagini, con conseguenti sforzi ripetuti, poiché i dettagli rilevanti sono raramente descritti nelle pubblicazioni esistenti.
Questo protocollo delinea un flusso di lavoro generale che consente di superare questi problemi. Sebbene inizialmente venga creata una trasformazione differenziale utilizzando marcatori fiduciali o strutture visive, tali marcatori non sono necessari nelle scansioni di produzione. I requisiti per i dati del volume e i metadati generati dal software di ricostruzione sono dettagliati. La discussione riguarda il raggiungimento e la verifica dei requisiti separatamente per ciascuna modalità. Viene descritto un approccio basato su phantom per generare una trasformazione differenziale tra i sistemi di coordinate di due modalità di imaging. Questo metodo mostra come co-registrare le scansioni di produzione senza fiducial marker. Ogni passaggio è illustrato utilizzando il software disponibile, con raccomandazioni per i fantasmi disponibili in commercio. Viene mostrata la fattibilità di questo approccio con diverse combinazioni di modalità di imaging installate in vari siti.
Introduction
Diverse modalità di imaging preclinico presentano vantaggi e svantaggi distinti. Ad esempio, la tomografia computerizzata a raggi X (TC) è adatta per esaminare strutture anatomiche con diverse densità radio, come ossa e polmoni. È ampiamente utilizzato grazie alla sua rapida velocità di acquisizione, all’elevata risoluzione tridimensionale, alla relativa facilità di valutazione dell’immagine e alla versatilità con o senza agenti di contrasto 1,2,3. La risonanza magnetica per immagini (MRI) offre il contrasto più versatile dei tessuti molli senza radiazioni ionizzanti4. D’altra parte, le modalità basate su traccianti come la tomografia a emissione di positroni (PET), la tomografia computerizzata a emissione di fotoni singoli (SPECT), la tomografia mediata da fluorescenza (FMT) e l’imaging con particelle magnetiche (MPI) sono strumenti consolidati per valutare quantitativamente i processi molecolari, il metabolismo e la biodistribuzione di composti diagnostici o terapeutici radiomarcati ad alta sensibilità. Tuttavia, mancano di risoluzione e informazioni anatomiche 5,6. Pertanto, le modalità più orientate all’anatomia sono tipicamente abbinate a quelle altamente sensibili che hanno la loro forza nel rilevamento del tracciante7. Queste combinazioni rendono possibile la quantificazione delle concentrazioni di traccianti all’interno di una specifica regione di interesse 8,9. Per i dispositivi di imaging combinati, la co-registrazione della modalità è solitamente una funzionalità integrata. Tuttavia, è anche utile registrare congiuntamente le scansioni da dispositivi diversi, ad esempio se i dispositivi sono stati acquistati separatamente o se non è disponibile un dispositivo ibrido.
Questo articolo si concentra sulla fusione intermodale nell’imaging di piccoli animali, che è essenziale per la ricerca di base e lo sviluppo di farmaci. Uno studio precedente10 sottolinea che ciò può essere ottenuto con il riconoscimento delle caratteristiche, la mappatura dei contorni o i marcatori fiduciali (fiducial). I fiducial sono punti di riferimento per allineare e correlare accuratamente le immagini provenienti da diverse modalità di imaging. In casi particolari, i fiduciali possono anche essere punti di inchiostro cinese sulla pelle di topi nudi11; Tuttavia, spesso, viene utilizzata una cartuccia di imaging con marcatori fiduciali incorporati. Sebbene si tratti di un metodo robusto e ben sviluppato10, il suo utilizzo per ogni scansione presenta problemi pratici. I fiduciali rilevabili alla risonanza magnetica sono spesso a base liquida e tendono a seccarsi durante la conservazione. La PET richiede marcatori radioattivi, il cui segnale decade in base al periodo di emivita dell’emettitore, che di solito è breve per le applicazioni biomediche, richiedendo una preparazione poco prima della scansione. Altri problemi, come la mancata corrispondenza nella gamma dinamica del segnale proveniente dal fiducial marker e dall’oggetto esaminato, hanno un forte impatto sull’imaging in vivo . L’ampia gamma di contrasto dinamico richiede un frequente adattamento della potenza del segnale del marcatore all’oggetto da esaminare. Di conseguenza, mentre un segnale marcatore debole potrebbe non essere rilevato nell’analisi, un segnale marcatore forte può creare artefatti che compromettono la qualità dell’immagine. Inoltre, per includere in modo coerente i marcatori, il campo visivo deve essere inutilmente ampio per molte applicazioni, portando potenzialmente a una maggiore esposizione alle radiazioni, volumi di dati maggiori, tempi di scansione più lunghi e, in alcuni casi, una risoluzione inferiore. Ciò può influire sulla salute degli animali da laboratorio e sulla qualità dei dati generati.
Trasformazione e trasformazione differenziale
Un set di dati di immagini è costituito da dati voxel e metadati. Ogni voxel è associato a un valore di intensità (Figura 1A). I metadati includono una trasformazione che specifica il posizionamento del set di dati nel sistema di coordinate del dispositivo di imaging (Figura 1B) e la dimensione del voxel utilizzato per ridimensionare il sistema di coordinate. Ulteriori informazioni, come il tipo di dispositivo o la data di scansione, possono essere facoltativamente memorizzate nei metadati. La trasformazione menzionata è matematicamente chiamata trasformazione del corpo rigido. Le trasformazioni del corpo rigido vengono utilizzate per modificare l’orientamento o la posizione degli oggetti in un’immagine o in uno spazio geometrico preservando la distanza tra ogni coppia di punti, il che significa che l’oggetto trasformato mantiene le sue dimensioni e la sua forma mentre viene ruotato e traslato nello spazio. Qualsiasi serie di tali trasformazioni può essere descritta come una singola trasformazione consistente in una rotazione seguita da una traslazione. La formula utilizzata dal software per passare dalla coordinata dei dati alla coordinata metrica di destinazione è mostrata nella Figura 1C, dove R è una matrice di rotazione ortonormale, d e v sono indici e dimensioni dei voxel e t è un vettore di traslazione 3 x 112. La rotazione è dettagliata nella Figura 1D.
Figura 1: Rappresentazione 2D della struttura di un set di dati di immagini e posizionamento in un sistema di coordinate globale. (A) Un set di dati di immagini è costituito da dati voxel e metadati. La trasformazione che specifica il posizionamento e la dimensione del voxel sono componenti essenziali dei metadati. (B) Il rendering dell’immagine viene eseguito nel sistema di coordinate del dispositivo. La trasformazione necessaria per posizionare l’oggetto consiste in una rotazione (blu) seguita da una traslazione (verde). (C) Per passare dalla coordinata dei dati alla coordinata di destinazione, il software utilizza questa formula dove R è una matrice di rotazione ortonormale, d e v sono indici e dimensioni dei voxel e t è un vettore di traslazione 3 x 1. (D) Una matrice di rotazione (blu nel piano A) rappresenta la trasformazione lineare dei punti rotanti. Moltiplicando le coordinate di un punto per questa matrice si ottengono le nuove coordinate ruotate. Clicca qui per visualizzare una versione più grande di questa figura.
Una trasformazione differenziale è una trasformazione di corpo rigido che converte le coordinate da un sistema di coordinate a un altro, ad esempio dalla PET alla microtomografia a raggi X (μCT), e può essere calcolata utilizzando marcatori fiduciali. Almeno tre punti comuni – i fiduciali – sono selezionati in entrambi i sistemi di coordinate. Dalle loro coordinate è possibile derivare una trasformazione matematica che converte le coordinate. Il software utilizza il metodo dei minimi quadrati, che fornisce una soluzione ottimale a un sistema di equazioni con errori o rumore nei dati misurati. Questo è chiamato Problema di Procuste13 e viene risolto usando la decomposizione ai valori singolari. Il metodo è affidabile e robusto perché porta a una soluzione unica e ben definita (se vengono forniti almeno tre marcatori non collineari). Vengono calcolati sei parametri liberi: tre per la traslazione e tre per la rotazione. Di seguito, useremo il termine matrice di trasformazione anche se tecnicamente consiste in una matrice di rotazione e un vettore di traslazione.
Ogni dispositivo di imaging ha il proprio sistema di coordinate e il software calcola una trasformazione differenziale per allinearli. Le Figure 2A, B descrivono come viene determinata la trasformazione differenziale, mentre le Figure 2C e D descrivono come viene applicata. Le immagini di entrambe le modalità possono avere dimensioni diverse e mantenerle nel processo, come mostrato nell’immagine di esempio con la fusione di CT e PET in Figura 2E.
Figura 2: Trasformazione differenziale. (A-D) Semplificato in 2D. Sebbene applicabile ad altre modalità, si presume che le modalità siano CT e PET per questo esempio. (A,C) Un’immagine CT con un riquadro di delimitazione rosso viene posizionata nel sistema di coordinate. Applicata allo stesso sistema di coordinate, l’immagine PET con un riquadro di delimitazione giallo viene posizionata in modo diverso. (B) Utilizzando marcatori fiduciali che possono essere localizzati sia nella TC che nella PET, è possibile determinare una trasformazione differenziale T. Questo è simboleggiato dalla freccia. La matrice di trasformazione differenziale viene memorizzata. (D) La matrice di trasformazione differenziale T precedentemente salvata può quindi essere applicata a ciascuna immagine PET. Ciò comporta una nuova trasformazione che sostituisce la trasformazione originale nei metadati. (E) Un’immagine TC fusa con un’immagine PET. Le trasformazioni nei metadati di entrambe le immagini si riferiscono allo stesso sistema di coordinate. Clicca qui per visualizzare una versione più grande di questa figura.
Metodo e requisiti
Per il metodo presentato, un fantasma contenente marcatori visibili in entrambe le modalità viene scansionato in entrambi i dispositivi. È quindi sufficiente contrassegnare questi fiduciali nel software proposto per calcolare una trasformazione differenziale tra le due modalità. La trasformazione differenziale deve essere creata individualmente per ogni coppia di dispositivi. Può essere salvato e successivamente applicato a qualsiasi nuova immagine, eliminando così la necessità di marcatori fiduciali nelle scansioni successive. Il posizionamento finale dell’immagine nel sistema di coordinate di un altro dispositivo può essere descritto come una trasformazione ed essere memorizzato nei metadati dell’immagine, sostituendo lì la trasformazione originale.
Si possono formulare quattro requisiti per questo metodo: (1) Fantoccio multimodale: deve essere disponibile un fantoccio contenente marcatori visibili in entrambe le modalità. Un’ampia selezione di fantasmi è disponibile in commercio e l’uso della stampa 3D per la costruzione di fantasmi è stato ampiamente descritto14, includendo anche l’incorporazione di radioisitopi15. I fantocci utilizzati negli esempi seguenti sono elencati nella Tabella dei materiali. Sono richiesti almeno tre punti non collineari16. I marcatori possono essere cavità che possono essere riempite con un tracciante appropriato, piccoli oggetti realizzati con un materiale facilmente rilevabile in ciascuna modalità, o semplicemente fori, tagli o bordi nel fantasma stesso purché possano essere identificati in entrambe le modalità. (2) Vettore multimodale: è necessario un supporto, come un letto per topi, che possa essere fissato in una posizione riproducibile in entrambi i dispositivi. Idealmente, non dovrebbe essere possibile utilizzarlo in una posizione invertita per evitare errori. Il trasportino è particolarmente importante per l’imaging in vivo perché è necessario per trasportare un animale sedato da un dispositivo di imaging all’altro senza cambiare la sua posizione. Sulla base della nostra esperienza, i topi sedati hanno maggiori probabilità di cambiare la loro posizione in un letto per topi piatto rispetto a uno di forma concava. Inoltre, in precedenza è stata suggerita una maschera personalizzata stampata in 3D per tenere la tibia del mouse per ridurre al minimo il movimento17. (3) Autoconsistenza: ogni dispositivo di imaging deve fornire la rotazione e la traslazione del volume ricostruito nel suo sistema di riferimento in modo riproducibile e coerente. Ciò significa anche che un sistema di coordinate per l’intero dispositivo viene preservato quando viene scansionata solo una piccola regione. Fa parte del protocollo testare un dispositivo di imaging per la sua autoconsistenza. (4) Supporto software: il software proposto deve essere in grado di interpretare i metadati (dimensione del voxel, traduzione, orientamento) memorizzati con il volume ricostruito fornito dal dispositivo. Il volume può essere in formato file DICOM, NIfTI, Analyze o GFF. Per una panoramica dei vari formati di file, vedi Yamoah et al.12.
Sebbene sia descritta la coregistrazione di due modalità, la procedura è applicabile anche a tre o più modalità, ad esempio mediante la coregistrazione di due modalità in una modalità di riferimento.
Protocol
Representative Results
Discussion
Viene presentato un metodo per la co-registrazione multimodale delle immagini che non richiede marcatori fiduciali per le scansioni di produzione. L’approccio basato su phantom genera una trasformazione differenziale tra i sistemi di coordinate di due modalità di imaging.
Residuo di fusione e validazione della trasformazione differenziale
Dopo aver calcolato la trasformazione differenziale, il software visualizza un residuo di fusione in millimetri, che rappresenta l’errore quadratico medio19 della trasformazione. Se questo residuo supera l’ordine di grandezza della dimensione del voxel, è consigliabile ispezionare i set di dati per problemi generali. Tuttavia, poiché tutte le immagini presentano lievi distorsioni, il residuo non può diventare arbitrariamente piccolo; Riflette solo l’adattamento dei pennarelli utilizzati. Ad esempio, una co-registrazione con tre marcatori può comportare un residuo più piccolo sugli stessi set di dati rispetto a una trasformazione con quattro marcatori ben distribuiti. Ciò si verifica perché i marcatori stessi possono essere sovradimensionati quando vengono impiegati meno fiduciali. L’accuratezza nell’intero set di dati migliora con un numero maggiore di marcatori.
L’accuratezza quantitativa del metodo dipende dalla specifica coppia di dispositivi utilizzati. La trasformazione differenziale calcolata tra i sistemi di coordinate di due dispositivi può essere convalidata seguendo questi passaggi: Aderendo al passaggio 4 del protocollo, ma utilizzando nuovamente il fantasma con i marcatori fiduciali come “campione”. Posizionando il fantasma in qualsiasi posizione, assicurandosi che sia diverso da quello utilizzato per stimare la trasformazione differenziale. E’ anche possibile utilizzare un phantom diverso adatto alle rispettive modalità, se disponibile. Successivamente, applicando la trasformazione differenziale determinata in precedenza (passaggio 4.2.5) per allineare le due modalità. Quindi, posizionando i marcatori sulle immagini di entrambe le modalità come da passaggio 3.2 del protocollo. Per calcolare il residuo di fusione per questi marcatori, fare clic su Menu Fusione > Sovrapposizione registro per sottoporre > Visualizzazione del punteggio residuo.
L’errore residuo descrive l’errore medio di posizionamento del segnale e dovrebbe essere nell’ordine della dimensione del voxel. Le soglie di accettazione concrete dipendono dall’applicazione e possono dipendere da diversi fattori, come la rigidità e l’accuratezza dei sistemi di imaging, ma possono anche essere influenzate da artefatti di ricostruzione dell’immagine.
Risoluzione dei problemi relativi all’autocoerenza
Spesso, le difficoltà con l’autoconsistenza derivano da un posizionamento inaffidabile. Un errore comune è quello di posizionare il portante in una posizione invertita lateralmente. Idealmente, dovrebbe essere inserito meccanicamente nel dispositivo di imaging in una sola direzione. Se ciò non è fattibile, è necessario aggiungere marcature comprensibili per l’utente. Un altro problema frequente è la possibilità di movimento nell’asse longitudinale, che rende inaffidabile il posizionamento assiale. Si consiglia di utilizzare un distanziatore che può essere fissato a un’estremità per fissare il letto del mouse in posizione. I distanziatori personalizzati, ad esempio, possono essere creati in modo rapido e semplice stampandoli in 3D. Tuttavia, alcuni dispositivi non sono in grado di garantire l’autoconsistenza con campi visivi variabili. In questi casi, si consiglia di contattare il fornitore, che dovrebbe confermare l’incompatibilità ed eventualmente risolverla in un aggiornamento futuro. In caso contrario, il metodo rimane affidabile se viene mantenuto un campo visivo identico per tutte le scansioni, comprese la calibrazione e l’imaging di produzione.
Per alcune scansioni di produzione con posizionamento deviato, è possibile la trasformazione nella posizione calibrata, se è riconoscibile una struttura portante sufficiente. Per l’imaging in vivo , l’animale sedato deve rimanere in un unico trasportino e non è sempre possibile costruire un unico trasportino che si adatti saldamente a entrambi i dispositivi. Spesso viene utilizzato un letto per mouse per una modalità basata su tracciante, quindi il posizionamento viene improvvisato in un dispositivo CT. Ad esempio, nella Figura 5A, un letto per topi MPI è stato posizionato sopra un letto per topi CT a causa di vincoli meccanici. Lo scarroccio assiale e la possibilità di rotolamento rendono questo posizionamento inaffidabile. In questi casi, si consiglia di progettare un adattatore che sostituisca il letto inferiore del mouse e consenta una vestibilità ad incastro. Può, ad esempio, utilizzare perni attaccati alla parte inferiore e fori aggiuntivi nella parte inferiore del letto superiore del mouse.
Tuttavia, è possibile una correzione retrospettiva per le immagini esistenti, poiché il letto del topo è rilevabile nell’immagine TC. Il protocollo richiede scansioni di calibrazione, seguite dal calcolo di una trasformazione differenziale dell’overlay rispetto al sottofondo. La procedura è simile, ma deve anche mappare ogni singola scansione TC di produzione alla scansione di calibrazione, utilizzando le strutture del letto del mouse come fiduciali.
Figura 5: Posizionamento per la risoluzione dei problemi. (A) Un letto per mouse MPI è posizionato sopra un letto per mouse CT. Pertanto, la posizione nella TC non può essere riprodotta in modo affidabile. L’autocoerenza può essere ottenuta fondendo ciascuna immagine TC con l’immagine TC di riferimento utilizzata per stimare la trasformazione differenziale. (B-D) Semplificato in 2D. (B) Ogni immagine TC di produzione viene caricata come sovrapposizione e registrata nell’immagine TC di riferimento (underlay) utilizzando le strutture del letto del topo visibili nella CT. L’immagine TC di produzione corretta è ora coerente con la TC di riferimento e può essere utilizzata con la trasformazione differenziale T. (C) Una sovrapposizione MPI viene registrata sull’immagine TC di riferimento utilizzando i marcatori fiduciali di un fantoccio. (D) Le immagini multimodali vengono assemblate. A tale scopo, ogni immagine CT viene mappata sulla posizione di riferimento con la sua trasformazione differenziale individuale. Successivamente, l’overlay MPI viene registrato anche nella posizione di riferimento utilizzando la trasformazione differenziale, che è valida per tutte le immagini del dispositivo. Clicca qui per visualizzare una versione più grande di questa figura.
Per mappare le scansioni TC di produzione alla scansione di calibrazione, fare riferimento alla sezione 3 del protocollo, che incorpora le seguenti modifiche. Per chiarezza, la descrizione continua utilizzando l’esempio di un sottofondo CT e di una sovrapposizione MPI: Nel passaggio 3.1, caricare la scansione di calibrazione CT (immagine A) come sottofondo e la scansione TC da correggere come sovrapposizione. Utilizza le strutture del letto del mouse MPI come marcatori per il passaggio 3.2 o come riferimenti visivi per il passaggio 3.3. Ignorare il passaggio 3.4, ma salvare l’overlay rappresenta il volume CT corretto (Menu File > Overlay > Salvataggio dell’overlay con nome). Nella finestra di dialogo successiva, inserisci un nuovo nome e fai clic su Salva. Chiudi la sovrapposizione passando a Menu File > Sovrapposizione > Sovrapposizione di chiusura. Caricare la scansione TC successiva che richiede la correzione come sovrapposizione e riprendere la procedura dal passaggio 3.2 del protocollo. Il concetto alla base di questo passaggio è illustrato nella Figura 5B.
Il piano del mouse è ora praticamente allineato in modo identico alla scansione di calibrazione in tutti i volumi TC salvati di recente. Come parte della procedura standard, la scansione di calibrazione viene registrata sulle immagini MPI utilizzando la trasformazione differenziale T (Figura 5C). Per unire successivamente l’immagine TC con MPI, utilizzare sempre il volume CT corretto (Figura 5D).
Risoluzione dei problemi relativi alle immagini capovolte e al ridimensionamento
Il metodo di registrazione qui introdotto presuppone una qualità dell’immagine ragionevolmente accurata e regola solo la rotazione e la traslazione. Non corregge le immagini capovolte o il ridimensionamento errato. Tuttavia, questi due problemi possono essere risolti manualmente prima di calcolare la trasformazione differenziale.
Le incongruenze tra i formati di dati di produttori diversi possono causare la visualizzazione di alcuni set di dati, in particolare quelli in formato DICOM, come speculari invertiti nel software. Poiché i fantasmi e i letti dei topi sono spesso simmetrici, questo problema potrebbe non essere immediatamente evidente. Il rilevamento delle immagini capovolte è più facile quando la scansione contiene caratteri riconoscibili nella rispettiva modalità, come i caratteri in rilievo nell’orientamento corretto visti nel fantasma nella Figura 3H. Nell’esempio illustrato nella Figura 6, i dati CT vengono caricati come sottofondo e i dati MPI vengono caricati come overlay. Si tratta di una scansione in vivo di un topo posizionato in un letto di topo MPI con marcatori fiduciali attaccati. Il letto per topi MPI è situato sopra un letto per topi μCT (Figura 6A). Aderendo al protocollo e marcando i fiduciali sia nel sottofondo che nell’overlay in un senso di rotazione coerente, si produce un risultato visibilmente incongruo (Figura 6B). A un esame più attento, tuttavia, il problema può essere identificato. I fiduciali formano un triangolo asimmetrico. Osservando i lati del triangolo nella vista assiale (Figura 6C, D) dal più corto al centro al più lungo, una rotazione in senso orario è evidente nei dati CT, mentre una rotazione in senso antiorario è evidente nei dati MPI. Ciò dimostra che una delle immagini è invertita lateralmente. In questo caso, assumiamo che i dati CT siano accurati. Per rettificare la sovrapposizione MPI, l’immagine viene capovolta: per farlo, cambia il livello selezionato in sovrapposizione e fai clic su Menu Modifica > Capovolgi > Capovolgi X. La trasformazione differenziale calcolata dal software comprende tutte le rotazioni necessarie, quindi “Flip X” è sufficiente anche se l’immagine appare capovolta in un’altra direzione.
Figura 6: Risoluzione dei problemi di trasformazione. I dati CT vengono caricati come underlay con una dimensione del voxel di 0,240 mm e i dati MPI come overlay con una dimensione del voxel di 0,249 mm. Il letto del topo contiene marcatori fiduciali. (A) Vista 3D dell’immagine sovrapposta non corretta. I fiduciali nel sottofondo CT sono indicati da frecce. I fiduciali nella sovrapposizione MPI sono visibili come sfere nella tabella dei colori NIH. (B) Risultato non corrispondente di una trasformazione eseguita senza opportune correzioni. Residuo di fusione = 6,94 mm. (C) Misura delle distanze tra i fiduciali in CT. Rotazione in senso orario dalla distanza più corta a quella più lunga. (D) Misurazione delle distanze tra i fiducial in MPI. Rotazione in senso antiorario dalla distanza più breve a quella più lunga. Il confronto con le misurazioni CT risulta in un fattore di scala di 0,928774. (E) Corretta la sovrapposizione dopo il capovolgimento e il ridimensionamento. (F) Trasformazione con risultati corrispondenti nella vista 3D. (G) Trasformazione con risultati corrispondenti in vista assiale. Residuo di fusione = 0,528 mm. Clicca qui per visualizzare una versione più grande di questa figura.
I set di dati con dimensioni dei voxel errate possono anche essere corretti manualmente. Poiché le dimensioni del fantasma dovrebbero essere note, questo può essere verificato nell’immagine. Il metodo più semplice consiste nell’utilizzare un bordo di lunghezza nota. Premere [Ctrl + pulsante destro del mouse] a un’estremità di un bordo e, tenendo premuto il pulsante, spostare il puntatore del mouse sull’altra estremità del bordo e rilasciare il pulsante. Nella finestra di dialogo successiva, il software visualizza la lunghezza della distanza misurata nell’immagine. Nell’esempio illustrato nella Figura 6, è evidente che le dimensioni non sono congruenti quando si confrontano le distanze tra i fiduciali in entrambe le modalità (Figura 6C, D). Ancora una volta, si presume che i dati CT siano accurati. Per modificare la scala, viene calcolato un fattore di scala (SF). Poiché il rapporto delle lunghezze (CT/MPI) non è esattamente identico per ciascun lato del triangolo, viene calcolato il quoziente medio: SF = ((l1CT/l1MPI) + (l2CT/l2MPI) + (l2CT/l2MPI)) / 3.
Successivamente, regola la dimensione del voxel dell’overlay moltiplicando ogni dimensione per SF. Per ottenere ciò, cambia il livello selezionato in sovrapposizione e apri Menu Modifica > Modifica dimensioni voxel. Calcola ogni dimensione, inserisci il valore, quindi fai clic su OK. Il risultato di entrambe le correzioni è mostrato nella Figura 6E. Successivamente, l’overlay viene registrato nel sottofondo secondo il protocollo. L’allineamento risultante è visualizzato nella Figura 6F,G. Sebbene ciò fornisca una soluzione rapida per correggere una scansione esistente, si consiglia di calibrare il dispositivo di imaging per l’uso in produzione.
Limitazioni
Questo metodo è limitato alla co-registrazione spaziale di dati volumetrici esistenti composti da voxel a forma di cubo. Non include un processo di ricostruzione che calcola il volume dai dati grezzi generati dal dispositivo di imaging (ad esempio, proiezioni in TC). A questo passaggio sono associate varie tecniche di miglioramento dell’immagine, come i metodi iterativi20,21 e l’applicazione dell’intelligenza artificiale21. Sebbene il metodo descritto sia, in linea di principio, applicabile a tutte le modalità che producono immagini 3D con voxel a forma di cubo, non può essere impiegato per fondere dati 3D con dati 2D, come un volume di risonanza magnetica combinato con la termografia a infrarossi2D 22 o l’imaging a fluorescenza, che può essere rilevante nelle applicazioni di chirurgia guidata da immagini. La registrazione dei dati 3D non corregge le distorsioni, come quelle che si verificano nelle immagini MRI sul bordo della bobina. Sebbene non sia obbligatorio, i risultati ottimali si ottengono quando le distorsioni vengono corrette durante il processo di ricostruzione. Inoltre, la trasformazione automatizzata non risolve il problema delle immagini capovolte o del ridimensionamento errato. Tuttavia, questi due problemi possono essere risolti manualmente come descritto nella sezione relativa alla risoluzione dei problemi.
Significato del metodo
Il metodo proposto elimina la necessità di marcatori fiduciali nelle scansioni di produzione, offrendo diversi vantaggi. Ne beneficiano le modalità per le quali è richiesta la manutenzione o la sostituzione frequente del marcatore. Ad esempio, la maggior parte dei marcatori MRI si basa sull’umidità, ma tende a seccarsi nel tempo e i marcatori PET radioattivi decadono. Eliminando la necessità di fiducial nelle scansioni di produzione, il campo visivo può essere ridotto, con conseguente riduzione dei tempi di acquisizione. Ciò è utile in ambienti ad alta produttività per ridurre i costi e minimizzare la dose di raggi X nella scansione TC. Una dose ridotta è auspicabile perché le radiazioni possono avere un impatto sulle vie biologiche degli animali da esperimento negli studi di imaging longitudinale23.
Inoltre, il metodo non si limita a modalità specifiche. Il compromesso per questa versatilità è che vengono automatizzati meno passaggi. Un metodo precedentemente pubblicato per la fusione di dati μCT e FMT utilizza marcatori integrati in un letto del mouse per ogni scansione e può eseguire il rilevamento automatico dei marcatori e la correzione della distorsione durante la ricostruzione24. Altri metodi eliminano la necessità di marcatori utilizzando la somiglianza dell’immagine. Sebbene questo approccio produca buoni risultati e possa anche correggere le distorsioni25, è applicabile solo se le due modalità forniscono immagini sufficientemente simili. Questo di solito non è il caso nella combinazione di una modalità anatomicamente dettagliata e di una modalità basata sul tracciante. Tuttavia, queste combinazioni sono necessarie per valutare la farmacocinetica di agenti mirati26, che hanno applicazioni in aree come la nanoterapia antitumorale 27,28.
Poiché il controllo di qualità è meno rigoroso nelle applicazioni precliniche rispetto a quelle cliniche, il disallineamento dei dispositivi di imaging combinati è un problema riconosciuto29. I dati interessati da questo disallineamento potrebbero essere migliorati retrospettivamente scansionando un fantasma e determinando la trasformazione differenziale, riducendo potenzialmente i costi e minimizzando i danni agli animali. Oltre al metodo dimostrato che impiega marcatori fiduciali per calcolare una trasformazione differenziale, che viene poi applicata alle scansioni di produzione, vengono descritte e utilizzate ulteriori possibilità per la fusione delle immagini. Una panoramica, che include riferimenti a vari software disponibili, può essere trovata in Birkfellner et al.30.
In conclusione, il metodo presentato offre una soluzione efficace per la co-registrazione di immagini multimodali. Il protocollo è facilmente adattabile a varie modalità di imaging e le tecniche di risoluzione dei problemi fornite migliorano la robustezza del metodo rispetto ai problemi tipici.
Divulgations
The authors have nothing to disclose.
Acknowledgements
Gli autori ringraziano il governo federale della Renania Settentrionale-Vestfalia, l’Unione Europea (EFRE), la Fondazione tedesca per la ricerca (CRC1382 progetto ID 403224013 – SFB 1382, progetto Q1) per il finanziamento.
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).
