Publikationsserver der Universitätsbibliothek Marburg

Titel:Intraoperative Visualisierung multimodaler Daten in der Neurochirurgie
Autor:Egger, Jan
Weitere Beteiligte: Nimsky, Christopher (Prof. Dr.)
Veröffentlicht:2012
URI:https://archiv.ub.uni-marburg.de/diss/z2012/0422
DOI: https://doi.org/10.17192/z2012.0422
URN: urn:nbn:de:hebis:04-z2012-04228
DDC: Medizin
Titel(trans.):Intraoperative Visualization of Multimodal Data in Neurosurgery
Publikationsdatum:2012-07-11
Lizenz:https://rightsstatements.org/vocab/InC-NC/1.0/

Dokument

Schlagwörter:
Protonen-NMR-Spektroskopie, GBM, Bildsegmentierung, Neurosurgery, Intrakranielles Aneurysma, Neurochirurgie, Hirnstimulation, Hypophysenadenom, Aneurysm, DBS, Pituitary Adenoma, MRS, Segmentation, Glioblastom

Zusammenfassung:
Die Neurochirurgie als medizinisches Fachgebiet befasst sich mit der Erkennung und der (operativen) Behandlung von Pathologien des zentralen und peripheren Nervensystems. Dazu gehören unter anderem die operative Entfernung (Resektion) von Gehirntumoren und das Einsetzen von Neurostimulatoren bei Parkinson-patienten. In dieser Arbeit werden Beiträge zur computergestützten Behandlung von zerebralen Erkrankungen – Tumoren, Aneurysmen und Bewegungsstörungen – geleistet. Bei operativen Eingriffen zur Behandlung dieser zerebralen Erkrankungen muss eine exakte Planung vor der Operation erfolgen. Für die Volumen-bestimmung von zerebralen Erkrankungen wurde im Rahmen dieser Arbeit ein graphbasierter Segmentierungsalgorithmus für kugelförmige und elliptische Objekte entwickelt. Außerdem ist ein effizienter geometrischer Ansatz für die präoperative Planung von Zugangswegen bei der tiefen Hirnstimulation ausgearbeitet worden. Weiterhin wurde der Workflow zur multimodalen Integration von Stoffwechselvorgängen – erzeugt mit Hilfe der 3 Tesla Protonen MR-Spektroskopie (1H-MRS) – in ein neurochirurgisches Navigationssystem realisiert. Alle Verfahren werden in der vorliegenden Arbeit im Detail vorgestellt und anhand von Patientendaten evaluiert. Außerdem werden die klinischen Prototypen präsentiert, die auf den Verfahren aufbauen.

Summary:
The medical field of neurosurgery addresses the diagnosis and (surgical) treatment of pathologies of the central and peripheral nervous system. The contributions of this thesis are in the area of computer aided treatment of cerebral diseases such as brain tumors, aneurysms, and movement disorders. Specifically, the methodology developed in this thesis is used during the pre-operative planning phase of brain tumor resection or deep brain stimulation for Parkinson’s disease. For the volume determination of cerebral diseases a graph-based segmentation algorithm for spherically- and elliptically-shaped objects has been developed in this thesis. In addition, an efficient geometrical approach for the preoperative planning of access paths for the deep brain stimulation has been elaborated. Furthermore, the workflow for the multimodal integration of metabolic processes – generated with 3 Tesla Proton MR-Spectroscopic Imaging (1H-MRS) – in a neurosurgical navigation system has been realized. All methods are introduced in detail in this thesis and are evaluated with real patient data from the clinical routine. Additionally, the clinical prototypes that are based upon these methods are presented.

Bibliographie / References

  1. Benabid A. L., Chabardes S., Torres N., Piallat B., Krack P., Fraix V., Pollak P. Functional neurosurgery for movement disorders: a historical perspective. Prog Brain Res.; 175:379-391 (2009)
  2. Zukic Dž, Egger J, Bauer M H A, Kuhnt D, Carl B, Freisleben B, Kolb A, Nimsky Ch. " Glioblastoma Multiforme Segmentation in MRI Data with a Balloon Inflation Approach " . Proceedings of 6th Russian-Bavarian Con- ference on Bio-Medical Engineering, Editors Alexandrov A et al., Publish- er Bauman Moscow State Technical University (BMSTU), State Technical University, Moscow, Russia, pages 40–44, 2010.
  3. M.H.A. Bauer, S. Barbieri, et al., A Ray-based Approach for Fiber Bundle Boundary Estimation Derived From Diffusion Tensor Imaging, Proceedings of CARS, 2010.
  4. Lauterbur P C. " Image Formation by Induced Local Interactions: Exam- ples Employing Nuclear Magnetic Resonance " . Nature 242, 190–191, 1973.
  5. Li K, Wu X, Chen D Z, Sonka M. " Globally Optimal Segmentation of In- teracting Surfaces with Geometric Constraints " . Proc. IEEE CS Conf. Computer Vision and Pattern Recognition (CVPR), vol. 1, pp. 394–399, June 2004.
  6. Meyerand M E, Pipas J M, Mamourian A, Tosteson T D, Dunn J F. " Clas- sification of biopsy-confirmed brain tumors using single-voxel MR spec- troscopy " . American Journal of Neuroradiology (AJNR), 20(1):117–23, 1999.
  7. Vaillant M, Davatzikos C, Taylor R H, Bryan R N. " A path-planning algo- rithm for imageguided neurosurgery " . CVRMed-MRCAS'97, Lecture Notes in Computer Science (LNCS), Volume 1205/1997, pages 467–476, 1997.
  8. Zukic Dž, Egger J, Bauer M H A, Kuhnt D, Carl B, Freisleben B, Kolb A, Nimsky Ch. " Preoperative Volume Determination for Pituitary Adenoma " . Proceedings of SPIE Medical Imaging Conference, 7963(1), 7 pages, Or- lando, Florida, USA, Feb. 2011.
  9. Li K, Wu X, Chen D Z, Sonka M. " Efficient Optimal Surface Detection: Theory, Implementation and Experimental Validation " . Proc. SPIE Int'l
  10. Egger, J., Bauer, M. H. A., Kuhnt, D., Kappus, C., Carl, B., Freisleben, B., Nimsky, Ch.: A Flexible Semi-Automatic Approach for Glioblastoma multiforme Segmentation. Biosignal Processing Conference, DGBMT, Charité, Berlin, Germany (2010)
  11. Stadlbauer A, Gruber S, Moser E, Nimsky Ch, Grummich P, Fahlbusch R, Ganslandt O. " 1 H-MRSI Guided Surgery of Brain Tumors " . Magnetom Flash, ISMRM Edition, Issue no. 1, 2004.
  12. Abb. 1: Manueller Zielpunkt (links), grob lokalisierter Eintrittspunkt in der Nähe der Hirnoberfläche (Mitte) und 3D Visualisierung der initialen Trajektorie (rechts).
  13. 2960.56 3435.11
  14. M.H.A. Bauer, J. Egger, et al., A Fast and Robust Graph-based Approach for Boundary Estimation of Fiber Bundles Relying on Fractional Anisotropy Maps, Proceedings of ICPR, 2010
  15. J. Egger, et al., A Fast Vessel Centerline Extraction Algorithm for Catheter Simulation, In: Proceedings of 20th IEEE International Symposium on Computer-Based Medical Systems (CBMS), Maribor, Slovenia, pp. 177-182, IEEE Press, 2007.
  16. Shabou A, Tupin F, Darbon J. " A graph-cut based algorithm for approxi- mate MRF optimization " . ICIP, pp. 2413–16, 2009.
  17. Lacroix M, Abi-Said D, Fourney D R, Gokaslan Z L, Shi W, DeMonte F, Lang F F, McCutcheon I E, Hassenbusch S J, Holland E, Hess K, Michael C, Miller D, Sawaya R. " A multivariate analysis of 416 patients with glio- blastoma multiforme: Prognosis, extent of resection and survival " . The Journal of Neurosurgery (The JNS), volume 95, pages190–198, August 2001.
  18. Mein Dank gilt ebenso folgenden Kolleginnen und Kollegen aus der Neurochirur- gie in Marburg: Miriam Bauer, Dr. med. Andreas Becker, Dr. med. Barbara Carl, Thomas Dukatz, Gerda Engelhardt, Dr. med. Daniel Hořínek, Christoph Kappus, Frank Karcher, Dr. med. Malgorzata Kolodziej, Dr. med. Daniela Kuhnt, Mike Sucker; den internen und externen Projektpartnern und Fachkollegen: Marius Erdt, Dr.
  19. Ralph Ewerth, Prof. Dr. Andreas Janson, Prof. Dr. Andreas Kolb, Dr. Dorit Mer- hof, Dr. Antonín Škoch, Dr. Jens Sommer, Dženan Zukic und den Kollegen von BrainLab, Brandon Greene für die Unterstützung bei der statistischen Auswer- tung;
  20. Y. Boykov and V. Kolmogorov, An Experimental Comparison of Min-Cut/Max-Flow Algorithms for Energy Minimization in Vision, IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), 26(9), pp. 1124-1137, 2004.
  21. Egger J., Freisleben B., Setser R., Renapuraar R., Biermann C., O'Donnell T. Aorta Segmentation for Stent Simulation. MICCAI -Cardiovascular Interventional Imaging and Biophysical Modelling Workshop; pages 1-10 (2009)
  22. S. Barbieri, J. Klein, Ch. Nimsky, and H.K. Hahn, Assessing Fiber Tracking Accuracy via Diffusion Tensor Software Models, Proceedings of SPIE, 2010
  23. Tabelle 1: Auflistung der evaluierten Trajektorien mit entsprechender Seite. Ac -Pc Koordinaten von Eintrittspunkt und Zielpunkt der initial benutzten Trajektorien. Anzahl der jeweils konstruierten Trajektorien, diese werden auf Grundlage ihrer Grauwertaberrationen absteigend nach "Sicherheit" sortiert. Platzierung der initialen Trajektorie in der Rangliste der ermittelten.
  24. Sieg C, Handels H, Pöppl S J. " Automatic Segmentation of Contrast- Enhanced Brain Tumors in Multispectral MR-Images with Backpropaga- tion-Networks " (in German). Bildverarbeitung für die Medizin (BVM), Springer, pp. 347–351, 2001.
  25. M.H.A. Bauer, S. Barbieri, et al., Boundary Estimation of Fiber Bundles Derived From Diffusion Tensor Images, IJCARS, 2010
  26. Abb. 2: A: Initiale Trajektorie (weiß). B: Radiale Strahlen in der x-y-Ebene (des DICOM- Koordinatensystems) am Eintrittspunkt (grün). C: Richtungsvektoren der Ebene mit der initialen Trajektorie als Normale (blau). D: Rotationsgerade zwischen x-y-Ebene und "Trajektorien"-Ebene (gelb). E: Radiale Strahlen rotiert in die "Trajektorien"-Ebene (pink). F: Trajektorien zu verschiedenen Eintrittspunkten, die entlang der radialen Strahlen aus E gesampelt wurden (hellblau).
  27. Abb. 3: A: Initiale Trajektorien (hellblau). B: Selektion einer bestimmten Trajektorie (rot). C-H: Visualisierung der selektierten Trajektorie in den axialen 2D-Schichten (gelb). G: Grob lokalisierter Eintrittspunkt des Neurochirurgen (weiß).
  28. Terzopoulos D, Witkin A, Kass M. " Constraints on deformable models: Recovering 3D shape and nongrid motion " . Artificial Intelligence, 36:91- 123, 1988.
  29. Da wurden schon mal Emails mit einer PowerPoint-Folie innerhalb von 27 Se- kunden durchgesehen und zurückgeschickt, Emails nachts innerhalb weniger Mi- nuten vom iPhone beantwortet und Paper während des Urlaubs im Internetcafe abgerufen und korrigiert.
  30. Masterarbeit bei Siemens Medical Solutions, Forchheim (Bayern) 14.07.2006 Master of Science in Informatik (M.Sc.)
  31. May A, Vesper J, Hamel W, Westphal M, Weiller C, Nikkhah G. " Hypo- thalamische Tiefenhirnstimulation bei Patienten mit chronischen Cluster- Kopfschmerzen " . Schmerz, Springer Medizin Verlag, Volume 19:544–548, 2005.
  32. Stadlbauer A, Moser E, Gruber S, Buslei R, Nimsky Ch, Fahlbusch R, Ganslandt O. " Improved delineation of brain tumors: an automated meth- od for segmentation based on pathologic changes of 1 H-MRSI metabolites in gliomas " . Neuroimage, volume 23 number 2, pages 454–61, 2004.
  33. Informatikstudent an der Fachhochschule Wies- baden März 2003 – August 2003
  34. Informatikstudent an der Hochschule Darmstadt Januar 2006 – Juni 2006
  35. Stadlbauer A, Moser E, Gruber S, Nimsky Ch, Fahlbusch R, Ganslandt O. " Integration of biochemical images of a tumor into frameless stereotaxy achieved using a magnetic resonance imaging/magnetic resonance spec- troscopy hybrid data set " . Journal of Neurosurgery (JNS), 101(2):287–94, 2004.
  36. Lebenslauf Dr. Jan Egger, geboren am 8. Dezember 1975 in Diez August 1982 – Januar 1986
  37. Karl-von-Ibell-Grundschule Diez Februar 1986 – Juli 1987
  38. Letzter Zugriff: 13.02.2012
  39. Vance M L. " Medical treatment of functional pituitary tumors " . Neurosurg and Programming (ICALP), pp. 1029–1042, Malaga, Spain, July 2002.
  40. Trepel M. " Neuroanatomie – Struktur und Funktion " . Urban & Fischer Verlag; ISBN-13: 978-3437412981; 4. Auflage, 2008.
  41. Therasse P, Arbuck S G, Eisenhauer E A, Wanders J, Kaplan R S, Rubin- stein L, Verweij J, Van Glabbeke M, van Oosterom A T, Christian M C, Gwyther S G. " New guidelines to evaluate the response to treatment in sol- id tumors " . European Organization for Research and Treatment of Cancer, National Cancer Institute of the United States, National Cancer Institute of Canada. Journal of the National Cancer Institute (JNCI); 92: 205–16, 2000.
  42. Egger, J., Bauer, M. H. A., Kuhnt, D., Carl, B., Kappus, C., Freisleben, B., Nimsky, Ch.: Nugget-Cut: A Segmentation Scheme for Spherically-and Elliptically-Shaped 3D Objects. DAGM, LNCS 6376, pp. 383–392, Springer, Darmstadt, Germany (2010)
  43. Stadlbauer A, Gruber S, Nimsky Ch, Fahlbusch R, Hammen T, Buslei R, Tomandl B, Moser E, Ganslandt O. " Preoperative Grading of Gliomas by Using Metabolite Quantification with High-Spatial-Resolution Proton MR Spectroscopic Imaging " . Radiology, Vol. 238(3):958–969, March 2006.
  44. Stadlbauer A, Buchfelder M, Nimsky Ch, Saeger W, Salomonowitz E, Pinker K, Richter G, Akutsu H, Ganslandt O. " Proton magnetic resonance spectroscopy in pituitary macroadenomas: preliminary results " . Journal of Neurosurgery (The JNS), volume 109, number 2, pages 306–312, August 2008.
  45. Berufspraktisches Semester bei Siemens Corp. Research, Princeton/New Jersey (USA) 19.02.2004 Diplom in Informatik (FH) März 2004 – Juni 2006
  46. Figure 3: Result of automatic tumor segmentation (DSC=76.19%). The yellow point (inside the tumor) in the fourth image from the left side is the user-defined seed point. Manual segmentation performed by a neurological surgeon took 9 minutes for this data set 84.01
  47. Stadlbauer A. " Räumlich hochaufgelöstes 1 H Magnetic Resonance Spectroscopic Imaging bei 1.5 und 3 Tesla am menschlichen Gehirn: Me- thodische Entwicklungen und Anwendungen bei Patienten mit hirneigenen Tumoren und Multipler Sklerose " . TU Wien, Technische Physik, Disserta- tion, 197 Seiten, 2004.
  48. K. Greiner, et al., Segmentation of Aortic Aneurysms in CTA-images with the Statistic Method of the Active Appearance Models (in German), Proceedings of Bildverarbeitung für die Medizin (BVM), Berlin, Germany, Springer, 2008. References: References: International Biosignal Processing Conference Humboldt University of Berlin, Charité, July 14-16, 2010, Berlin, Germany Figure 2: Principle of a cut of edges between two rays for Δr=1. Left and middle: Same cost for a cut (2@BULLET∞). Right: Higher cost for a cut (4@BULLET∞)
  49. Szwarc P, Kawa J, Bobek-Billewicz B, Pietka E. " Segmentation of brain tumours in MR images using fuzzy clustering techniques " . Proceedings of Computer Assisted Radiology and Surgery (CARS 2010), Geneva, Swit- zerland, 2010.
  50. Letteboer M M, Olsen O F, Dam E B, Willems P W, Viergever M A, Nies- sen W J. " Segmentation of tumors in magnetic resonance brain images us- ing an interactive multiscale watershed algorithm " . Acad Radiol, 11, pp. 1125–1138, 2004.
  51. M.-A. Weber, S. Zoubaa, M. Politi, I. Grunwald, and M. Essig, Sellar tumors (in German), Der Radiologe; 47(6):492-500. Springer Berlin / Heidelberg, 2007.
  52. Sixel-Döring F, Trenkwalder C, Kappus C, Hellwig D. " Skin complica- tions in deep brain stimulation for Parkinson's disease: frequency, time course, and risk factors " . Acta Neurochir (Wien); 152(2): 195–200, Feb. 2010.
  53. Technische Universität Kaiserslautern, Studium der Informatik mit Nebenfach Wirtschaftswis- senschaften September 1999 – Februar 2004
  54. Elias W. J., Sansur C. A., Frysinger R. C. Sulcal and ventricular trajectories in stereotactic surgery. Journal of Neurosurgery; 11(2):201-207 (2009)
  55. Kleihues, P., Louis, D. N., Scheithauer, B. W., Rorke, L. B., Reifenberger, G., Burger, P. C., Cavenee, W. K.: The WHO classification of tumors of the nervous system. Journal of Neuropathology & Experimental Neurology; 61(3): 215-229 (2002)
  56. S. Barbieri, J. Klein, Ch. Nimsky, and H.K. Hahn, Towards Image-Dependent Safety Hulls for Fiber Tracking, Proceedings of ISMRM-ESMRMB, 2010
  57. Zivildienst am DRK-Krankenhaus Diez Oktober 1997 – Juli 1999
  58. LCModel – Automatic quantification of in vivo proton MR spectra http://s-provencher.com/pages/lcmodel.shtml Letzter Zugriff: 13.02.2012
  59. Li K, Wu X, Chen D Z, Sonka M. " Optimal Surface Segmentation in Vol- [97] MATLAB http://www.mathworks.com/products/matlab/ Letzter Zugriff: 13.02.2012
  60. Zou K H, Warfield S K, Bharatha A, Tempany C M, Kaus M R, Haker S J, Wells W M, Jolesz F A, Kikinis R. " Statistical Validation of Image Seg- mentation Quality Based on a Spatial Overlap Index " . Scientific Reports, Academic Radiology, Bd. 11, Nr. 2, S. 178–189, 2004.
  61. Michelozzi G, Calabro F, Schiavoni S. " Pituitary Adenomas " . In: Bruneton J N (Ed): Radiological Imaging of Endocrine Diseases. In: Brady L W, Donner M W, Heilmann H P, Heuck F H W (Eds): Medical Radiology.


* Das Dokument ist im Internet frei zugänglich - Hinweise zu den Nutzungsrechten