Autore/i AMOROSO, GAETANO
Relatore DE MOMI, ELENA
Correlatore/i SCORZA, DAVIDE
Scuola ING - Scuola di Ingegneria Industriale e dell'Informazione
Data 19-apr-2018
Anno accademico 2017/2018
Titolo della tesi SEEG retrospective data exploration system and smart planning initialization
Abstract in italiano L’epilessia focale farmaco-resistente (in Inglese DRFE) è un disturbo neurologico che può essere curato rimuovendo o disconnettendo la zona epilettogeniga (EZ). La StereoElettroEncefaloGrafia (SEEG) fornisce informazioni aggiuntive per la localizzazione della EZ quando tecniche non invasive non lo permettono. Tale procedura consiste nell’impianto di elettrodi intracerebrali in grado di ottenere segnali anche dalle strutture profonde del cervello, l’analisi di questi segnali supporta la localizzazione del EZ. Ad oggi la fase di pianificazione delle traiettorie di questi elettrodi viene eseguita manualmente dai chirurghi tramite l’utilizzo di software stereotattici che permettono di navigare all’interno delle strutture cerebrali e scegliere correttamente la posizione dell’elettrodo. Questa procedura è altamente chirurgo-dipendente, dispendiosa in termini di tempo e in generale complessa in quanto richiede un elevato livello di precisione per garantire la salvaguardia del paziente e il corretto targeting delle strutture cerebrali di interesse. Gli approcci proposti per supportare la fase di pianificazione si sono concentrati sull’ottimizzazione automatica di una inizializzazione proposta dal chirurgo e si basano sull’ottimizzazione di una funzione di costo che dipende da vincoli di tipo geometrico, come angolo di inserzione e distanza da strutture critiche quali i vasi. Questi approcci hanno due limitazioni fondamentali: (1) Essendo strettamente legati ad aspetti puramente geometrici, risultano limitati nel modellare e adattarsi al reale problema clinico; (2) La procedura resta comunque chirurgo-dipendente inquanto richiede un’inizializzazione, anche se approssimativa, della pianificazione e il settaggio dei parametri di ottimizzazione che dipendono dal caso specifico. Il problema della riproduzione della pratica clinica, in questo particolare contesto, è dovuto al fatto che la SEEG è una procedura altamente paziente-specifica. Nonostante questo, grazie al supporto dei chirurghi, sappiamo che è possibile identificare un numero finito di strategie di esplorazione e che ognuna di esse è caratterizzata da un subset di traiettorie standard per gli elettrodi inpiantati. In questo lavoro proponiamo un sistema teso a superare le limitazioni degli approcci proposti fin’ora, fornendo un’inizializzazione per il piano che sia più vicina alla pratica clinica. E’ stata definita una metodologia per analizzare i dati retrospettivi, composti da traiettorie impiantate con successo e immagini di pianificatione, costruire un set di traiettorie standard e clusterizzarle ottenendo dei preset che rappresentano strategie di esplorazione comuni. Come primo passo, i dati sono stati analizzati ed è stato definito un descrittore per le traiettorie che ne permette la comparazione indipendentemente dall’anatomia specifica del paziente. Di conseguenza siamo stati in grado di generare un set di traiettorie standard che sono state portate in uno spazio comune (MNI). Infine, dall’analisi delle pianificazioni, siamo stati in grado di raggruppare queste traiettorie standard ottenendo dei preset che rappresentano specifiche strategie di esplorazione. Sia le singole traiettorie standard che questi preset, o una combinazione di essi, possono essere selezionati come input di alto livello al sistema. L’implementazione di questo sistema rappresenta un sostanziale progresso rispetto a quanto proposto fin’ora, in quanto si propone di velocizzare ulteriormente il processo di pianificazione e fornisce una parziale standardizzazione centro-specifica della procedura. Abbiamo raccolto i dati di 75 pazienti anonimizzati, questi sono stati analizzati e organizzati nella base di dati. Applicando la nostra procedura, sono stati ottenuti 30 tipologie fondamenteali di traiettorie per un totale di 61 traiettorie standard. Successivamente, identificando e clusterizzando pianificazioni simili, sono state definite 8 strategie di esplorazione che sono state valutate qualitativamente dai chirurghi. I risultati sono stati validati su un test set composto da 10 pazienti. Il processo di validazione è stato supportato dai chirurghi in tutti i suoi passi. Abbiamo dimostrato che il sistema proposto è in grado di riprodurre fino al 76% un’inizializzazione manuale senza peggiorarne il risultato.
Abstract in inglese Drug-resistant Focal Epilepsy (DRFE) is a neurological disease that can be threated by removing or disconnecting the epileptogenic zone (EZ). The StereoElectroEncephaloGraphy (SEEG) provides additional information for the EZ localization when non invasive techniques poorly support its localization. This procedure consists in the implantation of multiple intracerebral electrodes able to obtain signals from deep brain structures, helping for the EZ localization. Nowadays, The planning of electrode trajectories is done manually by the surgeons by the means of stereotactic software which allow them to navigate the brain structures and choose the correct positioning of the electrodes. This procedure is highly surgeondependent, time consuming and complex, requiring high precision in order to fulfill safety requirements and ensure correct targeting of the intracerebral structures of interest. Current approaches to support the planning phase focus on automated trajectory optimization based on the maximization of a cost function that depends on geometrical constraints, such as insertion angle and distance from vessels. These approaches have two main limitations: (1) as they are strictly binded to only geometrical features, they are limited in modeling and adapting to the clinical problem; (2) the procedure is still surgeon-dependent, because it requires, although approximate, a manual plan initialization, and an adequate setting of the optimization parameters, which may vary depending on particular case. The problem of reproducing the clinical practice in this context rises from the fact that SEEG is a highly patient-specific procedure. Nevertheless, despite the anatomical differences between patients, it is possible to recognize similar trajectories used for the exploration of specific brain zones. In this work we propose a system aimed to overcome the limitation of current approaches, by providing a planning initialization as close as possible to the clinical practice. We defined a methodology to analyze retrospective data of each patient, composed of planning images set and successfully manually planned trajectories, extract the most common used trajectories and cluster them in order to obtain common exploration strategies. First we analyzed the manually planned trajectories and defined a descriptor able to group them independently from the specific patient anatomy, based on the most explored zones. Hence, we were able to generate a set of trajectories representing the most used ones and store them in a common space (MNI 305). Finally, by the analysis of each patient plan, we were able to cluster those common trajectories into specific planning strategies (set of multiple trajectories). Both this exploration patterns and the single standard trajectories, or a combination of them, can be used as an higher level input to initialize a new plan. The implementation of this system will represent a substantial progress with respect to what proposed till now, speeding up the planning process and providing a center specific standardization of the procedure. We have collected the data of 75 anonymized patients, these have been analyzed and organized in the database. Applying our pipeline to the database we have obtained 30 fundamental types of explorations for a total of 61 standard trajectories. Then, by detecting and clustering similar plans, we have been able to identify 8 planning strategies that have been qualitatively evaluated by a neurosurgeon and represent a tailored set of trajectories for a specific initialization. The results have been validated on a test set composed by 10 patients. The validation process of our system have been supported by the surgeons in all its steps. We demonstrated that the proposed system is able to reproduce the 76% of a manual initialization without affecting the outcome.
Tipo di documento Tesi di laurea Magistrale
Appare nelle tipologie: Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
tesi_Magistrale_Gaetano_Amoroso.pdf

non accessibile

12.61 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/10589/140246