Resume
Samenvatting - Advanced Medical Imaging
- Établissement
- Katholieke Universiteit Leuven (KU Leuven)
Dit document beschrijft de volledige cursus 'Advanced Medical Imaging'.
[Montrer plus]
1 vérifier
Par: kaatvandael • 1 année de cela
Aperçu du contenu
SAMENVATTING MEDICAL IMAGINGDOEL VAN DE CURSUS & EXAMEN ..................................................................................................................................... 2
APPLICATIONS IN NEURO IMAGING ................................................................................................................................... 3
CLINICAL IMAGING IN EPILEPSY .............................................................................................................................................. 3
IMAGING IN EPILEPSY RESEARCH ......................................................................................................................................... 14
VOXEL-BASED MORPHOMETRY (VBM) ................................................................................................................................. 18
BASIC CONCEPTS OF IMAGE ANALYSIS............................................................................................................................. 23
MEDISCHE BEELDVORMINGSANALYSE ................................................................................................................................. 23
BASIS CONCEPTEN ................................................................................................................................................................ 27
CONCLUSIE ........................................................................................................................................................................... 43
IMAGE REGISTRATION ..................................................................................................................................................... 44
OVERZICHT ........................................................................................................................................................................... 44
PROBLEEM STELLING VAN BEELD REGISTRATIE .................................................................................................................... 44
APPLICATIONS ...................................................................................................................................................................... 45
TERUG NAAR HET BEELD REGISTRATIE PROBLEEM............................................................................................................... 47
REGISTRATIE TRANSFORMATIE - MODEL (1) ........................................................................................................................ 49
IMAGE REGISTRATION FEATURES (2).................................................................................................................................... 50
DEFINITIE VAN EEN REGISTRATIECRITERIUM (3) - MUTUAL INFORMATION, DISTANCE MEASURES .................................... 58
OPTIMALISATIESTRATEGIE - ZOEKEN NAAR OPTIMALE ‘T’ (4) .............................................................................................. 66
TOEPASSINGEN .................................................................................................................................................................... 70
BEELD NAAR MODEL REGISTRATIE HISTOGRAM DISPERSION ......................................................................................... 71
MODELGESTUURDE METINGEN ........................................................................................................................................... 72
INTER-SUBJECT REGISTRATIE................................................................................................................................................ 72
CONCLUSIE ........................................................................................................................................................................... 73
NON-RIGID IMAGE REGISTRATION (NRR) ............................................................................................................................. 74
IMAGE SEGMENTATION: LOW-LEVEL SEGMENTATION .................................................................................................... 82
INTRODUCTIE ....................................................................................................................................................................... 82
SEGMENTATIE STRATEGIEËN................................................................................................................................................ 83
SEGMENTATION STRATEGIES - MANUAL SEGMENTATION .................................................................................................. 84
SEGMENTATION STRATEGIES - AUTOMATIC LOW-LEVEL BASED SEGMENTATION............................................................... 84
SEGMENTATION STRATEGIES - SEMI-AUTOMATED............................................................................................................ 118
SEGMENTATION STRATEGIES - AUTOMATIC MODEL-BASED SEGMENTATION .................................................................. 122
FUNCTIONELE MRI......................................................................................................................................................... 138
BASIS PRINCIPES VAN FMRI ................................................................................................................................................ 138
STUDYING TASK-RELATED BRAIN ACTIVITY USING FMRI .................................................................................................... 141
STUDYING FUNCTIONAL INTERACTIONS BETWEEN BRAIN AREAS USING FMRI ................................................................. 150
DIFFUSIE MRI ................................................................................................................................................................ 154
BASIS PRINCIPE VAN DMRI ................................................................................................................................................. 154
ASSESSING WHITE MATTER INTEGRITY USING DMRI.......................................................................................................... 158
NON-INVASIVE MAPPING OF FIBER TRACTS USING DMRI .................................................................................................. 165
BASICS OF KINETIC MODELLING IN HUMAN BRAIN PET ................................................................................................. 169
INTRODUCTION .................................................................................................................................................................. 169
METABOLIETCORRECTIE..................................................................................................................................................... 174
KINETISCHE MODELLEN ...................................................................................................................................................... 176
REFERENTIEMODELLEN ...................................................................................................................................................... 179
LINEARISATIES .................................................................................................................................................................... 180
PRE-PROCESSING (VOORBEWERKING) VAN DYNAMISCHE PET-BEELDEN .......................................................................... 182
KINETISCHE MODELLERING IN BEELDVORMING VAN MENSELIJKE HERSENEN .................................................................. 184
EXAMEN - VOORBEELDVRAGEN..................................................................................................................................... 185
,DOEL VAN DE CURSUS & EXAMEN
Doel van de cursus
• Algemeen doel: de student vertrouwd maken met:
o verschillende modaliteiten en acquisitievraagstukken
o geavanceerde analysetechnieken
• Gebruik van specifieke toepassingen en technieken om u te leren
o om na te denken over een probleem
o hoe beeldvorming kan bijdragen aan de oplossing van het probleem o de voor- en nadelen
van verschillende technieken.
• Aan het einde van deze cursus moet de student
o in staat om te adviseren over de meest geschikte modaliteit en acquisitie voor een bepaald
biomedisch probleem.
o in staat om de verschillende stappen in de analyse van de gegevens te identificeren.
Specifiek doel van het deel neuro imaging:
• De concepten begrijpen (niet onthouden) die in dit deel zijn geleerd: er worden dus geen letterlijke
zaken uit de cursus gevraagd (want het is natuurlijk een openboek examen).
• Om deze concepten in een andere context toe te kunnen passen
• Om een “beeldvormingsprobleem” te kunnen analyseren en de implicaties op acquisitie te
begrijpen
• De kracht van een methode begrijpen, maar ook de beperkingen
Examen:
• Geschreven examen met open vragen
• Tijdens het examen mag je gebruik maken van
o Een gedrukt exemplaar van de dia’s
o Uw geschreven notities
• Focus op het begrijpen van de concepten en het gebruik van wetenschappelijke argumenten.
• Open boek, Jan 10 14:00 2022
We krijgen 3 examenvragen: vbn van deze zie cursus achteraan.
• 1 gaat over het deel van prof. Mantini.
• 1 gaat over het deel van prof. Maes en Vandermeulen.
• 1 gaat over het deel van prof. Dupont
Voorbeeldvraag:
• Stel dat je doet een FDG-scan i.p.v. een SPECT. Dit in een groep met mensen met Alzheimer en HCs
(leeftijds gematchte controlesleeftijden). Je hebt dus een FDG-scan (kan een complexe scan zijn)
en MR-scan. Laat ons zeggen dat je deze ook moet kwantificeren.
o Vraag: kan u statistische verschillen in het metabolisme (dat door FDG gemeten wordt)
terugvinden, zo ja in welke regio’s? Hoe zou jij dit probleem aanpakken? Je moet gaan
redereren met elemenenten die je tijdens deze en volgende colleges hebt geleerd.
o Antwoord:
§ Maak geen gebruik van VBM ó dat wordt voor andere zaken gebruikt, echter is het type
statistiek dat je moet doen gelijkaardig.
§ Je zou bijvoorbeeld een voxel of VOI benadering kunnen doen. Stel je zegt: ik wrap (trek
het krom) het naar MNI ruimte ó dit is echter niet voldoende, je moet namelijk meer
gaan specificeren (de co-registratie- en segmentatietechnieken moet je specifieker gaan
bespreken): je kan bijvoorbeeld zeggen; ik doe een ‘rigid bodytransformation, met die
bepaalde kostenfunctie, … .
2
,APPLICATIONS IN NEURO IMAGING
CLINICAL IMAGING IN EPILEPSY
Epilepsie kan redelijk goed behandeld worden met
medicatie maar sommige gevallen zijn zo zwaar dat
ze de epilepsie niet kunnen onderdrukken. Daarom
kunnen we nu met medische beeldvorming een
gebied afbakenen dat epilepsie veroorzaakt, en dit
vervolgens wegnemen zodat de epilepsie
verholpen kan worden; maar hierbij moet men
echter erg voorzichtig zijn want eenmaal
verwijdert kan men het gebied niet meer terug in
de hersenen zetten. De oorsprong van epilepsie is
soms duidelijk maar wel willen toch absoluut zeker
zijn dat wat we wat via de medische beeldvorming
zien ook daadwerklijk de epilepsie veroorzaakt. Dit zodat we enkel het nodige gebied kunnen
verwijderen (zodat de epilepsie stopt en we hierbij dus geen nevenschade aanrichten). Om hiervan
zeker (dus verbetering van de niet-invasieve prechirurgische evalutie) te zijn combineren we
verschillende (structurele en functionele) technieken:
• EEG (ictal: meting tijdens een epilepsie aanval: interictal: meten tussen de aanvallen)
• MRI (met verschillende sequenties: DI-fibers bundels aan tonen, fMRI, Flair (= fluidattenuated
inversion recovery))
• PET (FDG)
• SPECT (Perfusie-SPECT, hebben twee tracers (99mTc-ECD en 99mTc-HMPAO, met goede
eigenschappen grote fractie die door BBB geraakt, met polaire metaboliet waardoor deze
getrapped is in de hersenen voor ± 4u. Opmerking: er zal ook tracer in andere lichaams regio’s
zijn).
Wanneer verschillende modaliteiten allemaal één bepaald gebied aanwijzen, dan kunnen we zeker zijn
dat dit gebied effectief epilepsie veroorzaakt en kan men ook exact dit gebied verwijderen. Echter,
wanneer dit verschillende regio’s zijn, kunnen we ze niet zomaar vanalles gaan weghalen.
Gaan in volgend stukje specifiek focussen op SPECT --------------------------- >
THE VALUE OF ICTAL SPECT (PERFUSION SPECT) AND SISCOM
Epileptische regio: Perfusie SPECT; perfusie neemt toe tijdens een aanval
(ictal) en neemt vaak af tijdens de periodes van rust (interictally). Voor SPECT zijn er isotopen (= tracer
bv 99mTC-ECD of -HMPAO) en deze gaan we meten (t1/2 = 6 uur). Ideale isotoop eigenschappen voor
hersenen: hoge first pass extractie fractie, lipofiel (moet over BBB), polaire metaboliet (zo kunnen ze
niet meer terug over BBB en zitten ze vast in de hersenen), weinig wash-out of regionale re-distributie
in de eerste 4u (beeldvorming maken tussen 1-3u na tracer injectie), opname % in de hersenen ~ 4-7%
(ECD) en 2-3% (HMPAO) maar zijn heel blij met dit laag %. De amount of trapping is proportioneel met
de hoeveelheid van perfusie. Om beeld te maken tijdens aanval à bewegingsartefacten (treden op
wanneer iemand gewoon in scanner ligt zonder aanval en deze verminderen kwaliteit) MAAR deze zijn
gereduceerd omdat de tracer minstens 2u onveranderd op zijn plaats blijft, kunnen we na de aanval
een beeld maken van de regio’s die betrokken waren bij de de epilepsie (= unieke mogelijkheid van
ictal beeldvorming), zo kunnen bewegingsartefacten vermeden worden.
,Interictal perfusie SPECT (tussen de aanvallen): standaardisatie is heel belangrijk en je kan deze scan
goed plannen (kan vooraf plannen wanneer de scan afgenomen zal worden). Kwartier voor de scan
(tot tien minuten erna), zet je persoon in een rustige ruimte (zonder sensoren en prikkels ó liggend,
ogen sluiten). EEG wordt gebruikt om subklinische epileptische activiteit uit te sluiten. We geven een
fixed dosis. Resultaat: blauw (geen perfusie = achtergrond signaal), rood (hogere perfusie = aanval)
Ictal perfusie (tijdens een aanval): Je kent de standaard condities niet, om deze te bepalen ligt de
patiënt ligt 24u/enkele dagen aan een EEG monitor + gefilmd (= video EEG monitoring). Zo kunnen we
ook gaan kijken wanneer een aanval optreedt. We werken niet met een standaard dosis maar variabele
dosis: dit owv het verval van de tracer. Echter, wanneer je meer of minder tracer injecteert kan het
verschillen wanneer de aanval uiteindelijk gedetecteerd wordt. Ook de logistiek is moeilijker omdat je
tijdens een aanval moet injecteren. Hoe doe je dit? Een voorbeeld gebruikt in UZ Leuven; Je werkt met een ladingsbox
met activiteit (hierin zit alle radioactiviteit zodat verspilling en gevaar vermeden worden): in het midden zit een lus en daarin
zit de tracer met de activiteit. De lijn is IV verbonden met de patiënt en wanneer deze een aanval doet, duwt de dokter op de
spuit en waarna de tracer in de patiënt vloeit (kleppen verhinderen terugvloei)
à snel detecteren wanneer de aanval start. Dit is dus een veilig systeem
waarbij er enkel radioactiviteit is tijdens de injectie. Stralingsprotectie:
afhankelijk van de nationale wetgeving. Shielding van tracer is noodzakelijk
als ook getraind personeel. Radioactieve blootstelling aan patiënt is 5,7-6,9
mSv.
HOW WOULD YOU ANALYSE THE IMAGES?
Het doel: vinden van epiletogenetische regio met verhoogde perfusie ictally en gedaalde perfusie
interictally. De hiervoor beschikbare beelden: ictal SPECT perfusiebeeld, interictale SPECT-
perfusieafbeelding en structurele T1-gewogen MRI-scan met hoge resolutie. INTERMEZZO: beelden
staan niet in dezelfde oriëntatie, hoe gaan we dit oplossen?
• Visuele beoordeling: kan anatomische landmarks gaan gebruiken, maar niet ideaal want hangt af van
ervaring.
• Co-registratie van beelden: dit is een betere keuze, waarbij beelden in dezelfde ruimte getransformeerd
worden zodat alle punten, van de verschillende beelden, met elkaar corresponderen. Probleem: welke
transformaties laat je toe (draaien, grootte, … veranderen?). Het is gemakkelijker om de twee linkse
(Dia 11: ictal en interictal, dan ictal/ interictal met MR) te co-registreren want hier gaat het over
concentratie van tracer wat je makkelijk kan kwantificeren.
o Intensiteit: afhankelijk van de tracer dosis; als de rest (globale perfusie, …) gelijk blijft en de dosis
verdubbeld dan zal de intensiteit ook verdubbelen. ó Hoe gaan we dit oplossen? Want je wil gaan
kwantificeren op basis intensiteit.
§ Het eerste wat we moeten doen is de dosis normaliseren. Dus theoretisch zouden we de dosis
kunnen berekenen (verschillende opties hiervoor).
§ Tweede: intensiteiten vergelijken; ictal vs interictal: we gaan hierbij elke voxel (volume-pixel)
vergelijken. De meeste zaken zullen gelijk zijn, en in de epilepische regio zouden we een verschil
4
, kunnen zien, maar hier zit nog veel ruis bij. Hoe ga je nu beslissen welk deel nog ‘normaal’ en
welk ‘abnormaal’ is? Hiervoor moet je een zekere threshold instellen. Zou dan een gauss curve
(distributie van verschillen tussen ictal-interictal) krijgen voor de voxels waarna we kunnen
gaan kijken welke regio’s normaal/abnormaal zijn. Zo krijg je op een objectieve manier zicht op
de data die bovendien minder afhankelijk is van ervaring van expert.
o MR: is nodig om de exacte locatie in de hersenen te weten te komen, want met SPECT hebben we
wel een globaal idee maar dit is niet goed genoeg. We kunnen het SPECT beeld op het MR beeld
leggen om zo exact de activiteit te lokaliseren in de hersenen.
• Problemen:
o Wat is ‘normaal’?
o Wat zijn ‘veranderingen’? Want als bv pt al tv kijkt krijg je occipitale verandering, dus normale
fysiologische veranderingen kunnen alreeds perfusie veroorzaken ó welke perfusie is dan te wijten
aan de epilepsie aanval?
o Instelling tussen toestellen hebben ook een impact: dus stel controle groep en test groep moeten
bv met zelfde toestel gemeten worden.
o Controle: Je hebt leeftijdsafhankelijke problemen.
Verschillende vormen van analyse:
A) Visuele analyse: zien hierbij de hoeveelheid van de tracer en vergelijken ictal vs interictal (gaan
kijken of het meer ictal dan interictal), doen dus eigenlijk een side-by-side beoordeling. MAAR dit
werkt niet zo goed want vaak is het niet zo duidelijk gekleurd en kunnen er meerdere regio’s zijn,
hangt dus sterk af van de ervaring van de lezer (opmerking: expert doet het vaak net zo goed als
de andere technieken).
o Kwaliteit van beeld/foto is belangrijk want grote impact op de beoordeling.
B) Vergelijking met een database:
o SPM (statistical parametric mapping à verwijst naar de constructie en beoordeling van
ruimtelijk uitgebreide statistische processen die worden gebruikt om hypothesen over
functionele beeldvormingsgegevens te testen) à lage sensitiviteit wanneer vergelijken van
één case tov contole groep.
§ Bv perfusie t.o.v. een controle database vergelijken
o ISAS à SPM analyse van het verschil(beeld) ten opzichte van een normale database (data
base met controles).
§ Hier heel afhankelijk van de de controle populatie (is vaak klein) en scanner (andere scanner
dan moet alles opnieuw gedaan worden).
o STATISCOM
INTERMEZZO (betreffende onze situatie): We kunnen het ook vergelijken met een database: ik heb een verschil tussen
mijn patiënt en de normale variatie: we gaan kijken waar de verschillen zitten MAAR problemen met de SPECT-database:
1) Je moet toestemming vragen aan normale mensen om een stof te injecteren voor de database
2) perfusie in de hersenen is leeftijdsgebonden
3) database moet groot genoeg zijn om vals positieven te vermijden
4) de scanner moet ook altijd hetzelfde zijn want alles moet hetzelfde zijn à detector technologie en acquisitie
protocollen verschillen.
C) Groepanalyse: SPM: voor het beoordelen van veelvoorkomende veranderingen tijdens specifieke
soorten aanvallen en in specifieke patiëntenpopulaties.
o ó Interessant maar wij hebben het over één patiënt dus gaan we hier (in epilepsie waarbij
we gebied willen gaan wegsnijden) niet gebruiken.
D) Subtraction ictal SPECT coregistered on MRI (SISCOM): hoogste gevoeligheid + beste methode
voor gebruik in individuele patiënten.
5
,SISCOM (= SUBTRACTION ICTAL SPECT CO-REGISTERED ON MRI)
De grote stappen van SISCOM (procedure die wij gaan toepassen op ons geval): overzicht: Co-
registratie van ictal en interictal SPECT à Normalisatie à Smoothing à Subtractie à Co-registratie
SPECT beelden (en de substractie) en MRI à visualisatie en interpretatie
1) Co-registratie ictal en interictal SPECT beelden:
Kijkt welke voxel met welke voxel overeenkomt van twee
beelden (om zo regio’s te vergelijken), dit doe je door de
beelden uit te lijnen zodat ze mooi op elkaar vallen. Men
plot je de voxels in het diagram (y-as image 2, x-as image
1) en dit onafhankelijk van waar ze gelokaliseerd zijn.
Daarna ga je intensiteiten vergelijken. De meeste voxels
zitten dan rond de diagonaal in de grafiek (we verwachten
nooit dat we maar één lijn zouden zien want dan kijk je
gewoon naar dezelfde beelden (ictal = interictal) en er zou
dan geen ruis zijn in de beelden). Onderliggend principe: twee kubussen van 2x2x2 à 8 pixels: kunnen dit plotten op
de assen en vervolgens vergelijken (je houdt hiervoor van elke individuele kubus bij waar alle pixels gelegen zijn op de as
corresponderend met de werkelijkheid). MAAR één groot probleem is dat de gegeven tracer dosis niet altijd
hetzelfde is bij ictal (en interictal) waardoor kleurschalen een vertekend beeld kunnen geven.
2) Normalisatie
Om te compenseren voor het verschil van geïnjecteerde dosis en voor globale veranderingen. Hoe?
• We kunnen dit doen door een referentie regio te kiezen (bv pons, cerebellum (maar ictale
perfusieveranderingen worden gemeld), witte stof, …) waar een gelijke perfusie is en dus ook een
gelijke opname van de tracer.
o Epilepsie nooit in cerebellum, maar wel activiteit in cerebellum geobserveerd.
o Witte stof: probleem dat dit dicht bij grijze stof ligt en aangezien de resolutie van SPECT niet zo
hoog is wordt onderscheidt maken moeilijk, bovendien zou je een partiële-volume-correctie
moeten doen (wat met MR mogelijk zou zijn).
§ Partieel volume effect: resolutie van SPECT is > 1cm ó breedte van de cortex is ± 3-4 mm
(dus kleiner dan resolutie). Partiële volume effecten: activiteit van grijze stof door witte stof.
De pons is een kleiner regio waardoor deze meer gevoelig is aan kleine veranderingen.
• Of we kunnen dit doen door total brain counts: we gebruiken een threshold zodat enkel
intercaniële voxels worden geanalyseerd. MAAR deze benadering lijdt ook onder het feit dat ictale
perfusieveranderingen aanwezig zijn (dat is net wat we proberen te bepalen) waardoor regionale
verschillen worden onderschat.
o Hierdoor is het berekenen van de hele hersenen niet heel accuraat. Globale veranderingen
hebben dus een impact.
• Vraag: zou het een goed idee zijn om één enkele voxel te nemen? Antwoord: nee, ruis in de data
zou voor een probleem zou zorgen. Hierdoor kan de data te hard gaan afwijken van de werkelijke
gemiddelde waarde (= echte waarde die je wil kennen).
6
,3) Smoothing
Wanneer we smoothing doen gaan we de signaal-ruis verhouding
verhogen waardoor de detectie capaciteit ook verhoogt. Hierdoor
zou je veel makkelijker de positie van abnormaliteiten kunnen
detecteren. Hoe? We doen dit bv aan de hand van een 3D Gaussian
kernel of 12 mm FWHM (= halfwaarde breedte) à afhankelijk van
de minimaal te verwachten effectgrootte en het filteren van de
afbeeldingen. Smoothing is dus eigenlijk een vorm van filteren,
maar dit kan ook in nog complexere vormen. Vb (foto) de eerste is zonder en tweede is met smoothing.
4) Substraction of co-registered SPECT images and MRI
Substractie (aftrekking): alleen voxels die zich binnen het gemeten volume van
beide SPECT-afbeeldingen (ictal en interictal) bevinden (histogram).
Daarna is er transformatie naar een Z-score: dit doen we via een histogram
berekening en uiteindelijke creatie of een ‘Z-map verschil afbeelding (paarse foto)’
op basis van het histogram.
• Histogram berekening: Formule: --------------------------------------------------------- >
o Δ = ‘ictal’ – ‘interictal’ (na normalisatie).
o Voxel ‘i’
o µ: het gemiddelde van alle hersenvoxels in Δ.
o σ: de standaarddeviatie van alle hersenvoxels in Δ.
o Typisch wordt er een threshold van 1,5 gebruikt.
§ Opgemerkt: je weet nooit hoevere zaken van je threshold verwijdert zijn;
kan zijn dat iets van 1,5000001 niet getoond wordt.
o Dus het verschil tussen beide beelden minus het gemiddelde en dit delen door de
standaarddeviatie.
Door het in dit kader te schrijven, gaan we ervan uit
(assumptie) dat de verschillen verdeeld zijn volgens
een Gauss-functie en dat de fout identiek en
normaal verdeeld is over alle hersenvoxels. Dit kan
worden beschouwd als een redelijke benadering
zoals kan worden gezien op basis van de verdeling
van de z-waarden ó we gaan er dus vanuit dat de
verschillen volgens een Gauss-vergelijking verdeeld
zijn, en dat de fout over alle voxels even groot is).
Het finale SISCOM beeld krijgen we door de Z-
map met thresholds op de anatomische MRI te
leggen (nemen dus beelden vanuit de zelfde
anatomische ruimte samen): zien niet langer
een diagonaal, dit omdat de intensiteiten
totaal verschillende zaken tonen, wel is het
beeld na co-registratie meer geclusterd.
Proces: bij de keuze voor beelden in dezelfde
ruimte zou kiezen voor de Z-map zou geen
goed idee zijn, de gemiddelde SPECT
daarentegen is beter (betere signal to
noise/ratio). Ook zou je voor ictal of interictal
kunnen kiezen (afhankelijk van welke de beste
is) maar in dat geval moet je argumenteren waarom. Hierna volgt de transformatie (in zelfde ruimte
brengen: die even groot, … is ó is dus eigenlijk een spatiële transformatie die hier mogelijk is owv de
, onderliggende anatomische relatie) van de gemiddelde SPECT en MRI voor co-registratie. We
gebruiken dezelfde transformatie voor de Z-map. Zo eindigen we alles in één beeld (= SISCOM).
Opmerking: we kunnen de Z-map niet combineren met MRI omdat er geen onderliggende relatie is (je
zou wel een beeld krijgen, maar dit is compleet fout). Ook is de Z-map niet meer aan een locatie gelinkt.
Daarom is het onmogelijk om alles meteen aan de MRI te linken en kan dit dus enkel pas achteraf
gedaan worden.
5) Visualisatie
Er zijn verschillende technieken voor
visualisatie: bv.
• linked cursor: stel je klikt op linkse foto
dan belandt je rechts op dezelfde plaats.
• Overlay with different transparancies:
lage op elkaar leggen
• Threshold op verschillende hoogtes
leggen om zo andere dingen te
visualiseren (dynamische visualizatie): zo
kunnen we er zeker van zijn dat we geen
zaken vergeten zijn en fout gaan
interpreteren.
6) Interpretatie
Interpretatie gebeurt altijd in het kader van een volledige prechirurgische evaluatie en na
kwaliteitscontroles van beelden en verschillende stappen. We moeten altijd rekening houden met de
hele context dus:
1) (Ictale) Injectie tijd
Hoe vroeger, hoe beter.
Injecties met een vertraging < 20s (20s is heel snel): significante correlatie met de juiste locatie.
2) Type aanval en ictal semiology
Een simpele partiële aanval is 40% niet-lokaliseerbaar
Een complexe partiële heeft het beste resultaat.
Secundaire gegeneraliseerde aanval: veel propagatie.
ó Men kan niet voorspellen welk type gaat optreden.
3) Duur van aanval
Transittijd van tracer naar de hersenen is ongeveer 30 seconden waardoor korte seizures gemist
zouden kunnen worden.
Aanvallen moeten minstens 10-15 seconden na injectie duren om lokalisatie-informatie te geven
4) Condities van ictale injectie
Interictale injectie gebeurt altijd in standard condities.
Earlier injections are more localizing, and seizures should at last at least 10-15 seconds after the
injection to give localizing information (the transit time of tracer to the brain is around 30 seconds).
Ictal SPECT during a complex partial seizure is more sensitive in localizing the ictal onset zone compared
to measurements during a simple partial seizure. Finally, the conditions of the ictal injection can be
quite different compared to the standardized conditions during the interictal injection (the patient is
lying supine in a dimly lit and quiet room with eyes closed) leading to normal physiological changes in
perfusion (e.g., bilateral increase of perfusion in primary visual cortex).
8
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur labo. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €12,99. Vous n'êtes lié à rien après votre achat.
Peut-on faire confiance à Stuvia ?
4.6 étoiles sur Google & Trustpilot (+1000 avis)
80467 résumés ont été vendus ces 30 derniers jours
Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans