Melhorando a Localização de Fontes Gama na Cirurgia

Nos últimos anos, as sondas gama se tornaram ferramentas chave na cirurgia guiada por rádio (RGS) para vários tipos de câncer. Esses dispositivos ajudam os cirurgiões a detectar áreas marcadas com um radiotraçador, permitindo decisões melhores durante os procedimentos. Enquanto as sondas tradicionais só fornecem taxas de contagem básicas e feedback acústico, as sondas de imagem, conhecidas como câmeras gama, oferecem uma visão mais clara do local cirúrgico.

Câmeras gama móveis são muito usadas durante a biópsia do linfonodo sentinela (SLNB), que é crucial na avaliação do câncer de mama. Localizar com precisão os linfonodos pode afetar significativamente os resultados dos pacientes, já que as metástases nos linfonodos são indicadores importantes de recorrência e taxas de sobrevivência.

Este artigo discute o uso de uma câmera de abertura codificada única para a Localização 3D de fontes gama, apresentando um método que pode melhorar a RGS ao oferecer informações de profundidade precisas. Enquanto câmeras estéreo estão sendo exploradas para a localização 3D, elas precisam de duas câmeras e hardware adicional. Nossa abordagem foca em usar uma câmera gama móvel e combinar múltiplas capturas para criar uma imagem 3D.

#Imagem de Abertura Codificada

A imagem de abertura codificada (CAI) oferece um método promissor para melhorar a sensibilidade e a resolução espacial na imagem gama. Na CAI, uma máscara com padrões específicos é colocada na frente do detector. A sombra da máscara ajuda a reconstruir a imagem da fonte gama. Essa técnica permite que a câmera capture informações úteis, mas requer um processo de reconstrução para interpretar os dados.

A imagem 3D com CAI ainda não foi totalmente utilizada, especialmente para fontes pontuais. Ao reconstruir imagens em vários planos, podemos criar um mapa 3D da fonte gama. A posição da fonte é determinada analisando a sombra da máscara e a distância entre a fonte e a máscara.

#Objetivos da Pesquisa

O objetivo deste estudo é determinar quão precisamente uma única câmera gama de alta resolução equipada com uma abertura codificada pode localizar uma única fonte gama em 3D. Este estudo foca especificamente em fontes pontuais, que são tipicamente idealizadas na medicina nuclear. Comparamos dois métodos de localização: um usando a abordagem do centro de massa (COM) e o outro empregando um método iterativo de localização de fontes (ISL).

#Metodologia

#Configuração Experimental

Usamos uma câmera gama compacta que integra um detector e uma máscara de abertura codificada para capturar imagens de uma fonte radioativa de Amerício (Am). O detector é um detector de pixels híbrido que combina um sensor de silício grosso com um chip de leitura Timepix3. A máscara de abertura codificada consiste em uma chapa grossa com um padrão específico de furos, permitindo uma exposição variada do sensor.

Imagens foram capturadas em várias posições, variando a distância da máscara para a fonte. Essa configuração nos permite analisar sistematicamente como a distância impacta a precisão da localização.

#Simulação da Fonte Gama

Além da configuração experimental, usamos simulações de Monte Carlo para reproduzir o cenário. Essa simulação nos permitiu contar os fótons emitidos pela fonte gama enquanto interagiam com o detector. Ao contar todos os fótons que atingem a superfície frontal do detector, conseguimos gerar um histograma 2D representando os raios gama detectados.

#Métodos de Localização

Exploramos dois principais métodos de localização para estimar a posição da fonte gama:

1. Método do Centro de Massa (COM): Este método identifica o centro de massa da maior região conectada nos dados 3D reconstruídos. Ele funciona ao definir um limiar na reconstrução 3D para separar o sinal do ruído de fundo. Uma vez que o centro de massa é calculado, ele serve como a posição estimada da fonte.

2. Método de Localização Iterativa de Fontes (ISL): Este método alterna entre buscas laterais e axiais para refinar a posição da fonte gama. Começando com um palpite inicial, este método avalia as razões de contraste-ruído para melhorar a precisão. O processo inclui ajuste de curvas aos perfis de CNR para finalizar a posição estimada.

#Resultados

#Dados Experimentais

Nossos achados indicam que o método ISL superou significativamente o método COM em termos de precisão de localização. Os erros médios de localização para o método ISL foram substancialmente menores, mostrando sua robustez em identificar a fonte gama. Enquanto o método COM depende da identificação de regiões conectadas, o método ISL refina iterativamente a posição, tornando-se mais eficaz.

#Resultados da Simulação

Nas simulações, o ajuste da distribuição EMG obteve resultados melhores do que o ajuste gaussiano. O erro médio de localização foi significativamente menor usando a abordagem ISL-EMG em comparação com outros métodos. Essas simulações fornecem uma referência em relação à qual os resultados experimentais podem ser comparados.

#Análise de Sensibilidade

Para avaliar a confiabilidade do método ISL, variamos o palpite inicial para a posição da fonte. O método mostrou resiliência contra variações do palpite inicial, mantendo erros médios relativamente baixos nas estimativas de localização. No entanto, a seleção baseada apenas no pixel de maior intensidade às vezes levou a erros mais altos.

#Discussão

#Comparação com Outras Tecnologias

Nossos resultados foram comparados com tecnologias de localização existentes. Outros sistemas relataram erros de localização significativamente mais altos do que os alcançados com o método ISL apresentado neste estudo. Nosso método fornece precisão comparável sem a necessidade de hardware adicional, como câmeras estéreo, tornando-se uma opção prática para aplicações em tempo real na cirurgia.

#Limitações

Embora promissor, este estudo tem algumas limitações. O método ISL atualmente se aplica apenas a cenários com uma única fonte dentro do campo de visão da câmera. Além disso, a configuração da câmera é otimizada para fontes pontuais, o que limita sua eficácia para fontes estendidas. Mais pesquisas são necessárias para explorar como tamanhos de fonte variados influenciam a precisão da localização.

#Direções Futuras

Estudos futuros vão focar em aprimorar as capacidades de detecção para diferentes tipos de fontes gama, especialmente aquelas que emitem em energias mais altas. Investigar métodos avançados de reconstrução e incorporar aprendizado de máquina poderia melhorar a versatilidade da tecnologia para aplicações mais amplas em medicina nuclear e RGS.

#Conclusão

A pesquisa demonstra um método para localizar com precisão fontes gama em três dimensões usando uma única câmera gama com uma abertura codificada. Os algoritmos propostos resultaram em melhorias significativas na precisão de localização, especialmente ao considerar os desafios da resolução axial. O estudo ressalta o potencial das técnicas CAI para aprimorar procedimentos cirúrgicos, fornecendo aos cirurgiões informações de localização precisas.

A disponibilidade de conjuntos de dados e métodos vai ajudar futuras pesquisas e desenvolvimento nesta área, abrindo caminho para soluções de imagem aprimoradas na medicina.

Resumindo, o estudo indica com sucesso que é possível alcançar alta precisão na localização de fontes gama usando sistemas de câmeras únicas, que são práticos para uso clínico sem a complexidade adicional de sistemas estéreo. Esse avanço pode melhorar significativamente a imagem em tempo real durante as cirurgias, contribuindo assim para melhores resultados para os pacientes.