Localización de objetivos funcionales específicos para la estimulación magnética transcraneal en ausencia de equipos de navegación

Trabajo en neurociencia cognitiva motora, buscando cómo potenciar los movimientos finos de la mano con TMS. Estamos tratando de encontrar formas sencillas de apuntar a la función cerebral incluso sin sistemas de navegación.

La orientación de la estimulación magnética transcraneal ha pasado de una simple selección de puntos a la sintonización de las redes cerebrales y, con la ayuda de la IA, se está volviendo más inteligente, más personal y más cercana a los tratamientos cerebrales personalizados.

En este momento, las formas de definir los objetivos de estimulación magnética transcraneal incluyen objetivos de pico guiados por imágenes multimodales, guiados por FMRI basados en el rendimiento cognitivo utilizando el circuito cerrado y la TMS dependiente del estado cerebral y el modelado de campos eléctricos con alta precisión.

Es un desafío mapear las coordenadas corticales quirúrgicas y la tapa de dos discos con errores introducidos.

La mayoría de los colegas no tienen un sistema de navegación neuronal, por lo que no pueden resolver un tratamiento de estimulación magnética transcraneal personalizado y específico para cada función. Nuestro enfoque elige resolver este problema.

[Presentador] Para comenzar, abra el software de preprocesamiento. Haga clic en DPARSF 5.4, luego elija DPARSF Advanced Edition para preprocesar los datos de estado de la tarea utilizando parámetros específicos. Realice correcciones de sincronización de corte y movimiento de cabeza. Registre conjuntamente las imágenes funcionales en imágenes estructurales y aplique suavizado espacial con un ancho completo a la mitad de un máximo de seis milímetros. Abra SPM 12 y haga clic en estimación de registro conjunto. Para la imagen de referencia, seleccione el archivo denominado subasterisco crop_1.nii en la carpeta T1 Img. Para la imagen de origen, elija el archivo mean asterisk.nii de la carpeta de parámetros de reaalineación. Para la otra imagen, seleccione el archivo asterisk.nii sin procesar de la divertida carpeta Img AR. Haga clic en segmento y luego seleccione volúmenes. Elija el archivo subasterisco crop_1.nii de la carpeta T1 Img. Para los campos de deformación, seleccione inverso más adelante. Luego haga clic en ejecutar. Repita esta segmentación para el archivo sub-asterisk.nii de la misma carpeta. A continuación, haga clic en suavizar. Seleccione los archivos raasterisk.nii de la carpeta fun imgar para que la imagen se suavice e ingrese 666 en el campo FWHM. Realice análisis de primer nivel para obtener mapas de activación individuales e identificar el vóxel máximo de activación como objetivo de estimulación. Cree una nueva carpeta llamada indiv_act y haga clic en especificar primer nivel. En el campo de directorio, seleccione la carpeta indiv_act. Haga clic en unidades para el diseño, elija escaneos e ingrese dos para el intervalo de interescaneo. En la sección de datos y diseño, elija los archivos SRA asterisk.nii en escaneos. En la sección de condición, establezca el nombre en pulsar. Luego ingrese 0, 30, 60, 90, para el inicio y establezca las duraciones en 15. A continuación, haga clic en varios regresores y seleccione el archivo rp_aasterisk.txt de los parámetros realineados. Para estimar, seleccione el archivo SPM.map de la carpeta indiv_act y genere el mapa de activación de tareas individuales, spmt_0001. Ahora, presione resultados y elija el archivo spm.map de la carpeta indiv_act. Marque T contrast y haga clic en definir nuevo contraste. Ingrese un nombre personalizado, luego ingrese 1,0 en el campo de contraste y haga clic en enviar. Está bien, hecho. En aplicar enmascaramiento, seleccione ninguno. A continuación, elija ninguno en Ajuste de valor P para controlar y establezca el valor en 0,001. Establezca el umbral y extend en cero. Ahora, haga clic en normalizar escritura y luego datos. En los campos de deformación, seleccione el archivo iy crop 1 de la carpeta T1 Img. Para la imagen para escribir, elija la máscara de región cerebral M1. A continuación, introduzca los tamaños de cuadro delimitador y vóxel individuales. A continuación, presione reslice de registro conjunto, luego seleccione SPMT_0001 de la carpeta indiv_act para el espacio de definición de imagen. Para la imagen que se va a recortar, elija el archivo W asterisk.nii generado anteriormente. Ahora, calcule el pico de activación de tareas individuales. En MatLab, ejecute el código de clasificación positiva y, a continuación, introduzca los nombres tal y como se indican. Identifique la primera coordenada X con un valor negativo y regístrela como el pico de activación de la tarea individual. Para localizar el SPM 12 de inicio de destino individualizado y específico de la función, haga clic en FMRI y luego seleccione segmento en el menú. En la interfaz de parámetros, presione el botón de volúmenes, seleccione el archivo de plantilla cerebral de MNI. Luego haga clic en los campos de deformación para seleccionar inverso más adelante. A continuación, inicie MatLab y ejecute el código de bordes para delinear los bordes internos y externos del cuero cabelludo estándar. Seleccione la imagen c5.nii. Luego haga clic en listo para generar el archivo c5_edges.nii. Ahora, use SPM 12 para transformar el borde estándar del cuero cabelludo en un espacio individual. Haga clic en normalizar, escribir y haga clic en datos. Seleccione el archivo iy_sub asterisk.nii de la carpeta T1 Img en los campos de deformación. Elija C5 outer edge.nii para las imágenes que se escribirán e ingrese los tamaños de cuadro delimitador y vóxel individuales. Convierta las coordenadas corticales en coordenadas del cuero cabelludo abriendo el código transcórtex al cuero cabelludo en MatLab y ejecute la primera línea. Introduzca las coordenadas individuales del punto de activación. Seleccione el archivo de borde exterior WC5. Luego registre las coordenadas de salida. Abra el visor dpabi. Haga clic en el calco subyacente y seleccione la imagen estructural T1 individual. Localiza y registra las coordenadas de los picos auriculares izquierdo y derecho, el nasion y el inion. Ahora, defina el origen del cuero cabelludo abriendo el código de intersección en MatLab. Introduzca las coordenadas de los cuatro puntos de referencia. Luego ejecute el código para calcular las coordenadas de intersección de las líneas de oído y nasion-inion. Registre las coordenadas de la intersección. Para mover el punto de intersección a lo largo del eje Z hasta el cuero cabelludo, abra el código de origen en MatLab. Introduzca las coordenadas del punto de intersección en definir el punto H y seleccione el archivo de borde exterior WC5. Obtener las coordenadas de origen del cuero cabelludo O. Para calcular la distancia real desde el origen del cuero cabelludo hasta cada punto, ejecute el código de distancia. Seleccione el archivo de borde exterior WC5 e introduzca el origen del scalping, el destino y las coordenadas de cuatro puntos de referencia según se le solicite. Ahora, calcule el ángulo entre la línea que conecta el objetivo del cuero cabelludo y el origen del cuero cabelludo y el eje X en el plano XY abriendo el código del eje X de cálculo del ángulo y ejecute la primera línea. En la ventana de comandos, ingrese las coordenadas del origen del cuero cabelludo y el objetivo de estimulación. Utilice la regla de orientación para fijar la posición de la regla suave correspondiente en función de la distancia y el ángulo calculados. Luego marque el cuero cabelludo con un bolígrafo lavable. Basado en mapas de prueba T de una muestra, la conectividad funcional y la amplitud de los resultados de fluctuación de baja frecuencia se muestran sin corrección de comparación múltiple.