Localizzazione di bersagli funzionali specifici per la stimolazione magnetica transcranica in assenza di apparecchiature di navigazione

Lavoro nel campo delle neuroscienze cognitive motorie, cercando di capire come potenziare i movimenti fini delle mani con la TMS. Stiamo cercando di trovare i modi più semplici per indirizzare la funzione cerebrale anche senza sistemi di navigazione.

Il targeting della stimolazione magnetica transcranica è passato dal semplice spot picking alla messa a punto delle reti cerebrali e, con l'aiuto dell'intelligenza artificiale, sta diventando più intelligente, più personale e più vicino a trattamenti cerebrali personalizzati.

Al momento, i modi per definire gli obiettivi di stimolazione magnetica transcranica includono l'imaging multimodale guidato, guidato da FMRI, bersagli di picco basati sulle prestazioni cognitive utilizzando il circuito chiuso e la TMS dipendente dallo stato cerebrale e la modellazione dei campi elettrici con alta precisione.

È difficile mappare le coordinate corticali chirurgiche e il cappuccio a due dischi con errori di introduzione.

La maggior parte dei colleghi non dispone di un sistema di navigazione neurale, quindi non è in grado di risolvere il trattamento di stimolazione magnetica transcranica personalizzato e specifico per la funzione. Il nostro approccio sceglie di risolvere questo problema.

[Presentatore] Per iniziare, apri il software di pre-elaborazione. Fare clic su DPARSF 5.4, quindi scegliere DPARSF Advanced Edition per pre-elaborare i dati sullo stato dell'attività utilizzando parametri specifici. Esegui le correzioni dei tempi di taglio e del movimento della testa. Coregistrare le immagini funzionali alle immagini strutturali e applicare il livellamento spaziale con una larghezza completa a metà massimo di sei millimetri. Apri SPM 12 e fai clic su coregistra preventivo. Per l'immagine di riferimento, selezionare il file denominato sotto-asterisco crop_1.nii dalla cartella T1 Img. Per l'immagine di origine, scegli il file asterisk.nii mean dalla cartella dei parametri di riallineamento. Per l'altra immagine, seleziona il file asterisk.nii grezzo dalla divertente cartella Img AR. Fare clic su segmento e quindi selezionare i volumi. Scegli il file crop_1.nii con sotto-asterisco dalla cartella T1 Img. Per i campi di deformazione, selezionare inverso più avanti. Quindi fare clic su Esegui. Ripeti questa segmentazione per il file sub-asterisk.nii della stessa cartella. Quindi, fai clic su liscio. Seleziona i file raasterisk.nii dalla divertente cartella imgar per levigare l'immagine e inserisci 666 nel campo FWHM. Eseguire l'analisi di primo livello per ottenere mappe di attivazione individuali e identificare il voxel di picco di attivazione come bersaglio della stimolazione. Crea una nuova cartella denominata indiv_act e fai clic su specifica primo livello. Nel campo della directory, selezionare la cartella indiv_act. Fare clic su unità per il disegno, scegliere Scansioni e inserirne due per l'intervallo di interscansione. Nella sezione dati e progettazione, scegli i file SRA asterisk.nii in scansioni. Nella sezione delle condizioni, imposta il nome su toccare. Quindi inserisci 0, 30, 60, 90 per l'inizio e imposta la durata su 15. Quindi fare clic su più regressori e selezionare il file rp_aasterisk.txt dai parametri riallineati. Per stimare, selezionare il file SPM.map dalla cartella indiv_act e generare la mappa di attivazione delle singole attività, spmt_0001. Ora, premi risultati e scegli il file spm.map dalla cartella indiv_act. Seleziona T contrasto e fai clic su definisci nuovo contrasto. Inserisci un nome personalizzato, quindi inserisci 1,0 nel campo del contrasto e fai clic su Invia. Ok, fatto. In Applica mascheratura, selezionare Nessuno. Quindi scegliere nessuno in Regolazione valore P per controllare e impostare il valore su 0,001. Impostare la soglia di estensione e su zero. Ora, fai clic su normalizza scrittura e poi su dati. Nei campi di deformazione, selezionare il file iy crop 1 dalla cartella T1 Img. Per l'immagine da scrivere, scegli la maschera della regione cerebrale M1. Quindi inserisci il singolo riquadro di delimitazione e le dimensioni dei voxel. Quindi, premi coregister reslice, quindi seleziona SPMT_0001 dalla cartella indiv_act per lo spazio di definizione dell'immagine. Per l'immagine da ritagliare, scegliere il file W asterisk.nii generato in precedenza. A questo punto, calcola il picco di attivazione della singola attività. In MatLab, eseguire il codice positivo di ordinamento, quindi inserire i nomi come specificato. Identificare la prima coordinata X con un valore negativo e registrarla come picco di attivazione della singola attività. Per individuare l'SPM 12 di destinazione personalizzato, specifico per la funzione, fare clic su FMRI e quindi selezionare il segmento dal menu. Nell'interfaccia dei parametri, premere il pulsante dei volumi, selezionare il file modello del cervello MNI. Quindi fare clic sui campi di deformazione per selezionare l'inverso più in avanti. Quindi, avvia MatLab ed esegui il codice dei bordi per delineare i bordi interni ed esterni del cuoio capelluto standard. Seleziona l'immagine c5.nii. Quindi fare clic su Fine per generare il file c5_edges.nii. Ora, usa SPM 12 per trasformare il bordo standard del cuoio capelluto in uno spazio individuale. Fare clic su normalizza scrittura e fare clic su dati. Selezionare il file asterisco.nii iy_sub dalla cartella T1 Img nei campi di deformazione. Scegli C5 outer edge.nii per le immagini da scrivere e inserisci le dimensioni del riquadro di delimitazione e dei voxel individuali. Converti le coordinate corticali in coordinate del cuoio capelluto aprendo il codice transcortex to scalp in MatLab ed esegui la prima riga. Immettere le coordinate dei singoli punti di attivazione. Selezionare il file WC5 per lo spigolo esterno. Quindi registrare le coordinate di output. Aprire il visualizzatore dpabi. Fare clic sul sottofondo e selezionare l'immagine strutturale T1 individuale. Individua e registra le coordinate dei picchi auricolari sinistro e destro, della nasion e dell'inion. Ora, definisci l'origine del cuoio capelluto aprendo il codice di intersezione in MatLab. Inserire le coordinate dei quattro punti di riferimento. Quindi esegui il codice per calcolare le coordinate di intersezione delle linee dell'orecchio e della nasion-inion. Registra le coordinate dell'intersezione. Per spostare il punto di intersezione lungo l'asse Z fino al cuoio capelluto, apri il codice di origine in MatLab. Immettere le coordinate del punto di intersezione nel punto di definizione H e selezionare il file del bordo esterno WC5. Ottieni le coordinate di origine del cuoio capelluto O. Per calcolare la distanza effettiva dall'origine del cuoio capelluto a ciascun punto, eseguire il codice della distanza. Selezionare il file del bordo esterno WC5 e immettere l'origine del cuoio capelluto, la destinazione e le quattro coordinate del punto di riferimento come richiesto. Ora, calcola l'angolo tra la linea che collega l'obiettivo del cuoio capelluto e l'origine del cuoio capelluto e l'asse X nel piano XY aprendo il codice dell'asse X di calcolo dell'angolo ed esegui la prima riga. Nella finestra di comando, inserire le coordinate dell'origine del cuoio capelluto e dell'obiettivo di stimolazione. Utilizzare il righello di puntamento per fissare la posizione del righello morbido corrispondente in base alla distanza e all'angolo calcolati. Quindi segnare il cuoio capelluto con una penna lavabile. Sulla base di un campione di mappe del test T, la connettività funzionale e l'ampiezza dei risultati di fluttuazione a bassa frequenza vengono visualizzate senza correzioni di confronto multiple.