Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Bioengineering

対話型、患者固有のモデルを用いた脳深部刺激療法の神経繊維の管を対象と

doi: 10.3791/57292 Published: August 12, 2018

Summary

このプロジェクトの目標は、ほぼリアルタイムで脳深部刺激療法の影響をシミュレートし、脳の神経活動に影響を与えるこれらのデバイスに関して有意義なフィードバックを提供するインタラクティブな患者固有のモデリング パイプラインを開発することです。

Abstract

ローカライズされた脳の領域に刺激を提供する電極の挿入を含む、脳深部刺激療法 (DBS) は、運動障害に対する確立された治療で障害の増加に適用されています。DBS; の臨床効果を予測する計算モデルを正常に使用されていますしかし、DBS 機器の複雑化に対応するための新規モデリング技法の必要性があります。これらのモデルはまた迅速かつ正確に予測を生成する必要があります。このプロジェクトの目標は、構造の磁気共鳴画像 (MRI) と拡散強調画像 (DWI) DBS の効果をシミュレートする対話型の患者の特定のモデルに組み込む画像処理パイプラインを開発することです。仮想 DBS 鉛アクティブな連絡先と共に、患者モデル内に配置し、リアルタイムに近い刺激の設定、リードの位置または向きの変更が新しい有限要素メッシュと生体電気フィールドの問題のソリューションを生成、約 10 秒の timespan。このシステムでは、さまざまなアノードとカソードの異なるリードによって現在のステアリングは、近くに複数のリードのシミュレーションもできます。本稿で紹介する手法は、生成し、研究者や臨床医に電極位置、電極設計、および刺激の構成の影響についての有意義なフィードバックを提供しながら計算モデルを使用の負担を軽減します。モデリングの専門家はないかもしれない。

Introduction

脳深部刺激療法 (DBS) は、1本態性振戦やパーキンソン病2などの運動障害のための確立された療法です。この療法は、疾患が外傷性脳損傷3、トゥレット症候群4うつ病5などの数が増え、潜在的な処置として調査中です。DBS システムは、継続的な神経活動6を調節するローカライズされた脳の領域に刺激を提供する電極リードの外科的移植を必要です。電極と刺激パラメーターの両方の場所には、治療効果を提供する神経回路を調節することに効果があります。小さい場所の変化は治療効果が達成した7,8,9前に多分有害な副作用の可能性が高く、治療のウィンドウに影響を与えます。実際には、それはしばしば影響刺激が神経活動を予測することは困難その結果、治療効果のこのウィンドウは、刺激装置の臨床医8,9プログラムは患者様によって基礎で表されます。このプロセスはより複雑な新世代の DBS のデバイスが利用可能になるようになっています。詳細連絡先1011,12、新しい鉛の設計が導入されているなど、複数のリードが13を互いに近接される注入されていくつかのケースで。したがって、探索し、大きく、成長パラメーター空間で DBS の効果を予測可能にする必要があります。

患者ごとに DBS の生理・臨床効果を予測する計算モデル、解析を使用できます。これらのモデルでは、有限要素モデリング (有限要素法) を使用して、脳組織の 3 つの次元の表現と注入電極の生物物理学的特性を構築します。有限要素法による生体電気フィールド モデルを正常に DBS14の効果の予測に使用されているが、今までこれらの時間がかかり、負荷を生成する高価なされています。DBS 機器の複雑化に対応するための新規モデリング技法の必要性があります。これらの患者固有のモデルのように鉛の場所として DBS の効果をリアルタイム視覚的フィードバックの近くまたは刺激パラメーターが変更されます。ユーザーは、鉛の場所についてのフィードバックを取得して刺激の設定を有効にするいくつかの秒数分にわたってリード配置の改良を続けています。患者特異性は、有限要素法を構築するとき、患者の解剖学、脳の形状とサイズを組み込む電気伝導度異方性組織など、彼らの脳の生物物理プロパティを適用することによって実現されます。異方性導電率では、電流の異なる脳の領域を介して拡散し、典型的な磁気共鳴画像 (MRI) に類似した全体の脳の非侵襲的測定することができますどのようにをについて説明します。

患者固有の情報を使用してアプローチをモデリング DBS 刺激効果、一般化されたジオメトリと脳組織の導電率値のための高速、しかしより少なく正確な予測を提供できます。この方法では単一の有限要素法、すべての患者に使用され、予測の神経活動を事前に計算できます。患者固有のモデルを一般化し、計算済みの新しい有限要素法は個々 に組み込まれていることはできません。これらのモデルを構築するより多くの努力を必要とするより正確にすることができます。いくつかの要因がこれらのモデルの構築し、使用する速度を制限: 1) 以降の手順のすべてを更新する手動の努力が必要です電極位置など、モデル建築パイプラインの先頭にパラメーターを変更します。・ 2) モデリング パイプラインの手順簡単と統合されていない、別のソフトウェア パッケージを複数のデータを渡すことを必要とします。多くの場合、我々 は電極の位置、刺激パラメーター、または電極設計などさまざまな状況を評価したいです。これらの変更は、患者が受け取る治療効果に与える影響について意味のあるフィードバックを提供する、これらの結果必要があります正確で生成されたすぐに。

私たちの目標は一般化されたモデルで得られた速度の利点を取る患者固有のモデル構築と実時間視覚のそばを提供するインタラクティブなモデリング環境を作成するパイプラインの手順の多くを自動化するための新しい技術を提示するにはDBS の効果についてのフィードバック。対話式シミュレーション予測をテストし、モデル構築の詳細に焦点を当てすることがなく迅速に結果を取得できます。これは、大きなパラメーター空間を探索する、シミュレーションに影響を与えるこれらのパラメーターがあるない場合に有益です。磁気共鳴画像 (MRI) の買収から対話型、患者固有の有限要素モデルを生成する処理のパイプラインでの手順を説明します。ツールや、本稿に記載されているテクニックは有限要素法による生体電気フィールド モデルを作成するための時間コストを削減し、研究者や専門家をモデリングできない医師にこれらのモデルを活用するために方法を提供します。

このプロトコルでは、買収した MRI ボリュームから患者固有の有限要素モデルの構築し、DBS 電極による電場をシミュレートする方法について説明します。これらのモデルの作成の主な手順は、: 1) 患者の脳と注入電極を表す有限要素モデル (FEM) を構築、2)、有限要素法に DBS 機器の脳と刺激パラメーターの生物物理プロパティを追加し、3) の解決モデルの電極によって生成される電圧。2 つのイメージ投射様相は、DBS のシミュレーションのため患者の特定のモデルを構築する必要です。T1 MRI は、脳の表面、脳室と特定の核の区切りを構築する使用されます。拡散強調画像 (DWI), 水分拡散係数の測定を使用して、脳組織15中拡散のテンソルを推定します。拡散のテンソルは、ボクセルごと16ボクセルに組織の不均質、異方性の生物物理特性を定量化した電気伝導度テンソルに変換されます。有限要素法の適用による方程式の線形システムを簡素化するポアソン方程式を解くことによって電極による脳全体の電圧分布を計算Ax = bここAは剛性行列を電気伝導度を表し、メッシュのジオメトリは、 xは、メッシュ内の各ノードの電圧ソリューションと境界条件と現在のソースに基づくbが変更されました。

Protocol

1. 画像処理

  1. T1 MRI セグメンテーション
    1. ダウンロードし、な17をインストールします。T1 MRI が取得し、DICOM または NIFTI 形式と見なされます。
    2. 患者のディレクトリを作成し、なで、T1 のボリュームを追加するには、次のコマンドを入力:偵察オール s patientName -i/Full/Path/To/nii
    3. なを実行する次のコマンドを入力して自動分割:偵察オール s patientName-すべて
    4. Mri_convertを使用して、"aseg.auto.mgz"なの専有 .mgz フォーマットからの変換します。
  2. 拡散強調画像 (DWI)
    1. ダウンロードしてスライサー18をインストールします。飲酒運転取得が実行されている、DICOM ファイルのスタックとして使用可能と見なされます。
      注意: この復元を実行する良いコマンド ライン ツールは、FMRIB ソフトウェア ライブラリ (FSL)19です。FSL は、このプロトコルで使用してエコー平面、実行しましたモーション、および再構成前に渦電流歪み補正。この分析で使用される飲酒運転データは 41 異なる拡散感作の勾配方向の DICOM ファイルのシリーズです。
    2. 41 個別企業買収を「単一のボリュームを再構築するには、スライサーのDWIConverterモジュールを使います。飲酒運転データがある入力 Dicom データ ディレクトリを指定します。DicomToNrrdラジオ ボタンを選択し、出力飲酒運転ボリュームの名前を指定します。
    3. DTI 推定からのバック グラウンド ノイズを除去するために拡散加重ボリューム マスキングモジュールとテンソルのマスクを作成します。0.5 のデフォルトのしきい値パラメーターをまま。
    4. 拡散テンソル マスクとして前の手順で作成したマスクを使用してDTI 推定に飲酒運転でこの単一の飲酒運転ボリュームを拡散テンソル (DTI) ボリュームに変換します。最小二乗推定パラメーターを設定、シフト負の固有値オプションを確認してください。
    5. 新しく作成された DTI ボリュームを NRRD 形式で保存します。

2. 有限要素モデルの生成

  1. SCIRun
    1. ダウンロードし、SCIRun バージョン 5 (http://www.sci.utah.edu/software/scirun.html) をインストールします。SCIRun は、モデリング、シミュレーション、および科学的な問題の可視化のための問題解決環境です。これは、作成、解決、およびこのプロジェクトで開発されたモデルと対話するために使用する計算ワークベンチです。
      注: SCIRun ネットワークは、一連の特定のタスクを実行する個々 のモジュールを接続することで構築されます。複雑な処理やシミュレーション シンプルなモジュールは、ネットワークを介してデータを渡すができます。
  2. 電極形状を構築
    注: このプロジェクトでモデル化された電極は、メドトロニック 3387 DBS 鉛20です。4 連絡先高さ 1.5 mm、直径 1.27 mm 間隔 1.5 mm 間隔と円筒形リードです。非導べ電材料は、4 つの連絡先を分離します。
    1. 記載の寸法と一致する DBS リードで各コンポーネントの閉じたサーフェス メッシュを作成します。全体のリードを作成するには、2 つのプリミティブのジオメトリ、シリンダー、球を使用します。
      注: 鉛ジオメトリをさまざまな 3D モデリング プログラムで作成できます。
    2. カプセル化層全体のリードを周囲に厚さ 0.5 mm の表面メッシュを作成します。
  3. 脳全体のメッシュを作成します。
    1. 脳で有限要素法の外側の境界として機能する第 1 部で作成したサーフェスをロードします。
    2. 周囲の DBS 鉛電極の周りのメッシュの密度を制御する 2 つの同心ボックス サーフェスを作成します。
      注: DBS をリードし、ボックス表面の原点に位置する電極軸の下部の先端に正の z 軸に沿って配置します。これは、後の回転と平行移動電極のため重要です。
    3. メッシュの異なる地域ごとにある 1 つのポイントと、点群を作成します。メッシュの領域: シャフト セグメント、4 つの連絡先、ボックス、および脳の表面。これらのポイントに設定された値は、その地域のメッシュに含まれる各四面体要素の最大音量の制約を表します。これらの制約は、電極周辺のメッシュの密度を制御する調整されます。
    4. 脳全体のメッシュを作成するには、"InterfaceWithTetGen"モジュールを使います。入力ポートを次のように設定します。
      (1.1) からポート 1: 脳の表面
      ポート 2: 地域属性ポイント クラウド、ボリューム制約 (2.3.3) から
      ポート 3: どれも
      (2.2) からポート 4: 電極モデル表面
  4. インタラクティブな電極配置
    注: この手順の目標は、脳中どこでも電極の簡単な動作を有効にし、自動的に新しいメッシュとシミュレーションの更新システムです。
    1. 2 つのカスケードCreateGeometricTransformモジュールを使用すると、X および Y 平面に電極を回転させる。[回転] をクリックし、軸 Y x 1.00 秒、1.00 に最初のモジュールを設定します。回転角度は、下のスライダーは、回転 θ (度)に設定されます。
    2. すべての変換と変換する必要があるオブジェクトのTransformMeshWithTransformモジュールに接続します。
    3. GenerateSinglePointProbeFromFieldモジュールを作成、そのジオメトリのポートをViewSceneモジュールに接続します。Shift キーを押しながら左クリックしてでViewSceneウィンドウのの球を移動します。ポイント プローブ モジュールは、リリース時に球の位置を更新します。
      注: この位置は電極のジオメトリに適用する変換を決定する使用されます。
    4. プローブの位置と電極形状の各部分を翻訳するのにには、 TransformMeshWithTransformモジュールを使用します。
    5. 2 つの回転変換と点プローブ ウィジェットから脳の表面を除くすべてのオブジェクトへの変換を適用します。
      注: 新しい場所と向きで脳の内部電極形状のメッシュをメッシュ アルゴリズムを知っているので、 InterfaceWithTetGenモジュールにパイプする前に、これらの変換のすべての 3 つは各オブジェクトに対して実行する必要があります。脳内電極を移動するたびに新しいメッシュが作成されます。

3. 生体電気フィールド計算

  1. 導電率のパラメーターの設定
    1. 手順 1 で作成した DTI ボリュームのロードし、linear('weighted') オプションでMapFieldDataFromSourceToDestinationを使用してステップ 2 で作成したInterfaceWithTetGenから四面体メッシュ出力にデータを設定します。
      注: この手順では、異方性導電率推定を実装できます。
    2. 1e-6 とCalculateFieldDataを使用して 1e6 に接触領域に軸領域の伝導率を設定します。すべての導電率値を設定した後は、フィールドをBuildFEMatrixにパイプします。
  2. 電流/電圧ソースと境界条件の設定
    1. パイプ脳の表面はSetFieldDataToConstantValueにステップ 2 からメッシュ プロセスで使用され、値を0に設定。これは、全体の脳の表面電圧シンクが作成されます。InsertVoltageSourceを使用して、 InterfaceWithTetGenから四面体メッシュ出力の電圧値を配置します。
    2. 単極刺激の接触面の 1 つのReportFieldInfoモジュールから FieldCenter の値を計算することによって連絡先の場所の 1 つの中心部の単一ポイントを作成します。-1 ボルトにこの点についてフィールドのデータを設定します。四面体メッシュの点光源を配置するのにInsertVoltageSourceを使用しています。
      注: は、四面体メッシュの 2 つのコピーは今です。脳の表面および連絡先の中の点源の 1 つに設定する電圧値を持つ 1 つ。
    3. 参加する 2 つのInsertVoltageSourceモジュールの出力と出力をApplyFEMVoltageSourceBuildFEMatrixの出力と共にパイプします。
  3. 前方の問題を解決
    注: ApplyFEMVoltageSourceの出力を与える剛性マトリックス ポート 1 とポート 2 で右側行列。これらは、方程式のシステムを解決するために必要な 2 つのコンポーネントです。
    1. SolveLinearSystemApplyFEMVoltageSourceの 2 つの出力をパイプします。共役勾配」という解決法とヤコビ前処理としてを選択します。このモジュールの出力は、ソリューション行列、四面体メッシュ内の各ノードの電圧値です。
    2. SetFieldDataを使用すると、電圧分布の 3 D 表示のための四面体メッシュに電圧ソリューション マトリックスを配置します。
  4. 等値面の可視化
    1. ExtractSimpleIsosurfaceSetFieldDataの結果をパイプ処理します。[数量] タブ UI を開き、等間隔のトランスファーの数を 10 に設定します。
    2. ShowFieldモジュールを使用し、分に縮小、最大電圧ソリューションのレインボー カラー マップと透明に、等値面を表示するViewSceneモジュールに接続します。

Representative Results

このプロトコルの最後で患者固有のモデルの作成に必要な入力のすべてが提供されます: 脳の表面、電極形状と電気伝導度テンソル。SCIRun ネットワークする必要がありますも作成されているすべての有限要素モデルを構築し、シミュレーションによる生体電気フィールド入力を統合します。シミュレーション モデルは、脳内電極の動きとのアクティブな連絡先など刺激の振幅のパラメーターを変更します。

図 1は、シミュレートし、複数の電極の位置間の繊維活性化予測を比較する機能を示します。拡散イメージングから維路の世代がこのプロトコルで認められなかったが、任意の決定的なラクト メソッドにこの分析を実行できます。2 の位置は、位置 1 と比較してすべての接点で低刺激の振幅でターゲット ファイバー ・ バンドルのより堅牢な活性化を予測します。この分析は、対象繊維細道を刺激する効果的に電極の軌道を決定する DBS 手術の計画段階で使用されます。

このシステムの新規機能は、モデルの電極形状をすばやく切り替える能力と互いに近くに複数のリードをシミュレートする能力です。どちらの方法は、図形と、電極の周りの電界のステアリングをより細かく制御を提供するために使用されます。図 2繊維活性化予測方向対称と DBS は中央視床繊維経路と知覚核など近隣を避けることを刺激するために鉛の場所を調査中鉛の比較を示しています。.同じ電極軌道の方向の鉛が望ましくない繊維の刺激を避けながらターゲット地域に向けて繊維活性化を導くことができることがわかります。この分析は、望ましくない副作用を引き起こす近くの領域の刺激を避けるために脳深部刺激療法の患者を受け取るデバイスを変更する必要があるときに判断する使用できます。このアプローチは、近くの内部カプセルを回避しながら、パーキンソン病の症状を治療するために視床下核をターゲットに役立ちます。

Figure 1
図 1: 電極位置とターゲット繊維活性化の予測との比較。総繊維束活性化刺激振幅 (V を-0.5-5.0 V ~) と 2 つの異なる電極位置のすべての 4 つの連絡先の予測。この図の拡大版を表示するのにはここをクリックしてください

Figure 2
図 2: 軸対称および方向の DBS と中央の視床繊維束活性化予測の比較します(A)の両方の可視化メドトロニック 3387 円筒 DBS 鉛およびサピエンス方向 DBS 鉛単一の単極刺激振幅のターゲット中央視床ファイバー ・ バンドルの関数計算を有効にします。(B)(i)断面スライス DBS の鉛および繊維の束を介して。(ii) DBS の識別と断面積の二次元投影、繊維と繊維を避けるためにターゲットをリードします。(C)軸対称と方向の両方のターゲット、繊維刺激の振幅と回避の両方にわたって活性化の普及が増加 DBS をリードします。与えられた刺激の振幅の活性化された繊維は、アクティブ化されていない繊維は青で表示されます赤のとおりです。(D)パネル C、ファイバー ・ バンドルのすべての地域にわたって予測刺激しきい値振幅を示すに表示されますすべてのシミュレーションのコンパイル。この図の拡大版を表示するのにはここをクリックしてください

Discussion

このプロトコルは、時間の負担を軽減する技術を示しているし、モデルを構築患者特定 DBS の程度の計算コストがシミュレーション結果のリアルタイムのフィードバックのそばができます。迅速なフィードバックにより、パラメーターの変更が、モデルの結果にどのように影響するかを理解するための大きなパラメーター空間の探査です。これらのパラメーターには、鉛の場所、アクティブな連絡先の選択と振幅、パルス幅、およびそれらの連絡先を刺激波形の周波数が含まれます。提案ツールの主要な機能: 1) シンプルなユーザー インターフェイス リアルタイム可視化シミュレーション、および 2) 入力の小さなセットからモデル作成の自動化のこれらのパラメーターの影響の近くでモデルのパラメーターを調整する: 脳の表面脳組織電気伝導度テンソルと電極形状の表面表現します。この自動化は、既存モデルの異なる電極設計の挿入の効果の評価し同様に、異なる脳のジオメトリおよび組織導電率を持っている多くの個人の患者固有のモデルの作成を迅速化します。このプロトコルのイメージ前処理手順は完全に自動化されたされていないと処理時間の日をすることが。しかし、完了すると次の手順から生成されたデータと、静的、このデータはシミュレーション中に変更されませんを意味見なされます。モデルの作成の自動化は、手動の努力もせず患者固有の FEM にこのデータを適用するシステムの能力から発生します。モデルの生成、シミュレーション、可視化の手順すべてを実行する SCIRun ネットワークのみ一度ビルドする必要があります。したがって、画像の前処理手順だけは受信患者の患者固有のモデルを生成するもう一度実行する必要があります。

モデリング パイプラインから結果を生成するときにパフォーマンスの向上は、メッシュ生成、生体電気フィールド計算、および単一ソフトウェア環境にソリューションの可視化の統合によるものです。既存のモデリング技術など、アダプティブ メッシュの生成は、高く作成に使われたメッシュ電極密度と低密度を構築して有限要素法を解決する時間を短縮する電極から遠ざかるソフトウェア、SCIRun、メッシュの生成と生体電気フィールド計算の自動化ができます。インタラクティブなウィジェットを使用して電極の動きをユーザー定義トリガー更新された電極の位置に新しいメッシュの構築。境界条件と新しい電極位置の導電率値の変更が含まれます。

有限要素法にその位置を統合する前に、電極形状が頭脳の容積内自由移動オブジェクトとして扱われるメッシュ構造のこのアプローチのキーの意味は複数の電極は、モデルに簡単に挿入することができます。たとえば、電極形状の 2 番目のコピーは数ミリ離れて配置することができ、有限要素法の両方が表示されます。最近の研究では、多発性硬化症・振戦・13を治療し、効果的な刺激のターゲット21を探索する非ひと霊長類実験で使用されている近くに 2 つの電極を埋め込まれています。複数の電極を使用しての利点は、組織に大きな領域を発生させる電界のよりよい制御を提供することです。両電極にアクティブな連絡先と刺激的な操縦と、対象地域の方と否定的な副作用につながる地域から現在。広い領域の刺激のより細かく制御も DBS の新興治療アプリケーションの多くの場合と同様、意図されていたターゲットの正確な位置が不明、異なる刺激の場所を探索に便利です。しかし、治療の刺激を達成するためにパラメーターを決定する既に大きいパラメーター空間の増加のための単一電極よりも困難です。

我々 は、このインタラクティブなモデリング ツールは、DBS の移植の術前計画時にメリットを提供できることを想像します。脳組織の刺激の範囲についてのフィードバックは、対象地域に治療の刺激を提供する手術計画において電極貼付位置を変更するのには外科医を許可できます。脳深部刺激療法では、このツールを開発するための主動機を与える要因でしたが、本稿で紹介する手法は異なる刺激または記録パラダイムと任意の有限要素法による生体電気フィールド モデルに適用できます。うつ病22または23てんかんの治療のため深さ電極の使用のための経頭蓋直流電流刺激などの刺激療法は達成するために刺激の最適な位置を決定する際に DB と同じ課題を共有します。治療の結果。下角、発作発症地域を識別するために脳の表面に電極の配列を記録技術脳24のターゲット地域から記録するために電極を配置する場所を決定するのに挑戦しています。これらすべてのアプリケーションがどのように電流が流れる脳組織の不確実性に対処しながら電極の位置によって異なります。本稿で紹介する手法は、生成し、研究者や臨床家がこれらのデバイスを使用してモデリングの専門家ではない人に意味のあるフィードバックを提供しながら計算モデルを使用の負担を軽減します。

Disclosures

クリストファー ・ r ・ Butson 博士は NeuroPace、高度なバイオ、ボストンサイエンティフィック、Intelect 医療、セント ・ ジュード ・ メディカル、機能ニューロモジュレーションのコンサルタントとして役立った。

Acknowledgments

このプロジェクトによって、国立研究所の健康補助金 UH3、NS095554 を受けました。テクニカル サポートは、科学技術計算やイメージング研究所で統合的な生体コンピューティングの中心によって提供されたおよび統合生体コンピューティングのセンター NIH P41-GM103545 から開発されたソフトウェアによって部分的に可能作られました。

感謝の気持ちは、原稿についてレキシー床、科学技術計算やイメージング研究所生産と送信、ビデオの編集でネイサン ・ ガッリ、テレサ リンスが拡張されます。

Materials

Name Company Catalog Number Comments
FreeSurfer Athinoula A. Martinos Center for Biomedical Imaging https://surfer.nmr.mgh.harvard.edu/
3D Slicer BWH, Harvard University https://www.slicer.org/
SCIRun  University of Utah Center for Integrative Biomedical Computing http://www.sci.utah.edu/cibc-software/scirun.html

DOWNLOAD MATERIALS LIST

References

  1. Benabid, A. L., et al. Chronic electrical stimulation of the ventralis intermedius nucleus of the thalamus as a treatment of movement disorders. Journal of Neurosurgery. 84, (2), 203-214 (1996).
  2. Limousin, P., et al. Effect of parkinsonian signs and symptoms of bilateral subthalamic nucleus stimulation. The Lancet. 345, (8942), 91-95 (1995).
  3. Schiff, N. D., et al. Behavioural improvements with thalamic stimulation after severe traumatic brain injury. Nature. 448, (7153), 600-603 (2007).
  4. Vandewalle, V., et al. Stereotactic treatment of Gilles de la Tourette syndrome by high frequency stimulation of thalamus. Lancet. 353, (9154), 724 (1999).
  5. Mayberg, H. S., et al. Deep brain stimulation for treatment-resistant depression. Neuron. 45, (5), 651-660 (2005).
  6. Hashimoto, T., Elder, C. M., Okun, M. S., Patrick, S. K., Vitek, J. L. Stimulation of the subthalamic nucleus changes the firing pattern of pallidal neurons. Journal of Neuroscience. 23, (5), 1916-1923 (2003).
  7. York, M. K., Wilde, E. A., Simpson, R., Jankovic, J. Relationship between Neuropsychological Outcome and DBS Surgical Trajectory and Electrode Location. J. Neurol. Sci. 287, (1-2), 159-171 (2009).
  8. Machado, A., et al. Deep brain stimulation for Parkinson's disease: surgical technique and perioperative management. Movement Disorders. 21, S247-S258 (2006).
  9. Volkmann, J., Moro, E., Pahwa, R. Basic algorithms for the programming of deep brain stimulation in Parkinson's disease. Movement Disorders. 21, (S14), S284-S289 (2006).
  10. Contarino, M. F., et al. Directional steering: A novel approach to deep brain stimulation. Neurology. 83, (13), 1163-1169 (2014).
  11. Pollo, C., et al. Directional deep brain stimulation: An intraoperative double-blind pilot study. Brain. 137, (7), 2015-2026 (2014).
  12. Willsie, A. C., Dorval, A. D. Fabrication and initial testing of the µDBS: a novel deep brain stimulation electrode with thousands of individually controllable contacts. Biomedical Microdevices. 17, (56), 9961 (2015).
  13. Oliveria, S. F., et al. Safety and efficacy of dual-lead thalamic deep brain stimulation for patients with treatment-refractory multiple sclerosis tremor: a single-centre, randomised, single-blind, pilot trial. The Lancet Neurology. 16, (9), 691-700 (2017).
  14. Butson, C. R., Cooper, S. E., Henderson, J. M., Wolgamuth, B., Mcintyre, C. C. Probabilistic Analysis of Activation Volumes Generated During Deep Brain Stimulation. Neuroimage. 54, (3), 2096-2104 (2011).
  15. Basser, P. J., Mattiello, J., LeBihan, D. MR diffusion tensor spectroscopy and imaging. Biophys. J. 66, (1), 259-267 (1994).
  16. Gullmar, D., Haueisen, J., Reichenbach, J. R. Influence of anisotropic electrical conductivity in white matter tissue on the EEG/MEG forward and inverse solution. A high-resolution whole head simulation study. NeuroImage. 51, (1), 145-163 (2010).
  17. Fischl, B. FreeSurfer. Neuroimage. 62, (2), 774-781 (2012).
  18. Fedorov, A., et al. 3D Slicer as an Image Computing Platform for the Quantitative Imaging Network. Magn. Reson. Imaging. 30, (9), 1323-1341 (2012).
  19. Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. Neuroimage. 62, (2), 782-790 (2012).
  20. Medtronic DBS 3387/3389 Lead Kit Manual. (2018).
  21. Baker, J. L., et al. Robust modulation of arousal regulation, performance and frontostriatal activity through central thalamic deep brain stimulation in healthy non-human primates. Journal of Neurophysiology. 116, (5), 2383-2404 (2016).
  22. Fregni, F., et al. Treatment of major depression with transcranial direct current stimulation. Bipolar Disorders. 8, (2), 203-204 (2006).
  23. Hodaie, M., Wennberg, R. A., Dostrovsky, J. O., Lozano, A. M. Chronic anterior thalamus stimulation for intractable epilepsy. Epilepsia. 43, (6), 603-608 (2002).
  24. Rosenow, F., Lüders, H. Presurgical evaluation of epilepsy. Brain. 124, (9), 1683-1700 (2001).
対話型、患者固有のモデルを用いた脳深部刺激療法の神経繊維の管を対象と
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Janson, A. P., Butson, C. R. Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models. J. Vis. Exp. (138), e57292, doi:10.3791/57292 (2018).More

Janson, A. P., Butson, C. R. Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models. J. Vis. Exp. (138), e57292, doi:10.3791/57292 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter