Målet med detta projekt är att utveckla en interaktiv, patientspecifika modellering rörledning för att simulera effekterna av Djup hjärnstimulering i nära realtid och ge meningsfull feedback om hur dessa enheter påverkar neural aktivitet i hjärnan.
Djup hjärnstimulering (DBS), som innebär införande av en elektrod att leverera stimulering till en lokaliserad hjärnregionen, är en etablerad behandling för rörelsestörningar och tillämpas på ett växande antal störningar. Datormodellering har framgångsrikt använts för att förutsäga de kliniska effekterna av DBS; dock finns det ett behov för nya beräkningsmodeller hålla jämna steg med den ökande komplexiteten i DBS enheter. Dessa modeller behöver också generera förutsägelser snabbt och korrekt. Målet med detta projekt är att utveckla en bild bearbetningen rörledningen för att införliva strukturell magnetresonanstomografi (Mr) och diffusion vägt imaging (DWI) i en interaktiv, patientens specifika modell för att simulera effekterna av DBS. En virtuell DBS bly kan placeras inuti patientens modellen, tillsammans med aktiva kontakter och stimulering inställningar, där förändringar i ledande ställning eller läggning genererar en ny finita element mesh och lösning av problemet bioelectric området i nära realtid, en TimeSpan cirka 10 sekunder. Detta system möjliggör också simulering av flera leder i närheten att möjliggöra nuvarande styrning av varierande anoder och katoder på olika leder. De tekniker som presenteras i denna uppsats minska bördan av generera och använda beräkningsmodeller samtidigt som meningsfull feedback om effekterna av elektroden position, elektrod design och stimulering konfigurationer för forskare eller kliniker som kanske inte modellering experter.
Djup hjärnstimulering (DBS) är en etablerad terapi för rörelserubbningar såsom essentiell tremor1 och Parkinsons sjukdom2. Denna behandling är också utreds som en potentiell behandling för ett växande antal sjukdomar inklusive traumatisk hjärnan skada3, Tourettes syndrom4och depression5. DBS system kräver kirurgisk implantation av en elektrod bly att leverera stimulering i en lokaliserad hjärnregionen att modulera pågående neural aktivitet6. Platsen för både elektroderna och parametrarna stimulering har en effekt på modulerande neuronala kretsar som ger terapeutiska fördelar. Små variationer i läge kan påverka det terapeutiska fönstret, eventuellt öka sannolikheten för biverkningarna innan terapeutiska fördelar är uppnådda7,8,9. I praktiken är det ofta svårt att förutsäga effekterna stimulering har på neural aktivitet; Följaktligen, fönstret terapeutiska fördelar identifieras på basis av patient-av-patient som stimulering enheten programmeras med klinikern8,9. Denna process blir mer komplicerad när nya generationer av DBS enheter blir tillgängliga. Till exempel romanen lead designer introduceras med fler kontakter10,11,12, och i vissa fall flera leads som implanteras i nära närhet till varandra13. Därför finns det ett behov för att kunna utforska och förutsäga effekterna av DBS över en stor och växande parametern utrymme.
Computational modellering och analys kan användas för att förutsäga de fysiologiska och kliniska effekterna av DBS på patient-specifik basis. Dessa modeller använder finita element modellering (FEM) för att bygga tre dimensionella representationer av hjärnvävnad och inopererade elektroden biofysiska egenskaper. FEM bioelectric området-modeller har framgångsrikt använts för att förutsäga effekter av DBS14, men hittills har dessa varit tidskrävande och beräkningsmässigt kostsamt att generera. Det finns ett behov av nya beräkningsmodeller hålla jämna steg med den ökande komplexiteten i DBS enheter. Dessa patientspecifika modeller bör ge nära visuell feedback i realtid om effekterna av DBS som bly plats eller stimulering parametrar ändras. Användaren skulle erhålla feedback om bly och stimulering inställning i några sekunder, aktivera fortsatt förfining av bly placering under loppet av flera minuter. Patienten-selektivitet uppnås genom att införliva patientens anatomi, deras hjärnans form och storlek, när man bygger FEM och tillämpa sin hjärna, såsom Anisotrop vävnad ledningsförmåga biofysiska egenskaper. Anisotrop ledningsförmåga beskriver hur strömmen kommer att spridas genom olika hjärnregioner och kan mätas non-invasivt för hela hjärnan liknar en typisk magnetresonans avbildning (MRI).
DBS modellering metoder som inte använder patientspecifik information kan ge snabb, men mindre exakta förutsägelser av stimulering effekter, på grund av generaliserad geometrier och ledningsförmåga värden för hjärnvävnaden. I detta synsätt, en enda FEM används för alla patienter och den förutspådda neural aktiviteten kan beräknas i förväg. Patientspecifika modeller inte kan generaliseras och pre beräknats sedan en ny FEM är byggd för varje individ. Dessa modeller kräver mer ansträngning att bygga men kan vara mer exakt. Flera faktorer begränsar hastigheten vid vilken dessa modeller kan byggas och användas: 1) ändra parametrar i början av rörledningen modell byggnad, såsom elektrod position, kräver manuell insats för att uppdatera alla efterföljande steg; och 2) stegen i rörledningen modellering är inte enkelt integrerade med varandra, som kräver överföring av data mellan flera programvarupaket. Ofta vill vi utvärdera många olika situationer som elektrod placering, stimulering parametrar eller elektrod mönster. För att ge meningsfull feedback om den effekt dessa förändringar har på den terapeutiska effekten som patienten får, bör dessa resultat både korrekt och genererade snabbt.
Vårt mål är att presentera nya tekniker för byggnaden patientspecifika modeller som utnyttjar hastighet erhålls i generaliserade modeller och automatisera många av rörledning stegen för att skapa en interaktiv modellmiljö som ger nära realtid visual feedback om effekterna av DBS. En interaktiv simulering tillåter en användare att testa förutsägelser och få resultat snabbt utan att fokusera på Detaljer för modellera konstruktion. Detta är fördelaktigt när det finns ett stort parametern utrymme att utforska och hur dessa parametrar påverkar simuleringen är osäkra. Vi kommer att beskriva stegen i bearbetningen rörledningen att generera interaktiva, patientspecifika FEM-modeller från magnetisk resonanstomografi (MRT) förvärv. Utnyttja de verktyg och tekniker som beskrivs i detta dokument kommer att minska tiden för att skapa FEM bioelectric området-modeller och ger ett sätt att göra dessa modeller tillgängliga för forskare och kliniker som inte modellering experter.
Det här protokollet beskriver hur man bygger en patientspecifik finita element modell från förvärvade MRI volymer, och sedan simulera det elektriska fältet induceras av en DBS-elektrod. De viktigaste stegen i skapandet av dessa modeller är att: 1) bygga en finita element modell (FEM) som representerar patientens hjärna och inopererade elektroden, 2) lägga till biofysiska egenskaper av parametrarna hjärnan och stimulering av DBS enheten i FEM och 3) lösa för den spänningen som genereras av elektroden i modellen. Två avbildningsmetoder behövs för att bygga en patient specifik modell för DBS simulering. En T1 MRT används för att konstruera segmenteringar av hjärnans yta, ventriklarna och specifika kärnor. Diffusion vägt imaging (DWI), ett mått på vatten diffusivitet, används för att uppskatta diffusion tensorer i hela hjärnan vävnad15. De diffusion tensorer omvandlas till konduktivitet tensorer som kvantifiera inhomogena, Anisotrop biofysiska egenskaper av vävnad på en voxel av voxel basen16. Spänning distribution i hela hjärnan framkallas av elektroden beräknas genom att lösa ekvationen Poisson, som genom tillämpning av FEM förenklar att ett linjärt ekvationssystem Ax = b där A är en stelhet matris som representerar ledningsförmåga och geometri av mesh, x är den spänning lösningen på varje nod i mesh och b ändras utifrån randvillkor och strömkällor.
Detta protokoll har visat tekniker för att minska tid och computational kostnad bygga patientens specifika modeller för DBS grad som tillåter nära realtid feedback av simuleringsresultat. Snabb feedback möjliggör utforskandet av en stor parametern rymden att bättre förstå hur parameterändringar påverkar modell resultaten. Parametrarna inkluderar bly läge, val av aktiva kontakter, och amplitud, pulsbredden och frekvensen av stimulering vågformen på dessa kontakter. De viktigaste funktionerna i verktyget föreslagna är: 1) en enkel förbrukaren gräns flat till justera parametrarna modell med nära realtid visualisering av hur dessa parametrar påverkar simulering, och 2) automatisering av modell skapelse från en liten uppsättning ingångar: hjärnan ytan, hjärnans vävnad ledningsförmåga tensorer och en surface representation av elektroden geometri. Detta automation underlättar skapandet av patientspecifika modeller för många individer som har olika hjärnan geometrier och vävnad konduktivitet samt utvärdera effekterna av att infoga olika elektrod mönster i befintliga modeller. Bild Pre-processing stegen som beskrivs i detta protokoll inte var fullt automatiserad och kan ta upp till en dag av handläggningstiden. När slutfört de data som genereras från dessa steg är ansåg dock statisk, vilket innebär att informationen inte ändras under simuleringarna. Automatisering av modellskapande uppstår från systemets förmåga att tillämpa dessa data till den patient-specifika FEM utan manuellt arbete. SCIRun nätverket för att utföra alla av modell generationen, simulering, visualisering steg bara behöver byggas en gång. Därför behöver bara de bilden Pre-processing steg utföras igen för att generera en patientspecifik modell för en inkommande patient.
Föreställningen vinst i generera resultat från rörledningen modellering är på grund av integrationen av mesh generation, bioelectric området beräkningar och visualisering av lösningen till en enda programvarumiljö. Befintliga beräkningsmodeller mesh såsom adaptiv mesh generation användes för att skapa högre täthet runt elektroden och lägre densitet vattenhastigheten elektroden som minskar den tid att bygga och lösa FEM. Programvaran, SCIRun, också möjliggör automatisering av mesh generering och bioelectric området beräkningar. Användardefinierade rörelse av elektroden med interaktiv widgets utlöser byggandet av en ny maska med uppdaterade elektrod placering. Detta inkluderar ändring av randvillkor och ledningsförmåga värden för den nya elektrod-positionen.
Elektroden geometri behandlas som en gratis-rörliga objekt inuti hjärnvolymen innan dess position är integrerad i FEM. En viktig implikation av denna strategi för mesh konstruktion är att flera elektroder enkelt kan sättas in i modellen. Exempelvis en andra kopia av elektroden geometri kan placeras flera millimeter bort och båda kommer att ingå i FEM. I nyare forskning har två elektroder implanterats i närheten att behandla multipel skleros tremor13 och har använts i icke-mänskliga primater experiment för att utforska effektiva stimulering mål21. Fördelen med att använda flera elektroder är att ge bättre kontroll av det elektriska fältet genereras i vävnaden över ett större område. Stimulera med aktiva kontakter på båda elektroderna kan styra nuvarande mot målregionen och från regioner som skulle leda till negativa effekter. Bättre kontroll av stimulering över ett större område är också användbart att utforska olika stimulering platser när den exakta platsen för det avsedda målet är okänt, liksom är fallet med många av de framväxande terapi program för DBS. Men är att fastställa parametrar för att uppnå terapeutisk stimulering mer utmanande än en enda elektrod på grund av ökningen i ett redan stora parametern utrymme.
Vi ser framför oss att denna interaktiva modelleringsverktyg kunde ge förmån under preoperativ planering för DBS implantation. Feedback om omfattningen av stimulering i hjärnvävnaden kan kirurger att ändra platsen för elektrod i deras kirurgiska plan att ge terapeutisk stimulering till målregionen. Medan DBS-behandling var den primära motiverande faktorn för att utveckla detta verktyg, kan de tekniker som presenteras i denna uppsats tillämpas på alla FEM bioelectric området-modell med olika stimulering eller inspelning paradigm. Stimulering terapier såsom transkraniell likström stimulering för depression22 eller användningen av djup elektroder för behandling av epilepsi23 dela samma utmaningar som DBS i att bestämma den bästa placeringen av stimulans för att uppnå terapeutiska resultat. Electrocorticography, en inspelningsteknik med matriser av elektroder på ytan av hjärnan för att identifiera beslag debut regioner, har utmaningen med att bestämma var du ska placera elektroderna att spela in från målet regioner i hjärnan24. Alla dessa program är beroende av elektroden ställning medan osäkerheten som behandlar hur strömmen flyter genom hjärnvävnaden. De tekniker som presenteras i denna uppsats minska bördan av generera och använda beräkningsmodeller samtidigt ge meningsfull feedback till forskare och kliniker som använder dessa enheter som inte är modellering experter.
The authors have nothing to disclose.
Projektet stöddes av det nationella institutet för hälsa bidrag UH3, NS095554. Tekniskt stöd tillhandahölls av centrum för integrativ biomedicinsk Computing på beräkningsvetenskap och Imaging Institute och möjliggjordes delvis av programvara utvecklad från den NIH P41-GM103545, centrum för integrativ biomedicinsk Computing.
Tacksamhet är utvidgas till Lexie golv och Nathan Galli på beräkningsvetenskap och Imaging Institute för produktion och redigering av video inlämnande, och också till Theresa Lins för hjälp med manuskriptet förberedelse.
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 |