Målet med dette projekt er at udvikle en interaktiv, patient-specifikke modellering rørledningen for at simulere virkningerne af dyb brain stimulation i nær real-time og give meningsfulde feedback om, hvordan disse apparater påvirker neurale aktivitet i hjernen.
Deep brain stimulation (DBS), som indebærer indsættelse af en elektrode til at levere stimulation til et område af lokaliserede hjernen, er en etableret terapi for bevægelsesforstyrrelser og anvendes til et stigende antal lidelser. Datamodellering har held været anvendt til at forudsige de kliniske effekter af DBS; der er imidlertid behov for romanen modellering teknikker til at holde trit med den stigende kompleksitet af DBS enheder. Disse modeller skal også generere forudsigelser, hurtigt og præcist. Målet med dette projekt er at udvikle et billede behandling pipeline for at indarbejde strukturelle magnetisk resonans imaging (MR) og diffusion vægtet imaging (DWI) i en interaktiv, patientens specifikke model at simulere virkningerne af DBS. En virtuel DBS bly kan placeres inde i den tålmodige model, sammen med aktive kontakter og stimulation indstillinger, hvor ændringer i ledende stilling eller orientering generere en ny finite element mesh og løsning af bioelektrisk felt problem i nær real-time, en TimeSpan ca 10 sekunder. Denne ordning giver også mulighed for simulation af flere kundeemner i tæt nærhed til nuværende styring af varierende anoder og katoder på forskellige kundeemner. De teknikker præsenteret i dette papir reducere byrden af generering og bruge beregningsmæssige modeller samtidig skabe meningsfuld feedback om virkningerne af elektrode placering, elektrode design og stimulation konfigurationer for forskere og klinikere der kan ikke være modellering eksperter.
Deep brain stimulation (DBS) er en etableret terapi for bevægelsesforstyrrelser som væsentlige tremor1 og Parkinsons sygdom2. Denne terapi er også ved at blive undersøgt som en potentiel behandling for et stigende antal af lidelser, herunder traumatisk hjerne skade3, Tourettes syndrom4og depression5. DBS systemer kræver kirurgisk implantation af en elektrode fører til levere stimulation i et område af lokaliserede hjernen til at modulere igangværende neurale aktivitet6. Placering af elektroderne og stimulation parametre begge have en effekt på modulerende neuronal kredsløb, som giver terapeutisk effekt. Små variationer i beliggenhed kan påvirke den terapeutisk vindue, muligvis øger sandsynligheden for negative bivirkninger før terapeutisk effekt er opnået7,8,9. I praksis er det ofte svært at forudsige virkningerne stimulering vil have på neurale aktivitet; Derfor er dette vindue af terapeutisk fordel identificeret på grundlag af patienten af patienten som enhedens stimulation er programmeret af kliniker8,9. Denne proces bliver mere komplekst, efterhånden som nye generationer af DBS enheder bliver tilgængelige. For eksempel, Roman bly designs introduceres med flere kontakter10,11,12, og i nogle tilfælde flere kundeemner er ved at blive implanteret i umiddelbar nærhed af hinanden13. Derfor er der behov for at være i stand til at udforske og forudsige virkningerne af DBS på tværs af en stor og voksende parameter plads.
Datamodellering og analyse kan bruges til at forudsige de fysiologiske og kliniske effekter af DBS på en patient-specifikt grundlag. Disse modeller bruger finite element modellering (FEM) til at bygge tre-dimensionelle repræsentationer af hjernevæv og de biofysiske Karakteristik af implanteret elektrode. Five bioelektrisk felt modeller held har været anvendt til at forudsige virkningerne af DBS14, men indtil nu har disse været tidskrævende og beregningsmæssigt dyrt at generere. Der er behov for nye modellering teknikker til at holde trit med den stigende kompleksitet af DBS enheder. Disse patient-specifikke modeller skal nær real-time visuel feedback på virkningerne af DBS som bly placering eller stimulation parametre er ændret. Brugeren vil få feedback om en bly placering og stimulation indstilling i et par sekunder, så fortsatte videreudvikling af bly placering i løbet af nogle minutter. Patient-specificitet opnås ved at inkorporere patientens anatomi, deres hjerne form og størrelse, når bygningen Five og anvende de biofysiske egenskaber af deres hjerne, såsom anisotrope væv ledningsevne. Anisotropisk ledningsevne beskriver hvordan aktuelle vil spredes via forskellige hjerneregioner og ikke-invasivt kan måles for hele hjernen svarende til en typisk magnetisk resonans billede (MR).
DBS modellering tilgange, der ikke bruger patient-specifikke oplysninger kan give hurtig, men mindre præcise forudsigelser af stimulation effekter, generaliseret geometrier og ledningsevne værdier for hjernevæv. I denne tilgang, en enkelt Five bruges til alle patienter og de forudsagte neurale aktivitet kan beregnes på forhånd. Patient-specifikke modeller kan ikke generaliseres og forud beregnet siden en ny Five er bygget for den enkelte. Disse modeller kræver en større indsats til at bygge, men kan være mere præcis. Flere faktorer begrænser hastigheden hvormed disse modeller kan bygget og brugt: 1) ændring af parametre i begyndelsen af model bygning pipeline, såsom elektrode placering, kræver manuel indsats for at opdatere alle de efterfølgende trin; og 2) skridt i modellering pipeline er ikke let integreres med hinanden, som kræver passerer af data mellem flere software-pakker. Ofte, vil vi evaluere mange forskellige situationer som elektrode placering, stimulation parametre eller elektrode designs. For at give relevant feedback om den virkning disse ændringer har på den terapeutiske effekt patienten vil modtage, skal disse resultater være korrekte og genererede hurtigt.
Vores mål er at præsentere nye teknikker til opbygning af patient-specifikke modeller, som drager fordel af hastigheden opnået i generaliseret modeller og automatisere mange af rørledningen trin til at oprette en interaktiv modelleringsmiljø, der tilbyder nær real-time visuelle feedback om virkningerne af DBS. En interaktiv simulation tillader brugeren at teste forudsigelser og opnå resultater hurtigt uden at fokusere på detaljerne i model konstruktion. Dette er nyttigt, når der er en stor parameter til at udforske og hvordan disse parametre påvirker simuleringen er usikker. Vi vil beskrive trinnene i behandling pipeline til at generere interaktive, patient-specifikke FEM modeller fra magnetisk resonans imaging (MR) erhvervelser. Udnytte de værktøjer og teknikker, der beskrives i dette dokument vil reducere tid, omkostningen til oprettelse af Five bioelektrisk felt modeller og giver en måde at gøre disse modeller tilgængelige for forskere og klinikere, som ikke modellerer eksperter.
Denne protokol beskriver hvordan man opbygger en patient-specifikke finite element model fra erhvervede Mr diskenheder, og så simulere det elektriske felt induceret af et DBS elektrode. De vigtigste trin i oprettelsen af disse modeller er at: 1) opbygge en finite element model (FEM), der repræsenterer patientens hjerne, og en indopereret elektrode, 2) tilføje biofysiske egenskaber af parametrene hjernen og stimulation af DBS enheden til Five og 3) løse for den spænding, der er genereret af elektrode i modellen. To billeddiagnostiske modaliteter er nødvendige for at bygge en patient bestemt model for DBS simulering. En T1 Mr bruges til at konstruere segmenter af hjernen overflade, hjertekamrene og særlige kerner. Diffusion vægtet imaging (DWI), en foranstaltning af vand diffusivity, bruges til at beregne diffusion tensoren i hele hjernen væv15. Diffusion tensoren er omdannet til ledningsevne tensoren som kvantificere de inhomogene, Anisotropisk biofysiske egenskaber af væv på en voxel af voxel grundlag16. Spænding distribution i hele hjernen inducerede af elektroden er beregnet ved at løse den ligning, Poisson, som gennem anvendelse af Five forenkler til en lineær system af ligninger Ax = b hvor A er en stivhed matrix, repræsenterer ledningsevne og geometri af trådnet, x er spænding løsningen på hver node i trådnet, og b ændres baseret på randbetingelser og nuværende kilder.
Denne protokol har vist teknikker til at mindske byrden, tid og beregningsmæssige udgifter til bygning patientens specifikke modeller for DBS til en vis grad at tillader nær real-time feedback af simulation resultater. Hurtig feedback muliggør udforskning af en stor parameter plads til bedre at forstå hvordan parameter ændringer påvirker modelresultater. Disse parametre omfatter bly placering, valg af aktive kontakter, og amplitude, pulse bredde og hyppigheden af stimulation bølgeform på disse kontakter. Hovedelementerne i det foreslåede værktøj er: 1) en simpel brugergrænseflade til at justere parametrene model med nær real-time visualisering af, hvordan disse parametre påvirker simulation, og 2) automatisering af oprettelse af produktmodel fra et lille sæt af input: hjernen overflade, hjernens væv ledningsevne tensoren, og en overflade repræsentation af elektrode geometri. Denne automatisering fremskynder oprettelsen af patient-specifikke modeller for mange enkeltpersoner, der har forskellige hjernen geometrier og væv grænseledningsevner samt evaluere virkningerne af indsætte forskellige elektrode designs i eksisterende modeller. Billede forbehandling trinene beskrevet i denne protokol blev ikke fuldt automatiseret og kan tage til et døgn behandlingstid. Men når afsluttet de data, der genereres fra disse trin betragtes statisk, hvilket betyder, at disse data ikke er ændret under simuleringer. Automatisering af oprettelse af produktmodel udspringer af systemets evne til at anvende disse data på patient-specifikke Five uden manuel indsats. SCIRun netværk til at udføre alle model generation, simulering, visualisering trin skal kun bygges en gang. Derfor kun billede forbehandling skridt, der skal udføres igen for at generere en patient-specifik model for en indgående patienten.
Forestillingen gevinst i at generere resultaterne fra modellering rørledningen er på grund af integrationen af mesh generation, bioelektrisk feltberegninger og visualisering af løsningen i en enkelt software-miljø. Eksisterende modellering teknikker mesh såsom adaptive mesh generation blev brugt til at skabe højere omkring elektroden og lavere massefylde længere fra den elektrode, hvilket reducerer tid til at opbygge og løse FEM. Softwaren, SCIRun, giver også mulighed for automatisering af mesh generation og bioelektrisk feltberegninger. Bruger-defineret bevægelse af elektroden ved hjælp af de interaktive widgets udløser opførelsen af en ny mesh med den opdaterede elektrode holdning. Dette omfatter ændre randbetingelser og ledningsevne værdierne for den nye elektrode placering.
Elektrode geometri er behandlet som en gratis-flytter objektet inde i hjernen volumen, før dens holdning er integreret i FEM. En afgørende konsekvenser af denne tilgang til mesh konstruktion er, at flere elektroder nemt kan indsættes i modellen. For eksempel, en anden kopi af elektrode geometri kan placeres flere millimeter væk og begge vil indgå i FEM. I nyere forskning, har været indopereret to elektroder i tæt nærhed til behandling af multipel sklerose tremor13 og har været brugt i primat eksperimenter til at udforske effektiv stimulation mål21. Fordelen ved at bruge flere elektroder er at give bedre kontrol af det elektriske felt genereret i væv over et større område. Stimulere med aktive kontakter på begge elektroder kan styre aktuelle mod regionen mål og fra regioner, der ville føre til negative bivirkninger. Finere kontrol af stimulation over et større område er også nyttigt at udforske forskellige stimulation steder når den nøjagtige placering af den tilsigtede mål er ukendt, som er tilfældet med mange af de nye terapi applikationer af DBS. Men fastlæggelse af parametre til at opnå terapeutiske stimulation er mere udfordrende end en enkelt elektrode på grund af stigningen i en allerede stor parameter plads.
Vi forestiller os, at denne interaktive modelleringsværktøj kunne give fordel under præ-operativ planlægning til DBS implantation. Feedback om omfanget af stimulation i hjernevævet kan tillade kirurger til at ændre den elektrode placering i deres kirurgisk plan at give terapeutisk stimulation til regionen mål. Mens DBS terapi var den primære motiverende faktor for udviklingen af dette værktøj, kan de teknikker præsenteret i dette papir anvendes på enhver Five bioelektrisk felt model med forskellige stimulation eller optagelse paradigmer. Stimulation behandlinger såsom transkranial jævnstrøm stimulation depression22 eller dybde elektroder anvendes til behandling af epilepsi23 dele de samme udfordringer som DBS i bedste placering af stimulation til at opnå terapeutiske resultater. Electrocorticography, en optagelse teknik med arrays af elektroder på overfladen af hjernen til at identificere beslaglæggelse debut regioner, har udfordringen at bestemme hvor du skal placere elektroder til at optage fra målområder i hjernen24. Alle disse programmer er afhængige af elektrode holdning mens der beskæftiger sig med usikkerheden om, hvordan aktuelle strømme gennem hjernevæv. De teknikker præsenteret i dette papir reducere byrden af generering og bruge beregningsmæssige modeller samtidig give relevant feedback til forskere og klinikere ved hjælp af disse enheder, som ikke modellering eksperter.
The authors have nothing to disclose.
Dette projekt blev støttet af den nationale Institute sundhed tilskud UH3, NS095554. Teknisk support blev leveret af Center for Integrativ biomedicinsk Computing på Scientific Computing og Imaging Institut og blev muliggjort i en del af software udviklet fra NIH P41-GM103545, Center for Integrativ biomedicinsk Computing.
Taknemmelighed er udvidet til Lexie gulv og Nathan Galli på Scientific Computing og Imaging Institut for produktion og redigering af video indgivelse, og også til Theresa Lins bistand med håndskriftet forberedelse.
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 |