Waiting
Login processing...

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

Bioengineering

डीप ब्रेन उत्तेजना थेरेपी इंटरैक्टिव, रोगी विशेष मॉडल का उपयोग करने के लिए न्यूरॉन फाइबर इलाकों लक्ष्यीकरण

Published: August 12, 2018 doi: 10.3791/57292

Summary

इस परियोजना के लक्ष्य के पास वास्तविक समय में गहरी मस्तिष्क उत्तेजना के प्रभाव अनुकरण और इन उपकरणों मस्तिष्क में तंत्रिका गतिविधि को प्रभावित करने के लिए के रूप में सार्थक प्रतिक्रिया प्रदान करने के लिए एक इंटरैक्टिव, रोगी विशेष मॉडलिंग पाइपलाइन विकसित करने के लिए है ।

Abstract

गहरी मस्तिष्क उत्तेजना (डीबीएस), जो एक इलेक्ट्रोड की प्रविष्टि शामिल करने के लिए एक स्थानीयकृत मस्तिष्क क्षेत्र को उत्तेजना देने, आंदोलन विकारों के लिए एक स्थापित चिकित्सा है और विकारों की बढ़ती संख्या के लिए लागू किया जा रहा है । गणनात्मक मॉडलिंग सफलतापूर्वक डीबीएस के नैदानिक प्रभाव की भविष्यवाणी करने के लिए इस्तेमाल किया गया है; हालांकि, डीबीएस उपकरणों की बढ़ती जटिलता के साथ तालमेल रखने के लिए उपन्यास मॉडलिंग तकनीक की जरूरत है । इन मॉडलों को भी जल्दी और सही भविष्यवाणियों उत्पंन करने की आवश्यकता है । इस परियोजना का लक्ष्य एक छवि प्रसंस्करण पाइपलाइन विकसित करने के लिए एक इंटरैक्टिव, रोगी विशिष्ट मॉडल में संरचनात्मक चुंबकीय अनुनाद इमेजिंग (एमआरआई) और प्रसार भारित इमेजिंग (DWI) को शामिल करने के लिए है डीबीएस के प्रभाव अनुकरण । एक आभासी डीबीएस नेतृत्व रोगी मॉडल के अंदर रखा जा सकता है, सक्रिय संपर्क और उत्तेजना सेटिंग्स, जहां नेतृत्व की स्थिति या अभिविंयास में परिवर्तन के साथ एक नया परिमित तत्व मेष और निकट वास्तविक समय में बिजली के क्षेत्र की समस्या का समाधान उत्पंन, एक लगभग 10 सेकंड के timespan । इस प्रणाली को भी बंद निकटता में कई सुराग के अनुकरण सक्षम बनाता है विभिंन सुराग पर एनॉड और कैथोड अलग से वर्तमान स्टीयरिंग के लिए अनुमति देते हैं । इस कागज में प्रस्तुत तकनीकों को उत्पादन और गणना के मॉडल का उपयोग करते हुए इलेक्ट्रोड स्थिति, इलेक्ट्रोड डिजाइन के प्रभाव के बारे में सार्थक प्रतिक्रिया प्रदान करने के बोझ को कम करने, और शोधकर्ताओं या चिकित्सकों के लिए विंयास उत्तेजना जो मॉडलिंग के विशेषज्ञ नहीं हो सकते ।

Introduction

डीप ब्रेन उत्तेजना (डीबीएस) ऐसे आवश्यक कंपन1 और पार्किंसंस रोग2के रूप में आंदोलन विकारों के लिए एक स्थापित चिकित्सा है । इस थेरेपी भी दर्दनाक मस्तिष्क चोट3, Tourette के सिंड्रोम4सहित विकारों की बढ़ती संख्या के लिए एक संभावित उपचार के रूप में जांच की जा रही है, और अवसाद5। डीबीएस सिस्टम एक इलेक्ट्रोड नेतृत्व के सर्जिकल आरोपण की आवश्यकता के लिए एक स्थानीयकृत मस्तिष्क क्षेत्र में उत्तेजना देने के लिए चल रही तंत्रिका गतिविधि6. इलेक्ट्रोड और उत्तेजना मापदंडों के स्थान दोनों को उपचारात्मक लाभ प्रदान करने वाले न्यूरॉन सर्किट संग्राहक पर एक प्रभाव है । स्थान में छोटे बदलाव चिकित्सकीय खिड़की को प्रभावित कर सकते हैं, संभवतः उपचारात्मक लाभ से पहले प्रतिकूल दुष्प्रभाव की संभावना में वृद्धि7,8,9हासिल की है । व्यवहार में, यह अक्सर प्रभाव उत्तेजना तंत्रिका गतिविधि पर होगा की भविष्यवाणी करने के लिए मुश्किल है; नतीजतन, चिकित्सीय लाभ की इस खिड़की उत्तेजना डिवाइस चिकित्सक8,9द्वारा क्रमादेशित है के रूप में एक रोगी द्वारा रोगी के आधार पर की पहचान की है । डीबीएस डिवाइसेज की नई पीढ़ी के उपलब्ध होते ही यह प्रक्रिया और जटिल होती जा रही है । उदाहरण के लिए, उपंयास का नेतृत्व डिजाइन और अधिक संपर्क10,11,12के साथ शुरू किया जा रहा है, और कुछ मामलों में कई सुराग करीब निकटता में प्रत्यारोपित किया जा रहा है एक और13। इसलिए, एक बड़े और बढ़ते पैरामीटर अंतरिक्ष भर में डीबीएस के प्रभाव का पता लगाने और भविष्यवाणी करने में सक्षम होने के लिए एक की जरूरत है ।

गणनात्मक मॉडलिंग और विश्लेषण एक रोगी विशेष आधार पर डीबीएस के शारीरिक और नैदानिक प्रभाव की भविष्यवाणी करने के लिए इस्तेमाल किया जा सकता है । इन मॉडलों का उपयोग परिमित तत्व मॉडलिंग (फेम) मस्तिष्क ऊतक के तीन आयामी निरूपण और प्रत्यारोपित इलेक्ट्रोड के भौतिक विशेषताओं का निर्माण करने के लिए । फेम के लिए बिजली के क्षेत्र के मॉडल सफलतापूर्वक किया गया है14डीबीएस के प्रभाव की भविष्यवाणी करने के लिए, लेकिन अब तक इन गया है समय लेने वाली और गणना के लिए उत्पंन महंगा । डीबीएस उपकरणों की बढ़ती जटिलता के साथ तालमेल रखने के लिए उपन्यास मॉडलिंग तकनीक की जरूरत है । इन रोगी विशिष्ट मॉडल डीबीएस के प्रभाव पर निकट वास्तविक समय दृश्य प्रतिक्रिया के रूप में नेतृत्व स्थान या उत्तेजना मापदंडों बदल रहे है प्रदान करना चाहिए । उपयोगकर्ता एक सीसा स्थान और उत्तेजना कुछ ही सेकंड में स्थापित करने के बारे में प्रतिक्रिया प्राप्त होगा, कई मिनट के पाठ्यक्रम पर नेतृत्व प्लेसमेंट के जारी शोधन को सक्षम करने से । रोगी की विशिष्टता को शामिल करके रोगी की शारीरिक रचना, उनके मस्तिष्क के आकार और आकार, जब फेम निर्माण और अनिसोट्रोपिक ऊतक चालकता के रूप में उनके मस्तिष्क के भौतिक गुणों को लागू करने के द्वारा हासिल की है । अनिसोट्रोपिक चालकता का वर्णन कैसे वर्तमान अलग मस्तिष्क क्षेत्रों के माध्यम से फैल जाएगा और गैर इनवेसिव पूरे एक ठेठ चुंबकीय अनुनाद छवि (एमआरआई) के समान मस्तिष्क के लिए मापा जा सकता है ।

डीबीएस मॉडलिंग दृष्टिकोण है कि रोगी विशेष जानकारी का उपयोग नहीं करते तेजी से प्रदान कर सकते हैं, लेकिन उत्तेजना प्रभाव की कम सटीक भविष्यवाणी, मस्तिष्क ऊतक के लिए सामान्यीकृत geometries और चालकता मूल्यों के कारण. इस दृष्टिकोण में, एक एकल स्त्री सभी रोगियों के लिए प्रयोग किया जाता है और तंत्रिका गतिविधि की भविष्यवाणी की पहले से गणना की जा सकती है । रोगी विशेष मॉडल सामान्यीकृत नहीं किया जा सकता है और एक नई स्त्री प्रत्येक व्यक्ति के लिए बनाया गया है के बाद से पूर्व की गणना । इन मॉडलों के निर्माण के लिए और अधिक प्रयास की आवश्यकता है लेकिन अधिक सटीक हो सकता है । कई कारकों जिस गति से इन मॉडलों का निर्माण किया जा सकता है और इस्तेमाल की सीमा: 1) इस तरह इलेक्ट्रोड स्थिति के रूप में मॉडल निर्माण पाइपलाइन, की शुरुआत में मापदंडों को संशोधित करने, अनुवर्ती चरणों के सभी अद्यतन करने के लिए मैन्युअल प्रयास की आवश्यकता है; और 2) मॉडलिंग पाइपलाइन में कदम आसानी से एक दूसरे के साथ एकीकृत नहीं कर रहे हैं, कई सॉफ्टवेयर संकुल के बीच डेटा के निधन की आवश्यकता होती है । अक्सर, हम इलेक्ट्रोड स्थिति, उत्तेजना मापदंडों, या इलेक्ट्रोड डिजाइन के रूप में कई विभिन्न स्थितियों का मूल्यांकन करना चाहते हैं. इन परिवर्तनों को उपचारात्मक प्रभाव रोगी प्राप्त होगा पर प्रभाव के बारे में सार्थक प्रतिक्रिया प्रदान करने के लिए, इन परिणामों के दोनों सटीक होना चाहिए और जल्दी से उत्पन्न.

हमारे लक्ष्य के लिए रोगी-विशिष्ट मॉडल है कि सामान्यीकृत मॉडल में प्राप्त की गति का लाभ लेने के निर्माण और पाइपलाइन कदम के कई स्वचालित एक इंटरैक्टिव मॉडलिंग वातावरण है कि वास्तविक समय दृश्य के पास प्रदान करता है बनाने के लिए नई तकनीक पेश करने के लिए है डीबीएस के प्रभाव के बारे में फीडबैक । एक इंटरैक्टिव सिमुलेशन एक उपयोगकर्ता के पूर्वानुमान परीक्षण और मॉडल निर्माण के विवरण पर ध्यान केंद्रित किए बिना जल्दी परिणाम प्राप्त करने के लिए अनुमति देता है । यह एक बड़ा पैरामीटर अंतरिक्ष का पता लगाने के लिए और कैसे इन मापदंडों सिमुलेशन प्रभाव अनिश्चित हैं जब वहाँ फायदेमंद है । हम चुंबकीय अनुनाद इमेजिंग (एमआरआई) अधिग्रहण से इंटरैक्टिव, रोगी-विशिष्ट फेम मॉडल उत्पन्न करने के लिए प्रसंस्करण पाइप लाइन में कदम का वर्णन करेंगे । उपकरण और इस पत्र में उल्लिखित तकनीकों का उपयोग फेम बनाने के लिए समय की लागत कम होगा बिजली के क्षेत्र मॉडल और एक तरह से इन मॉडलों शोधकर्ताओं और चिकित्सकों जो विशेषज्ञों मॉडलिंग नहीं कर रहे है सुलभ बनाने के लिए प्रदान करते हैं ।

इस प्रोटोकॉल का वर्णन कैसे एक रोगी-प्राप्त एमआरआई मात्रा से विशिष्ट परिमित तत्व मॉडल बनाने के लिए, और फिर बिजली के एक डीबीएस इलेक्ट्रोड द्वारा प्रेरित क्षेत्र अनुकरण । इन मॉडलों के निर्माण में मुख्य कदम के लिए कर रहे हैं: 1) एक परिमित तत्व मॉडल (फेम) रोगी के मस्तिष्क और प्रत्यारोपित इलेक्ट्रोड का प्रतिनिधित्व करने के लिए, 2) मस्तिष्क और डीबीएस डिवाइस के मापदंडों उत्तेजना, और 3) के लिए समाधान के भौतिक गुणों को जोड़ने मॉडल में इलेक्ट्रोड द्वारा उत्पन्न वोल्टेज. डीबीएस सिमुलेशन के लिए एक रोगी विशिष्ट मॉडल का निर्माण करने के लिए दो इमेजिंग मोडलों की जरूरत है । एक T1 एमआरआई मस्तिष्क की सतह, निलय, और विशिष्ट नाभिक के विभाजन के निर्माण के लिए प्रयोग किया जाता है । प्रसार भारित इमेजिंग (DWI), पानी diffusivity का एक उपाय, मस्तिष्क ऊतक15भर में प्रसार दसियों अनुमान करने के लिए प्रयोग किया जाता है । प्रसार दसियों चालकता tensers में परिवर्तित कर रहे हैं, जो voxel आधार16द्वारा एक voxel पर ऊतक के सजातीय, अनिसोट्रोपिक के भौतिक गुणों को बढ़ाता है । इलेक्ट्रोड द्वारा प्रेरित मस्तिष्क भर में वोल्टेज वितरण Poisson समीकरण को हल करने से गणना की है, जो फेम के आवेदन के माध्यम से समीकरण कुल्हाड़ी के एक रेखीय प्रणाली के लिए सरल = b जहां एक एक कठोरता मैट्रिक्स है कि चालकता और जाल की ज्यामिति का प्रतिनिधित्व करता है, एक्स मेष में प्रत्येक नोड पर वोल्टेज समाधान है, और बी सीमा शर्तों और वर्तमान स्रोतों पर आधारित संशोधित किया गया है ।

Protocol

1. छवि प्रसंस्करण

  1. T1 एमआरआई विभाजन
    1. डाउनलोड और17FreeSurfer स्थापित करें । यह माना जाता है कि एक T1 एमआरआई का अधिग्रहण किया गया है और DICOM या NIFTI प्रारूप में है ।
    2. एक रोगी निर्देशिका बनाने और उनके T1 वॉल्यूम FreeSurfer में जोड़ने के लिए निम्न आदेश टाइप करें: टोह-ऑल एस patientName-आई/Full/Path/To/nii
    3. FreeSurfer के स्वचालित विभाजन चलाने के लिए निम्न आदेश टाइप करें: टोह-ऑल एस patientName-all
    4. "aseg. auto. mgz" को FreeSurfer के मालिकाना. mgz प्रारूप से बाहर परिवर्तित करने के लिए mri_convert का उपयोग करें ।
  2. प्रसार भारित इमेजिंग (DWI)
    1. स्लाइसर18डाउनलोड और स्थापित करें । यह माना जाता है कि एक DWI अधिग्रहण किया गया है और DICOM फ़ाइलों के ढेर के रूप में उपलब्ध है ।
      नोट: यह पुनर्निर्माण करने के लिए एक अच्छा कमांड लाइन उपकरण FMRIB सॉफ्टवेयर लाइब्रेरी (FSL)19है । FSL इस प्रोटोकॉल में इस्तेमाल के लिए प्रतिध्वनि-planar, गति, और एड़ी वर्तमान विरूपण सुधार पुनर्निर्माण से पहले प्रदर्शन किया गया । इस विश्लेषण में प्रयुक्त DWI डेटा ४१ विभिन्न प्रसार-संवेदी करने वाली ग्रेडिएंट दिशाओं के लिए DICOM फ़ाइलों की एक श्रृंखला है.
    2. ४१ अलग अर्जियों को एक ही वॉल्यूम में पुन पुनर्निर्माण करने के लिए स्लाइसर में DWIConverter मॉड्यूल का उपयोग करें । इनपुट Dicom डेटा निर्देशिका निर्दिष्ट करें जहां DWI डेटा स्थित है । DicomToNrrd रेडियो बटन का चयन करें और उत्पादन DWI मात्रा का नाम प्रदान करते हैं ।
    3. DTI आकलन से पृष्ठभूमि शोर को खत्म करने के लिए प्रसार भारित मात्रा मास्किंग मॉड्यूल के साथ एक tenser मुखौटा बनाएँ. ०.५ के डिफ़ॉल्ट पर थ्रेशोल्ड पैरामीटर छोड़ें ।
    4. प्रसार दसियों मुखौटाके रूप में पिछले कदम में बनाया मुखौटा का उपयोग DTI आकलन करने के लिए DWI के साथ एक प्रसार दसियों (DTI) मात्रा के लिए इस एकल DWI मात्रा कन्वर्ट. अनुमान पैरामीटर के लिए ंयूनतम वर्ग सेट करें और सुनिश्चित करें कि Shift ऋणात्मक Eigenvalues विकल्प को चेक किया गया है ।
    5. नई बनाई गई DTI वॉल्यूम NRRD स्वरूप में सहेजें ।

2. परिमित तत्व मॉडल जनरेशन

  1. SCIRun
    1. डाउनलोड और SCIRun संस्करण 5 (http://www.sci.utah.edu/software/scirun.html) स्थापित करें । SCIRun मॉडलिंग, सिमुलेशन, और वैज्ञानिक समस्याओं के दृश्य के लिए एक समस्या को सुलझाने के वातावरण है । यह गणना कार्यक्षेत्र बनाने, हल करने, और इस परियोजना में विकसित मॉडल के साथ बातचीत करने के लिए इस्तेमाल किया है ।
      नोट: SCIRun नेटवर्क्स विशिष्ट कार्य करने वाले व्यक्तिगत मॉड्यूल के अनुक्रम को जोड़ने के द्वारा निर्मित होते हैं । एक सरल मॉड्यूल का बना नेटवर्क के माध्यम से डेटा पासिंग अधिक जटिल प्रसंस्करण और सिमुलेशन के लिए अनुमति देता है ।
  2. इलेक्ट्रोड ज्यामिति का निर्माण
    नोट: इलेक्ट्रोड इस परियोजना में मॉडलिंग की एक Medtronic ३३८७ डीबीएस का नेतृत्व20है. यह चार संपर्क ऊंचाई में १.५ मिमी, व्यास में १.२७ मिमी, और स्थान १.५ मिमी के अलावा के साथ एक बेलनाकार नेतृत्व है । गैर-प्रवाहकीय सामग्री चार संपर्कों को अलग करती है ।
    1. सूचीबद्ध आयामों से मेल खाती डीबीएस लीड में प्रत्येक घटक के लिए एक बंद सतह मेष बनाएं । दो आदिम geometries, सिलिंडरों और क्षेत्रों का उपयोग करके संपूर्ण लीड बनाएं ।
      नोट: लीड ज्यामिति 3 डी मॉडलिंग कार्यक्रमों की एक किस्म में बनाया जा सकता है ।
    2. एक encapsulation परत के एक सतह जाल ०.५ mm मोटी पूरे सीसा आसपास बनाएं ।
  3. पूरे मस्तिष्क जाल बनाने
    1. भाग 1 में बनाया मस्तिष्क की सतह को फेम के बाहरी सीमा के रूप में सेवा लोड ।
    2. इलेक्ट्रोड के चारों ओर मेष घनत्व को नियंत्रित करने के लिए डीबीएस लीड आसपास के दो गाढ़ा बॉक्स सतहों बनाएँ ।
      नोट: डीबीएस लीड और बॉक्स की सतह के साथ गठबंधन किया जाना चाहिए सकारात्मक z-अक्ष के साथ नीचे टिप इलेक्ट्रोड की उत्पत्ति पर स्थित शाफ्ट. यह बाद में रोटेशन और इलेक्ट्रोड के अनुवाद के लिए महत्वपूर्ण है ।
    3. मेष के प्रत्येक अलग क्षेत्र में स्थित एक एकल बिंदु के साथ एक बिंदु बादल बनाएं । जाल के क्षेत्रों रहे हैं: शाफ्ट क्षेत्रों, चार संपर्क, बॉक्स, और मस्तिष्क की सतह । इन बिंदुओं से अनुलग्न मान उस क्षेत्र के लिए मेष में प्रत्येक tetrahedral तत्व के लिए अधिकतम मात्रा की बाधाओं का प्रतिनिधित्व करते हैं । इन बाधाओं में और इलेक्ट्रोड के आसपास मेष घनत्व को नियंत्रित करने के लिए समायोजित कर रहे हैं ।
    4. पूरे मस्तिष्क जाल बनाने के लिए "InterfaceWithTetGen" मॉड्यूल का प्रयोग करें । इनपुट पोर्ट निम्नानुसार सेट करें:
      1 बंदरगाह: मस्तिष्क की सतह (१.१ से)
      पोर्ट 2: क्षेत्रीय विशेषता बिंदु बादल, मात्रा की कमी (2.3.3 से)
      पोर्ट 3: कोई नहीं
      पोर्ट 4: इलेक्ट्रोड मॉडल सतहों (२.२ से)
  4. इंटरएक्टिव इलेक्ट्रोड स्थान
    नोट: इस कदम का लक्ष्य मस्तिष्क के अंदर कहीं भी इलेक्ट्रोड के आसान आंदोलन को सक्षम करने के लिए और प्रणाली स्वचालित रूप से एक नया जाल और अनुकरण के साथ अद्यतन करने के लिए है.
    1. एक्स और वाई विमान में इलेक्ट्रोड घुमाने के लिए दो कैस्केडिंग CreateGeometricTransform मॉड्यूल का उपयोग करें । घुमाएँ पर क्लिक करें और अक्ष Y पर १.०० के लिए पहले मॉड्यूल सेट और दूसरी अक्ष एक्सपर १.०० करने के लिए. रोटेशन कोण नीचे स्लाइडर के साथ सेट किया गया है, थीटा (डिग्री) घुमाएँ
    2. प्रत्येक ट्रांस्फ़ॉर्म और ऑब्जेक्ट रूपांतरित करने की आवश्यकता के लिए एक TransformMeshWithTransform मॉड्यूल कनेक्ट करें ।
    3. एक GenerateSinglePointProbeFromField मॉड्यूल बनाएं और ViewScene मॉड्यूल के लिए अपनी ज्यामिति बंदरगाह से कनेक्ट । shift कुंजी और बाएँ क्लिक करके ViewScene विंडो में चारों ओर क्षेत्र ले जाएँ । बिंदु जांच मॉड्यूल रिलीज पर है क्षेत्र स्थान अद्यतन करता है ।
      नोट: इस स्थान पर इलेक्ट्रोड ज्यामिति के लिए लागू अनुवाद ट्रांस्फ़ॉर्म निर्धारित करने के लिए उपयोग किया जाता है ।
    4. बिंदु जांच स्थान के साथ इलेक्ट्रोड ज्यामिति के प्रत्येक भाग का अनुवाद करने के लिए एक TransformMeshWithTransform मॉड्यूल का उपयोग करें ।
    5. दो रोटेशन बदलने और मस्तिष्क की सतह को छोड़कर हर वस्तु को बिंदु जांच विजेट से अनुवाद लागू होते हैं ।
      नोट: इन परिवर्तनों के सभी तीन प्रत्येक वस्तु पर प्रदर्शन किया जाना चाहिए इससे पहले कि यह InterfaceWithTetGen मॉड्यूल में पाइप है तो जाल एल्गोरिथ्म नए स्थान और अभिविन्यास में इलेक्ट्रोड ज्यामिति मस्तिष्क के अंदर मेष करने के लिए जानता है. हर बार इलेक्ट्रोड मस्तिष्क के भीतर ले जाया जाता है एक नया जाल बनाया जाएगा.

3. विद्युत क्षेत्र गणना

  1. चालकता मापदंडों की स्थापना
    1. चरण 1 में बनाई गई DTI वॉल्यूम लोड करें और tetrahedral मेष आउटपुट पर डेटा सेट InterfaceWithTetGen से MapFieldDataFromSourceToDestination का उपयोग करते हुए चरण 2 में बनाया गया (' भारित ') विकल्प ।
      नोट: किसी भी अनिसोट्रोपिक चालकता अनुमान इस कदम में कार्यांवित किया जा सकता है ।
    2. CalculateFieldDataका उपयोग 1e6 करने के लिए 1e-6 और संपर्क क्षेत्र के लिए शाफ्ट क्षेत्र चालकता सेट करें । एक बार चालकता मूल्यों के सभी सेट कर रहे हैं, BuildFEMatrixमें पाइप क्षेत्र ।
  2. वर्तमान/वोल्टेज स्रोतों और सीमा की स्थिति की स्थापना
    1. पाइप मस्तिष्क सतह SetFieldDataToConstantValue में कदम 2 से जाल प्रक्रिया में इस्तेमाल किया और 0के लिए मान सेट । यह पूरे मस्तिष्क की सतह पर एक वोल्टेज सिंक पैदा करेगा । तो InterfaceWithTetGenसे tetrahedral मेष उत्पादन पर वोल्टेज मूल्यों जगह के लिए InsertVoltageSource का उपयोग करें ।
    2. monopolar उत्तेजना के लिए, संपर्क स्थानों में से एक के केंद्र में एक बिंदु पर ReportFieldInfo मॉड्यूल से FieldCenter मान की गणना कर रहा है से एक को बनाने का संकेत सतहों । इस बिंदु पर फ़ील्ड डेटा सेट करने के लिए-1 वोल्ट. तो tetrahedral मेष में बिंदु स्रोत जगह InsertVoltageSource का उपयोग करें ।
      नोट: tetrahedral मेष की अब दो प्रतियां हैं । एक वोल्टेज मूल्यों के साथ मस्तिष्क की सतह पर सेट और एक संपर्क के अंदर एक बिंदु स्रोत के साथ एक ।
    3. दो InsertVoltageSource मॉड्यूल और BuildFEMatrixके उत्पादन के साथ ApplyFEMVoltageSource में पाइप उत्पादन के उत्पादन में शामिल हों ।
  3. आगे समस्या हल
    नोट: ApplyFEMVoltageSource के उत्पादन 2 बंदरगाह पर 1 बंदरगाह और दाईं ओर मैट्रिक्स पर कठोरता मैट्रिक्स देता है । इन दो घटकों के लिए समीकरणों की व्यवस्था को हल करने की जरूरत है ।
    1. SolveLinearSystemमें ApplyFEMVoltageSource के दो outputs के पाइप । संयुग्मी ग्रैडिएंट हल पद्धति का चयन करें और जेकोबी के रूप में । इस मॉड्यूल का उत्पादन समाधान मैट्रिक्स, tetrahedral मेष में प्रत्येक नोड पर वोल्टेज मूल्य है ।
    2. वोल्टेज वितरण की एक 3d प्रतिनिधित्व के लिए tetrahedral मेष पर वोल्ट समाधान मैट्रिक्स जगह करने के लिए SetFieldData का प्रयोग करें ।
  4. Isosurface विज़ुअलाइज़ेशन
    1. पाइप ExtractSimpleIsosurfaceमें SetFieldData का परिणाम है । मात्रा टैब करने के लिए UI खोलें, और समान रूप से रिक्ति isovalues की संख्या 10 करने के लिए सेट करें ।
    2. एक ShowField मॉड्यूल का प्रयोग करें और यह ViewScene मॉड्यूल को जोड़ने के लिए एक इंद्रधनुष रंग के साथ पारदर्शी के रूप में प्रदर्शित करने के लिए ंयूनतम और वोल्टेज समाधान के अधिकतम के लिए स्केल नक्शा ।

Representative Results

मस्तिष्क की सतह, इलेक्ट्रोड ज्यामिति, और चालकता दसियों: इस प्रोटोकॉल के अंत में सभी आवश्यक आदानों के लिए एक रोगी विशेष मॉडल बनाने के लिए प्रदान की जाती हैं । एक SCIRun नेटवर्क भी बनाया गया है कि आदानों के सभी को एकीकृत करने के लिए एक परिमित तत्व मॉडल बनाने के लिए और प्रेरित करने के लिए बिजली के क्षेत्र अनुकरण करना चाहिए । सिमुलेशन मॉडल मस्तिष्क और ऐसे सक्रिय संपर्क या उत्तेजना आयाम के रूप में मानकों के संशोधन के भीतर इलेक्ट्रोड के आंदोलन के लिए अनुमति देता है ।

चित्रा 1 अनुकरण और कई इलेक्ट्रोड पदों भर में फाइबर सक्रियण भविष्यवाणियों की तुलना करने की क्षमता को दर्शाता है. प्रसार इमेजिंग से फाइबर पथ का उत्पादन इस प्रोटोकॉल में प्रदर्शन नहीं किया गया था, लेकिन इस विश्लेषण किसी भी नियतात्मक tractography विधि के साथ किया जा सकता है । स्थिति 2 की स्थिति 1 की तुलना में सभी संपर्कों में कम उत्तेजना आयाम पर लक्ष्य फाइबर बंडल का एक और अधिक मजबूत सक्रियण भविष्यवाणी की है । इस विश्लेषण के लिए डीबीएस सर्जरी की योजना बना चरणों के दौरान प्रयोग किया जाता है इलेक्ट्रोड पथ है कि प्रभावी ढंग से लक्ष्य फाइबर मार्ग को प्रोत्साहित करेंगे निर्धारित करते हैं ।

इस प्रणाली के एक उपंयास सुविधा के लिए जल्दी से मॉडल में इलेक्ट्रोड ज्यामिति स्विच और एक दूसरे के करीब निकटता में कई सुराग अनुकरण करने की क्षमता है । इन दोनों तरीकों के आकार और इलेक्ट्रोड के आसपास बिजली के क्षेत्र के स्टीयरिंग पर अधिक से अधिक नियंत्रण प्रदान करने के लिए उपयोग किया जाता है । चित्रा 2 एक axisymmetric और एक दिशात्मक डीबीएस का नेतृत्व के बीच फाइबर सक्रियकरण भविष्यवाणियों की तुलना दिखाता है, जबकि नेतृत्व स्थानों की जांच के लिए केंद्रीय thalamic फाइबर रास्ते उत्तेजित और संवेदी नाभिक जैसे आसपास के क्षेत्रों से परहेज . एक ही इलेक्ट्रोड पथ के लिए, हम देख सकते हैं कि दिशात्मक नेतृत्व अवांछनीय फाइबर की उत्तेजना से परहेज करते हुए लक्ष्य क्षेत्र की ओर फाइबर सक्रियण चलाने में सक्षम है. यह विश्लेषण जब यह डिवाइस रोगी डीबीएस चिकित्सा के लिए प्राप्त होता है कि अवांछित दुष्प्रभाव पैदा होता है कि आसपास के क्षेत्रों की उत्तेजना से बचने के लिए परिवर्तन करने के लिए आवश्यक हो जाएगा यह निर्धारित करने के लिए इस्तेमाल किया जा सकता है । यह दृष्टिकोण पार्किंसंस रोग के लक्षणों का इलाज करने के लिए subthalamic नाभिक को लक्षित करने के लिए उपयोगी है, जबकि पास के आंतरिक कैप्सूल से परहेज ।

Figure 1
चित्रा 1 : इलेक्ट्रोड स्थिति और लक्ष्य फाइबर सक्रियण के पूर्वानुमान की तुलना. उत्तेजना आयाम के लिए कुल फाइबर बंडल सक्रियण का पूर्वानुमान (-०.५ वी करने के लिए-५.० वी) और दो अलग इलेक्ट्रोड पदों के लिए सभी चार संपर्कों. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 2
चित्रा 2 : axisymmetric और दिशात्मक डीबीएस के साथ केंद्रीय thalamic फाइबर बंडल सक्रियकरण भविष्यवाणियों की तुलना बिक्रीसूत्र । (एक) दोनों Medtronic ३३८७ बेलनाकार डीबीएस सीसा और Sapiens दिशात्मक डीबीएस सीसा एक एकल monopolar उत्तेजना आयाम के लिए लक्ष्य केंद्रीय thalamic फाइबर बंडल पर समारोह की गणना को सक्रिय करने के साथ का दृश्य । (ख) (i) डीबीएस लीड और फाइबर बंडलों के माध्यम से एक क्रॉस-अनुभागीय स्लाइस. (ii) डीबीएस लीड, लक्ष्य तंतुओं, और तंतुओं की पहचान के साथ पार अनुभागीय क्षेत्र के एक दो आयामी प्रक्षेपण से बचने के लिए । (ग) दोनों axisymmetric और दिशात्मक डीबीएस नेतृत्व के लिए उत्तेजना आयाम बढ़ जाती है के रूप में दोनों लक्ष्य तंतुओं और परिहार के तंतुओं में सक्रियण के प्रसार । एक दिया उत्तेजना आयाम के लिए सक्रिय फाइबर लाल रंग में दिखाया गया है, जबकि सक्रिय नहीं तंतुओं नीला में दिखाया जाता है । (घ) सभी फाइबर बंडलों के सभी क्षेत्रों में अनुमानित उत्तेजना दहलीज आयाम दिखा पैनल सी में दिखाया सिमुलेशन, का एक संकलन । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Discussion

इस प्रोटोकॉल तकनीक का प्रदर्शन किया है समय बोझ और डीबीएस के लिए एक डिग्री है कि सिमुलेशन परिणाम के पास वास्तविक समय प्रतिक्रिया की अनुमति देता है के लिए रोगी विशिष्ट मॉडल के निर्माण की गणना लागत को कम करने के लिए । तीव्र प्रतिक्रिया प्रतिमान परिवर्तन मॉडल परिणामों को प्रभावित करने के लिए बेहतर समझने के लिए एक बड़े पैरामीटर स्थान की खोज सक्षम करता है । इन मापदंडों का नेतृत्व स्थान, सक्रिय संपर्कों के विकल्प, और आयाम, नाड़ी चौड़ाई, और उन संपर्कों पर उत्तेजना तरंग की आवृत्ति शामिल हैं । प्रस्तावित उपकरण की मुख्य विशेषताएं हैं: 1) एक सरल यूजर इंटरफेस के पास वास्तविक समय दृश्य के साथ मॉडल मापदंडों को समायोजित करने के लिए कैसे इन मापदंडों सिमुलेशन प्रभाव, और 2) आदानों का एक छोटा सा सेट से मॉडल निर्माण के स्वचालन: मस्तिष्क की सतह, मस्तिष्क ऊतक चालकता दसियों, और इलेक्ट्रोड ज्यामिति की सतह प्रतिनिधित्व. इस स्वचालन कई व्यक्तियों जो विभिन्न मस्तिष्क geometries और ऊतक conductivities है के रूप में के रूप में अच्छी तरह से मौजूदा मॉडल में विभिन्न इलेक्ट्रोड डिजाइन डालने के प्रभाव का मूल्यांकन के लिए रोगी विशेष मॉडल के निर्माण में तेजी लाने. इस प्रोटोकॉल में वर्णित छवि पूर्व-संसाधन चरणों को पूरी तरह से स्वचालित नहीं किया गया था और संसाधन का एक दिन तक का समय लग सकता है । हालांकि, एक बार पूरा डेटा इन चरणों से उत्पंन स्थिर माना जाता है, अर्थ इस डेटा सिमुलेशन के दौरान संशोधित नहीं है । मॉडल निर्माण के स्वचालन प्रणाली की क्षमता से उठता है कि मैनुअल प्रयास के बिना रोगी विशिष्ट फेम के लिए इस डेटा को लागू करने के लिए । SCIRun नेटवर्क मॉडल पीढ़ी, सिमुलेशन, दृश्य चरणों के सभी प्रदर्शन करने के लिए केवल एक बार बनाया जाना चाहिए । इसलिए, केवल छवि पूर्व-संसाधन चरणों को फिर से किया जा करने के लिए एक रोगी-विशिष्ट मॉडल आने वाले रोगी के लिए उत्पन्न करने की आवश्यकता है ।

मॉडलिंग पाइपलाइन से परिणाम पैदा करने में प्रदर्शन लाभ मेष पीढ़ी, बिजली के क्षेत्र की गणना, और एक सॉफ्टवेयर वातावरण में समाधान के दृश्य के एकीकरण के कारण है । ऐसे अनुकूली जाल पीढ़ी के रूप में मौजूदा मॉडलिंग तकनीक इलेक्ट्रोड और कम घनत्व के आसपास उच्च मेष घनत्व बनाने के लिए इस्तेमाल किया गया है जो समय के निर्माण और फेम को हल करने के लिए कम कर देता है इलेक्ट्रोड से दूर । सॉफ्टवेयर, SCIRun, भी मेष पीढ़ी और बिजली के क्षेत्र की गणना के स्वचालन सक्षम बनाता है । इलेक्ट्रोड के उपयोगकर्ता-परिभाषित आंदोलन इंटरैक्टिव विगेट्स का उपयोग कर अद्यतन इलेक्ट्रोड स्थिति के साथ एक नया जाल के निर्माण से चलाता है. यह सीमा शर्तों और नई इलेक्ट्रोड स्थिति के लिए चालकता मान संशोधित करना शामिल है ।

इलेक्ट्रोड ज्यामिति अपनी स्थिति फेम में एकीकृत है इससे पहले कि मस्तिष्क की मात्रा के अंदर एक मुक्त चलती वस्तु के रूप में इलाज किया जाता है. जाल निर्माण के लिए इस दृष्टिकोण का एक प्रमुख निहितार्थ है कि कई इलेक्ट्रोड आसानी से मॉडल में डाला जा सकता है. उदाहरण के लिए, इलेक्ट्रोड ज्यामिति की एक दूसरी प्रति कई मिलीमीटर दूर रखा जा सकता है और दोनों फेम में शामिल किया जाएगा । हाल के अनुसंधान में, दो इलेक्ट्रोड करीब निकटता में प्रत्यारोपित किया गया है करने के लिए एकाधिक स्केलेरोसिस कंपन का इलाज13 और गैर में इस्तेमाल किया गया है मानव रहनुमा प्रयोगों प्रभावी उत्तेजना21लक्ष्य का पता लगाने के लिए । एकाधिक इलेक्ट्रोड का उपयोग करने का लाभ एक बड़े क्षेत्र पर ऊतक में उत्पन्न बिजली के क्षेत्र के बेहतर नियंत्रण प्रदान करने के लिए है. दोनों इलेक्ट्रोड पर सक्रिय संपर्कों के साथ उत्तेजक लक्ष्य क्षेत्र की ओर वर्तमान में चलाने और नकारात्मक पक्ष प्रभाव के लिए नेतृत्व करेंगे कि क्षेत्रों से दूर कर सकते हैं. उत्तेजना के एक बड़े क्षेत्र पर बेहतर नियंत्रण भी अलग उत्तेजना स्थानों का पता लगाने जब इच्छित लक्ष्य का सही स्थान अज्ञात है उपयोगी है, के रूप में डीबीएस के उभरते चिकित्सा अनुप्रयोगों के कई के साथ मामला है । हालांकि, चिकित्सीय उत्तेजना प्राप्त करने के लिए मापदंडों का निर्धारण एक पहले से ही बड़े पैरामीटर अंतरिक्ष में वृद्धि के कारण एक इलेक्ट्रोड की तुलना में अधिक चुनौतीपूर्ण है.

हम कल्पना है कि इस इंटरैक्टिव मॉडलिंग उपकरण डीबीएस आरोपण के लिए पूर्व ऑपरेटिव योजना के दौरान लाभ प्रदान कर सकता है । मस्तिष्क के ऊतकों में उत्तेजना की सीमा के बारे में प्रतिक्रिया सर्जनों को लक्ष्य क्षेत्र के लिए चिकित्सीय उत्तेजना प्रदान करने के लिए उनकी शल्य चिकित्सा योजना में इलेक्ट्रोड स्थान को संशोधित करने की अनुमति दे सकते हैं । जबकि डीबीएस थेरेपी इस उपकरण के विकास के लिए प्राथमिक प्रेरित कारक था, इस पत्र में प्रस्तुत तकनीक अलग उत्तेजना या रिकॉर्डिंग मानदंड के साथ किसी भी औरत को बिजली के क्षेत्र मॉडल के लिए लागू किया जा सकता है । उत्तेजना चिकित्सा जैसे transcranial प्रत्यक्ष वर्तमान उत्तेजना अवसाद के लिए22 या मिर्गी के उपचार के लिए गहराई इलेक्ट्रोड का उपयोग23 को प्राप्त करने के लिए उत्तेजना का सबसे अच्छा स्थान निर्धारित करने में डीबीएस के रूप में एक ही चुनौतियों का हिस्सा चिकित्सीय परिणाम । Electrocorticography, मस्तिष्क की सतह पर इलेक्ट्रोड की arrays के साथ एक रिकॉर्डिंग तकनीक जब्ती शुरुआत क्षेत्रों की पहचान करने के लिए, जहां इलेक्ट्रोड के लिए मस्तिष्क24में लक्ष्य क्षेत्रों से रिकॉर्ड करने के लिए जगह निर्धारित करने की चुनौती है । इन आवेदनों के सभी इलेक्ट्रोड स्थिति पर निर्भर करते हुए कैसे मस्तिष्क ऊतक के माध्यम से वर्तमान प्रवाह की अनिश्चितता से निपटने कर रहे हैं । इस कागज में प्रस्तुत तकनीकों के बोझ को कम करने और गणना मॉडल का उपयोग करते हुए शोधकर्ताओं और चिकित्सकों के लिए सार्थक प्रतिक्रिया प्रदान करते हुए इन उपकरणों जो मॉडलिंग नहीं कर रहे है विशेषज्ञों का उपयोग कर ।

Disclosures

क्रिस्टोफर आर Butson, पीएच. डी. NeuroPace, उंनत जैव एनआईसी, बोस्टन वैज्ञानिक, Intelect चिकित्सा, सेंट झड चिकित्सा, और कार्यात्मक Neuromodulation के लिए एक सलाहकार के रूप में कार्य किया है ।

Acknowledgments

इस परियोजना को राष्ट्रीय स्वास्थ्य संस्थान अनुदान UH3, NS095554 द्वारा समर्थित किया गया. तकनीकी सहायता एकीकृत जैव चिकित्सा कंप्यूटिंग के लिए केंद्र द्वारा वैज्ञानिक कंप्यूटिंग और इमेजिंग संस्थान में प्रदान की गई थी और NIH P41-GM103545, एकीकृत जैव चिकित्सा कंप्यूटिंग के केंद्र से विकसित सॉफ्टवेयर द्वारा भाग में संभव बनाया गया था ।

कृतज्ञता के उत्पादन और प्रस्तुत वीडियो के संपादन के लिए वैज्ञानिक कंप्यूटिंग और इमेजिंग संस्थान में Lexie मंजिल और नाथन Galli के लिए विस्तारित है, और भी पांडुलिपि तैयारी के साथ सहायता के लिए Theresa Lins के लिए ।

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).

Tags

समस्या १३८ Neuromodulation neurostimulation परिमित तत्व मॉडल बिजली के क्षेत्र अभिकलनी मॉडल चुंबकीय अनुनाद इमेजिंग प्रसार भारित इमेजिंग फाइबर tractography
डीप ब्रेन उत्तेजना थेरेपी इंटरैक्टिव, रोगी विशेष मॉडल का उपयोग करने के लिए न्यूरॉन फाइबर इलाकों लक्ष्यीकरण
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Janson, A. P., Butson, C. R.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