Name: Etkileşimli, hastanın özel modelleri kullanarak derin beyin stimülasyonu tedavisi için nöronal Fiber yolları hedefleme (Video) | JoVE Journal
Uploaded: 2018-08-12T12:30:00.000+00:00
Duration: 14 min 14 s
Description: Keşfedin, derin beyin stimülasyonu etkilerini hasta özel modellerle gerçek zamanlı simüle etme yöntemini. Bu yaklaşım, Parkinson gibi hareket bozukluklarında sinirsel aktiviteyi anlamayı geliştirir.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Bu projenin Ulusal Enstitüsü, sağlık hibe UH3 tarafından NS095554 destek verdi. Teknik destek bilimsel hesaplama ve görüntüleme Enstitüsü bütünleştirici biyomedikal bilgi işlem merkezi tarafından sağlanan ve kısmen tarafından geliştirilen NIH P41-GM103545 üzerinden, merkezi bütünleştirici Biyomedikal bilgisayar yazılımı mümkün yapıldı.
Şükran Lexie zemin ve Nathan Galli bilimsel hesaplama ve görüntüleme Enstitüsü üretim ve sunulması video düzenleme ve aynı zamanda Theresa Lins el yazması hazırlık konusunda yardım almak için genişletilir.

1. görüntü işleme
<ol><li>T1 MRI segmentasyon<ol>
<li>Karşıdan yükleyip FreeSurfer17. Bu bir T1 Mr satın alınmıştır ve DICOM veya NIFTI biçiminde olduğu varsayılır.</li>
		<li>Hasta bir dizin oluşturun ve onların T1 birim FreeSurfer içinde eklemek için aşağıdaki komutu yazın: recon-all - s patientName -i /Full/Path/To/nii
</li>
		<li>FreeSurfer'ın çalıştırmak için aşağıdaki komutu yazın otomatik bölümleme: recon-all - s patientName-tüm
</li>
		<li>"Aseg.auto.mgz" FreeSurfer'ın özel .mgz biçimi dışında dönüştürmek için mri_convert kullanın.</li>
	</ol>
</li>
	<li>Difüzyon ağırlıklı görüntüleme (DAG)<ol>
<li>Karşıdan yükleyip dilimleyici18. Bu DWI edinme sahne aldı ve DICOM dosya yığını olarak kullanılabilir varsayılır. Not: Bu yeniden yapılanma gerçekleştirmek için bir iyi komut satırı aracı FMRIB yazılım kitaplığı (FSL)19yaşında. FSL yankı düzlemsel, gerçekleştirmek için bu protokol için kullanılan hareket ve eddy geçerli deformasyon düzeltme yeniden yapılanma önce. Bu analizde kullanılan DWI 41 farklı difüzyon duyarlılığı gradyan yönleri için DICOM dosyaları bir dizi veridir.</li>
		<li>DWIConverter modülü Dilimleme 41 ayrı satın almalar tek bir hacim içine yeniden oluşturmak için kullanın. DWI veri olduğu Giriş DICOM veri dizini belirleyin. DicomToNrrd radyo düğmesini seçin ve çıkış DWI ses adını sağlayın.</li>
		<li>DTI tahmini arka plan gürültü ortadan kaldırmak için Difüzyon ağırlıklı ses maskeleme modülü ile bir tansör maskesi oluşturun. Eşik parametreyi 0,5 varsayılan olarak bırakın.</li>
		<li>Bu tek DWI birimi Difüzyon tensör maskeolarak önceki adımda oluşturduğunuz maskesi kullanarak DTI tahmini için DWI ile difüzyon tensör (DTI) birimine dönüştürün. En küçük kareler tahmin parametrelerini ayarlamak ve Shift negatif Eigenvalues seçeneğinin seçili olduğundan emin olun.</li>
		<li>Yeni oluşturulan DTI birim NRRD biçiminde kaydedin.</li>
	</ol>
</li>
</ol>2. sonlu elemanlar Model oluşturma
<ol><li>SCIRun<ol>
<li>Karşıdan yükleyip SCIRun sürüm 5 (http://www.sci.utah.edu/software/scirun.html). SCIRun modelleme, simülasyon ve görselleştirme bilimsel sorunlar için sorun giderme bir ortamdır. Oluşturmak, çözmek ve bu projede geliştirilen model ile etkileşim için kullanılan hesaplama tezgah bu. Not: Belirli görevleri gerçekleştiren bireysel modülleri dizisi bağlanarak SCIRun ağlar inşa edilir. Basit modüllerin yapılmış bir ağ üzerinden veri geçirerek daha karmaşık işleme ve simülasyonu sağlar.</li>
	</ol>
</li>
	<li>Elektrot geometri bina Not: Bu projede örnek alınarak elektrot Medtronic 3387 DBS kurşun20' dir. Bu dört kişilerin 1,5 mm içinde yükseklik, 1,27 mm çapında ve 1.5 mm arayla aralıklı silindirik bir kurşun var. Sigara iletken malzeme dört kişilerin ayırır.<ol>
<li>Her bileşen için kapalı yüzey kafes listelenen boyutları eşleşen DBS kurşun oluşturun. Tüm müşteri adayı iki temel geometrileri, silindir ve küreler kullanarak oluşturun. Not: 3D modelleme programları çeşitli kurşun geometri oluşturulabilir.</li>
		<li>Bir encapsulation katman 0,5 mm tüm müşteri adayı çevreleyen kalın yüzey bir kafes oluşturmak.</li>
	</ol>
</li>
	<li>Tüm beyin kafes oluşturma<ol>
<li>Bölüm 1 FEM. dış sınır hizmet etmek için oluşturulan beyin yüzey yük</li>
		<li>Kafes yoğunluğu elektrot çevresinde denetlemek için DBS kurşun çevreleyen iki konsantrik kutusu yüzeyler oluşturun. Not: DBS kurşun ve kutu yüzey uyumlu pozitif z ekseni köken bulunan elektrot mili alt ucu ile. Bu daha sonra döndürme ve olan elektrot için önemlidir.</li>
		<li>Bir nokta bulutu mesh her ayrı bölgesinde bulunan tek bir noktadan oluşturun. Mesh bölgeler şunlardır: şaft kesimleri, dört kişiler, kutu ve beyin yüzey. Bu noktalara bağlı değerler bu bölge için kafes dörtyüzlü her öğe için en büyük birim kısıtlamaları gösterir. Bu kısıtlamalar kafes yoğunluğu içinde ve çevresinde elektrot denetlemek için ayarlanır.</li>
		<li>"InterfaceWithTetGen" modül tüm beyin kafes oluşturmak için kullanın. Giriş bağlantı noktası aşağıdaki gibi ayarlayın: Bağlantı noktası 1: beyin yüzeyden (1.1) Bağlantı noktası 2: bölgesel öznitelik nokta bulutu, birim kısıtlamaları (üzerinden 2.3.3) Bağlantı noktası 3: hiçbiri Bağlantı noktası 4: elektrot modeli yüzeyler (2,2)</li>
	</ol>
</li>
	<li>Etkileşimli elektrot yerleştirme Not: Bu adımın amacı elektrot beyin içinde herhangi bir yerde kolay hareket etkinleştirmek ve otomatik olarak yeni mesh ve simülasyon ile güncelleme sistemine sahip olmaktır.<ol>
<li>İki basamaklı CreateGeometricTransform modülleri X ve Y düzlemdeki elektrot döndürmek için kullanın. Üzerinde Döndür ' ü tıklatın ve ilk modülü Eksen Y ve ikinci Eksenix 1,00 1,00 için ayarlayın. Döndürme açısını alt kaydırıcıyı ile Teta döndürme (derece)ayarlanır.</li>
		<li>Her dönüşüm ve dönüştürülmesi için ihtiyacı nesnesi için bir TransformMeshWithTransform modülüne bağlanın.</li>
		<li>Bir GenerateSinglePointProbeFromField modül oluşturun ve ViewScene modülü, geometri bağlayınız. Küre ViewScene penceresinde üst karakter tuşunu basılı tutarak ve sol hareket etme. Noktası sonda modülü sürüm üzerine kürenin konumu güncelleştirir. Not: Bu konum elektrot geometriye uygulanan çeviri dönüştürme belirlemek için kullanılır.</li>
		<li>TransformMeshWithTransform modülü her parçası noktası sonda konumunu elektrot geometriyle çevirmek için kullanın.</li>
		<li>İki döndürme dönüşümleri ve nokta sonda widget üzerinden çeviri beyin yüzeyi dışında her nesne için geçerlidir. Not: meshing algoritması elektrot geometri yeni konumunu ve yönünü, beyin içinde kafes bilmesi InterfaceWithTetGen modülüne içe borulu önce bu dönüştürmeler üç her nesne üzerinde gerçekleştirilmesi gerekiyor. Elektrot beyin içinde taşınır her zaman yeni bir kafes inşa edilecek.</li>
	</ol>
</li>
</ol>3. biyo-elektrik alan hesaplama
<ol><li>İletkenlik parametrelerini ayarlama<ol>
<li>Adım 1'de oluşturduğunuz DTI birim yük ve InterfaceWithTetGen MapFieldDataFromSourceToDestination ile linear('weighted') seçeneğini kullanarak 2. adımda oluşturduğunuz veri dörtyüzlü kafes çıkış üzerine kümeden. Not: Bu adımda herhangi bir anizotropik iletkenlik tahmini uygulanabilir.</li>
		<li>Şaft bölge iletkenlik 1e-6 ve 1e6 temas bölgesine CalculateFieldDatakullanarak ayarlayın. İletkenlik değerlerini ayarladığınızda, alan BuildFEMatrixboru.</li>
	</ol>
</li>
	<li>Akım/gerilim kaynakları ve sınır koşulları ayarlama<ol>
<li>Boru beyin yüzey meshing işleminin adım 2 SetFieldDataToConstantValue kullanılan ve değerini 0olarak ayarlayın. Bu-ecek yaratmak bir gerilim lavabo tüm beyin yüzeyinde. O zaman InsertVoltageSource InterfaceWithTetGendörtyüzlü kafes çıktısı voltaj değerleri yerleştirmek için kullanın.</li>
		<li>Monopolar stimülasyon için tek bir noktadan kişi yerlerinden biri ortasında bir temas yüzeyleri üzerinde ReportFieldInfo modülü FieldCenter değerinden hesaplayarak oluşturun. Bu noktada-1 volt alan veri kümesi. O zaman InsertVoltageSource dörtyüzlü kafes noktası kaynak eklemenizi sağlar. Not: Şimdi dörtyüzlü kafes iki kopyası vardır. Bir küme beyin yüzey ve bir kişi içinde bir nokta kaynağı ile gerilim değerleri ile.</li>
		<li>İki InsertVoltageSource modülleri çıkış katılın ve Boru çıkış ApplyFEMVoltageSource BuildFEMatrixüretimi ile birlikte.</li>
	</ol>
</li>
	<li>İleri Problem çözme Not: Sertlik matris bağlantı noktası 1 ve 2 numaralı bağlantı noktasında sağ tarafta matris ApplyFEMVoltageSource çıktısını verir. Bu Denklemli sistemi çöz için gerekli iki bileşeni vardır.<ol>
<li>ApplyFEMVoltageSource iki çıkışlarını SolveLinearSystemboru. Eşlenik çözme yöntemi ve preconditioner olarak Jacobi degrade seçin. Bu modül çözüm matris, gerilim değeri dörtyüzlü kafes içinde her düğümdeki çıktı.</li>
		<li>SetFieldData gerilim dağıtım 3D temsili için dörtyüzlü kafes üzerine gerilim çözüm matris eklemenizi sağlar.</li>
	</ol>
</li>
	<li>Isosurface görselleştirme<ol>
<li>SetFieldData sonucu ExtractSimpleIsosurfaceboru. Miktar sekmesine Kullanıcı arabirimini açın ve eşit aralıklı eşdeğerleri sayısını 10'a ayarlayın.</li>
		<li>ShowField modülü kullanmak ve Isosurfaces şeffaf bir gökkuşağı renkli harita dk ölçekli ve maksimum gerilim çözüm olarak görüntülemek için ViewScene modülü takın.</li>
	</ol>
</li>
</ol>

<ol><li>Benabid, A. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chronic+electrical+stimulation+of+the+ventralis+intermedius+nucleus+of+the+thalamus+as+a+treatment+of+movement+disorders%5BTitle%5D)+AND+%22Journal+of+Neurosurgery%22%5BJournal%5D)">Chronic electrical stimulation of the ventralis intermedius nucleus of the thalamus as a treatment of movement disorders.</a> Journal of Neurosurgery. 84 (2), 203-214 (1996).</li>
<li>Limousin, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+parkinsonian+signs+and+symptoms+of+bilateral+subthalamic+nucleus+stimulation%5BTitle%5D)+AND+%22The+Lancet%22%5BJournal%5D)">Effect of parkinsonian signs and symptoms of bilateral subthalamic nucleus stimulation.</a> The Lancet. 345 (8942), 91-95 (1995).</li>
<li>Schiff, N. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Behavioural+improvements+with+thalamic+stimulation+after+severe+traumatic+brain+injury%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Behavioural improvements with thalamic stimulation after severe traumatic brain injury.</a> Nature. 448 (7153), 600-603 (2007).</li>
<li>Vandewalle, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stereotactic+treatment+of+Gilles+de+la+Tourette+syndrome+by+high+frequency+stimulation+of+thalamus%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">Stereotactic treatment of Gilles de la Tourette syndrome by high frequency stimulation of thalamus.</a> Lancet. 353 (9154), 724(1999).</li>
<li>Mayberg, H. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+brain+stimulation+for+treatment-resistant+depression%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Deep brain stimulation for treatment-resistant depression.</a> Neuron. 45 (5), 651-660 (2005).</li>
<li>Hashimoto, T., Elder, C. M., Okun, M. S., Patrick, S. K., Vitek, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stimulation+of+the+subthalamic+nucleus+changes+the+firing+pattern+of+pallidal+neurons%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Stimulation of the subthalamic nucleus changes the firing pattern of pallidal neurons.</a> Journal of Neuroscience. 23 (5), 1916-1923 (2003).</li>
<li>York, M. K., Wilde, E. A., Simpson, R., Jankovic, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relationship+between+Neuropsychological+Outcome+and+DBS+Surgical+Trajectory+and+Electrode+Location%5BTitle%5D)+AND+%22J.+Neurol.+Sci%22%5BJournal%5D)">Relationship between Neuropsychological Outcome and DBS Surgical Trajectory and Electrode Location.</a> J. Neurol. Sci. 287 (1-2), 159-171 (2009).</li>
<li>Machado, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+brain+stimulation+for+Parkinson%27s+disease%3A+surgical+technique+and+perioperative+management%5BTitle%5D)+AND+%22Movement+Disorders%22%5BJournal%5D)">Deep brain stimulation for Parkinson's disease: surgical technique and perioperative management.</a> Movement Disorders. 21, S247-S258 (2006).</li>
<li>Volkmann, J., Moro, E., Pahwa, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Basic+algorithms+for+the+programming+of+deep+brain+stimulation+in+Parkinson%27s+disease%5BTitle%5D)+AND+%22Movement+Disorders%22%5BJournal%5D)">Basic algorithms for the programming of deep brain stimulation in Parkinson's disease.</a> Movement Disorders. 21 (S14), S284-S289 (2006).</li>
<li>Contarino, M. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Directional+steering%3A+A+novel+approach+to+deep+brain+stimulation%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Directional steering: A novel approach to deep brain stimulation.</a> Neurology. 83 (13), 1163-1169 (2014).</li>
<li>Pollo, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Directional+deep+brain+stimulation%3A+An+intraoperative+double-blind+pilot+study%5BTitle%5D)+AND+%22Brain%22%5BJournal%5D)">Directional deep brain stimulation: An intraoperative double-blind pilot study.</a> Brain. 137 (7), 2015-2026 (2014).</li>
<li>Willsie, A. C., Dorval, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fabrication+and+initial+testing+of+the+%C2%B5DBS%3A+a+novel+deep+brain+stimulation+electrode+with+thousands+of+individually+controllable+contacts%5BTitle%5D)+AND+%22Biomedical+Microdevices%22%5BJournal%5D)">Fabrication and initial testing of the µDBS: a novel deep brain stimulation electrode with thousands of individually controllable contacts.</a> Biomedical Microdevices. 17 (56), 9961(2015).</li>
<li>Oliveria, S. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Safety+and+efficacy+of+dual-lead+thalamic+deep+brain+stimulation+for+patients+with+treatment-refractory+multiple+sclerosis+tremor%3A+a+single-centre%2C+randomised%2C+single-blind%2C+pilot+trial%5BTitle%5D)+AND+%22The+Lancet+Neurology%22%5BJournal%5D)">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.</a> The Lancet Neurology. 16 (9), 691-700 (2017).</li>
<li>Butson, C. R., Cooper, S. E., Henderson, J. M., Wolgamuth, B., Mcintyre, C. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Probabilistic+Analysis+of+Activation+Volumes+Generated+During+Deep+Brain+Stimulation%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Probabilistic Analysis of Activation Volumes Generated During Deep Brain Stimulation.</a> Neuroimage. 54 (3), 2096-2104 (2011).</li>
<li>Basser, P. J., Mattiello, J., LeBihan, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MR+diffusion+tensor+spectroscopy+and+imaging%5BTitle%5D)+AND+%22Biophys.+J%22%5BJournal%5D)">MR diffusion tensor spectroscopy and imaging.</a> Biophys. J. 66 (1), 259-267 (1994).</li>
<li>Gullmar, D., Haueisen, J., Reichenbach, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+anisotropic+electrical+conductivity+in+white+matter+tissue+on+the+EEG%2FMEG+forward+and+inverse+solution.+A+high-resolution+whole+head+simulation+study%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Influence of anisotropic electrical conductivity in white matter tissue on the EEG/MEG forward and inverse solution. A high-resolution whole head simulation study.</a> NeuroImage. 51 (1), 145-163 (2010).</li>
<li>Fischl, B. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/22248573">FreeSurfer.</a> Neuroimage. 62 (2), 774-781 (2012).</li>
<li>Fedorov, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+Slicer+as+an+Image+Computing+Platform+for+the+Quantitative+Imaging+Network%5BTitle%5D)+AND+%22Magn.+Reson.+Imaging%22%5BJournal%5D)">3D Slicer as an Image Computing Platform for the Quantitative Imaging Network.</a> Magn. Reson. Imaging. 30 (9), 1323-1341 (2012).</li>
<li>Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/21979382">FSL.</a> Neuroimage. 62 (2), 782-790 (2012).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Medtronic+DBS+3387%2F3389+Lead+Kit+Manual%22">Medtronic DBS 3387/3389 Lead Kit Manual</a>. , (2018).</li>
<li>Baker, J. L., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/27582298">Robust modulation of arousal regulation, performance and frontostriatal activity through central thalamic deep brain stimulation in healthy non-human primates.</a> Journal of Neurophysiology. 116 (5), 2383-2404 (2016).</li>
<li>Fregni, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Treatment+of+major+depression+with+transcranial+direct+current+stimulation%5BTitle%5D)+AND+%22Bipolar+Disorders%22%5BJournal%5D)">Treatment of major depression with transcranial direct current stimulation.</a> Bipolar Disorders. 8 (2), 203-204 (2006).</li>
<li>Hodaie, M., Wennberg, R. A., Dostrovsky, J. O., Lozano, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chronic+anterior+thalamus+stimulation+for+intractable+epilepsy%5BTitle%5D)+AND+%22Epilepsia%22%5BJournal%5D)">Chronic anterior thalamus stimulation for intractable epilepsy.</a> Epilepsia. 43 (6), 603-608 (2002).</li>
<li>Rosenow, F., Lüders, H. <a target="_blank" href="https://academic.oup.com/brain/article/124/9/1683/303186">Presurgical evaluation of epilepsy.</a> Brain. 124 (9), 1683-1700 (2001).</li>
</ol>

Christopher R. Butson, doktora NeuroPace, gelişmiş biyonik, Boston bilimsel, Intelect tıp, St. Jude Medikal ve fonksiyonel Neuromodulation için bir danışman olarak hizmet vermiştir.

Bu protokol zaman yükünü azaltmak için teknikleri göstermiştir ve hasta belirli modeller için DBS bir dereceye kadar bu binanın hesaplama maliyet simülasyon sonuçlarının gerçek zamanlı geribildirim sağlar. Hızlı geribildirim parametre değişiklikleri modeli sonuçlar nasıl etkilediğini daha iyi öğrenmek için bir büyük parametre alan arama sağlar. Bu parametreler kurşun konumu, etkin kişiler, seçimi ve genlik, darbe genişliği ve bu kişiler, stimülasyon dalga frekans içerir. Önerilen araç temel özellikleri şunlardır: 1) A sade kullanıcı arayüzey yakınındaki bu parametrelerin simülasyon ve 2) otomasyon modeli oluşturma girişleri küçük bir dizi etkisi nasıl gerçek zamanlı görselleştirme ile modeli parametreleri ayarlamak için: beyin yüzey beyin dokusu iletkenlik tensors ve elektrot geometri yüzey gösterimi. Bu Otomasyon hastaya özgü modellerinin oluşturulması için farklı beyin geometrileri ve doku iletkenlikleri yanı sıra farklı elektrot tasarımlar mevcut modelleri içine ekleme etkilerini değerlendirmek sahip birçok kişi hızlandırır. Bu protokol için açıklanan görüntü ön işleme adımları ve tam otomatik ve işlem süresi için bir gün sürebilir. Ancak, bir kez bu adımlardan oluşturulan verilerin statik, bu veri simülasyonlar sırasında değiştirilmez anlam değerlendirilir. Model oluşturma otomasyon sistem hasta özel FEM el ile çaba olmadan bu verileri uygulamak yeteneği kaynaklanmaktadır. Tüm model oluşturma, simülasyon, görselleştirme adımları gerçekleştirmek için SCIRun ağ yalnızca bir kez inşa gerekir. Bu nedenle, yalnızca görüntü ön işleme adımı tekrar gelen bir hasta için hasta özel modeli oluşturmak için gerçekleştirilmesi gerekir.
Kafes üretimi, biyo-elektrik alan hesaplamaları ve çözüm görselleştirme içine bir tek yazılım ortamı entegrasyon sonuçlarını modelleme boru hattından üreten içinde performans kazanç kaynaklanmaktadır. Adaptif kafes üretimi kullanılan gibi daha yüksek oluşturmak için varolan modelleme teknikleri yoğunluğu elektrot çevresinde ve inşa ve FEM. çözmek için zaman azaltan elektrot daha düşük yoğunluk mesh Yazılım, SCIRun, Ayrıca Otomasyon ağ oluşturma ve biyo-elektrik alan hesaplamalar sağlar. Kullanıcı tanımlı hareketin etkileşimli widget kullanarak elektrot Güncellenme Zamanı elektrot konumu ile yeni bir ağ inşaatı tetikler. Bu sınır koşulları ve iletkenlik değerleri yeni elektrot pozisyon için değiştirme içerir.
Konumuna FEM. entegre önce elektrot geometri beyin hacmi içinde özgür hareket eden bir nesne olarak ele alınır Kafes yapımı için bu yaklaşımın anahtar implication birden çok elektrotlar modele kolayca eklenebilir var. Örneğin, elektrot geometri ikinci bir kopyasını birkaç milimetre yerleştirilebilir ve her ikisi de FEM. içinde eklenecektir Son araştırmada, multipl skleroz sarsıntı13 tedavi etmek ve insan dışı primat deneylerde etkili stimülasyon hedefleri21keşfetmek için kullanılan birbirine yakın iki elektrot implante edilmiştir. Birden çok elektrotlar kullanmanın yararları daha iyi kontrol doku daha büyük bir alan üzerinde üretilen elektrik alanı sağlamaktır. Her iki elektrot üzerinde etkin kişiler ile uyarıcı geçerli hedef bölgeye doğru ve uzak yan etkisi için yol açacak bölgeleri yönlendirmek olabilir. Stimülasyon daha büyük bir alan üzerinde daha hassas kontrol da çoğu gelişmekte olan terapi uygulamalarından biri DBS ile olduğu gibi hedef tam konumu bilinmiyor farklı stimülasyon yerleri keşfetmek yararlıdır. Ancak, tedavi edici stimülasyon ulaşmak için parametrelerin belirlenmesi bir zaten büyük parametre alanı artış nedeniyle tek bir elektrot daha zorlu olur.
Biz bu etkileşimli modelleme aracı pre-operative DBS implantasyon için planlama sırasında fayda sağlayabilir öngörülüyor. Beyin doku stimülasyon ölçüde hakkında geribildirim cerrahlar için hedef bölgeyi tedavi edici stimülasyon sağlamak için onların cerrahi planında elektrot konumunu değiştirmek izin verebilirsiniz. DBS terapi Bu araç geliştirmek için birincil motive edici faktör iken, bu raporda sunulan teknikleri içeren farklı uyarılma veya kayıt paradigmalar FEM biyo-elektrik alan modeli uygulanabilir. Stimülasyon elde etmek için en iyi yer belirlemede DBS olarak aynı sorunlar Transkraniyal doğru akım stimülasyon depresyon22 ya da23 epilepsi tedavisi için derinlik elektrotlar kullanımı için gibi stimülasyon terapiler paylaşmak tedavi sonuçları. Electrocorticography, elektrotlar nöbet başlangıçlı bölgeleri tanımlamak için beynin yüzeyinde bir dizi kayıt teknikle beyin24hedef bölgelerde kaydetmeye elektrotlar yerleştirileceği yeri belirleme meydan vardır. Tüm bu uygulamaların nasıl beyin doku ile akım akar elektrot konumda belirsizlik ile ilgili süre bağlı. Bu raporda sunulan teknikleri üretme ve araştırmacılar ve klinisyenler modelleme uzmanları olmayan bu aygıtları kullanan için anlamlı geribildirim sağlama sırasında Hesaplamalı modelleri kullanarak yükünü azaltmak.

Derin beyin stimülasyonu (DBS) hareket bozuklukları gibi esansiyel tremor1 ve Parkinson hastalığı2için kurulan bir tedavi yöntemidir. Bu tedavi ayrıca bozuklukları travmatik beyin hasarı3, Tourette sendromu4ve depresyon5de dahil olmak üzere, giderek artan sayıda için potansiyel bir tedavi olarak araştırılıyor. DBS sistemleri Cerrahi stimülasyon devam eden sinirsel aktivite6modüle için yerelleştirilmiş beyin bölgesi içinde teslim etmek için bir elektrot kurşun implantasyonu gerektirir. Elektrotlar ve stimülasyon parametrelerin konumunu terapötik yarar sağlamak nöronal devreler oransal üzerinde bir etkisi var. Konum küçük değişimler terapötik yarar elde7,8,9olmadan muhtemelen olumsuz yan etkiler olasılığı artan tedavi pencere etkileyebilir. Uygulamada, etkileri stimülasyon sinirsel aktivite üzerinde olacak tahmin etmek zordur; Sonuç olarak, stimülasyon aygıt klinisyen8,9tarafından programlanmış gibi bu pencere terapötik yarar bir hasta hasta olarak tanımlanır. Bu işlem, DBS cihazlar yeni kuşak kullanıma sunulduğunda daha karmaşık hale geliyor. Örneğin, yeni müşteri adayı tasarımlar daha fazla kişiler10,11,12ile tanıtıldı ve bazı durumlarda birden fazla müşteri adayları yakın bir başka13implante. Bu nedenle, keşfetmek ve DBS etkileri geniş ve büyüyen parametre araziye tahmin edebilmek için ihtiyaç vardır.
Bilgisayar modellemesi ve Analizi DBS fizyolojik ve klinik etkileri hastaya özel olarak tahmin etmek için kullanılabilir. Bu modeller sonlu elemanlar modelleme (FEM) beyin dokusunun üç boyutlu temsilcilikleri ve implante elektrot biyofiziksel özellikleri oluşturmak için kullanın. FEM biyo-elektrik alan modeller başarıyla DBS14etkilerini tahmin etmek için kullanılan, ama şu ana kadar bunlar hesaplama açısından üretmek pahalı ve zaman alıcı olmuştur. Roman modelleme teknikleri ile DBS cihazların karmaşıklığı büyüyen uydurmak ihtiyaç vardır. Bu hastaya özgü modeller yakınındaki DBS kurşun konum olarak etkileri üzerinde gerçek zamanlı görsel geribildirim vermelidir veya stimülasyon parametreleri değiştiriliyor. Kullanıcı geribildirim sağlama ile ilgili elde etmek ve stimülasyon ayarını etkinleştirme birkaç saniye içinde kurşun yerleşim arıtma birkaç dakika boyunca devam etti. Hasta-özgüllük hastanın anatomi, kendi beynin şekli ve boyutu, FEM oluştururken birleştiren ve anizotropik doku iletkenlik gibi onların beyin biyofiziksel Özellikler uygulanıyor elde edilir. Yönbağımlı iletkenlik nasıl geçerli farklı beyin bölgelerini yayılır ve non-invaziv bir tipik manyetik rezonans görüntüsü (MRI) benzer tüm beyin için ölçülebilir açıklar.
Hastaya özgü bilgileri kullanmayın yaklaşımlar modelleme DBS Genelleştirilmiş geometrileri ve iletkenlik değerleri için beyin dokusu nedeniyle stimülasyon etkileri hızlı, ama daha az doğru Öngörüler sağlayabilir. Bu yaklaşım, tek bir dişi tüm hastalar için kullanılır ve tahmin edilen sinirsel aktivite önceden hesaplanabilir. Hastaya özgü modelleri yaygın ve yeni bir dişi her birey için inşa beri önceden hesaplanan. Bu modeller oluşturmak için daha fazla çaba gerektiren ama daha doğru olabilir. Çeşitli faktörler, bu modelleri inşa ve kullanılan hız sınırı: 1) modeli yapı boru hattı, elektrot konum gibi başında parametreleri değiştirmek tüm sonraki adımları; güncellemek için el ile çaba gerektirir ve 2) modelleme boru hattı adımda kolayca birbirleri ile veri geçen birden fazla yazılım paketleri arasında gerektiren entegre olmayan. Çoğu zaman, elektrot konum, stimülasyon parametreleri ve elektrot tasarımlar gibi birçok farklı durum değerlendirmek istiyorum. Bu değişiklikleri hasta alacaksınız tedavi edici etkiye sahip etkisi hakkında anlamlı görüş bildirmek için bu sonuçları hızlı bir şekilde hatasız ve oluşturulmuş olmalıdır.
Amacımız hız yararlanmak hastaya özgü modeller Genelleştirilmiş modellerinde elde edilen bina ve gerçek zamanlı görsel sağlar bir etkileşimli modelleme ortamı oluşturmak için boru hattı adımlardan otomatikleştirme için yeni teknikler sunmaktır DBS etkileri hakkında geribildirim. Bir etkileşimli simülasyon Öngörüler sınamak ve sonuçları hızlı bir şekilde modeli inşaat detaylarını üzerinde odaklanarak olmadan elde etmek bir kullanıcı izin verir. Keşfetmek için bir büyük parametre alanı ve bu parametrelerin simülasyon etkisi nasıl belirsiz olduğunda faydalıdır. Manyetik rezonans görüntüleme (MRG) alımları interaktif, hastanın özel FEM modelleri oluşturmak için işleme boru hattı adımlarda anlatacağız. Bu raporda açıklanan teknikleri ve araçları kullanan FEM biyo-elektrik alan modelleri oluşturmak için zaman maliyetini azaltmak ve bu modeller araştırmacılar ve uzmanlar modelleme değil klinisyenler için erişilebilir hale getirmek için bir yol sağlar.
Bu iletişim kuralı, edinsel MRI birimleri hastaya özgü sonlu elemanlar modelinden oluşturduğunuz ve DBS elektrot tarafından indüklenen elektrik alanı benzetimini yapmak açıklar. Bu modellerin oluşturulmasında ana adımlar: 1) hastanın beyin ve implante elektrot temsil eden bir sonlu elemanlar modeli (FEM) oluşturmak, 2) için FEM DBS aygıt beyin ve stimülasyon parametrelerin biyofiziksel özellikleri eklemek ve 3) çözmek için Elektrot modelindeki tarafından üretilen gerilim. İki görüntüleme yöntemleri DBS simülasyon hasta belirli bir modeli oluşturmak için ihtiyaç vardır. Bir T1 Mr segmentations beyin yüzey, ventrikül ve belirli hücre çekirdeği oluşturmak için kullanılır. Difüzyon ağırlıklı görüntüleme (DAG), bir ölçü su Yayınım, difüzyon tensors beyin doku15boyunca tahmin etmek için kullanılır. Difüzyon tensors doku üzerinde bir Voksel inhomogeneous, anisotropic biyofiziksel özellikleri ölçmek iletkenlik tensors Voksel olarak16tarafından dönüştürülür. Gerilim dağıtım elektrot tarafından uyarılan beyin boyunca FEM uygulanması yoluyla denklemler doğrusal bir sisteme basitleştirir Poisson denklem çözme tarafından hesaplanan Ax = b A bir sertlik matris nerede bu iletkenlik temsil eder ve mesh geometrisini, x voltaj mesh her düğümdeki çözümdür ve b sınır koşulları ve mevcut kaynaklara göre değiştirilir.

<table><tbody><tr><td>FreeSurfer</td><td>Athinoula A. Martinos Biyomedikal Görüntüleme</td><td></td> Merkezi<td><a href="https://surfer.nmr.mgh.harvard.edu/">https://surfer.nmr.mgh.harvard.edu/</a</td></tr><tr><td>>3D Dilimleyici</td><td>BWH, Harvard Üniversitesi</td><td></td><td><a href="https://www.slicer.org/">https://www.slicer.org/</a></td></tr><tr><td>SCIRun&nbsp;</td><td>Utah Üniversitesi Bütünleştirici Biyomedikal Bilgi İşlem</td><td></td> Merkezi<td><a href="http://www.sci.utah.edu/cibc-software/scirun.html">http://www.sci.utah.edu/cibc-software/scirun.html</a></td></tr></tbody></table>

etkileşimli, hastanın özel modelleri kullanarak derin beyin stimülasyonu tedavisi için nöronal fiber yolları hedefleme

Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models

Stimülasyon bir yerelleştirilmiş beyin bölgesine sunmak için bir elektrot yerleştirilmesi içerir, derin beyin stimülasyonu (DBS), hareket bozuklukları için kurulan bir terapi ve bozuklukları, giderek artan sayıda için uygulanmaktadır. Sayısal modelleme başarıyla DBS klinik etkilerini tahmin etmek için kullanılmıştır; Ancak, roman modelleme teknikleri ile DBS cihazların karmaşıklığı büyüyen uydurmak ihtiyaç vardır. Bu modeller de hızlı ve doğru Öngörüler oluşturmak için gerekir. Bu projenin amacı yapısal manyetik rezonans görüntüleme (MRG) ve difüzyon ağırlıklı görüntüleme (DAG) DBS etkilerini simulate için bir etkileşimli, hasta belirli modeli dahil etmek için bir görüntü işleme boru hattı geliştirmektir. Sanal bir DBS kurşun etkin kişiler ile birlikte hasta modeli içinde yerleştirilebilir ve stimülasyon ayarları, nerede kurşun pozisyon veya yönlendirme değişiklikleri oluşturmak yeni sonlu elemanlar mesh ve biyo-elektrik alan sorunun çözümü yakın gerçek zamanlı, bir TimeSpan yaklaşık 10 saniye. Bu sistem ayrıca değişen anotlar ve farklı müşteri adayları üzerinde katotlar tarafından geçerli direksiyon için izin vermek için birbirine yakın birden çok müşteri adayları simülasyonu sağlar. Bu raporda sunulan teknikleri üretme ve araştırmacılar veya klinisyenler için elektrot konum, elektrot tasarım ve stimülasyon yapılandırmaları etkileri hakkında anlamlı görüş sağlarken Hesaplamalı modelleri kullanarak yükünü azaltmak Kim modelleme uzman olmayabilir.

Bu iletişim kuralı sonunda tüm hasta özel model oluşturmak için gerekli girdilerin sağlanır: beyin yüzeyinde, elektrot geometri ve iletkenlik tensors. SCIRun ağ aynı zamanda tüm girdilerin bir sonlu elemanlar modeli oluşturmak ve indüklenen biyo-elektrik alan taklit entegre oluşturulmuş olmalıdır. Simülasyon modeli etkin kişiler veya stimülasyon genlik gibi parametreleri modifikasyonu ve beyin içinde elektrot hareketine olanak sağlar.
Şekil 1 taklit ve birden fazla elektrot pozisyonları arasında fiber harekete geçirmek Öngörüler karşılaştırmak yeteneği gösterir. Fiber yolları üzerinden difüzyon görüntüleme nesil bu protokol için gösterilmiştir değil ancak bu analiz herhangi bir deterministik tractography yöntemi ile gerçekleştirilebilir. Pozisyonu 2 1 konumuna göre tüm kişiler arasında hedef fiber paket daha düşük stimülasyon genlikleri de daha sağlam bir aktivasyon öngörür. Bu analiz DBS cerrahi planlama aşamalarında etkili bir şekilde hedef fiber yolu teşvik edecek elektrot yörünge belirlemek için kullanılır.
Bu sistem bir roman özelliği hızlı bir şekilde elektrot geometri modelindeki geçiş yapma yeteneği ve birbirine yakın birden çok müşteri adayları taklit yeteneği var. Bu yaklaşımların her iki şekli ve elektrot çevresinde elektrik alanının direksiyon üzerinde daha fazla denetim sağlamak için kullanılır. Şekil 2 DBS kurşun mekanlar araştırırken merkezi talamik fiber yolları ve duyusal çekirdeği gibi alanlarda yakın kaçmak uyarmak için neden fiber harekete geçirmek Öngörüler arasında bir axisymmetric ve bir yönlü karşılaştırmasını gösterir . Aynı elektrot yörünge için yön kurşun fiber harekete geçirmek istenmeyen liflerin uyarılması kaçınırken hedefi bölge doğru yönlendirmek mümkün olduğunu görebilirsiniz. Bu analizin ne zaman hasta istenmeyen yan etkileri neden yakın bölgeler uyarılması önlemek DBS terapisi için almak aygıtı değiştirmek için gerekli olacak belirlemek için kullanılabilir. Bu yaklaşım yakın iç kapsül kaçınırken Parkinson hastalığı, belirtileri tedavisi için subthalamic çekirdeği hedefleme için yararlıdır.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/57292/57292fig1.jpg"> Resim 1 : Elektrot konumu ve hedef fiber etkinleştirme öngörüleri karşılaştırılması. Stimülasyon genlikleri (-5.0 V için V -0,5) için toplam lif paket harekete geçirmek ve tüm dört kişiler iki farklı elektrot pozisyonları için tahmin. <a href="https://www.jove.com/files/ftp_upload/57292/57292fig1large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/57292/57292fig2.jpg"> Resim 2 : Axisymmetric ve yön DBS ile merkezi talamik fiber paket harekete geçirmek predictions karşılaştırma açar. (A) her ikisi de görselleştirme Medtronic 3387 silindirik DBS Sapiens yönlü DBS işlevi hesaplamaları hedef merkezi talamik fiber paket için bir tek monopolar stimülasyon genlik üzerinde etkinleştirme ile kurşun ve. (B) (ı) bir kesitsel dilim DBS kurşun ve lif demetleri ile. (II) kesit alanı iki boyutlu bir projeksiyon DBS tanımlaması ile kurşun, elyaf ve iplikleri önlemek için hedef. (C) hem axisymmetric hem de yön için etkinleştirme hedef lifleri ve kaçınma stimülasyon genlik olarak liflerinin yayılması artar DBS yol. Etkin lifleri mavi renkle gösterilir iken verilen uyarım genlik için aktif lifler kırmızı renkte gösterilir. (D) tüm simülasyonlar C, tahmin edilen stimülasyon eşik genlik lif demetleri tüm bölgeler arasında gösterilen panelinde gösterilen bir derleme. <a href="https://www.jove.com/files/ftp_upload/57292/57292fig2large.jpg">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>

Bu projenin amacı yakın gerçek zamanlı derin beyin stimülasyonu etkilerini simulate ve nasıl bu cihazlar beyindeki sinirsel aktivite etkisi olarak anlamlı geribildirim vermek bir etkileşimli, hastaya özgü modelleme boru hattı geliştirmektir.

Etkileşimli, hastanın özel modelleri kullanarak derin beyin stimülasyonu tedavisi için nöronal Fiber yolları hedefleme

Deep brain stimulation (DBS), which involves insertion of an electrode to deliver stimulation to a localized brain region, is an established therapy for ...

Bu projenin genel amacı, hastaya özel etkileşimli bir modelleme hattı geliştirmek ve derin beyin stimülasyonunun nöral lif yolları üzerindeki etkilerini neredeyse gerçek zamanlı olarak uyarmaktır. Derin beyin stimülasyonu, FDA onaylı ve Parkinson hastalığı gibi hareket bozuklukları için on yıldan fazla bir süredir kullanılan terapötik bir müdahaledir ve çok çeşitli diğer nörolojik ve psikiyatrik durumlar için araştırılmıştır. Derin beyin stimülasyonunun hesaplamalı modellemesi, oldukça yararlı bir araç olmuştur ve kullanımı, bireysel deneklerde stimülasyonun etkilerini daha iyi anlamak ve tahmin etmek için geliştirilmiştir.Hesaplamalı modelleme ile ilgili kalıcı sorunlardan biri, hesaplamalı model deneylerini oluşturmak ve çalıştırmak için harcanan süredir. Bu protokolün amacı, hesaplamalı modellemenin neredeyse gerçek zamanlı olarak ve çok daha etkileşimli bir şekilde yapılabileceği yolları açıklamaktır ve bu, birkaç yenilikle elde edilir. Bunlardan en önemlisi, bireysel konuların tüm kafalarının etkileşimli bir şekilde örülmesini sağlama yeteneğidir.Bu videodaki protokol, elde edilen MRI hacimlerinden hastaya özgü bir sonlu eleman modelinin nasıl oluşturulacağını ve ardından implante edilmiş bir derin beyin stimülasyon elektrodu tarafından indüklenen elektrik alanının nasıl simüle edileceğini açıklayacaktır. Bu modellerin oluşturulmasındaki ana adımlar, bir, hastanın beynini ve implante edilmiş elektrotu temsil eden bir sonlu eleman modeli oluşturmak, ikincisi, beynin biyofiziksel özelliklerini ve derin beyin stimülasyon cihazının stimülasyon parametrelerini sonlu elemanlar ağına eklemek ve üç, modeldeki elektrot tarafından üretilen voltajı çözmek. Bu projede modellenen elektrot bir Medtronic 3387 DBS Lead'dir.Bununla birlikte, bu yaklaşımla herhangi bir elektrot geometrisi kullanılabilir. 3387, iletken olmayan malzeme ile ayrılmış dört kontağa sahip silindirik bir kablodur. Bu bileşenlerin her biri için yüzey temsilleri, ağ oluşturma işlemi için oluşturulur.Elektrot etrafındaki ağ yoğunluğunu kontrol etmek için kullanılan dört kontak, beş şaft segmenti, kapsülleme katmanı ve çevreleyen iki kutu için kapalı yüzeyler oluşturulur. Silindirik geometriyi korumak ve biyoelektrik alan problemini doğru bir şekilde çözmek için kontakların yüksek yoğunluklu bir yüzey ağı oluşturmak önemlidir. Elektrot tarafından indüklenen beyindeki voltaj dağılımı, sonlu elemanlar modellemesinin uygulanmasıyla doğrusal bir denklem sistemini basitleştiren bir Poisson denkleminin çözülmesiyle hesaplanır, Ax, B'ye eşittir, burada A, ağın iletkenliğini ve geometrisini temsil eden sertlik matrisidir, x, ağ üzerindeki her düğümdeki voltaj çözümüdür, ve B, sınır koşullarına ve mevcut kaynaklara göre değiştirilir.Kapsülleme katmanına, şaft segmentlerine ve dört kontağa, ekrandaki tabloda gösterilen malzeme özelliklerine bağlı olarak iletkenlik değerleri de atanmalıdır. Biyoelektrik alanı hesaplamak için sabit sınır koşulları kullanılır. Nokta yüzeyleri, dört DBS kontağının her birinin merkezine yerleştirilir ve herhangi bir kombinasyon yoluyla monopolar veya bipolar stimülasyon uygulanabilir.Dış beyin yüzeyi, uzak bir dönüş elektrodunu simüle etmek için sıfır volta ayarlanmıştır. Bu koşullar, sonlu elemanlar modelinde bilinen voltajı temsil eder. Dört kontağın her birindeki ve implante edilebilir darbe üreteci olan dönüş elektrodundaki voltajı biliyoruz.Doğrusal denklem sistemi, bir dizi sınır koşulu için modeldeki voltaj çözümünü hesaplamak için eşlenik bir gradyan yöntemi kullanılarak çözülür. SCIRun, çeşitli bilimsel problem sınıflarının modellenmesi, simülasyonu ve görselleştirilmesi için gelişmiş bir problem çözme ortamıdır. Görsel programlama sözdizimi, kullanıcıların bilimsel verileri işlemek ve görselleştirmek için yazılım modellerini birbirine bağlamasına olanak tanır.Bu protokol için SCIRun, beynin ve derin beyin stimülasyon kurşununun sonlu elemanlar ağını oluşturmak ve biyoelektrik alan problemini etkileşimli bir ortamda çözmek için kullanılır. SCIRun'un önemli bir yönü, göstereceğimiz boru hattının herhangi bir noktasında verileri etkileşimli olarak görselleştirme yeteneğidir. Sonlu elemanlar modelini oluşturmanın ilk adımı, beynin yapısal anatomisini belirlemektir.Bu adımı gerçekleştirmek için, insan beyni için MRI hacimlerini işlemek ve analiz etmek için açık kaynaklı bir yazılım paketi olan FreeSurfer'ı kullanmayı seçtik. Başlamak için, hasta T1 MRG, aşağıdaki komutla bir DICOM yığını olarak FreeSurfer'a iletilir. Ardından, otomatik işlemeyi ve segmentasyonu başlatmak için aşağıdaki komut kullanılır.FreeSurfer, kafatası çıkarılmış olarak beyin dokusunun yeni bir görüntü hacmini oluşturur. Beynin yüzey temsilini elde etmek için bu yeni hacim üzerinde yoğunluk eşikleme ve izoyüzey kaplama gerçekleştirilir ve bu daha sonra sonlu elemanlar modelinin dış sınırını tanımlamak için kullanılır. FreeSurfer boru hattı ayrıca beyaz madde, gri madde, subkortikal çekirdekler ve ventrikülleri de segmentlere ayırır.Her beyin bölgesine benzersiz bir tamsayı etiketi atanır. Bir sonraki ön işleme adımı, difüzyon ağırlıklı görüntüleme verilerinden difüzyon tensörlerini tahmin etmek ve bu hacmi TI MRI ile birlikte kaydetmektir. DWI, beyin dokusu boyunca birden çok yönde su yayılımının bir ölçümüdür.Bu adım için, tıbbi görüntü işleme ve görüntüleme verilerinin 3D görselleştirilmesi için ücretsiz bir açık kaynaklı yazılım platformu olan 3DSlicer'ı kullanmayı seçtik. İlk olarak, Slicer'daki DWI dönüştürücü modülünü kullanarak DICOM serisini tek bir DWI birimine dönüştürün. Tensör rekonstrüksiyonundan kaynaklanan arka planı ve gürültüyü ortadan kaldırmak için, difüzyon ağırlıklı hacim maskeleme modülü ile bir maske oluşturun.Bu, tensörlerin yalnızca beyin dokusu içinde hesaplanmasına izin verecektir. Bir sonraki adım, difüzyon tensörlerini oluşturmak için DWI - DTI Tahmin modülünü kullanmaktır. Tensör tahmin algoritmasını en küçük karelere ayarlayın ve Negatif Özdeğerleri Kaydır'ı kontrol edin.Bu, gürültü veya edinim hatası ile ilgili negatif özdeğerlere sahip tensörleri kaldıracaktır. Elektrot modeli için 3B yüzey geometrileri, bu videoda gösterilmeyecek olan herhangi bir 3B modelleme yazılımı kullanılarak oluşturulabilir. Burada, ağ yoğunluğunu kontrol etmek için kullanılan elektrot kontaklarının, şaft segmentlerinin, kapsülleme katmanının ve iki çevreleyen kutunun her biri için kapalı bir yüzey ağı oluşturduk.Birinci bölümde oluşturulan beyin yüzeyi ve elektrot geometrisi, ağ oluşturma aracı TetGen kullanılarak implante edilmiş bir elektrot ile beynin sonlu elemanlar modelini oluşturmak için birleştirilir. Beyin yüzeyini ve elektrot geometrisini InterfaceWithTetGen modülüne aktarın. Ekrandaki tabloda gösterildiği gibi, modelin her bölgesinde tetrahedral eleman oluşturmaya hacim kısıtlamaları uygulayın.Bu teknik, elektrik alan gradyanının yüksek olduğu elektrot dokusu arayüzü etrafında daha yüksek bir ağ yoğunluğuna sahip uyarlanabilir boyutlu bir ağ oluşturur. Sonuç, beyin dokusuna gömülü elektrot modelinin tetrahedral sonlu elemanlar ağıdır. SCIRun, görüntüleyici penceresindeki geometrik dönüştürme modülleri ve etkileşimli widget'lar ile nesnelerin hareketini sağlar.Elektrot geometrisinin açısını değiştirmek için, TransformMesh modülüyle birlikte CreateGeometricTransform modülünü kullanın. X dönüş eksenini bir olarak ayarlayın ve açıyı kontrol etmek için tetanın dönüş derecesini ayarlayın. Bir küre widget'ı oluşturmak için bir GenerateSinglePointProbe modülünü doğrudan ViewScene'e ve ayrıca elektrot ucu konumunu kontrol etmek için başka bir TransformMesh modülüne bağlayın.Görünüm sahnesinde, Shift tuşuna basarak elektrot ucunun konumunu hareket ettirmek için widget'ı tıklayın ve sürükleyin. Bu dönüşümler, TetGen'e geçirilmeden önce elektrot geometrisine uygulanır, böylece güncellenmiş elektrot konumu ve oryantasyonu sonlu elemanlar modeline dahil edilir. Bir sonraki adım, sonlu elemanlar modeline iletkenlik değerleri atamaktır.3DSlicer'da işlenen DTI verilerini yükleyin ve hem elektrot modeli hem de beyin dokusu için iletkenlik değerlerini önceki bölümde oluşturulan tetrahedral ağ üzerine ayarlayın. Ağa iletkenlik değerleri uygulandıktan sonra, alanı BuildFEMatrix'e borulayın. Bu, biyoelektrik alan hesaplaması için denklem sistemini oluşturmanın ilk adımıdır.Voltaj kontrollü stimülasyon için, şimdi sonlu elemanlar ağı üzerinde bilinen voltaj sınır koşullarını ayarlayacağız. Uzak dönüş elektrodunu simüle etmek için ağımızın dış sınırı olarak kullanılan beyin yüzeyini sıfır volta ayarlayın. InsertVoltageSource daha sonra bu sınır koşulunu ağa uygulamak için kullanılır.Monopolar stimülasyon için, alt kontağın ortasındaki bir noktaya bir voltaj değeri atayın. Yine InsertVoltageSource kullanarak bu sınır koşulunu ağa uygulayın. BuildFEMatrix ve InsertVoltageSource çıkışını SolveLinearSystem içinde birleştirin.Eşlenik gradyan çözme yöntemini kullanın ve voltaj çözümünü hesaplamak için modülü çalıştırın. SetFieldData modülünü kullanarak denklem sisteminin çözümünü sonlu elemanlar ağının düğümlerine geri yerleştirin. Voltaj çözeltisi doğrudan ağın düğümleri üzerinde görüntülenebilir, ancak beyin dokusu boyunca dağılımının anlamlı bir temsilini sağlamaz.Daha iyi bir görselleştirme, bir harita üzerinde kontur çizgilerine benzer izovoltaj yüzeyleri oluşturmaktır, bu da elektrik alanının yönü ve gücü hakkında bilgi sağlar. Sonlu elemanlar ağ voltajı çözeltisini ExtractSimpleIsosurface'e geçirin ve miktarı 10 olarak ayarlayın. Bu, kontağın etrafında eşit aralıklı 10 izovoltaj yüzeyi oluşturacaktır.Bu teknikle, modele anizotropik iletkenlik tensörleri eklemenin etkisini ve bu parametrenin beyin dokusu boyunca voltaj dağılımını nasıl etkilediğini görselleştirebiliriz. Sonlu eleman yapısının, biyoelektrik alan hesaplamalarının ve sonuçların tek bir ortama görselleştirilmesi, elektrot konumu ve stimülasyon genliği gibi parametre değişikliklerinin biyoelektrik alanın çevredeki doku ile nasıl etkileşime girdiğini nasıl etkilediğine dair neredeyse gerçek zamanlı geri bildirim sağlar. Elektrot konumu değiştirildikten ve biyoelektrik alan yeniden hesaplandıktan sonra, çözelti hedef fiber demetleri üzerine eşlenir.Aktive etme fonksiyonu, belirli bir stimülasyon genliği için fiber demeti aktivasyonunu tahmin etmek için hesaplanır. Tüm kontaklar ve çoklu stimülasyon genlikleri boyunca fiber demeti aktivasyon tahminlerini topluyoruz ve belirli bir elektrot pozisyonu için hedef fiberleri aktive etmede hangi stimülasyon konfigürasyonunun en etkili olacağını hızlı bir şekilde belirliyoruz. Daha sonra, hedef fiber yolunu etkili bir şekilde uyaracak elektrot yörüngesini tanımlamak için DBS cerrahisinin planlama aşamaları sırasında çoklu elektrot pozisyonları için bu aktivasyon profillerini karşılaştırıyoruz.Burada, ikinci pozisyonun, hedef fiber demetinin daha sağlam bir aktivasyonunu öngördüğünü, birinci pozisyona kıyasla tüm kontaklarda daha düşük stimülasyon genliklerine sahip olduğunu görüyoruz. Bu yaklaşım, çok daha karmaşık senaryoları modellemek için kullanılabilir. Bu sistemin yeni bir özelliği, modeldeki elektrot geometrisini hızlı bir şekilde değiştirme yeteneği ve birbirine yakın birden fazla ucu simüle etme yeteneğidir.Burada, duyusal çekirdekler gibi yakın alanlardan kaçınırken, travmatik beyin hasarı olan hastalar için potansiyel bir hedef olarak uyarılma düzenlemesinde yer alan merkezi talamik lif yollarını uyarmak için kurşun konumlarını araştırıyoruz. Statik bir elektrot konumu için, fiber aktivasyon konumlarının daha odaklı kontrolünü elde etmek ve diğer fiber demetlerinin uyarılmasını önlemek için yönlü bir elektrot modeline geçmenin etkilerini simüle ettik. Elektrotun etrafındaki enine kesit alanına baktığımızda, yönlü elektrotun, kaçınmak istediğimiz liflere minimum aktivasyon yayılımı ile hedef lifleri etkili bir şekilde uyarabildiğini görüyoruz.Bu yaklaşım, yakındaki iç kapsülden kaçınırken Parkinson hastalığının semptomlarını tedavi etmek için subtalamik çekirdek hedeflemesi için de yararlı olacaktır. Burada, üç bağımsız DBS lead'inin yerleşimini simüle ediyoruz ve insan dışı primat deneylerinde cerrahi planlama için benzer merkezi talamik lif yollarının aktivasyonunu tahmin ediyoruz. Birden fazla elektrot kullanmanın yararı, daha geniş bir alanda stimülasyonun kontrolünü sağlamaktır.Hem yönlü elektrotlar hem de çoklu uçlar, elektrot stimülasyon parametrelerinin belirlenmesinin zorluğunu artırır. Bununla birlikte, bu videoda özetlenen yaklaşımın kullanılması, terapötik stimülasyon ayarlarını belirlemek için karmaşık parametre uzayının daha hızlı ve daha rehberli keşfedilmesini sağlar. Bugün size gösterdiğimiz, hasta görüntülemeden etkileşimli modellere kadar adımları özetleyen hastaya özel modelleme hattı, mühendisler ve klinisyenler arasındaki boşluğu kapatmaya yardımcı olacaktır.Birden fazla elektrotun yerleştirilmesi de dahil olmak üzere dörtten fazla kontaklı yeni DBS cihazlarının geliştirilmesi, zaten zor olan bir soruna daha fazla karmaşıklık katıyor. Stimülasyon konfigürasyonlarında farklı elektrot tasarımlarının etkilerini hızlı bir şekilde görselleştirme yeteneği, bu cihazların beyinde nasıl çalıştığını daha iyi anlamak için değerli geri bildirimler sağlayabilir.

targeting-neuronal-fiber-tracts-for-deep-brain-stimulation-therapy

Research

JoVE Journal

Bioengineering

Biyomühendislik

Derin Beyin Stimülasyonu (DBS) cerrahisinin terapötik etkilerinin altında yatan mekanizmanın araştırılması gerekiyor. Bu yazıda sunulan yöntemler, DBS cerrahisi sonrası nörojenezi kolaylaştırabilecek aday genlerin gen ekspresyon profilini analiz ederek DBS tarafından tetiklenen hücresel olayları incelemek için deneysel bir yaklaşımı tanımlamaktadır.

Ön Talamusun Çekirdek Derin Beyin Stimülasyon sonra Sıçan Hippocampus Gen İfade Değişim Analizi

Burada, majör depresif bozukluk için deneysel bir tedavi olarak dorsomedial prefrontal kortekse MRG kılavuzluğunda tekrarlayan transkraniyal manyetik stimülasyon prosedürünü özetliyoruz.

Tedaviye dirençli Majör Depresif Bozukluk için bir tedavi olarak dmPFC-shamı MRI kılavuzluğunda

Protokol, nörolojik hareket bozukluğu olan kişiler için uyarlanabilir derin beyin stimülasyonunu (aDBS) optimize eden araştırmaları destekleyen evde çok modlu veri toplama platformunun bir prototipini göstermektedir. Ayrıca, platformun bir yıldan fazla bir süredir Parkinson hastalığı olan bir bireyin evine konuşlandırılmasından elde edilen önemli bulguları da sunuyoruz.

Kliniği Eve Getirmek: Uyarlanabilir Derin Beyin Stimülasyonunu Desteklemek için Evde Çok Modlu Veri Toplama Ekosistemi

Bu protokol, fonksiyonel manyetik rezonans görüntüleme (fMRI) sırasında uygulanan odak, transkraniyal doğru akım stimülasyonu (tDCS) için nöronavigasyonlu elektrot yerleştirme yöntemini tanımlar.

Fonksiyonel Manyetik Rezonans Görüntüleme Sırasında Uygulanan Nöronavigasyonlu Fokalize Transkraniyal Doğru Akım Stimülasyonu

Çoklu manyetik rezonans görüntüleme (MRG) veri modaliteleri ile bilgilendirilen, kortikal ağların elektroensefalografi (TMS-EEG) haritalaması ile birlikte kişiselleştirilmiş transkraniyal manyetik stimülasyon için yeni bir protokol.

Gerçek Zamanlı Kortikal Ağ Haritalaması için Nörogörüntüleme Kılavuzluğunda TMS-EEG

Bu makale, navigasyon ekipmanının mevcut olmadığı durumlarda tekrarlayan transkraniyal manyetik stimülasyon müdahaleleri veya tedavileri için işleve özgü hedeflerin nasıl lokalize edileceğini açıklamaktadır.

Navigasyon Ekipmanının Yokluğunda Transkraniyal Manyetik Stimülasyon için Fonksiyona Özgü Hedeflerin Lokalizasyonu

Burada, nTMS ile difüzyon tensör görüntüleme (DTI) tabanlı kortikospinal traktın (CST) rekonstrüksiyonu ile birleştirilen standart bir motor haritalama protokolünü tanımlıyoruz. Protokol, tekrarlanabilir, klinik olarak uygulanabilir ve rutin klinik iş akışlarına kolayca entegre edilebilir; motor yol değerlendirmesi, nöroplastisite araştırmaları ve rehabilitasyon planlaması için sağlam ve değerli bir çerçeve sağlar.

Navigasyonlu Transkraniyal Manyetik Uyarı Kullanarak Fonksiyonel Motor Haritalama için Standartlaştırılmış Bir Protokol

Bu protokol, tedaviye dirençli depresyon için robotik olarak sunulan fMRI rehberliğinde kişiselleştirilmiş transkraniyal manyetik stimülasyon tedavisinin iş akışını tanımlar. Bu protokolle klinik uygulama uygulanabilir ve açık etiket sonuçları bu yaklaşımın gerçek dünya etkinliğini destekler.

Tedaviye Dirençli Depresyon İçin Robotik Olarak Verilen FMRI Rehberli Kişiselleştirilmiş Transkraniyal Manyetik Stimül Tedavisi

Burada, distonik hamster modelinin akut serebellar beyin dilimlerinden in vivo olarak alınan yüksek yoğunluklu mikroelektrod dizisi kayıtları için bir protokolü açıklıyoruz . 11 gün boyunca sürekli pallidal derin beyin stimülasyonu.

Yüksek Yoğunluklu Mikroelektrot Dizileriyle Pallidal Derin Beyin Uyarısının Ağ Genelindeki Mekanizmalarının İncelenmesi

Onlar kendi ana mikroçevresinin geliştikçe birçok biyolojik ve klinik durumlarda hücresel süreçleri incelemek için avantajlıdır. Burada montaj ve hücre kültürü, hayvan çalışmaları ve klinik hasta çalışmaları, gerçek zamanlı görüntüleme sağlayacak bir düşük maliyetli, fiber-optik mikroskop kullanımını tanımlamak.

Yüksek çözünürlüklü Fiber-optik Mikroendoskopi In situ Hücresel Görüntüleme

Keşfedin, derin beyin stimülasyonu etkilerini hasta özel modellerle gerçek zamanlı simüle etme yöntemini. Bu yaklaşım, Parkinson gibi hareket bozukluklarında sinirsel aktiviteyi anlamayı geliştirir.

Etkileşimli, hastanın özel modelleri kullanarak derin beyin stimülasyonu tedavisi için nöronal Fiber yolları hedefleme

Daha fazla video keşfet