Dieses Projekt wurde durch die nationalen Institute der Gesundheit Stipendien UH3, NS095554 unterstützt. Technischer Support durch das Zentrum für Integrative Biomedical Computing am Scientific Computing and Imaging Institute zur Verfügung gestellt wurde und wurde teilweise durch Software, entwickelt von NIH P41-GM103545, Zentrum für Integrative Biomedical Computing möglich gemacht.
Dankbarkeit ist für die Unterstützung bei der Vorbereitung der Handschrift Lexie Boden und Nathan Galli am Scientific Computing und Imaging-Institut für Produktion und Bearbeitung des Antrags auf Zulassung video und auch Theresa Lins erweitert.

(1) Bildverarbeitung
<ol><li>T1-MRI-Segmentierung<ol>
<li>Downloaden Sie und installieren Sie FreeSurfer17. Es wird angenommen, dass ein T1-MRT erlangt hat und DICOM oder NIFTI Format.</li>
		<li>Geben Sie den folgenden Befehl zum Erstellen eines Patienten Verzeichnis und fügen Sie ihr T1-Volumen in FreeSurfer: Recon-All - s PatientName -i /Full/Path/To/nii
</li>
		<li>Art der folgenden FreeSurfers auszuführende Befehl automatische Segmentierung: Recon-All - s PatientName-alle
</li>
		<li>Verwenden Sie Mri_convert , "aseg.auto.mgz" aus FreeSurfers proprietäre .mgz-Format zu konvertieren.</li>
	</ol>
</li>
	<li>Diffusion Weighted Imaging (DWI)<ol>
<li>Downloaden Sie und installieren Sie Slicer18. Es wird angenommen, dass ein Erwerb DWI durchgeführt wurde und als ein Stapel von DICOM-Dateien zur Verfügung ist. Hinweis: Eine gute Kommandozeilen-Tool Ausführen dieser Rekonstruktion ist der FMRIB-Software-Bibliothek (FSL)19. FSL diente in diesem Protokoll durchzuführen Echo planar, Bewegung und Eddy aktuelle Entzerrung vor dem Umbau. In dieser Analyse verwendeten DWI-Daten ist eine Reihe von DICOM-Dateien für 41 verschiedene Diffusion sensibilisierenden gradient Richtungen.</li>
		<li>Mithilfe des DWIConverter -Moduls im Datenschnitt um 41 separate Übernahmen in einem einzigen Band zu rekonstruieren. Geben Sie das Input-Dicom-Daten-Verzeichnis wo der DWI-Daten gespeichert sind. Aktivieren Sie das Optionsfeld DicomToNrrd und geben Sie den Namen des DWI Ausgangslautstärke.</li>
		<li>Erstellen Sie eine Tensor-Maske mit der Diffusion Weighted Volumen Maskierung Modul Hintergrundgeräusche aus der DTI-Schätzung zu beseitigen. Verlassen Sie den Schwellenwert-Parameter den Standardwert von 0,5.</li>
		<li>Konvertieren Sie diese Einzelband DWI Diffusion Tensor (DTI) Volumen mit DWI DTI Schätzung mit der Maske, die im vorherigen Schritt als die Diffusion Tensor Maskeerstellt. Legen Sie die Parameter der Schätzung zu kleinsten Quadrate und sicherstellen Sie, dass die Negative Eigenwerte Shift -Option aktiviert ist.</li>
		<li>Speichern Sie das neu erstellte Volume DTI im NRRD Format.</li>
	</ol>
</li>
</ol>(2) finite-Elemente-Modell-Generation
<ol><li>SCIRun<ol>
<li>Downloaden Sie und installieren Sie Version 5 (http://www.sci.utah.edu/software/scirun.html) SCIRun. SCIRun ist ein Problemlösungs-Umgebung für Modellierung, Simulation und Visualisierung wissenschaftlicher Probleme. Dies ist die rechnerische Werkbank verwendet erstellen, lösen und Interaktion mit dem Modell in diesem Projekt entwickelt. Hinweis: SCIRun Netzwerke entstehen durch die Verbindung von Sequenzen aus einzelnen Modulen, die bestimmte Aufgaben zu erfüllen. Weitergabe von Daten über ein Netzwerk aus einfachen Module ermöglicht komplexere Verarbeitung und Simulation.</li>
	</ol>
</li>
	<li>Aufbau der Elektroden-Geometrie Hinweis: Die Elektrode modelliert in diesem Projekt ist ein Medtronic 3387 DBS Blei20. Es ist eine zylindrische Führung mit vier Kontakte 1,5 mm in der Höhe, 1,27 mm im Durchmesser und Abstand 1,5 mm auseinander. Nicht-leitendes Material trennt die vier Kontakte.<ol>
<li>Erstellen Sie eine geschlossene Flächennetz für jede Komponente in die DBS-Führung die aufgeführten Abmessungen passend. Erstellen Sie die gesamte Führung durch zwei primitive Geometrien, Zylinder und Kugeln. Hinweis: Die Lead-Geometrie kann in einer Vielzahl von 3D Modellierung Programme erstellt werden.</li>
		<li>Erstellen Sie eine Flächennetz einer Kapselung Schicht 0,5 mm dick, rund um die gesamte Führung.</li>
	</ol>
</li>
	<li>Das ganze Gehirn Netz erstellen<ol>
<li>Laden Sie die Gehirn-Oberfläche erstellt in Teil 1 zu dienen als die äußere Begrenzung der FEM.</li>
		<li>Erstellen Sie zwei konzentrische Box Flächen rund um die DBS-Führung, die Netzdichte um die Elektrode zu kontrollieren. Hinweis: Der DBS führen und box Oberfläche sollte mit der unteren Spitze des Schachtes Elektrode befindet sich am Ursprung der positiven z-Achse ausgerichtet werden. Dies ist wichtig für spätere Rotation und Translation der Elektrode.</li>
		<li>Erstellen Sie eine Punktwolke mit einem einzigen Punkt befindet sich in jeweils eigenständige Region des Netzes. Die Regionen des Netzes sind: der Wellenabschnitte, die vier Kontakte, Feld und der Oberfläche des Gehirns. Diese Punkte verbundenen Werte repräsentieren die maximale Lautstärke Einschränkungen für jedes Tetraeder Element im Netz für diese Region. Diese Einschränkungen werden angepasst, um die Netzdichte in und um die Elektrode zu kontrollieren.</li>
		<li>Verwenden Sie das Modul "InterfaceWithTetGen" um das ganze Gehirn-Netz zu erstellen. Legen Sie die Eingänge wie folgt: Anschluss 1: Gehirn Oberfläche (ab 1.1) Anschluss 2: regionale Attribut Punktwolke, Volumen Zwängen (2.3.3) Anschluss 3: keine Anschluss 4: Modell Elektrodenflächen (ab 2.2)</li>
	</ol>
</li>
	<li>Platzierung der interaktiven Elektrode Hinweis: Das Ziel dieses Schrittes ist es, einfache Bewegung der Elektrode überall innerhalb des Gehirns zu aktivieren und das System automatisch aktualisiert, mit einem neuen Netz und Simulation.<ol>
<li>Verwenden Sie zwei überlappende CreateGeometricTransform Module, um die Elektrode in der X- und Y-Ebene drehen. Klicken Sie auf drehen und erstes Modul 1,00 auf Achse Y und die zweite auf 1,00 auf Achse X. Der Drehwinkel wird mit dem unteren Schieber, Drehen Theta (Grad)festgelegt.</li>
		<li>Schließen Sie ein TransformMeshWithTransform -Modul für jede Transformation und Objekt, der umgewandelt werden soll.</li>
		<li>Erstellen Sie ein GenerateSinglePointProbeFromField -Modul und das Modul ViewScene seine Geometrie-Port an. Bewegen der Kugel im Fenster " ViewScene " durch die UMSCHALTTASTE gedrückt halten und mit der linken Maustaste. Die Punkt-Sensormodule aktualisiert die Kugel Speicherort beim Loslassen. Hinweis: Diesen Standort wird verwendet, um festzustellen, die Übersetzung Transformation auf die Elektrode Geometrie angewendet.</li>
		<li>Verwenden Sie ein TransformMeshWithTransform -Modul, um jeden Teil des Elektroden-Geometrie mit der Position des Punkts Sonde übersetzen.</li>
		<li>Die zwei Drehung Transformationen und die Übersetzung aus dem Punkt Sonde Widget auf jedes Objekt außer der Gehirn-Oberfläche auftragen. Hinweis: Alle drei dieser Veränderungen sollte auf jedem Objekt durchgeführt werden, bevor es in das InterfaceWithTetGen -Modul geleitet wird, so dass die Netzerstellung Algorithmus kennt, um die Elektroden-Geometrie im Inneren des Gehirns an die neue Position und Ausrichtung zu vernetzen. Jedes Mal, wenn die Elektrode im Gehirn verschoben wird, wird ein neues Netz gebaut werden.</li>
	</ol>
</li>
</ol>(3) bioelektrischen Feldberechnung
<ol><li>Einstellparameter Leitfähigkeit<ol>
<li>Ladevolumen in Schritt 1 erstellte DTI und legen Sie die Daten auf die Tetraedergitter Ausgabe von InterfaceWithTetGen in Schritt2 mit MapFieldDataFromSourceToDestination mit der linear('weighted')-Option erstellt. Hinweis: In diesem Schritt sind keine anisotrope Leitfähigkeit Schätzung realisierbar.</li>
		<li>Legen Sie die Welle Region Leitfähigkeit auf 1E-6 und Kontaktbereich, 1e6 mit CalculateFieldData. Sobald alle Leitfähigkeitswerte festgelegt sind, Leitung Bereich in BuildFEMatrix.</li>
	</ol>
</li>
	<li>Strom/Spannung Quellen und Randbedingungen einstellen<ol>
<li>Rohr der Gehirn-Oberfläche in die Netzerstellung aus Schritt2 in SetFieldDataToConstantValue und legen Sie den Wert auf 0. Dadurch entsteht eine Spannung Senke auf der Oberfläche des gesamten Gehirns. Verwenden Sie dann InsertVoltageSource , um die Spannungswerte auf die Tetraedergitter Ausgabe von InterfaceWithTetGenzu platzieren.</li>
		<li>Erstellen Sie für monopolare Stimulation einen einzelnen Punkt in der Mitte einer der Kontakt Standorte durch die Berechnung des FieldCenter-Wert aus dem ReportFieldInfo -Modul auf einem der Kontaktflächen. Setzen Sie die Felddaten in diesem Punkt-1 Volt. Dann verwenden Sie InsertVoltageSource um die Punktschallquelle in der Tetraedergitter platzieren. Hinweis: Es gibt jetzt zwei Kopien der Tetraedergitter. Eins mit Spannungswerte auf der Oberfläche des Gehirns und eins mit einer Punktquelle innerhalb eines Kontakts festlegen.</li>
		<li>Begleiten Sie die Leistung der beiden InsertVoltageSource Module und die Ausgabe in ApplyFEMVoltageSource zusammen mit der Ausgabe von BuildFEMatrix.</li>
	</ol>
</li>
	<li>Problemlösung nach vorne Hinweis: Die Ausgabe des ApplyFEMVoltageSource gibt die Steifigkeitsmatrix an Port 1 und der rechten Seite Matrix an Port 2. Dies sind die zwei Komponenten erforderlich, um das System von Gleichungen zu lösen.<ol>
<li>Die beiden Ausgänge des ApplyFEMVoltageSource in SolveLinearSystemRohr. Wählen Sie das konjugieren Gradient Methode und Jacobi als die Vorkonditionierer lösen. Die Ausgabe dieses Moduls ist die Lösungsmatrix Spannungswert an jedem Knoten in der Tetraedergitter.</li>
		<li>Verwenden Sie SetFieldData , um die Spannung Lösungsmatrix auf Tetraedergitter für eine 3D Darstellung der Spannungsverteilung zu platzieren.</li>
	</ol>
</li>
	<li>Isofläche Visualisierung<ol>
<li>Rohr-das Ergebnis der SetFieldData in ExtractSimpleIsosurface. Öffnen Sie die Benutzeroberfläche auf die Registerkarte " Menge " und die Anzahl der Isowerten gleichmäßig verteilt auf 10 festgelegt.</li>
		<li>Verwenden Sie ein ShowField Modul und schließen Sie es an das ViewScene Modul der Isoflächen als transparent mit einem Regenbogen-Farbkarte skaliert auf die Min. und Max. Spannung-Lösung anzeigen.</li>
	</ol>
</li>
</ol>

<ol>
	<li>Benabid, A. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chronic+electrical+stimulation+of+the+ventralis+intermedius+nucleus+of+the+thalamus+as+a+treatment+of+movement+disorders.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effect+of+parkinsonian+signs+and+symptoms+of+bilateral+subthalamic+nucleus+stimulation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Behavioural+improvements+with+thalamic+stimulation+after+severe+traumatic+brain+injury.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stereotactic+treatment+of+Gilles+de+la+Tourette+syndrome+by+high+frequency+stimulation+of+thalamus.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Deep+brain+stimulation+for+treatment-resistant+depression.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stimulation+of+the+subthalamic+nucleus+changes+the+firing+pattern+of+pallidal+neurons.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Relationship+between+Neuropsychological+Outcome+and+DBS+Surgical+Trajectory+and+Electrode+Location.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Deep+brain+stimulation+for+Parkinson's+disease:+surgical+technique+and+perioperative+management.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Basic+algorithms+for+the+programming+of+deep+brain+stimulation+in+Parkinson's+disease.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Directional+steering:+A+novel+approach+to+deep+brain+stimulation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Directional+deep+brain+stimulation:+An+intraoperative+double-blind+pilot+study.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fabrication+and+initial+testing+of+the+&#181;DBS:+a+novel+deep+brain+stimulation+electrode+with+thousands+of+individually+controllable+contacts.">Fabrication and initial testing of the &#181;DBS: 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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Probabilistic+Analysis+of+Activation+Volumes+Generated+During+Deep+Brain+Stimulation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MR+diffusion+tensor+spectroscopy+and+imaging.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Influence+of+anisotropic+electrical+conductivity+in+white+matter+tissue+on+the+EEG/MEG+forward+and+inverse+solution.+A+high-resolution+whole+head+simulation+study.">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="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=FreeSurfer.">FreeSurfer.</a> Neuroimage. 62 (2), 774-781 (2012).</li><li>Fedorov, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+Slicer+as+an+Image+Computing+Platform+for+the+Quantitative+Imaging+Network.">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="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=FSL.">FSL.</a> Neuroimage. 62 (2), 782-790 (2012).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Medtronic DBS 3387/3389 Lead Kit Manual. , (2018).</li><li>Baker, J. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Robust+modulation+of+arousal+regulation,+performance+and+frontostriatal+activity+through+central+thalamic+deep+brain+stimulation+in+healthy+non-human+primates.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Treatment+of+major+depression+with+transcranial+direct+current+stimulation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chronic+anterior+thalamus+stimulation+for+intractable+epilepsy.">Chronic anterior thalamus stimulation for intractable epilepsy.</a> Epilepsia. 43 (6), 603-608 (2002).</li><li>Rosenow, F., L&#252;ders, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Presurgical+evaluation+of+epilepsy.">Presurgical evaluation of epilepsy.</a> Brain. 124 (9), 1683-1700 (2001).</li></ol>

Christopher R. Butson, Ph.D. diente als Berater für NeuroPace, Advanced Bionics, Boston Scientific, Intelect Medizin, St. Jude Medical und funktionale Neuromodulation.

Dieses Protokoll hat Techniken, um die Zeit zu entlasten und rechnerische Kosten des Aufbaus Patienten spezifische Modelle für DBS bis zu einem Grad, der in der Nähe von Echtzeit-Feedback der Simulationsergebnisse erlaubt. Schnelles Feedback ermöglicht die Erforschung der großen Parameterraum, besser zu verstehen, wie Parameteränderungen die Modellergebnisse beeinflussen. Diese Parameter umfassen Blei Lage, Wahl der aktiven Kontakte und die Amplitude, Impulsbreite und Frequenz der Stimulation Wellenform an diese Kontakte. Die wichtigsten Merkmale des vorgeschlagenen Tools sind: 1) eine einfache Benutzeroberfläche anpassen die Modellparameter mit in der Nähe von Echtzeit-Visualisierung wie diese Parameter der Simulation, und (2) Automatisierung der Modellerstellung von einer kleinen Reihe von Eingaben beeinflussen: die Gehirn-Oberfläche Gehirn Gewebe Leitfähigkeit Tensoren und einer Oberfläche Darstellung der Elektroden-Geometrie. Diese Automatisierung beschleunigt die Erstellung von patientenspezifischen Modellen für viele Personen, die verschiedenen Geometrien und Gewebe Leitfähigkeiten sowie Evaluierung der Auswirkungen der bestehenden Modelle unterschiedlichen Elektrode Entwürfe einfügen. In diesem Protokoll beschriebenen Bild Vorverarbeitung Schritte waren nicht vollständig automatisiert und können bis zu einem Tag Bearbeitungszeit dauern. Sobald die Daten aus diesen Schritten abgeschlossen gelten jedoch statisch, d. h., dass diese Daten nicht während der Simulation geändert werden. Die Automatisierung der Modellerstellung entsteht aus der Fähigkeit des Systems, die Patienten-spezifischen FEM ohne manuellen Aufwand diese Daten zuweisen. Das SCIRun-Netzwerk alle Modellgeneration, Simulation, Visualisierung Schritte ausführen muss nur einmal gebaut werden. Daher müssen nur die Bild Vorverarbeitung Schritte erneut durchgeführt werden, um ein Patienten-spezifischen Modell für Patienten zu erzeugen.
Der Performance-Gewinn in der Generierung von Ergebnissen aus der Modellierung-Pipeline ist durch die Integration der Gittergenerierung, bioelektrische Feldberechnungen und Visualisierung der Lösung in einer einzigen Softwareumgebung. Bestehenden Modellierungstechniken wie adaptive Mesh Generation wurden verwendet, um höhere erstellen ineinander greifen, um die Elektrode und niedriger Dichte weiter von der Elektrode, die reduziert die Zeit, zu bauen und zu lösen die FEM. Die Software, SCIRun, ermöglicht auch die Automatisierung der Gittergenerierung und bioelektrischen Feldberechnungen. Benutzerdefinierte Bewegung der Elektrode mit den interaktiven Widgets löst den Bau eines neuen Netzes mit der aktualisierten elektrodenposition. Dazu gehören der Randbedingungen und Leitfähigkeitswerte für die neue elektrodenposition zu verändern.
Die Elektroden-Geometrie wird als ein frei bewegliches Objekt innerhalb der Hirnvolumen behandelt, bevor seine Position in der FEM integriert ist Eine wichtige Implikation dieses Ansatzes für Netz-Konstruktion ist, dass mehrere Elektroden leicht in das Modell eingefügt werden können. Zum Beispiel, eine zweite Kopie der Elektroden-Geometrie kann mehrere Millimeter entfernt platziert werden und beide werden in der FEM enthalten sein In einer aktuellen Studie haben zwei Elektroden implantiert wurde, in unmittelbarer Nähe zur Behandlung multipler Sklerose Zittern13 und in nicht-menschlichen Primaten Experimente verwendet wurden, um effektive Stimulation Ziele21zu erkunden. Der Vorteil der Verwendung mehrerer Elektroden soll bessere Kontrolle über das elektrische Feld erzeugt im Gewebe über eine größere Fläche zu bieten. Stimulierung mit aktiven Kontakte an den beiden Elektroden kann aktuelle lenken, in Richtung der Zielregion und Weg von Regionen, die zu negativen Nebenwirkungen führen würde. Feinere Kontrolle der Stimulation über eine größere Fläche eignet sich auch verschiedenen Orte zu erforschen, die genaue Lage des beabsichtigten Ziels ist nicht bekannt, wie der Fall mit vielen aufstrebenden Therapieanwendungen des DBS ist. Bestimmung der Parameter, therapeutische Stimulation zu erreichen ist jedoch schwieriger als eine einzelne Elektrode aufgrund der Zunahme einer bereits große Parameterraum.
Wir uns vorstellen, dass diese interaktive Modellierungs-Tool nutzen bei der präoperativen Planung für DBS Implantation bieten könnte. Feedback über das Ausmaß der Stimulation im Hirngewebe können Chirurgen die Elektrode Position in ihren chirurgischen Plan zur therapeutischen Stimulation auf die Zielregion bieten zu ändern. DBS-Therapie der primären motivierender Faktor für die Entwicklung dieses Werkzeug war, können in diesem Beitrag vorgestellten Verfahren auf irgendwelchen FEM bioelektrische Feld mit verschiedenen Stimulation oder Aufnahme Paradigmen angewendet werden. Stimulation Therapien wie transkranielle Gleichstrom Stimulation für Depressionen22 oder die Verwendung von Tiefe Elektroden zur Behandlung von Epilepsie23 Teilen denselben Herausforderungen wie die DBS bei der Bestimmung des besten Lage der Stimulation zu erreichen therapeutische Ergebnisse. Electrocorticography, eine Aufnahmetechnik mit Arrays von Elektroden auf der Oberfläche des Gehirns, Beschlagnahme Beginn Regionen zu identifizieren hat die Herausforderung bestimmen, wo platzieren Sie die Elektroden Aufnahme von Zielregionen in der Gehirn-24. Alle diese Anwendungen sind elektrodenposition beim Umgang mit der Unsicherheit der wie Strom durch das Gehirngewebe fließt abhängig. In diesem Whitepaper vorgestellten Techniken reduzieren die Belastung der Erzeugung und Verwendung Rechenmodelle und bietet sinnvolle Feedback für Forscher und Kliniker, die mit diesen Geräten, die keine Modellierung Experten.

Tiefe Hirnstimulation (DBS) ist eine etablierte Therapie für Bewegungsstörungen wie essentiellem Tremor1 und der Parkinson-Krankheit2. Diese Therapie wird auch als mögliche Behandlung für eine wachsende Zahl von Erkrankungen einschließlich Schädel-Hirn-Verletzung-3, Tourette-Syndrom4und Depression5untersucht. DBS Systeme erfordern chirurgische Implantation einer Elektrode Blei Stimulation in einem lokalisierten Hirnregion zu modulieren, laufende neuronale Aktivität6liefern. Die Lage der Elektroden und die Stimulationsparameter wirken sich auf die Modulation der neuronalen Schaltkreise, die therapeutischen Nutzen zu bieten. Kleine Abweichungen in Lage beeinflussen das therapeutische Fenster, möglicherweise erhöht die Wahrscheinlichkeit von unerwünschten Nebenwirkungen, vor therapeutischer nutzen erreicht7,8,9. In der Praxis ist es oft schwierig, vorauszusagen, dass die Effekte-Stimulation auf die neuronale Aktivität haben wird; Daher wird dieses Fenster des therapeutischen Nutzens auf Basis von Patienten identifiziert, wie die stimulationsvorrichtung durch die Kliniker8,9programmiert ist. Dieser Prozess wird immer komplexer, sobald neue Generationen von DBS Geräte verfügbar sind. Zum Beispiel neuartige Blei Designs mit mehr Kontakte10,11,12eingeführt, und in einigen Fällen sind mehrere Leads in unmittelbarer Nähe zu einander13implantiert wird. Deshalb müssen sich in der Lage zu erkunden und die Auswirkungen des DBS über eine große und wachsende Parameterraum.
Computergestützten Modellierung und Analyse können verwendet werden, um die physiologischen und klinischen Auswirkungen der DBS auf patientenspezifischer Basis vorherzusagen. Diese Modelle verwenden Finite-Elemente-Modellierung (FEM), um drei dimensionale Darstellungen des Hirngewebes und die biophysikalischen Eigenschaften der implantierten Elektrode zu bauen. FEM bioelektrische Feld Modelle haben erfolgreich eingesetzt, um die Auswirkungen der DBS14vorherzusagen, aber bis jetzt wurden diese zeitaufwändige und rechnerisch kostspielig zu generieren. Besteht ein Bedarf für neue Modellierungstechniken, Schritt zu halten mit der zunehmenden Komplexität der DBS-Geräte. Diese Patienten-spezifischen Modelle sollen in der Nähe von visuellem Feedback in Echtzeit über die Auswirkungen der DBS als Lead-Standort oder Stimulationsparameter geändert werden. Der Benutzer würde erhalten Sie Feedback über eine Lead-Standort und Stimulation Einstellung in ein paar Sekunden, so dass weiterhin Verfeinerung der Blei-Platzierung im Laufe von mehreren Minuten. Patienten-Spezifität wird durch Einbeziehung der Anatomie des Patienten, deren Gehirn Form und Größe, beim Bau der FEM und Anwenden der biophysikalischen Eigenschaften ihres Gehirns, wie anisotrope Gewebe Leitfähigkeit erreicht. Anisotrope Leitfähigkeit beschreibt, wie Strom wird durch verschiedene Gehirnregionen verteilt und nicht-invasiv gemessen werden, für das gesamte Gehirn ähnlich wie ein Bild der typischen Magnetresonanz (MRI).
DBS Modellierung Ansätze, die nicht mit Patienten-spezifischen Informationen können schnelle, aber weniger genaue Vorhersagen der Stimulation Effekte durch generalisierte Geometrien und Leitfähigkeitswerte für Hirngewebe bereitstellen. Bei diesem Ansatz einer einzigen FEM dient für alle Patienten und der vorhergesagte neuronale Aktivität im Voraus berechnet werden kann. Patienten-spezifische Modelle nicht verallgemeinert und vorab berechnet, da eine neue FEM für jeden einzelnen gebaut ist. Diese Modelle erfordern mehr Aufwand zu bauen aber genauer. Mehrere Faktoren begrenzen die Geschwindigkeit, an dem diese Modelle gebaut und verwendet werden können: 1) Parameter zu Beginn des Gebäudes modellpipeline, wie z. B. elektrodenposition, erfordert manuellen Aufwand zur Aktualisierung aller nachfolgenden Schritte; und 2) die Schritte in der Modellierung-Pipeline sind nicht problemlos miteinander erfordert die Übergabe von Daten zwischen mehreren Softwarepaketen. Oft wollen wir viele verschiedene Situationen wie elektrodenposition, Stimulationsparameter oder Elektrode Designs bewerten. Um aussagekräftige Rückmeldung über die Wirkung zu bieten, die diese Änderungen auf die therapeutische Wirkung haben, die der Patient erhalten, sollten diese Ergebnisse korrekt und erzeugt schnell sein.
Unser Ziel ist es, neue Techniken für Gebäude patientenspezifische Modelle, die die Geschwindigkeit nutzen in generalisierten Modellen erhältlich und automatisieren viele der Pipeline Schritte interaktive Modellierungsumgebung zu schaffen, die in der Nähe von Echtzeit-Visual bietet zu präsentieren Feedback über die Auswirkungen des DBS. Eine interaktive Simulation ermöglicht einem Benutzer, Vorhersagen zu testen und schnell Ergebnisse zu erzielen, ohne auf Einzelheiten der Modellbau. Dies ist vorteilhaft, wenn es eine große Parameterraum zu erkunden und wie diese Parameter beeinflussen die Simulation sind unsicher. Beschreiben wir die Schritte in der Verarbeitungspipeline, interaktive, patientenspezifische FEM-Modelle von Magnetresonanz-Bildgebung (MRI) Übernahmen zu generieren. Nutzung der Tools und Techniken, die in diesem Dokument beschriebenen reduzieren die Kosten für die Erstellung von FEM bioelektrische Feld Modelle und bieten die Möglichkeit, diese Modelle für Forscher und Kliniker, die nicht Experten modellieren zugänglich zu machen.
Dieses Protokoll beschreibt, wie eine patientenspezifische finite-Elemente-Modell von erworbenen MRI Bände zu bauen, und dann simulieren das elektrische Feld induziert durch eine DBS-Elektrode. Die wichtigsten Schritte bei der Erstellung dieser Modelle sollen: (1) ein finite-Elemente-Modell (FEM) repräsentieren das Gehirn des Patienten und der implantierten Elektrode bauen, 2) FEM biophysikalischen Eigenschaften und Hirnstimulation Parameter des Geräts DBS hinzu, und (3) lösen die Spannung, die durch die Elektrode in das Modell generiert. Zwei bildgebende Verfahren sind erforderlich, um einen Patienten spezifische Modell für DBS Simulation zu erstellen. Ein T1-MRT wird verwendet, um Segmentierungen des Gehirns Oberfläche, Ventrikel und spezifischen Kernen zu konstruieren. Diffusion weighted Imaging (DWI), ein gewisses Maß an Wasser diffusivität dient zur Verbreitung Tensoren im gesamten Gehirn Gewebe15zu schätzen. Die Diffusion Tensoren sind Leitfähigkeit Tensoren die inhomogenen, anisotropen biophysikalischen Eigenschaften des Gewebes auf einem Voxel quantifizieren durch Voxel Basis16umgewandelt. Die Spannungsverteilung im gesamten Gehirn induziert durch die Elektrode wird durch das Lösen der Poisson-Gleichung, die durch die Anwendung der FEM zu einem linearen System von Gleichungen vereinfacht berechnet Ax = b wo A ist eine Steifigkeitsmatrix, stellt die Leitfähigkeit und Geometrie des Netzes, x ist die Lösung der Spannung an jedem Knoten im Netz, und b wird geändert, je nach Randbedingungen und Stromquellen.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr >
			<td >FreeSurfer</td>
			<td >Athinoula A. Martinos Center for Biomedical Imaging</td>
			<td ></td>
			<td ><a href="https://surfer.nmr.mgh.harvard.edu/">https://surfer.nmr.mgh.harvard.edu/</a></td>
		</tr>
		<tr >
			<td >3D Slicer</td>
			<td >BWH, Harvard University</td>
			<td ></td>
			<td><a href="https://www.slicer.org/">https://www.slicer.org/</a></td>
		</tr>
		<tr >
			<td >SCIRun&#160;</td>
			<td >University of Utah Center for Integrative Biomedical Computing</td>
			<td ></td>
			<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>

targeting neuronal fiber tracts for deep brain stimulation therapy using interactive, patient-specific models

Tiefe Hirnstimulation (DBS), die Einfügung einer Elektrode Stimulation zu einer lokalisierten Hirnregion liefern miteinbezieht, ist eine etablierte Therapie für Bewegungsstörungen und auf eine wachsende Zahl von Erkrankungen angewendet wird. Computergestützten Modellierung wird erfolgreich eingesetzt, die klinischen Wirkungen von DBS vorherzusagen; Allerdings gibt es eine Notwendigkeit für neuartige Techniken mit der wachsenden Komplexität der DBS-Geräten mithalten. Außerdem müssen diese Modelle schnell und präzise Vorhersagen zu generieren. Das Ziel dieses Projektes ist, eine Bild-Verarbeitungs-Pipeline um strukturelle Magnetresonanztomographie (MRT) und Diffusion weighted Imaging (DWI) in eine interaktive, geduldige modellspezifisch simulieren die Auswirkungen von DBS zu integrieren zu entwickeln. Eine virtuelle Führung DBS platziert werden kann, innerhalb der Patienten Modell, zusammen mit aktiven Kontakte und Stimulation Einstellungen, wo Änderungen in führende Position oder Ausrichtung eine neue finite-Elemente-Netz und Lösung des Problems bioelektrische Feld in erzeugen nahezu Echtzeit, ein Zeitspanne von ca. 10 Sekunden. Dieses System ermöglicht auch die Simulation von mehrere Leads in der Nähe um aktuelle Lenkung durch unterschiedliche Anoden und Kathoden auf verschiedenen führt zu ermöglichen. In diesem Whitepaper vorgestellten Techniken reduzieren die Belastung der Erzeugung und Verwendung Rechenmodelle und bietet aussagekräftige Rückmeldung über die Auswirkungen der elektrodenposition Elektrodenkonstruktion und Stimulation Konfigurationen für Forscher und Kliniker Wer möglicherweise nicht Modellierung Experten.

Am Ende dieses Protokolls werden alle notwendigen Eingänge zum Erstellen eines Patienten-spezifischen Modells zur Verfügung gestellt: die Oberfläche des Gehirns, Elektroden-Geometrie und Leitfähigkeit Tensoren. Ein SCIRun-Netzwerk sollte auch erstellt worden sein, der integriert alle Eingänge ein finite-Elemente-Modell zu bauen und die induzierte bioelektrische Feld zu simulieren. Das Simulationsmodell ermöglicht eine Bewegung der Elektrode im Gehirn und Änderung von Parametern wie aktive Kontakte oder Stimulation Amplitude.
Abbildung 1 zeigt die Fähigkeit zu simulieren und Faser Aktivierung Vorhersagen über mehrere Elektrodenpositionen zu vergleichen. Generation von Faser Traktate aus der Diffusionsbildgebung zeigte sich nicht in diesem Protokoll, aber diese Analyse kann mit jeder deterministische traktographie Methode durchgeführt werden. Position 2 prognostiziert eine robustere Aktivierung der Ziel-Faserbündel bei geringer Stimulation Amplituden über alle Kontakte im Vergleich zu Position 1. Diese Analyse wird während der Planungsphase der DBS Chirurgie verwendet, um die Elektrode Flugbahn zu bestimmen, die effektiv den Ziel Faser Weg fördern.
Ein neues Merkmal dieses Systems ist die Möglichkeit, schnell die Elektroden-Geometrie im Modell wechseln und die Fähigkeit, mehrere Leads in unmittelbarer Nähe zueinander zu simulieren. Beide Ansätze sind verwendet, um größere Kontrolle über die Form und die Lenkung des elektrischen Feldes um die Elektrode zu bieten. Abbildung 2 zeigt den Vergleich der Faser Aktivierung Vorhersagen zwischen einem axialsymmetrisch und eine gerichtete DBS führen während der Untersuchung führen Standorte, zentrale thalamische Faser Wege und die Vermeidung von nahe gelegenen Gebieten wie z. B. die sensorischen Kerne zu stimulieren . Für den gleichen Elektrode Bahn sehen wir, dass die gerichtete Führung Faser-Aktivierung auf die Zielregion zu lenken, während der Erregung von unerwünschten Fasern zu vermeiden kann. Diese Analyse kann verwendet werden, um festzustellen, wann wäre es notwendig, das Gerät zu ändern, die, das der Patient erhalten würde für DBS Therapie zur Stimulation des nahe gelegenen Regionen zu vermeiden, die zu unerwünschten Nebenwirkungen führen würde. Dieser Ansatz eignet sich für die Ausrichtung der subthalamic Nucleus zur Behandlung der Symptome der Parkinson-Krankheit, unter Vermeidung der nahe gelegenen Capsula.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/57292/57292fig1.jpg"> Abbildung 1 : Vergleich der elektrodenposition und Prognosen der Ziel-Faser-Aktivierung. Vorhersage der gesamtfaser Bündel Aktivierung für Stimulation Amplituden (-0,5 V, -5,0 V) und alle vier Kontakte für zwei verschiedene Elektrodenpositionen. <a href="https://www.jove.com/files/ftp_upload/57292/57292fig1large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/57292/57292fig2.jpg"> Abbildung 2 : Vergleich der zentralen thalamische Faser Bundle Aktivierung Vorhersagen mit axialsymmetrisch und Spurtreu DBS führt. (A) Visualisierung von beiden die Medtronic 3387 zylindrische DBS Sapiens gerichtete DBS führen und mit Aktivierung Funktion Berechnungen auf das Ziel zentrale thalamische Faserbündel für eine einzelne monopolare Stimulation Amplitude. (B) (i) ein quer-Schnitt durch die DBS Blei und Faser-Bündel. (Ii) eine zweidimensionale Projektion der Querschnittsfläche mit der Identifizierung des DBS führen, Ziel, Fasern und Fasern zu vermeiden. (C) erhöht sich die Ausbreitung der Aktivierung über Ziel Fasern und Fasern der Vermeidung als Anregung Amplitude für axialsymmetrisch und Spurtreu führen DBS. Aktivierte Fasern für eine gegebene Anregung Amplitude werden in rot angezeigt, während Fasern nicht aktiviert in blau angezeigt werden. (D) eine Zusammenstellung von allen Simulationen in Feld C, zeigt die prognostizierte Stimulation Schwelle Amplitude in allen Regionen die Faserbündel gezeigt. <a href="https://www.jove.com/files/ftp_upload/57292/57292fig2large.jpg">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>

Watch this Scientific Journal Video about Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models at JoVE.com

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

Das Ziel dieses Projektes ist es, eine interaktive, Patienten-spezifischen Modellierung Pipeline um die Effekte der tiefen Hirnstimulation in nahezu in Echtzeit zu simulieren und aussagekräftige Rückmeldung, wie diese Geräte neuronalen Aktivität im Gehirn beeinflussen zu entwickeln.

Targeting neuronalen Faser Traktate für Deep Brain Stimulationstherapie mit interaktiven, patientenspezifische Modelle

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

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

Research

JoVE Journal

Bioengineering

8.8K Aufrufe.  University of Utah. Das Ziel dieses Projektes ist es, eine interaktive, Patienten-spezifischen Modellierung Pipeline um die Effekte der tiefen Hirnstimulation in nahezu in Echtzeit zu simulieren und aussagekräftige Rückmeldung, wie diese Geräte neuronalen Aktivität im Gehirn beeinflussen zu entwickeln.

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

High-resolution Fiber-optic Microendoscopy for in situ Cellular Imaging

Many biological and clinical studies require the longitudinal study and analysis of morphology and function with cellular level resolution. Traditionally, multiple experiments are run in parallel, with individual samples removed from the study at sequential time points for evaluation by light microscopy. Several intravital techniques have been developed, with confocal, multiphoton, and second harmonic microscopy all demonstrating their ability to be used for imaging in situ 1. With these systems, however, the required infrastructure is complex and expensive, involving scanning laser systems and complex light sources. Here we present a protocol for the design and assembly of a high-resolution microendoscope which can be built in a day using off-the-shelf components for under US$5,000. The platform offers flexibility in terms of image resolution, field-of-view, and operating wavelength, and we describe how these parameters can be easily modified to meet the specific needs of the end user.
We and others have explored the use of the high-resolution microendoscope (HRME) in in vitro cell culture 2-5, in excised 6 and living animal tissues 2,5, and in human tissues in vivo 2,7. Users have reported the use of several different fluorescent contrast agents, including proflavine 2-4, benzoporphyrin-derivative monoacid ring A (BPD-MA) 5, and fluoroscein 6,7, all of which have received full, or investigational approval from the FDA for use in human subjects. High-resolution microendoscopy, in the form described here, may appeal to a wide range of researchers working in the basic and clinical sciences. The technique offers an effective and economical approach which complements traditional benchtop microscopy, by enabling the user to perform high-resolution, longitudinal imaging in situ.

High-resolution Fiber-optic Microendoscopy for in situ Cellular Imaging

In many biological and clinical situations it is advantageous to study cellular processes as they evolve in their native microenvironment. Here we describe the assembly and use of a low-cost fiber-optic microscope which can provide real time imaging in cell culture, animal studies, and clinical patient studies.

Hochauflösende LWL-Mikroendoskopiesysteme für In situ Cellular Imaging

Many biological and clinical studies require the longitudinal study and analysis of morphology and function with cellular level resolution.  ...

Forschung

Biotechnik

Impulsive Pressurization of Neuronal Cells for Traumatic Brain Injury Study

A novel impulsive cell pressurization experiment has been developed using a Kolsky bar device to investigate blast-induced traumatic brain injury (TBI). We demonstrate in this video article how blast TBI-relevant impulsive pressurization is applied to the neuronal cells in vitro. This is achieved by using well-controlled pressure pulse created by a specialized Kolsky bar device, with complete pressure history within the cell pressurization chamber recorded. Pressurized neuronal cells are inspected immediately after pressurization, or further incubated to examine the long-term effects of impulsive pressurization on neurite/axonal outgrowth, neuronal gene expression, apoptosis, etc. We observed that impulsive pressurization at about 2 MPa induces distinct neurite loss relative to unpressurized cells. Our technique provides a novel method to investigate the molecular/cellular mechanisms of blast TBI, via impulsive pressurization of brain cells at well-controlled pressure magnitude and duration.

A novel impulsive cell pressurization experiment has been developed using a Kolsky bar device to investigate the molecular/cellular mechanisms of blast-induced traumatic brain injury.

Impulsive Druckbeaufschlagung des neuronalen Zellen zur Traumatic Brain Injury Study

A novel impulsive cell pressurization experiment has been developed using a Kolsky bar device to investigate blast-induced traumatic brain injury (TBI). ...

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Patient-specific simulations of heart (dys)function aimed at personalizing cardiac therapy are hampered by the absence of in vivo imaging technology for clinically acquiring myocardial fiber orientations. The objective of this project was to develop a methodology to estimate cardiac fiber orientations from in vivo images of patient heart geometries. An accurate representation of ventricular geometry and fiber orientations was reconstructed, respectively, from high-resolution ex vivo structural magnetic resonance (MR) and diffusion tensor (DT) MR images of a normal human heart, referred to as the atlas. Ventricular geometry of a patient heart was extracted, via semiautomatic segmentation, from an in vivo computed tomography (CT) image. Using image transformation algorithms, the atlas ventricular geometry was deformed to match that of the patient. Finally, the deformation field was applied to the atlas fiber orientations to obtain an estimate of patient fiber orientations. The accuracy of the fiber estimates was assessed using six normal and three failing canine hearts. The mean absolute difference between inclination angles of acquired and estimated fiber orientations was 15.4 &deg;. Computational simulations of ventricular activation maps and pseudo-ECGs in sinus rhythm and ventricular tachycardia indicated that there are no significant differences between estimated and acquired fiber orientations at a clinically observable level.The new insights obtained from the project will pave the way for the development of patient-specific models of the heart that can aid physicians in personalized diagnosis and decisions regarding electrophysiological interventions.

A methodology to estimate ventricular fiber orientations from in vivo images of patient heart geometries for personalized modeling is described. Validation of the methodology performed using normal and failing canine hearts demonstrate that that there are no significant differences between estimated and acquired fiber orientations at a clinically observable level.

Patienten-spezifischer Modellierung des Herz: Schätzung der Ventrikuläre Faserorientierungen

Patient-specific  simulations of heart (dys)function aimed at personalizing cardiac therapy are hampered  by the absence of in vivo imaging technology for ...

Transplantation of Induced Pluripotent Stem Cell-derived Mesoangioblast-like Myogenic Progenitors in Mouse Models of Muscle Regeneration

Patient-derived iPSCs could be an invaluable source of cells for future autologous cell therapy protocols. iPSC-derived myogenic stem/progenitor cells similar to pericyte-derived mesoangioblasts (iPSC-derived mesoangioblast-like stem/progenitor cells: IDEMs) can be established from iPSCs generated from patients affected by different forms of muscular dystrophy. Patient-specific IDEMs can be genetically corrected with different strategies (e.g. lentiviral vectors, human artificial chromosomes) and enhanced in their myogenic differentiation potential upon overexpression of the myogenesis regulator MyoD. This myogenic potential is then assessed in vitro with specific differentiation assays and analyzed by immunofluorescence. The regenerative potential of IDEMs is further evaluated in vivo, upon intramuscular and intra-arterial transplantation in two representative mouse models displaying acute and chronic muscle regeneration. The contribution of IDEMs to the host skeletal muscle is then confirmed by different functional tests in transplanted mice. In particular, the amelioration of the motor capacity of the animals is studied with treadmill tests. Cell engraftment and differentiation are then assessed by a number of histological and immunofluorescence assays on transplanted muscles. Overall, this paper describes the assays and tools currently utilized to evaluate the differentiation capacity of IDEMs, focusing on the transplantation methods and subsequent outcome measures to analyze the efficacy of cell transplantation.

Induced pluripotent stem cell (iPSC)-derived myogenic progenitors are promising candidates for cell therapy strategies to treat muscular dystrophies. This protocol describes transplantation and functional measurements required to evaluate the engraftment and differentiation of iPSC-derived mesoangioblasts (a type of muscle progenitors) in mouse models of acute and chronic muscle regeneration.

Transplantation von induzierten pluripotenten Stammzellen-abgeleiteten mesoangioblast-ähnlichen myogenen Vorläufern in Mausmodellen der Muskelregeneration

Patient-derived iPSCs could be an invaluable source of cells for future autologous cell therapy protocols. iPSC-derived myogenic stem/progenitor cells ...

Production and Targeting of Monovalent Quantum Dots

The multivalent nature of commercial quantum dots (QDs) and the difficulties associated with producing monovalent dots have limited their applications in biology, where clustering and the spatial organization of biomolecules is often the object of study. We describe here a protocol to produce monovalent quantum dots (mQDs) that can be accomplished in most biological research laboratories via a simple mixing of CdSe/ZnS core/shell QDs with phosphorothioate DNA (ptDNA) of defined length. After a single ptDNA strand has wrapped the QD, additional strands are excluded from the surface. Production of mQDs in this manner can be accomplished at small and large scale, with commercial reagents, and in minimal steps. These mQDs can be specifically directed to biological targets by hybridization to a complementary single stranded targeting DNA. We demonstrate the use of these mQDs as imaging probes by labeling SNAP-tagged Notch receptors on live mammalian cells, targeted by mQDs bearing a benzylguanine moiety.

We provide detailed instructions for the preparation of monovalent targeted quantum dots (mQDs) from phosphorothioate DNA of defined length. DNA wrapping occurs in high yield, and therefore, products do not require purification. We demonstrate the use of the SNAP tag to target mQDs to cell-surface receptors for live-cell imaging applications.

Produktion und Targeting von Monovalenter Quantenpunkte

The multivalent nature of commercial quantum dots (QDs) and the difficulties associated with producing monovalent dots have limited their applications in ...

Solid Lipid Nanoparticles (SLNs) for Intracellular Targeting Applications

Nanoparticle-based delivery vehicles have shown great promise for intracellular targeting applications, providing a mechanism to specifically alter cellular signaling and gene expression. In a previous investigation, the synthesis of ultra-small solid lipid nanoparticles (SLNs) for topical drug delivery and biomarker detection applications was demonstrated. SLNs are a well-studied example of a nanoparticle delivery system that has emerged as a promising drug delivery vehicle. In this study, SLNs were loaded with a fluorescent dye and used as a model to investigate particle-cell interactions. The phase inversion temperature (PIT) method was used for the synthesis of ultra-small populations of biocompatible nanoparticles. A 3-(4,5-dimethylthiazol-2-yl)-2,5-diphenylphenyltetrazolium bromide (MTT) assay was utilized in order to establish appropriate dosing levels prior to the nanoparticle-cell interaction studies. Furthermore, primary human dermal fibroblasts and mouse dendritic cells were exposed to dye-loaded SLN over time and the interactions with respect to toxicity and particle uptake were characterized using fluorescence microscopy and flow cytometry. This study demonstrated that ultra-small SLNs, as a nanoparticle delivery system, are suitable for intracellular targeting of different cell types.

Solid Lipid Nanoparticles SLNs for Intracellular Targeting Applications

In this study, a method for synthesizing ultra-small populations of biocompatible nanoparticles was described, as well as several in vitro methods by which to assess their cellular interactions.

Feste Lipidnanopartikel (SLN) für die intrazelluläre Targeting-Anwendungen

Nanoparticle-based delivery vehicles have shown great promise for intracellular targeting applications, providing a mechanism to specifically alter ...

Transmission of Multiple Signals through an Optical Fiber Using Wavefront Shaping

The transmission of multiple independent optical signals through a multimode fiber is accomplished using wavefront shaping in order to compensate for the light distortion during the propagation within the fiber. Our methodology is based on digital optical phase conjugation employing only a single spatial light modulator, where the optical wavefront is individually modulated at different regions of the modulator, one region per light signal. Digital optical phase conjugation approaches are considered to be faster than other wavefront shaping approaches, where (for example) a complete determination of the wave propagation behavior of the fiber is performed. In contrast, the presented approach is time-efficient since it only requires one calibration per light signal. The proposed method is potentially appropriate for spatial division multiplexing in communications engineering. Further application fields are endoscopic light delivery in biophotonics, especially in optogenetics, where single cells in biological tissue have to be selectively illuminated with high spatial and temporal resolution.

We demonstrate the transmission of multiple independent signals through a multimode fiber using wavefront shaping employing a single spatial light modulator. By modulating the wavefront for each signal individually, spatially separated foci are transmitted. Potential applications are multiplexed data transfer in communications engineering and endoscopic light delivery in biophotonics.

Die Übertragung von mehreren Signalen über eine optische Faser Mit Wavefront-Shaping

The transmission of multiple independent optical signals through a multimode fiber is accomplished using wavefront shaping in order to compensate for the ...

Protocol for MicroRNA Transfer into Adult Bone Marrow-derived Hematopoietic Stem Cells to Enable Cell Engineering Combined with Magnetic Targeting

While CD133+ hematopoietic stem cells (SCs) have been proven to provide high potential in the field of regenerative medicine, their low retention rates after injection into injured tissues as well as the observed massive cell death rates lead to very restricted therapeutic effects. To overcome these limitations, we sought to establish a non-viral based protocol for suitable cell engineering prior to their administration. The modification of human CD133+ expressing SCs using microRNA (miR) loaded magnetic polyplexes was addressed with respect to uptake efficiency and safety as well as the targeting potential of the cells. Relying on our protocol, we can achieve high miR uptake rates of 80&#8211;90% while the CD133+ stem cell properties remain unaffected. Moreover, these modified cells offer the option of magnetic targeting. We describe here a safe and highly efficient procedure for the modification of CD133+ SCs. We expect this approach to provide a standard technology for optimization of therapeutic stem cell effects and for monitoring of the administered cell product via magnetic resonance imaging (MRI).

This protocol illustrates a safe and efficient procedure to modify CD133+ hematopoietic stem cells. The presented non-viral, magnetic polyplex-based approach may provide a basis for the optimization of therapeutic stem cell effects as well as for monitoring the administered cell product via magnetic resonance imaging.

Protokoll für MicroRNA Transfer an adulten Knochenmark gewonnenen Hämatopoetischen Stammzellen Zelle Engineering kombiniert mit magnetischen Ausrichtung ermöglichen

While CD133+ hematopoietic stem cells (SCs) have been proven to provide high potential in the field of regenerative medicine, their low retention rates ...

Patient-Specific Polyvinyl Alcohol Phantom Fabrication with Ultrasound and X-Ray Contrast for Brain Tumor Surgery Planning

Phantoms are essential tools for clinical training, surgical planning and the development of novel medical devices. However, it is challenging to create anatomically accurate head phantoms with realistic brain imaging properties because standard fabrication methods are not optimized to replicate any patient-specific anatomical detail and 3D printing materials are not optimized for imaging properties. In order to test and validate a novel navigation system for use during brain tumor surgery, an anatomically accurate phantom with realistic imaging and mechanical properties was required. Therefore, a phantom was developed using real patient data as input and 3D printing of molds to fabricate a patient-specific head phantom comprising the skull, brain and tumor with both ultrasound and X-ray contrast. The phantom also had mechanical properties that allowed the phantom tissue to be manipulated in a similar manner to how human brain tissue is handled during surgery. The phantom was successfully tested during a surgical simulation in a virtual operating room.
The phantom fabrication method uses commercially available materials and is easy to reproduce. The 3D printing files can be readily shared, and the technique can be adapted to encompass many different types of tumor.

This protocol describes the fabrication of a patient specific skull, brain and tumor phantom. It uses 3D printing to create molds, and polyvinyl alcohol (PVA-c) is used as the tissue mimicking material.

Patientenspezifische Polyvinylalkohol-Phantomfertigung mit Ultraschall- und Röntgenkontrast für die Planung von Hirntumorchirurgie

Phantoms are essential tools for clinical training, surgical planning and the development of novel medical devices. However, it is challenging to create ...

Evaluating Regional Pulmonary Deposition using Patient-Specific 3D Printed Lung Models

Development of targeted therapies for pulmonary diseases is limited by the availability of preclinical testing methods with the ability to predict regional aerosol delivery. Leveraging 3D printing to generate patient-specific lung models, we outline the design of a high-throughput, in vitro experimental setup for quantifying lobular pulmonary deposition. This system is made with a combination of commercially available and 3D printed components and allows the flow rate through each lobe of the lung to be independently controlled. Delivery of fluorescent aerosols to each lobe is measured using fluorescence microscopy. This protocol has the potential to promote the growth of personalized medicine for respiratory diseases through its ability to model a wide range of patient demographics and disease states. Both the geometry of the 3D printed lung model and the air flow profile setting can be easily modulated to reflect clinical data for patients with varying age, race, and gender. Clinically relevant drug delivery devices, such as the endotracheal tube shown here, can be incorporated into the testing setup to more accurately predict a device&#8217;s capacity to target therapeutic delivery to a diseased region of the lung. The versatility of this experimental setup allows it to be customized to reflect a multitude of inhalation conditions, enhancing the rigor of preclinical therapeutic testing.

We present a high-throughput, in vitro method for quantifying regional pulmonary deposition at the lobe level using CT scan-derived, 3D printed lung models with tunable air flow profiles.