대화형, 환자 전용 모델을 사용 하 여 깊은 두뇌 자극 치료를 위한 신경 섬유 책자를 대상으로

요약

이 프로젝트의 목표는 거의 실시간으로 깊은 두뇌 자극의 효과 시뮬레이션 하 고 어떻게 이러한 장치에 영향을 미칠 뇌의 신경 활동으로 의미 있는 피드백을 제공 하는 대화형, 환자 관련 모델링 파이프라인을 개발 하는 것입니다.

초록

지역화 된 뇌 영역에 자극을 제공 하는 전극의 삽입을 포함 한다, 깊은 뇌 자극 (DBS), 운동 장애에 대 한 설립된 치료 이며, 무질서의 성장 수에 적용 되는. 전산 모델링 성공적으로 DBS;의 임상 효과 예측 하는 데 사용 되었습니다. 그러나, DBS 장치 복잡 한 성장에 발맞추어 새로운 모델링 기법에 대 한 필요가 있다. 이 모델 또한 신속 하 고 정확 하 게 예측을 생성 해야 합니다. 이 프로젝트의 목표는 DBS의 효과 시뮬레이션 하는 대화형, 환자 특정 모델에 구조 자기 공명 영상 (MRI) 및 가중치 확산 이미징 (뒤)를 통합 하는 이미지 처리 파이프라인을 개발 하는 것입니다. 가상 DBS 리드 활성 연락처는 환자 모델 안에 배치 될 수 있습니다 및 자극 설정, 리드 위치 또는 방향에서 변화는 새로운 유한 요소 메쉬 및 생물 분야 문제에의 해결책을 생성 하는 어디 근처 실시간, 약 10 초의 timespan. 이 시스템은 또한 다양 한 양극 및 음극 다른 리드에 의해 현재 운영 수 있도록 가까이에 여러 리드의 시뮬레이션을 수 있습니다. 이 문서에 소개 된 기술을 생성 하 고 연구자 또는 임상 전극 위치, 전극 디자인 및 자극 구성의 효과 대 한 의미 있는 피드백을 제공 하면서 전산 모델을 사용 하 여 부담을 줄일 누가 모델링 전문가 되지 않을 수 있습니다.

서문

깊은 두뇌 자극 (DBS)은 진전¹ ,²파 킨 슨 병 등 운동 장애에 대 한 설립된 치료 이다. 이 치료는 또한 외상 성 뇌 부상³, 증후군의⁴,⁵우울증 등 질환의 증가 대 한 잠재적인 치료로 조사 되 고 있다. DBS 시스템⁶지속적인 신경 활동 조절 하는 지역화 된 뇌 영역에 자극을 제공 하는 전극의 외과 이식을 해야 합니다. 전극 및 자극 매개 변수 위치 변조 치료 혜택을 제공 하는 신경 회로에 영향을 미칠. 위치에 있는 작은 변이 치료 창 치료 혜택은 달성된^7,,89전에 불리 한 부작용의 가능성을 높일 가능성이 발생할 수 있습니다. 실제로, 그것은 종종 효과 자극 신경 활동에 있을 것 이다을 예측 하기 어려운 따라서, 치료 혜택의이 창 자극 장치 임상^8,9프로그래밍 환자 여 환자 별로 식별 됩니다. 이 과정은 DBS 장치의 새로운 세대 사용할 수 있게 되 더 복잡 한 되. 예를 들어 소설 리드 디자인 더 많은 연락처^10,,1112, 소개 되 고 하 고 어떤 경우에 여러 리드 근접 한 다른¹³에 이식 되 고 있습니다. 따라서, 탐구 하 고 크고 성장 매개 변수 공간에서 DBS의 효과 예측할 수 있을 필요가 있다.

전산 모델링 및 분석 환자 특정 기준 DBS의 생리와 임상 효과 예측 하기 위해 사용할 수 있습니다. 이러한 모델 뇌 조직의 3 차원 표현 및 이식된 전극의 생물 특성 유한 요소 모델링 (FEM)을 사용 합니다. FEM 생체 필드 모델 성공적으로 DBS¹⁴의 효과 예측 하기 위해 사용 되었습니다 있지만 지금까지이 고 시간이 많이 걸리는 계산 생성 하는 비용이 많이 드는. DBS 장치 복잡 한 성장에 발맞추어 새로운 모델링 기법에 대 한 필요가 있다. 이러한 환자 전용 모델 근처 리드 위치로 DBS의 효과에 실시간 시각적 피드백 제공 해야 또는 자극 매개 변수가 변경 됩니다. 사용자 지도 위치에 대 한 피드백을 얻을 것이 고 자극 설정을 사용 하면 몇 초에서 몇 분의 과정을 통해 리드 배치의 상세를 계속. 환자-특이성은 FEM을 작성할 때 환자의 해부학, 그들의 두뇌의 모양과 크기, 통합 조직 이방성 전도성 등 그들의 두뇌의 생물 속성을 적용 하 여 얻을 수 있다. 이방성 전도성 어떻게 설명 합니다 현재 다른 뇌 영역을 통해 확산 것 이다 전형적인 자기 공명 영상 (MRI)와 비슷한 전체 두뇌에 대 한 비 접촉 측정 될 수 있다.

DBS 모델링 접근 환자 관련 정보를 사용 하지 않는 자극 효과, 일반화 된 기 하 도형 및 뇌 조직에 전도도 값의 빠른, 하지만 덜 정확 하 게 예측을 제공할 수 있습니다. 이 방법에서는, 모든 환자에 대 한 단일 FEM을 사용 하 고 예측된 신경 활동을 사전에 계산 될 수 있다. 환자 전용 모델 일반화 하 고 이후 새로운 FEM 각각 만들어집니다 미리 계산 수 없습니다. 이러한 모델 구축에 더 많은 노력을 필요로 하지만 더 정확한 될 수 있습니다. 이러한 모델 구축 및 사용할 수 속도 제한 하는 여러 가지 요인: 1) 업데이트의 모든 후속 단계; 수동 노력이 필요 모델 건물 파이프라인 전극 위치 등의 시작 매개 변수 수정 그리고 2) 단계 모델링 파이프라인에 통합 되지 않은 쉽게 서로 요구 하는 여러 소프트웨어 패키지 간에 데이터를 전달. 종종, 전극 위치, 자극 매개 변수, 또는 전극 디자인 같은 많은 다른 상황을 평가 합니다. 이러한 변화는 환자가 받게 됩니다 치료 효과에 효과 대 한 의미 있는 피드백을 제공 하려면 이러한 결과 해야 합니다 정확 하 고 생성 된 신속 하 게.

우리의 목표는 환자 전용 모델은 속도 활용 하는 일반된 모델에서 얻은 건물과 많은 실시간 비주얼 근처 제공 하는 인터랙티브 모델링 환경을 만들기 위해 파이프라인 단계 자동화에 대 한 새로운 기법을 제시 하 DBS의 효과 대 한 의견입니다. 인터랙티브 시뮬레이션 예측 테스트와 모델의 세부 사항에 집중 하지 않고 신속 하 게 결과 얻을 수 있습니다. 이 때 도움이 큰 매개 변수 공간을 탐구 하 고 어떻게 이러한 매개 변수에 영향을 시뮬레이션 하는 것은 확실입니다. 우리는 자기 공명 영상 (MRI) 인수에서 대화형, 환자 관련 FEM 모델을 생성 하는 처리 파이프라인의 단계를 설명 합니다. 이 문서에 설명 된 기술과 도구를 활용 하 여 FEM 생체 필드 모델을 만들기 위한 시간 비용 하는 이러한 모델을 연구자와 임상 전문가 모델링 하지 사람에 액세스할 수 있도록 하는 방법을 제공 하십시오.

이 프로토콜 인수 MRI 볼륨에서 환자 전용 유한 요소 모델을 구축 하 고 다음 DBS 전극에 의해 유도 된 전기 분야를 시뮬레이션 하는 방법을 설명 합니다. 이러한 모델의 생성에서 하는 주요 단계는: 1) 유한 요소 모델 (FEM) 대표 하는 환자의 뇌 이식된 전극, 2) FEM, DBS 장치 두뇌와 자극 매개 변수의 생물 속성 추가 3)에 대 한 해결 모델에서 전극에 의해 생성 된 전압. DBS 시뮬레이션에 대 한 환자의 특정 모델 두 이미징 형식 필요 합니다. T1 MRI는 뇌 표면, 심, 및 특정 핵의 세그먼트를 생성 하는 데 사용 됩니다. 유포가 중 영상 (뒤), 물 확산 율의 측정¹⁵뇌 조직 걸쳐 확산 tensors 추정 하는 데 사용 됩니다. 보급 tensors 복으로¹⁶전도도 tensors를 계량 한 복에 조직의 휘도가 이방성 생물 속성으로 변환 됩니다. 전극에 의해 유도 된 두뇌에 걸쳐 전압 분배는 FEM의 응용 프로그램을 통해 시스템을 선형 방정식을 단순화 푸아송 방정식을 해결 하 여 계산 됩니다 Ax = b A 가 강성 매트릭스를 전도도 나타내고 메시의 지오메트리, x 는 메시의 각 노드에 전압 솔루션 이며 b 는 경계 조건 및 전류 소스 수정.

프로토콜

1. 이미지 처리

1. T1 MRI 세분화
   1. 다운로드 및 설치 FreeSurfer¹⁷. 그것은 가정 T1 MRI 획득은 DICOM 또는 NIFTI 형식입니다.
   2. 환자 디렉터리를 만들고 FreeSurfer에서 그들의 T1 볼륨을 추가 하려면 다음 명령을 입력: 정찰-모든 s patientName-i /Full/Path/To/nii
   3. 명령을 입력 하 고 다음 FreeSurfer의 실행을 자동화 세분화: 정찰-모든 s patientName-모든
   4. Mri_convert 를 사용 하 여 "aseg.auto.mgz" FreeSurfer의 독자적인.mgz 형식으로 변환.
2. 보급이 중 영상 (뒤)
   1. 다운로드 및 설치 기계¹⁸. 그것은 가정 뒤 수집 수행 된 DICOM 파일의 스택을 사용할 수 있습니다.
      참고:이 재건을 수행 하는 좋은 명령 라인 도구는 FMRIB 소프트웨어 라이브러리 (FSL)¹⁹. FSL 에코 평면, 수행 하기 위해이 프로토콜에 사용 된 모션, 및 재건 이전 에디 전류 왜곡 보정. 이 분석에 사용 되는 뒤 데이터 41 다른 보급 sensitizing 그라데이션 방향 위한 DICOM 파일의 시리즈 이다.
   2. 슬라이서의 DWIConverter 모듈을 사용 하 여 단일 볼륨으로 41 별도 인수를 재구성. 뒤 데이터는 입력 Dicom 데이터 디렉터리 를 지정 합니다. DicomToNrrd 라디오 단추를 선택 하 고 출력 뒤 볼륨의 이름을 제공 합니다.
   3. DTI 추정에서 배경 잡음을 제거 하기 위해 보급 중 볼륨이 마스킹 모듈과 텐서 마스크를 만듭니다. 0.5의 기본 임계값 매개 변수를 두십시오.
   4. 확산 텐서 마스크으로 이전 단계에서 만든 마스크를 사용 하 여 DTI 의견에 뒤 와 확산 텐서 (DTI)을이 단일 뒤 볼륨을 변환 합니다. 최소 자승법을 추정 매개 변수를 설정 하 고 시프트 부정적인 고유 옵션이 선택 되어 있는지 확인 하십시오.
   5. NRRD 형식에서 새로 만든된 DTI 볼륨을 저장 합니다.

2. 유한 요소 모델 생성

1. SCIRun
   1. 다운로드 및 설치 SCIRun 버전 5 (http://www.sci.utah.edu/software/scirun.html). SCIRun는 모델링, 시뮬레이션 및 시각화의 과학적 문제에 대 한 문제 해결 환경입니다. 이것은 전산 작업 대 만들고, 해결,이 프로젝트에서 개발 된 모델과 상호 작용 하는 데 사용입니다.
      참고: SCIRun 네트워크 특정 작업을 수행 하는 개별 모듈의 시퀀스를 연결 하 여 만들어집니다. 더 복잡 한 처리 및 시뮬레이션 허용 간단한 모듈의 네트워크를 통해 데이터를 전달 합니다.
2. 전극 형상 건물
   참고:이 프로젝트에서 모델링 전극 Medtronic 3387 DBS 리드²⁰입니다. 그것은 4 개의 연락처 높이 1.5 m m, 직경에서 1.27 m m 간격된 1.5 m m 간격으로 원통형 리드입니다. 비 전도성 물질 4 개의 연락처를 분리합니다.
   1. 나열 된 크기를 일치 하는 DBS 리드에 각 구성 요소에 대 한 닫힌된 표면 메쉬를 만듭니다. 두 개의 기본 형상, 실린더 및 구체를 사용 하 여 전체 지도 만듭니다.
      참고: 납 형상 3D 모델링 프로그램의 다양 한에서 만들 수 있습니다.
   2. 0.5 m m 두꺼운 전체 지도 둘러싼 캡슐화 레이어의 표면 메시를 만듭니다.
3. 전체 두뇌 메쉬 만들기
   1. 로드는 FEM.의 외부 경계 역할을 파트 1에서 만든 뇌 표면
   2. DBS 이어질 전극 주위 메쉬 밀도 제어를 둘러싼 두 개의 동심 상자 표면을 작성 합니다.
      참고:는 DBS 리드 및 상자 표면 근원에 있는 전극 샤프트의 하단 끝을 가진 긍정적인 z 축을 따라 정렬 한다. 이것은 나중에 회전 및 전극의 번역에 대 한 중요입니다.
   3. 메시의 각 개별 지역에 위치한 단일 포인트 점 구름을 만듭니다. 메시의 영역은: 샤프트 세그먼트, 4 연락처, 상자, 및 뇌 표면. 이 지점에 연결 된 값에 그 지역에 대 한 메쉬 각 사면체 요소에 대 한 최대 볼륨 제약 조건을 나타냅니다. 이러한 제약 조건은 메쉬 밀도 전극 안팎을 제어 하도록 조정 됩니다.
   4. "InterfaceWithTetGen" 모듈을 사용 하 여 전체 뇌 메쉬 작성. 입력된 포트를 다음과 같이 설정:
      (1.1)에서 포트 1: 뇌 표면
      포트 2: 지역 특성 포인트 클라우드, (2.3.3)에서 볼륨 제약
      포트 3: 없음
      (2.2)에서 포트 4: 전극 모델 표면
4. 인터랙티브 전극 배치
   참고:이 단계의 목표를 어디 두뇌 내부 전극의 쉬운 운동을 활성화 하 여 자동으로 새로운 메쉬 및 시뮬레이션 업데이트 시스템입니다.
   1. 두 개의 계단식 CreateGeometricTransform 모듈을 사용 하 여 전극 X 및 Y 평면에서 회전. 회전 에 클릭 하 고 축 Y 와 두 번째 축x 1.00 1.00 첫 번째 모듈을 설정 합니다. 회전 각도 아래쪽 슬라이더, 세타 회전 (도)로 설정 됩니다.
   2. 모든 변환 변환 하는 개체에 대 한 TransformMeshWithTransform 모듈을 연결 합니다.
   3. GenerateSinglePointProbeFromField 모듈을 만들고 ViewScene 모듈의 형상을 포트에 연결 합니다. Shift 키를 누른 채 ViewScene 창에서 주변 영역을 이동 합니다. 포인트 프로브 모듈 출시에 따라 영역의 위치를 업데이트합니다.
      참고:이 위치는 번역 변환 전극 형상에 적용 결정 하기 위해 사용 됩니다.
   4. TransformMeshWithTransform 모듈을 사용 하 여 포인트 프로브 위치와 전극 기하학의 각 부분을 번역.
   5. 두 개의 회전 변환 및 변환 하는 포인트 프로브 위젯의 뇌 표면 제외 하 고 모든 개체에 적용 합니다.
      참고: 이러한 변환의 모든 3 InterfaceWithTetGen 모듈에 파이프를 새로운 위치 및 방향에서 두뇌의 내부 전극 형상 메쉬 메시 알고리즘 알고 하기 전에 각 개체에 대해 수행 되어야 합니다. 전극은 뇌 내에서 이동 하는 때마다 새 메쉬 건설 된다.

3. 생체 필드 계산

1. 전도도 매개 변수 설정
   1. 1 단계에서에서 만든 DTI 볼륨을 로드 하 고 InterfaceWithTetGen MapFieldDataFromSourceToDestination linear('weighted') 옵션 사용 하 여 2 단계에서에서 만든에서 사면체 메시 출력에 데이터를 설정 합니다.
      참고: 모든 이방성 전도성 추정이이 단계에서 구현할 수 있습니다.
   2. 1e-6와 CalculateFieldData를 사용 하 여 연락처 영역 1e6 샤프트 지역 전도도 설정 합니다. 전도도 값 모두 설정 되 면 BuildFEMatrix으로 필드 파이프.
2. 전류/전압 소스 및 경계 조건 설정
   1. 파이프 뇌 표면 SetFieldDataToConstantValue 로 2 단계에서에서 메시 프로세스에 사용 되 고 값을 0으로 설정. 이것은 전체 뇌 표면에 전압 싱크를 만듭니다. 그런 다음 InsertVoltageSource 을 사용 하 여 InterfaceWithTetGen에서 사면체 메시 출력 전압 값을 배치.
   2. Monopolar 자극에 대 한 연락처 표면 중 하나에 ReportFieldInfo 모듈에서 FieldCenter 값을 계산 하 여 단일 지점 연락처 위치 중 한 곳의 센터에서 만듭니다. -1 볼트이 시점에서 필드 데이터를 설정 합니다. 그런 다음 InsertVoltageSource 를 사용 하 여 사면체 메시에서 포인트 소스를.
      참고: 있습니다 이제 사면체 메시의 복사본 두 개가. 전압 값이 뇌 표면에 연락처를 내부 포인트 소스 하나 설정 하나.
   3. 두 개의 InsertVoltageSource 모듈의 출력을 가입 하 고 BuildFEMatrix의 출력 ApplyFEMVoltageSource 로 출력을 파이프.
3. 앞으로 문제 해결
   참고: ApplyFEMVoltageSource 의 출력 포트 1에서 강성 매트릭스와 포트 2에 오른쪽 매트릭스를 제공합니다. 이들은 시스템 방정식을 해결 하는 데 필요한 두 개의 구성 요소가 있습니다.
   1. SolveLinearSystem에 ApplyFEMVoltageSource 의 두 개의 출력을 파이프. 켤레 그라데이션 해결 방법과 야코비는 preconditioner로 선택 합니다. 이 모듈의 출력 솔루션 매트릭스, 사면체 메시의 각 노드에 전압 값입니다.
   2. SetFieldData 를 사용 하 여 전압 분포의 3 차원 표현에 대 한 사면체 메시에 전압 솔루션 매트릭스를.
4. Isosurface 시각화
   1. ExtractSimpleIsosurface에 SetFieldData 의 결과 파이프 합니다. UI 수량 탭을 열고 10 등치값 균등 하 게 간격 수를 설정 합니다.
   2. ShowField 모듈을 사용 하 고는 Isosurfaces 축소는 최소 및 최대 전압 솔루션의 레인 보우 컬러 지도 함께 투명으로 표시 하려면 ViewScene 모듈에 연결 합니다.

결과

이 프로토콜의 끝에 모든 환자-특정 모델을 만드는 데 필요한 입력 제공 됩니다: 뇌 표면 전극 형상과 전도도 tensors. SCIRun 네트워크 해야 또한 만들어진 모든 유한 요소 모델을 구축 하 고 유도 생물 분야 시뮬레이션에 대 한 입력을 통합 하. 시뮬레이션 모델 두뇌 내에서 전극의 움직임 및 활성 연락처 또는 자극 진폭 등의 수정에 대 한 수 있습니다.

그림 1 시뮬레이션 여러 전극 위치에서 섬유 활성화 예측을 비교 하는 기능을 보여 줍니다. 보급 영상에서 섬유 책자의 생성 하지이 프로토콜에서 설명 되었다 하지만이 분석은 어떤 결정적 tractography 방법으로 수행할 수 있습니다. 위치 2 위치 1에 비해 모든 연락처에서 낮은 자극 진폭에서 대상 섬유 번들의 더 강력한 활성화를 예측 합니다. 이 분석 DBS 수술의 계획 단계 동안 효과적으로 대상 섬유 통로 자극 하는 것 이다 전극 궤적을 결정 하는 데 사용 됩니다.

이 시스템의 새로운 기능 전극 형상 모델에 신속 하 게 전환 하는 기능 및 서로 게 가까운 근접에서 여러 단서를 시뮬레이션 하는 기능입니다. 이러한 접근의 둘 다 모양과 전극 주변의 전기장의 스티어링을 더 잘 제어할 제공 하는 데 사용 됩니다. 그림 2 에서는 DBS로 이어질 지도 위치를 조사 하는 동안 중앙 thalamic 섬유 경로 및 인근 지역 감각 핵 등 피하 자극 하는 axisymmetric와 방향 사이 섬유 활성화 예측의 비교 . 동일한 전극 궤적에 대 한 우리 방향 리드는 바람직하지 않은 섬유의 자극을 피하고 있는 동안 대상 지역으로 섬유 활성화를 보낼 수를 볼 수 있습니다. 이 분석은 환자 원치 않는 부작용을 일으킬 것 이다 인근 지역의 자극을 피하기 위해 DBS 치료 받게 하는 장치를 변경 해야 할 것 이다 때 결정 하기 위해 사용할 수 있습니다. 이 방식은 인근 내부 캡슐을 피하는 동안 파 킨 슨 병의 증상을 치료 하 시상 핵을 타겟팅 하는 데 유용 합니다.

그림 1 : 전극 위치 및 대상 섬유 활성화의 예측의 비교. 자극 진폭 (-0.5 V-5.0 V ~)에 대 한 총 섬유 번들 활성화 및 두 개의 서로 다른 전극 위치에 대 한 모든 4 개의 연락처 예측 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

그림 2 : Axisymmetric 및 방향 DBS와 중앙 thalamic 섬유 번들 활성화 예측의 비교 리드. (A) 둘 다의 시각화 Medtronic 3387 원통형 DBS 리드 고 사피엔스 방향 DBS 단일 monopolar 자극 진폭에 대 한 대상 중앙 thalamic 섬유 번들에 함수 계산을 활성화와 함께. (B) (i)는 횡단면 쪼 갠 다 DBS 리드와 섬유 번들을 통해. (ii)는 DBS의 식별과 단면적의 2 차원 투영 리드, 섬유 및 섬유를 피하기 위해. (C) 대상 섬유 및 섬유 자극 진폭으로 회피의 활성화의 확산 axisymmetric와 방향에 대 한 증가 DBS 리드. 주어진된 자극 진폭에 대 한 활성화 된 섬유 섬유 활성화 되지 파란색에서 표시는 빨간색으로 표시 됩니다. (D) C, 섬유 번들의 모든 지역에 걸쳐 예측된 자극 임계값 진폭을 보여주는 패널에 표시 된 모든 시뮬레이션의 편집. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

토론

이 프로토콜 시간 부담을 줄이기 위해 기술을 입증 했다 하며 그 정도에 환자 특정 모델 DBS에 대 한 건물의 계산 비용 시뮬레이션 결과의 실시간 피드백 근처 신속한 피드백의 매개 변수 변경 모델 결과 미치는 영향을 이해 하려면 큰 매개 변수 공간 탐험 수 있습니다. 이러한 매개 변수는 지도 위치, 활성 연락처의 진폭, 펄스 폭, 및 그 연락처에 자극 파형의 주파수를 포함합니다. 제안 된 도구의 주요 특징은: A 1) 간단한 사용자 인터페이스와 어떻게 이러한 매개 변수에 영향을 시뮬레이션, 그리고 2) 작은 일련의 입력에서 모델 생성의 자동화의 실시간 시각화 근처 모델 매개 변수를 조정: 뇌 표면 뇌 조직 전도도 tensors, 그리고 전극 형상의 표면 표현. 이 자동화 신속한 다른 뇌 구조와 조직 conductivities 뿐만 아니라, 기존 모델에 서로 다른 전극 디자인 삽입의 효과 평가 하는 많은 사람에 대 한 환자-특정 모델의 생성 합니다. 이 프로토콜에서 설명 하는 이미지 전처리 단계는 완전히 자동화 하 고 처리 시간 일 걸릴 수 있습니다. 그러나,이 단계에서 생성 된 데이터를 완료 정적, 의미는 시뮬레이션 중이 데이터는 수정 되지 않습니다 간주 됩니다. 모델 생성의 자동화 수동 노력 없이 환자 관련 FEM에이 데이터를 적용 하는 시스템의 기능에서 발생 합니다. 모든 모델 생성, 시뮬레이션, 시각화 단계를 수행 하는 SCIRun 네트워크만 한 번 만들어질 필요가 있다. 따라서,만 이미지 전처리 단계 들어오는 환자를 위해 환자 전용 모델을 생성 하기 위해 다시 수행 해야 합니다.

성능 향상 모델링 파이프라인에서 결과 생성에서 메쉬 생성, 생체 분야 계산 및 시각화 솔루션의 단일 소프트웨어 환경으로의 통합 때문 이다. 기존 모델링 기법으로 적응 메쉬 생성 높은 만드는 데 사용 된 메쉬 밀도 전극 주위 및 구축 하 고 있는 FEM.를 해결 하는 시간을 감소 시키는 전극에서 낮은 밀도 소프트웨어, SCIRun, 메쉬 생성 및 생체 필드 계산을 자동화를 해줍니다. 대화형 도구를 사용 하 여 전극의 이동 사용자 정의 업데이트 전극 위치는 새로운 메시의 건설을 트리거합니다. 경계 조건 및 새로운 전극 위치에 대 한 전도도 값 수정 포함 됩니다.

그것의 위치는 FEM.에 통합 하기 전에 전극 형상은 뇌 볼륨 내부 무료 이동 개체로 처리 됩니다. 메쉬 건설에 대 한이 접근의 핵심 의미는 여러 전극 모델에 쉽게 삽입할 수 있습니다. 예를 들어 전극 기하학의 두 번째 복사본 몇 밀리미터 멀리 둘 수 있다 그리고 모두는 FEM.에 포함 될 것입니다. 최근 연구에서 두 전극 가까이 다 발성 경화 증 떨림¹³ 치료와 효과적인 자극 대상²¹탐험 비 인간 영장류 실험에 사용 된 이식 되어 있다. 여러 개의 전극을 사용 하 여의 이점은 더 큰 영역에는 조직에서 생성 된 전기 분야의 더 나은 제어를 제공 하려면입니다. 두 전극에 활성 연락처와 자극은 대상 지역으로 하 고 부정적인 부작용으로 이어질 것 이라고 하는 영역에서 현재 보낼 수 있습니다. 더 큰 영역에 자극의 미세한 제어 DBS의 신흥 치료 응용 프로그램의 많은 경우는 목표의 정확한 위치는 알 때 다른 자극 위치를 찾아보기도 유용 합니다. 그러나, 치료 자극을 달성 하기 위해 매개 변수를 결정 이미 큰 매개 변수 공간에서의 증가로 인해 단일 전극 보다 더 많은 도전 이다.

우리는이 인터랙티브 모델링 도구 DBS 이식 수술 계획 하는 동안 혜택을 제공할 수 그리 다. 뇌 조직에 자극의 정도 대 한 피드백 외과 대상 지역에 치료 자극을 제공 하기 위해 그들의 수술 계획에 전극 위치를 수정할 수 있습니다. DBS 치료 동안이 도구를 개발을 위한 주요 동기 부여 요소,이 문서에 소개 된 기법 다른 자극 또는 녹음 패러다임 어떤 FEM 생체 필드 모델에 적용할 수 있습니다. 달성 하기의 최적의 위치를 결정 DBS로 동일한 과제를 공유 하는 우울증²² 또는²³ 간 질 치료에 대 한 깊이 전극의 사용에 대 한 transcranial 직류 자극 등 자극 요법 치료 결과입니다. Electrocorticography, 발작 발병 영역을 식별 하는 두뇌의 표면에 전극의 배열 녹음 기술 두뇌²⁴에 대상 지역에서 전극 배치 위치를 결정 하는 도전이 하고있다. 이러한 응용 프로그램의 모든 어떻게 전류 뇌 조직을 통해 흐름의 불확실성을 다루는 동안 전극 위치에 따라 달라 집니다. 이 문서에 소개 된 기술을 생성 하 고 연구자와 임상 모델링 전문가 이러한 장치를 사용 하 여 의미 있는 피드백을 제공 하면서 전산 모델을 사용 하 여 부담을 줄일.

자료

Name	Company	Catalog Number	Comments
FreeSurfer	Athinoula A. Martinos Center for Biomedical Imaging		https://surfer.nmr.mgh.harvard.edu/
3D Slicer	BWH, Harvard University		https://www.slicer.org/
SCIRun	University of Utah Center for Integrative Biomedical Computing		http://www.sci.utah.edu/cibc-software/scirun.html