Etkileşimli, hastanın özel modelleri kullanarak derin beyin stimülasyonu tedavisi için nöronal Fiber yolları hedefleme
Summary
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.
Abstract
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.
Introduction
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.
Protocol
Representative Results
Discussion
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.
Declarações
The authors have nothing to disclose.
Acknowledgements
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.
Materials
| 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 |
Referências
- Benabid, A. L., et al. Chronic electrical stimulation of the ventralis intermedius nucleus of the thalamus as a treatment of movement disorders. Journal of Neurosurgery. 84 (2), 203-214 (1996).
- Limousin, P., et al. Effect of parkinsonian signs and symptoms of bilateral subthalamic nucleus stimulation. The Lancet. 345 (8942), 91-95 (1995).
- Schiff, N. D., et al. Behavioural improvements with thalamic stimulation after severe traumatic brain injury. Nature. 448 (7153), 600-603 (2007).
- Vandewalle, V., et al. Stereotactic treatment of Gilles de la Tourette syndrome by high frequency stimulation of thalamus. Lancet. 353 (9154), 724 (1999).
- Mayberg, H. S., et al. Deep brain stimulation for treatment-resistant depression. Neuron. 45 (5), 651-660 (2005).
- Hashimoto, T., Elder, C. M., Okun, M. S., Patrick, S. K., Vitek, J. L. Stimulation of the subthalamic nucleus changes the firing pattern of pallidal neurons. Journal of Neuroscience. 23 (5), 1916-1923 (2003).
- York, M. K., Wilde, E. A., Simpson, R., Jankovic, J. Relationship between Neuropsychological Outcome and DBS Surgical Trajectory and Electrode Location. J. Neurol. Sci. 287 (1-2), 159-171 (2009).
- Machado, A., et al. Deep brain stimulation for Parkinson’s disease: surgical technique and perioperative management. Movement Disorders. 21, S247-S258 (2006).
- Volkmann, J., Moro, E., Pahwa, R. Basic algorithms for the programming of deep brain stimulation in Parkinson’s disease. Movement Disorders. 21 (S14), S284-S289 (2006).
- Contarino, M. F., et al. Directional steering: A novel approach to deep brain stimulation. Neurology. 83 (13), 1163-1169 (2014).
- Pollo, C., et al. Directional deep brain stimulation: An intraoperative double-blind pilot study. Brain. 137 (7), 2015-2026 (2014).
- Willsie, A. C., Dorval, A. D. Fabrication and initial testing of the µDBS: a novel deep brain stimulation electrode with thousands of individually controllable contacts. Biomedical Microdevices. 17 (56), 9961 (2015).
- Oliveria, S. F., et al. Safety and efficacy of dual-lead thalamic deep brain stimulation for patients with treatment-refractory multiple sclerosis tremor: a single-centre, randomised, single-blind, pilot trial. The Lancet Neurology. 16 (9), 691-700 (2017).
- Butson, C. R., Cooper, S. E., Henderson, J. M., Wolgamuth, B., Mcintyre, C. C. Probabilistic Analysis of Activation Volumes Generated During Deep Brain Stimulation. Neuroimage. 54 (3), 2096-2104 (2011).
- Basser, P. J., Mattiello, J., LeBihan, D. MR diffusion tensor spectroscopy and imaging. Biophys. J. 66 (1), 259-267 (1994).
- Gullmar, D., Haueisen, J., Reichenbach, J. R. Influence of anisotropic electrical conductivity in white matter tissue on the EEG/MEG forward and inverse solution. A high-resolution whole head simulation study. NeuroImage. 51 (1), 145-163 (2010).
- Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
- Fedorov, A., et al. 3D Slicer as an Image Computing Platform for the Quantitative Imaging Network. Magn. Reson. Imaging. 30 (9), 1323-1341 (2012).
- Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. Neuroimage. 62 (2), 782-790 (2012).
- . . Medtronic DBS 3387/3389 Lead Kit Manual. , (2018).
- Baker, J. L., et al. Robust modulation of arousal regulation, performance and frontostriatal activity through central thalamic deep brain stimulation in healthy non-human primates. Journal of Neurophysiology. 116 (5), 2383-2404 (2016).
- Fregni, F., et al. Treatment of major depression with transcranial direct current stimulation. Bipolar Disorders. 8 (2), 203-204 (2006).
- Hodaie, M., Wennberg, R. A., Dostrovsky, J. O., Lozano, A. M. Chronic anterior thalamus stimulation for intractable epilepsy. Epilepsia. 43 (6), 603-608 (2002).
- Rosenow, F., Lüders, H. Presurgical evaluation of epilepsy. Brain. 124 (9), 1683-1700 (2001).
