Het doel van dit project is het ontwikkelen van een interactieve, patiënt-specifieke modeling pijpleiding om te simuleren van de effecten van diepe hersenstimulatie bij in de buurt van real-time en betekenisvolle feedback geven over de vraag hoe deze apparaten neurale activiteit in de hersenen beïnvloeden.
Diepe hersenstimulatie (DBS), waarbij de invoeging van een elektrode te leveren stimulatie aan een gelokaliseerde hersenen-regio, is een gevestigde therapie voor bewegingsstoornissen en wordt toegepast op een groeiend aantal aandoeningen. Computationele modellering is met succes gebruikt voor het voorspellen van de klinische effecten van DBS; Er is echter behoefte aan een roman modelleertechnieken gelijke tred houden met de toenemende complexiteit van DBS apparaten. Deze modellen moeten ook voor het genereren van voorspellingen, snel en accuraat. Het doel van dit project is het ontwikkelen van een image processing pijpleiding te nemen structurele magnetische resonantie beeldvorming (MRI) en diffusie gewogen beeldvorming (DWI) in een interactieve, patiënt specifieke model om de effecten van DBS te simuleren. Een virtuele DBS voorsprong kan worden geplaatst binnen de patiënt model, samen met actieve contacten en stimulatie instellingen, waar veranderingen in lood positie of richting genereren van een nieuwe eindige elementen mesh en de oplossing van het probleem van de bioelectric gebied in in de buurt van real-time, een TimeSpan voor ongeveer 10 seconden. Dit systeem maakt het ook mogelijk de simulatie voor meerdere leads dicht bij toestaan voor de huidige besturing door verschillende anoden en kathoden op verschillende leidt. De technieken die in dit document gepresenteerd vermindering van de lasten van het genereren en met behulp van rekenmodellen terwijl het verstrekken van zinvolle feedback over de effecten van de positie van de elektrode, elektrode ontwerp en stimulatie configuraties te clinici en onderzoekers die mogelijk niet modellering deskundigen.
Diepe hersenstimulatie (DBS) is een gevestigde therapie voor Bewegingsstoornissen zoals essentiële tremor1 tr2van de ziekte van Parkinson. Deze therapie is ook onderzocht als mogelijke behandeling voor een groeiend aantal aandoeningen waaronder traumatische hersenen letsel3, Tourette’s syndroom4en depressie5. DBS systemen vereisen chirurgische implantatie van een elektrode leiden tot het leveren van stimulatie in de regio van een gelokaliseerde hersenen te moduleren lopende neurale activiteit6. De locatie van de elektroden en de parameters van de stimulatie beide hebben een effect op modulerende neuronale circuits die therapeutische voordeel bieden. Kleine variaties op locatie kunnen invloed hebben op het therapeutisch venster, eventueel verhogen de kans op nadelige bijwerkingen voordat therapeutische voordeel bereikt7,8,9 is. In de praktijk is het vaak moeilijk om te voorspellen dat de stimulatie van de effecten zal hebben op de neurale activiteit; Bijgevolg is dit venster van therapeutisch nut hebben geïdentificeerd op basis van de patiënt-door-patiënt als de stimulatie apparaat is geprogrammeerd door de behandelaar8,9. Dit proces is complexer naarmate er nieuwe generaties van DBS apparaten beschikbaar komen. Bijvoorbeeld, nieuwe lood ontwerpen worden ingevoerd met meer contacten10,–11,12, en in sommige gevallen zijn meerdere leads wordt geïmplanteerd in de nabijheid van elkaar13. Vandaar, is er een behoefte om te kunnen voorspellen van de effecten van DBS over een grote en groeiende parameter ruimte te verkennen.
Computationele modellering en analyse kunnen worden gebruikt voor het voorspellen van de fysiologische en klinische effecten van DBS op basis van de patiënt-specifieke. Deze modellen gebruiken eindige elementen modellering (FEM) te bouwen drie dimensionale representaties van het hersenweefsel en de biofysische kenmerken van de geïmplanteerde elektrode. FEM bioelectric gebied modellen zijn met succes gebruikt voor het voorspellen van de effecten van DBS14, maar tot op heden zijn deze tijdrovende en rekenkundig dure te genereren. Er is behoefte aan een roman modelleertechnieken gelijke tred houden met de toenemende complexiteit van DBS apparaten. Deze patiënt-specifieke modellen dienen in de buurt van real-time visuele feedback over de gevolgen van DBS als de locatie van de voorsprong of stimulatie parameters worden gewijzigd. De gebruiker zou krijgen feedback over de locatie van een voorsprong en stimulatie instelling in een paar seconden, waardoor bleef verfijning van lood plaatsing in de loop van enkele minuten. Patiënt-specificiteit wordt bereikt door de integratie van de anatomie van de patiënt, van hun hersenen vorm en grootte, bij het bouwen van de FEM en het toepassen van de biofysische eigenschappen van hun hersenen, zoals anisotrope weefsel geleidbaarheid. Anisotropische geleidbaarheid beschrijft hoe stroom wordt verspreid via verschillende hersengebieden en niet-gebeurt voor het hele brein soortgelijk aan een typische magnetische resonantie beeldvorming (MRI) kan worden gemeten.
DBS modelleren benaderingen die geen van patiënt-specifieke informatie gebruikmaken kan verstrekken snel, maar minder nauwkeurige voorspellingen van stimulatie effecten, als gevolg van gegeneraliseerde geometrieën en geleidendheid voor hersenweefsel. In deze benadering, een enkele FEM wordt gebruikt voor alle patiënten en de voorspelde neurale activiteit vooraf kan worden berekend. Patiënt-specifieke modellen niet kunnen worden veralgemeend en vooraf berekend omdat een nieuwe FEM is gebouwd voor elk individu. Deze modellen vereisen meer inspanning te bouwen kan echter nauwkeuriger. Verschillende factoren beperken de snelheid waarmee deze modellen kunnen worden gebouwd en gebruikt: 1) het wijzigen van parameters aan het begin van de model gebouw pijpleiding, zoals elektrode positie, is vereist handgedreven bijwerken alle latere stappen; en 2) de stappen in de modellering pijpleiding niet gemakkelijk worden geïntegreerd met elkaar, waarbij het doorgeven van gegevens tussen meerdere softwarepakketten. Vaak willen we evalueren van veel verschillende situaties zoals elektrode positie, stimulatie parameters of elektrode ontwerpen. Om betekenisvolle feedback geven over het effect dat deze wijzigingen hebben op het therapeutische effect dat de patiënt ontvangt, moeten deze resultaten zowel nauwkeurig als gegenereerde snel.
Ons doel is het presenteren van nieuwe technieken voor gebouw patiënt-specifieke modellen die van de snelheid profiteren in veralgemeende modellen verkregen en het automatiseren van veel van de pijpleiding stappen voor het maken van een interactieve modelleeromgeving waarmee in de buurt van real-time visual feedback over de effecten van DBS. Een interactieve simulatie kan een gebruiker voor het testen van voorspellingen en verkrijgen van de resultaten snel zonder zich te concentreren op de details voor modelbouw. Dit is nuttig als er een grote parameter ruimte om te verkennen en hoe beïnvloeden deze parameters de simulatie zijn onzeker. Beschrijven we de stappen in de verwerking pijpleiding voor het genereren van interactieve, patiënt-specifieke FEM modellen van magnetische resonantie beeldvorming (MRI) overnames. Met behulp van de tools en technieken die worden beschreven in dit document zal verlagen van de kosten van de tijd voor het maken van modellen van FEM bioelectric gebied en bieden een manier om deze modellen toegankelijk maken voor onderzoekers en clinici die deskundigen niet modelleert.
Dit protocol beschrijft hoe het bouwen van een model van de patiënt-specifieke eindige elementen van verworven MRI volumes, en dan simuleren het elektrisch veld veroorzaakt door een DBS-elektrode. De belangrijkste stappen in het maken van deze modellen zijn: 1) bouwen van een eindige elementen-model (FEM), die de hersenen van de patiënt en de geïmplanteerde elektrode, 2) biofysische eigenschappen van de parameters van het brein en stimulatie van de DBS-apparaat toevoegen aan de FEM en 3) voor oplossen de spanning die wordt gegenereerd door de elektrode in het model. Twee beeldvormende modaliteiten zijn nodig om een patiënt specifieke model voor DBS simulatie te bouwen. Een T1-MRI wordt gebruikt voor het construeren van segmentaties van het oppervlak van de hersenen ventrikels, en specifieke kernen. Diffusie gewogen beeldvorming (DWI), een hoeveelheid water richtgetal, is gebruikt om te schatten diffusie tensoren in de hersenen weefsel15. De diffusie-tensoren worden omgezet in geleidbaarheid tensoren die de inhomogene, anisotrope biofysische eigenschappen van het weefsel op een voxel kwantificeren door voxel basis16. De distributie van de spanning in de hersenen veroorzaakt door de elektrode wordt berekend door de Poisson vergelijking, die door de toepassing van FEM om een lineair systeem van vergelijkingen vereenvoudigt op te lossen Ax = b waar A is een matrix van de stijfheid die Hiermee geeft u de geleidbaarheid en geometrie van de Maas, x is de oplossing van de spanning in elk knooppunt in de Maas, en b wordt gewijzigd op basis van randvoorwaarden en huidige bronnen.
Dit protocol heeft bewezen technieken ter vermindering van de lasten van de tijd en computationele kosten van het bouwen van patiënt specifieke modellen voor DBS in een mate die staat in de buurt van real-time feedback over de simulatieresultaten. Snelle feedback kunt de verkenning van de ruimte van een grote parameter om beter te begrijpen hoe de parameter wijzigt de modelresultaten. Deze parameters omvatten lood locatie, keuze van actieve contacten, en de amplitude pulsbreedte en frequentie van de golfvorm van de stimulatie op deze contacten. De belangrijkste kenmerken van de voorgestelde tool zijn: 1) A eenvoudige user interface voor het aanpassen van de parameters van het model met in de buurt van real-time visualisatie van hoe deze parameters invloed op de simulatie, en 2) de automatisering van model creatie van een klein aantal ingangen: de oppervlakte van de hersenen, hersenen weefsel geleidbaarheid tensoren en een oppervlakte weergave van de elektrode geometrie. Deze automatisering versnelt de creatie van patiënt-specifieke modellen voor veel personen hebben andere hersenen geometrieën en weefsel geleidbaarheid, alsmede evaluatie van de effecten van verschillende elektrode ontwerpen invoegen in bestaande modellen. De afbeelding voorbewerkend stappen beschreven in dit protocol werden niet volledig geautomatiseerd en een dag van verwerkingstijd kunnen duren. Echter, zodra de gegevens die zijn gegenereerd op basis van deze stappen voltooid worden als statisch beschouwd, wat betekent dat deze gegevens worden niet gewijzigd tijdens de simulaties. De automatisering van de model schepping vloeit voort uit de mogelijkheid van het systeem toe te passen deze gegevens op de patiënt-specifieke FEM zonder handmatige inspanning. Het SCIRun netwerk uitvoeren van model generatie, simulatie en visualisatie stappen moet slechts eenmaal worden gebouwd. Daarom moeten alleen de afbeelding voorbewerkend stappen worden opnieuw uitgevoerd voor het genereren van een patiënt-specifieke model voor een binnenkomende patiënt.
De prestaties winst bij het genereren van resultaten van de pijpleiding van de modellering is als gevolg van de integratie van mesh generatie, bioelectric gebied berekeningen en visualisatie van de oplossing in een enkele software-omgeving. Bestaande modelleertechnieken mesh zoals adaptieve mesh generatie werden gebruikt voor het maken van hogere dichtheid rond de elektrode en lagere dichtheid verder van de elektrode waardoor de tijd om te bouwen en op te lossen van de FEM. De software, SCIRun, kunnen ook automatisering van de mesh generatie en bioelectric gebied berekeningen. Gebruiker gedefinieerde beweging van de elektrode met behulp van de interactieve widgets activeert de bouw van een nieuwe Maas met de bijgewerkte elektrode-positie. Dit omvat het wijzigen van de randvoorwaarden en geleidbaarheid waarden voor de nieuwe positie van de elektrode.
De geometrie van de elektrode wordt behandeld als een object gratis voortbewegende binnenkant van de hersenvolume voordat haar standpunt is geïntegreerd in de FEM. Een belangrijke implicatie van deze benadering voor gaas bouw is dat meerdere elektroden gemakkelijk kunnen worden ingevoegd in het model. Bijvoorbeeld, een tweede exemplaar van de elektrode geometrie enkele millimeters weg kan worden geplaatst en beide zullen worden opgenomen in de FEM. In recent onderzoek, hebben de twee elektroden dicht bij de behandeling van multiple sclerose tremor13 en in niet-menselijke primaten experimenten zijn gebruikt om te verkennen van effectieve stimulatie doelstellingen21is ingeplant. Het voordeel van het gebruik van meerdere elektroden is om betere controle van het elektrisch veld gegenereerd in het weefsel over een groter gebied. Stimuleren met actieve contactpersonen op beide elektroden kunt huidige sturen naar de doel-regio en weg van gebieden die tot negatieve bijwerkingen leiden zou. Fijnere controle van stimulatie over een groter gebied is ook handig om te verkennen verschillende stimulatie locaties als de exacte locatie van het beoogde doel onbekend, is zoals het geval is met veel van de opkomende therapie toepassingen voor DBS. Bepaling van de parameters om therapeutische stimulatie echter meer uitdaging dan een enkele elektrode als gevolg van de toename van de ruimte van een reeds grote parameter.
Wij voorzien dat deze interactieve modellering tool voordeel tijdens de pre-operatieve planning voor DBS implantatie kan bieden. Feedback over de omvang van stimulatie in het hersenweefsel kunnen chirurgen om de locatie van de elektrode wijzigen in hun chirurgische plan om therapeutische stimulatie naar de doel-regio. Terwijl DBS-therapie de belangrijkste motiverende factor was voor de ontwikkeling van dit instrument, kunnen de technieken gepresenteerd in dit document worden toegepast op ieder FEM bioelectric gebied model met verschillende stimulatie of opname paradigma’s. Stimulatie therapieën zoals Transcraniële gelijkstroom stimulatie voor depressie22 of het gebruik van diepte-elektroden voor de behandeling van epilepsie23 delen dezelfde uitdagingen als DBS in het bepalen van de beste locatie van stimulatie te bereiken therapeutische resultaten. Electrocorticography, een opname-techniek met arrays van de elektroden op het oppervlak van de hersenen vast te stellen inbeslagname begin regio’s, heeft de uitdaging om te bepalen waar u de elektroden te registreren van doelregio’s in de hersenen-24. Al deze toepassingen zijn afhankelijk van de positie van de elektrode terwijl omgaan met de onzekerheid van hoe de huidige in het hersenweefsel stroomt. De technieken die in dit document gepresenteerd vermindering van de lasten van het genereren en met behulp van rekenmodellen tijdens het geven van betekenisvolle feedback onderzoekers en clinici die met behulp van deze apparaten die niet modellering deskundigen.
The authors have nothing to disclose.
Dit project werd ondersteund door het nationale Instituut van gezondheid subsidies UH3, NS095554. Technische ondersteuning werd verstrekt door het Center for Integrative biomedische Computing in het Scientific Computing and Imaging Instituut en mede door software die is ontwikkeld uit de P41-GM103545, van de NIH Center van integratieve biomedische Computing mogelijk werd gemaakt.
Dankbaarheid is uitgebreid tot Lexie vloer en Nathan Galli in het Scientific Computing and Imaging Instituut voor productie en bewerking van de indiening video, en ook aan Theresa Lins voor hulp bij de voorbereiding van de manuscript.
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 |