CN106687962B - 用于仿真大脑刺激的方法、对应的计算机程序和设备 - Google Patents

Abstract

本发明涉及用于仿真大脑刺激、提供刺激的目标空间区域(ZS_C)的估计的方法，所述方法特征在于其包括以下步骤的至少一次重复：‑从至少两个可用的值当中选择(100)将被分配到预定得分(S_X)的值(VS_X)；‑在属于一组解剖临床图谱(AAC_[1..N])的解剖临床图谱(AAC_X)内识别(150)能够提供接近于将分配到所述预定得分(S_X)的所述值(VS_X)的值的空间区域(ZS_X)；所述至少一个重复提供一组空间区域(ZS_[1..L])；此外，所述方法特征在于其包括：‑根据所述一组空间区域(ZS_[1..L])，计算(200)能够产生表示至少一个所选值(VS_X)的给定结果的至少一个目标空间区域(ZS_C)。

Description

用于仿真大脑刺激的方法、对应的计算机程序和设备

技术领域

本发明涉及医疗设备领域。更具体地说，本发明涉及用于准备计算和分析的医疗设备领域。更具体来说，本发明涉及在准备治疗中的计算领域，特别是对于在深部大脑区中植入电极，治疗帕金森氏病、肌张力障碍、强迫症、严重抑郁症、Tourette综合症、某些成瘾、精神厌食或再次异侵袭性。

背景技术

深部大脑刺激为其中植入电极以便在位于大脑内侧深部的某些特定结构中连续提供低强度电流的创伤性方法。此类治疗可用于治疗一定数量的疾病，例如在上文提到的那些。

深部大脑刺激(DBS)用作对于患有抵抗药物疗法的病症的患者的手术技术。因此，当用于治疗疾病的其它方法证明为低效时，主要使用此治疗。DBS的挑战为寻找用于最好地减轻症状同时最小化继发作用(例如认知减退)的刺激的理想位置。

从手术技术的观点来看，深部大脑刺激需要植入电极。为此目的，制作大脑的图像以便将刺激的目标可视化。将辨识标记放置在头皮上以进行三维标记。考虑血管的位置以便避开它们，随后可确定植入的轨迹。

在局部麻醉下进行植入程序。患者保持清醒，具有正在进行的间断的任何药物疗法，使得可做出通过放置电极产生的影响的精确估计。将电极引入通过在患者的颅骨中制得的开口并且安置在目标中，例如借助于患者大脑的3D重建或再次在MRI设备的直接控制下。随后电极附接至颅骨，并且经皮下穿入直到套管的植入位置(通常安置在锁骨下方)。将此套管皮下放置并且连接到电极。

关于DBS的问题主要涉及在植入结束时得到的结果。实际上，这些结果在一个患者和另一个患者之间变化。甚至在最好医疗成像技术的情况下，目标的解剖识别仍为困难的。目标的定位常常为近似的并且基于先验知识完成。此外，病变的某些方面的积极结果(例如震颤减少)可能与恶化(例如体重增加、冷漠、多动症)有关。因此，对于从业医生，DBS常常由将被刺激的一个或多个区域的估计组成，得到的结果的观测产生刺激参数的适配(电流的强度或受刺激的电极销的改变)。当然，已知某些解剖目标减轻病变的如此这般的症状，但是负面的继发作用是经常可见的。因此，所选择策略始终在减轻疾病的症状和最小化可能的不同继发作用之间进行折衷。因此需要可用于考虑病变的多个方面并且解释此折衷的工具，以便采用关于临床结果的最好可能的决策，以便以最好可能的方式规划深部大脑刺激。

发明内容

描述的技术不具有背景技术的这些缺点。更具体地说，描述的技术颠倒其中设想大脑刺激的方式。描述的技术可用于基于预期结果/折衷来得到刺激位置的指示。因此所述技术涉及用于仿真大脑刺激、提供刺激的目标空间区域的估计的方法，所述方法特征在于它包括以下步骤的至少一次重复：

-从至少两个可用的值当中选择将被分配到预定得分的值；

-在属于一组解剖临床图谱的解剖临床图谱内识别能够提供接近于将被分配到所述预定得分的所述值的值的空间区域；

所述至少一个重复提供一组空间区域；

此外所述方法特征在于其包括：

-根据所述一组空间区域，计算能够产生表示至少一个所选值的给定结果的至少一个目标空间区域。

因此，颠倒用于估计刺激结果的传统方法：不是根据特定预选择区域仿真结果，本发明根据预选择结果仿真区域。此类技术使得更容易包括关于仿真的用户期望。必须分配到得分的所选值为相对精确定义的值或值的范围。

根据一个具体实施例，所述目标空间区域的计算包括使所述一组空间区域的所述空间区域在标准化解剖体积内相交。

根据一个具体特性，所述一组解剖临床图谱由大脑的功能解剖临床图谱形成，所述功能解剖临床图谱各自将一个或多个解剖功能与一个或多个给定空间区域相关联，并且对于这些给定空间区域包括表示当这些空间区域被刺激时的病变发展的值。

根据一个具体实施例，所述方法包括在所述至少一个重复之前用于构建所述一组解剖临床图谱的步骤。

根据一个具体特性，所述构建步骤考虑被实施所述仿真方法的患者的至少一个特性。

根据一个具体特性，所述目标空间区域为表示与所述一组空间区域的最高数量空间区域相交的空间区域。

提出的技术还涉及用于仿真大脑刺激的提供刺激的目标空间区域的估计的设备。

此类设备包括：

-用于从至少两个可用的值当中选择将被分配到预定得分的值的装置；

-用于在属于一组解剖临床图谱的解剖临床图谱内识别能够提供接近于将被分配到所述预定得分的所述值的值的空间区域的装置；

提供一组空间区域；

-根据所述一组空间区域，计算能够产生表示至少一个所选值的给定结果的至少一个目标空间区域的装置。

此外，在精神外科的情况下，无创操作的其它模式还可得益于提出的技术，例如放射手术和高强度聚焦超声。

根据优选的实施方案，由一个或多个软件程序或计算机程序实施根据本发明的方法的不同步骤，所述软件程序或计算机程序包括将通过根据本发明的中继模块的数据处理器执行并且被设计成命令执行所述方法的不同步骤的软件指令。

因此，提出的技术还试图提供可通过计算机或通过数据处理器执行的程序，此程序包括命令执行如在上文所提到的方法的步骤的指令。

此程序可无论如何使用任何编程语言并且可呈源码、目标代码或为在源码和目标代码之间的中间体的代码(例如无论如何以部分编译形式或以任何其它期望形式)的形式。

本发明还试图提供信息载体，其通过数据处理器可读并且包括如在上文所提到的程序的指令。

信息载体可为无论如何能够存储程序的任何实体或设备。例如，载体可包括存储装置，例如ROM，例如CD ROM或微电子电路ROM或再次磁记录装置，例如软盘或硬盘驱动器，和SSD等。

同样，信息载体可为可传输载体，例如可经由电缆或光缆，通过无线电或通过其它装置传送的电信号或光学信号。根据本发明的程序可尤其上传到互联网类型网络。

作为替代方案，信息载体可为程序结合到其中的(ASIC或FPGA型)集成电路，所述电路适于执行或用于执行所讨论的方法。

根据一个实施例，本发明借助于软件和/或硬件部件实施。在这方面中，术语“模块”在本文中可同样对应于关于一组硬件和软件部件的软件部件和硬件部件。

软件部件对应于一个或多个计算机程序、程序的一个或多个子程序，或更通常对应于程序的任何元件，或能够根据下文中为关注的模块所述实施一个功能或一组功能的一件软件。此类软件部件通过物理实体的数据处理器(终端机、服务器、网关、路由器等)执行，并且能够访问此物理实体的硬件资源(存储器、记录载体、通信总线、电子输入/输出板、用户界面等)。

以相同的方式，硬件部件对应于能够如下文中为关注的模块所述实施一个功能或一组功能的硬件单元的任何元件。它可为用于执行软件的可编程硬件部件或具有集成处理器的部件，例如集成电路、智能卡、存储卡、用于执行固件的电子板等。

附图说明

提出的技术的其它特征和优点从借助于简单的说明性并且非穷举的实例而给出的对优选实施例的以下描述并且从附图更加明显地呈现，在附图中

-图1呈现提出的技术的主要步骤；

-图2为用于实施在上文描述的方法的设备的示意性表示。

具体实施方式

1本发明的原理的剩余部分

将技术的一般原理描述为两方面。首先，它允许用户(例如从业医生或甚至患者自己)选择期望结果的一组值(即，与将作为植入电极的效果得到的结果相关联的值)。这些结果插入到数据结构中。例如它们涉及震颤的减少、言语促进等。选择结果的事实在自身上为基本范式转移。第二，技术采用预期结果作为用于提出和计算手术解决方案的基础。从而，在所描述的技术的情况下，其中规划刺激的方式改变。重要的是指定所描述的技术决不改变从业医生动作的自由度，从业医生仍自由进行与所计算的植入不同的植入。从业医生还主动自由确定与通过所描述的技术的实施方案得到的相同的植入。因为所描述的技术为仿真技术，所以绝不是刺激的实施方案必需的。然而，所述技术使得此刺激能够不同地设想。

所描述技术的一般原理参照图1解释。如将在下文中解释，期望结果(RS)用于使用临床得分(SC_[1..M])建立仿真(10)，M表示临床得分的数量，其表示在大脑的解剖临床图谱(AAC_[1..N])中合成(P5)的一定数量的过去操作和刺激，N表示图谱的数量。这些为功能图谱，其实现功能(运动神经、大脑、生物或其它功能)与一组数据的关联。大脑的解剖临床功能图谱包括一组数据。它为在解剖结构和功能之间的连接的数字表示。一般来说此类图谱可用于深部大脑刺激和神经刺激两者(包括磁刺激)而且可用于放射手术和传统手术。

因此，用于提出的技术的一个基本条件为具有可用的此类解剖临床图谱。例如，存在可用的图谱，其将震颤减少的百分比根据刺激区域而定量。此类图谱通过合并来自可变数量的之前刺激的数据而建构。图谱具有若干型的类型(二元图谱、统计图谱、静态图谱/动态图谱)。二元图谱和统计图谱在下文中描述。对于图谱的变化，可解释以下特性：当图谱被预计算时，它被称作“静态”图谱。当计算图谱时，具体地说根据在仿真之前给定的患者的某些特性(例如，年龄、性别、体重、解剖数据、基因数据、症状程度)，它被称作动态图谱。在本发明的仿真技术的情况下，动态图谱的优点为它适用于所仿真的患者的特性。其缺点为，第一具有可用于创建图谱的较小数据库的风险，以及第二如果计算图谱的过程冗长，那么仿真也可冗长的事实。

尽管这样，一组图谱(AAC_[1..N])在输入时可用，每个图谱具有与刺激的空间区域有关的功能进展的值的分配。进展的此值可为百分比(改善或恶化)或二元值(是/否，重要/不重要，等等)或预估值(-1：恶化，0：无改变，1改善)。当图谱通过解剖体素形成时，每个体素(或体素的群组)包括与此图谱相关联的功能的进展的此类值。这(用于获得提出的技术的结果的主要组份)是功能解剖临床图谱的用途。

基于此组初始图谱，使用一组选择器(E_S[1..N])选择(100)期望值。每个选择器(ES_X)与图谱(AAC_X)相关联(对于将与若干图谱相关联的选择器，以及相反地对于将根据涉及的临床得分与若干选择器相关联的图谱，这也是可能的)。例如存在与关于震颤的图谱相关联的“震颤”选择器，其中对于空间区域(体素或体素的群组)，存在震颤的进展的百分比。在此“震颤”选择器中，选择震颤减少(或增加地更少)的值。

对可用的选择器的全部或部分进行此选择步骤，以便获得一组选择值(VS_[1..L])，L表示值的数量，此数量小于或等于选择器的数量(有可能用某些选择器仅选择值的一部分以便进行仿真)。

根据这些选择值(VS_[1..L])，所述技术计算(200)目标空间区域(ZS_C)，所述目标空间区域(ZS_C)由与所选值对应的图谱(AAC_[1..L])的空间区域(ZSA_[1..L])的相交(250)产生。此目标空间区域(ZS_C)理想地表示对应于在选择器中选择的值的区域。当然，此情况仅罕见地发生，并且更可能的是目标空间区域(ZS_C)表示在选择器中的所选值为可能的图谱子集的相交。其它值(其中相交尚不可能的那些值)不为此情况的实例：不考虑它们，或它们自动更新以表示对目标空间区域的刺激的结果。例如，发现目标空间区域减少震颤并且限制言语损失。然而，目标空间区域指示体重增加(相对于在与体重增加相关联的图谱中的目标空间区域确定)：与体重增加相关联的选择器的值可自动通过系统修改以从可能不存在体重增加转到非常可能体重增加。

换句话说，颠倒其中设想刺激或手术的方式。实际上，不是寻求根据手术操作的策略预测刺激结果，而是提出的技术使用寻求(期望)的结果以便计算刺激的策略。若需要，此刺激的策略可随后实施(在这种情况下，可注意它为仿真)。因此提出的技术使得有可能为患者提供自由选择：若需要，患者在其医生的帮助情况下确定在其疾病的治疗中他希望的(并且根据可用的知识可能的)结果。

换句话说，提出的方法包括以下步骤的至少一个重复：

-从至少两个可用的值当中选择(100)将分配到预定得分(S_X)的值(VS_X)；此选择借助于选择器完成，对于一个得分或一组得分(对应于预期结果)，所述选择器使得有可能选择此结果的重要性(例如，之前运动神经功能的改善)；此值(VS_X)也就是说是在后续相交过程中得分(S_X)的加权。

-根据所述至少一个所选择值(VS_X)，在可能产生给定结果的给定大脑体积内计算(200)至少一个目标空间区域(ZS_C)。

实施的计算基于大脑的解剖临床图谱(此前得到)的倒置和加权使用，以根据临床得分(结果)实现用于刺激的理想启用区域的映射，用户希望对所述临床得分(结果)产生偏好。

本发明的一个组成部分涉及用于建立(P5)大脑的这些解剖临床功能图谱的方法。如下文中详细描述，这些图谱可采用至少两种不同形式：二元或统计。二元图谱为用基本包括的判据建构的图谱(结果被认为是令人满意的)。这意味着，对于包括的一个或多个给定判据，与图谱的体素相关联的值表示满足包括的判据的患者相对于患者总数的分数。因此存在若干卡(对于每个临床得分一张卡)。统计图谱为其中无包括的判据被定义的一般图谱。这为其中与体素相关联的值表示由在被分析的患者的群体中的得分所采用的值的非专家图谱。

下文中，我们描述技术的实施例，其中图谱专用于在帕金森氏病的情况中的深部大脑刺激。然而，应清楚，提出的仿真技术可在其它类型的病变中实施以便根据先验预期的结果来仿真刺激。

2一个实施例的描述

在此实施例中，所述技术采用帮助在神经刺激(neurostimulation)或神经刺激(neural stimulation)(NS)中决策选择目标的系统的实施方案的形式。虽然这在深部内部大脑神经刺激的上下文中描述，但是如果图谱的数据库可用于根据预期结果进行刺激的计算和策略(此类图谱的一个实施例下文中呈现)，那么对于内部或外部大脑刺激的任何技术，还可实施帮助决策的此类系统。用户为外科医生、神经学家或患者自身。决策通过使用根据回溯性临床数据，即解剖临床图谱的分析来计算的预测数据的过程获得。

在提出的技术的此实施例中，选择器用于得到与在操作结束时期望的临床得分相关联的结果的值的变化。用户定义在期望临床结果之间的优先级。这些优先级反映在用于计算遵守这些优先级的对应策略的加权值中(在所选择加权值的情况下)。用户还可提供患者的特性(体重、身材、性别、年龄、祖先、脑萎缩的程度等)，其可根据可用的图谱以补充方式使用。

反映在选择器中的期望临床结果可为单独地可测量的临床得分或合并临床存储的一致集的直接定量值。此类类别可由无监督学习(K-均值)定义：当使用大量临床得分时并且当这些临床得分不必直观地连接时，这为有前景的。这意味着借助于基本学习电路的学习可为引起关注的。

当值为集成的或可衍生自使用的图谱时，优先级(即，在选择器中的不同优先级值)可在连续值中或在预估值或甚至定性值中选择。优先级被定义为其中用户期望与被标识为待治疗的病变的初始状态相比较的临床改善的域。

当然，在选择器中做出的值的选择可向对于待选择的剩余临床结果的可能选择施加约束：例如，有可能的是，与继发作用(例如言语的快速性)的减小相关的选择必定导致关于震颤的减少的限制(在帕金森氏病的情况下)。存在于选择器中的选择标准的互相依赖(借助于通过系统管理的互相依赖的数据结构或直接通过对图谱的计算：在这种情况下，步骤(100)和(200)以重复和交互的模式实现)被部分地预定。以补充方式，此互相依赖此外通过患者的特性并且因此通过在患者的特性(身高、体重、年龄、家族史、大脑体积、在体积中大脑的区域的初步识别)和图谱或最好对应于此患者的情形的图谱数据库的一个或多个图谱之间建构的对应关系而被控制。

当用户的选择借助于选择器做出时，系统实施手术的一个或多个策略的计算过程，其实现对借助于选择器表达的希望的反应。还可能无手术的策略可实施。在这种情况下，系统报告此不可能性。

当可实施手术的一个或多个策略时，对于这些策略中的每个，信号报告必须被刺激的区域。以补充方式，每个策略伴随着一个或多个信任得分(信任得分表示在临床结果的预测中可能的误差)。以补充方式，系统提供对于此策略的期望的(预测的)临床结果。

在本发明的此实施例中，系统的主要部分在于与借助于选择器做出的选择相关联的结果的计算。在此实施例中，计算方法基于以回溯性临床数据的分析为基础计算的预测数据。对于已经进行手术的一组同源患者(具有常见特性)，此分析在于将操作后的临床结果(例如改善或恶化)与随后的治疗策略关联。

在深部大脑刺激的情况下，在计算结束时得到的策略由刺激电极的一个或多个销的X,Y,Z坐标(在通用解剖参考系中计算)以及电刺激参数组成。在深部大脑刺激情况下，临床结果对应于值，所述值与在具有或没有临床得分的刺激的差对应。对于每个得分或得分的群组，在得分和策略之间的相关性产生3D体积展示，对于每个体素，如果神经组织包括在此体素中，那么临床结果激活。

在此实施例中，被称作预测(为解剖临床图谱的3D体积)的一个3D体积按照临床得分或得分的群组为可用的。它可如上文中所描述为二元图谱或统计图谱。在同一个体素中，包括的患者或群体的临床结果(即，根据包括的判据，不必全部初始群体)可为合计的(平均值或其它统计值)。每个体素的值可全面地标准化。还可能将对患者计算的临床结果的平均标准差保持在每个体素中，对于患者体素对应于刺激区域。此平均标准差产生预测临床结果的信任值。预测体积可通过交叉验证而证实。即，体积基于N个对象的群体建构并且对不属于用于构建的群体的一个对象i进行测试。测试在于将在一组体素Evx中刺激的对象i的临床结果的值与通过在非线性的复位之后考虑解剖差别的图谱中背向投影的一组体素Evx中的图谱预测的临床结果进行比较。如果此测试重复m次，那么随后有可能计算在每个体素的信任值或在图谱的总信任值。此值可给予用户。

由用户选择的优先级(选择器的值)被转化成权重(加权)。每个权重对应于一个得分或一组得分。对于每个权重，选择多个得分中的对应得分的预测体积的子体积。例如，如果得分被视为优先，那么仅选择给出非常令人满意的临床结果的体素(例如仅具有显著改善)。如果得分被视为重要但不优先，那么选择给出任何令人满意的临床结果的另外体素(例如，具有稍微改善或可能改善的那些体素)。如果得分被视为不重要的，那么选择给出任何未规定的临床结果的另外体素(例如，示出无改善或甚至示出恶化的体素)，否则选择体积的所有体素。

对临床结果的满意度可由将满意水平与改善的百分比的范围相关联的类别定义。这些范围由一个或多个专家定义或从文献获得。所述范围可根据临床得分而不同。通过对在预测体积(或解剖临床图谱)中的对应值的阈值的简单设定来选择子体积的体素。

下文中，对于所有权重，计算的子体积将被合计：例如通过简单相交或通过更复杂的数学分析。体积的集合可通过从每个解剖临床图谱提取的子体积的简单几何相交实现。子体积的合计给出所有可能值：即，一旦被刺激，将给出对应于所选择优先级的临床结果的区域。在可能值的此体积的每个点处，期望的(预测的)临床结果将从此时每个得分的预测体积的值提取。对于每个临床结果，信任值将因此可用：例如此时对患者群体计算的结果的平均标准差，或通过交叉验证计算的在每个得分处的预测能力的值。

3图谱的产生

如在上文中指示，所提出的技术是基于特定图谱的创建。此类图谱为基于对已进行深部大脑刺激的大量患者进行的MRI和/或扫描来建构的空间的点的映射。对于这些患者，提取已经刺激的大脑的一个或多个点。在这些点与表示对不同运动神经、感觉和其它方面操作的成功和/或失败的程度的临床得分之间建立连接。因此，有可能将用于考虑回溯性数据的操作集成到轨迹优化过程中。相反，与在上文中描述的技术的情况一样，值得采用临床病症的进展的程度作为开始点以便从它推导规划。换句话说，不是根据由从业医生做出的计划表来估计结果，所述技术首先选择预期结果，并且然后从它推断规划。

这通过使用图谱，具体地说为此类型的方法建构的图谱来完成。如在上文指示，可设想两种类型的图谱：二元图谱和统计图谱。此外，假定每个临床得分产生一个图谱。可重申的是，临床得分为使用一定数量的参数对患者状态的测量，以便从它推导出值。因此存在操作前临床得分和操作后临床得分。本发明的图谱基于这些段基本的数据：刺激前得分、刺激空间区域、刺激后得分。若需要还可考虑在刺激之前和在刺激之后的药物处方，但是这不是必须的。

3.1基本的临床数据

在自身恰当产生之前，有必要进行用于收集和标准化可与点或与在图谱中的体素的区域相关联的临床数据的阶段。在与帕金森氏病相关的本发明的此实施例中，UPDRS(通用的帕金森氏病等级量表第II、III和IV部分)，Schwab和England与Hoehn和Yahr用作得分。还使用非运动神经症状的测量(即神经心理得分)(MDRS测试、MATTIS得分、口头流畅测试、分类和音素流畅测试、STROOP测试、试验定制测试(TMT)、UPDRS I)。此外，随着对深部大脑仿真的另一种不希望的副作用的患者的一部分的体重增加，将患者的健康调查表(即SF36、PDQ39)添加到计算。在操作之前和在操作之后(当刺激激活时)由神经学家在临床上测试患者。每个量表、调查表和测试给出得分(S)。例如此得分为UPDRS得分、Schwab和England得分、Hoehn和Yahr得分、MDRS得分、MATTIS得分等，并且这为每一患者(P)完成。对于每一患者，因此存在一组得分。

对于每个得分S可定义改善或恶化的百分比：

在公式中：

-

表示在操作之后无补充药物处方的得分的值；

-

表示在操作之前无补充药物处方的得分的值；

-

表示在操作之后具有补充药物处方的得分的值；

-

表示在操作之前具有补充药物处方的得分的值；

-S_最大表示得分的最大值；

-S_最小表示得分的最小值。

可对于每个得分S定义用于计算改善或恶化的百分比的另一个公式(不考虑药物处方)：

因此，对于包括在图谱的产生中的患者，存在可与医疗成像数据相关联(连接)的一组可用的得分。

3.2二元图谱

二元图谱为用包括的基本判据建构的图谱(得分的并且不为患者的：仅得分的改善不考虑为恶化)。这意味着，对于包括的一个或多个给定判据，与图谱的体素相关联的值表示满足包括的判据的患者的得分相对于患者总数的分数。

包括判据不是患者包括判据而是相对于得分的阈值。为了构建此类型的图谱，从业医生实施与进行的不同测试有关的包括判据。因此，通过使用包括的条件，使用满足给定测试的包括的条件的患者的所有得分产生图谱。因此，仅患者的一部分用于建立此类型的图谱：这些为得分已改善超过给定阈值的患者。

通常，此类型的图谱与二元选择器相关联：在选择阶段中，与此类型的图谱相关联的选择为二元选择。例如，为根据患者的原始权重的因子的体重增加可通过二元是/否类型的选择表达，然而无大量地量化此体重增加的任何风险。

3.3统计图谱

统计图谱不同于其中图谱不基于包括的判据的二元图谱。与体素相关联的值不表示出现的概率，而是表示对患者测量的功效的所有值的整体功效或列表。此得分考虑患者的数量、刺激区域、患者的临床反应(通过测试和得分测量)。

因此决定首先建立单独的图谱，并且然后若需要用专用权重将它们合计以建立最终的多分区和合计图谱。方程将为以下：

其中：

-N表示患者的数量；

-(x_i,y_i,z_i)表示对于患者i刺激的3D坐标；

-M表示使用的临床得分的数量；

-

表示对于患者i的临床得分k的值；

-γ_i表示对于(x_i,y_i,z_i)坐标的刺激的3D影响；以及

-w_k表示临床得分k的权重。

4根据在选择器中做出的选择的策略的计算

如所指示，寻求识别能够产生患者或从业医生所期望的一个或多个结果的一个或多个解剖区域或区。为此目的有可能遵循至少两种不同方法。还解释第三种方法，其中进行位置的基本计算。可重申的是，在大脑体积的区域内寻求检测采用其中必须进行刺激的(x,y,z)类型空间座标的形式的刺激区域。还重申的是，此区域与一个得分或若干得分的修改的值相关联。

4.1序列(或迭代)计算

在此实施例中，依次对位置进行搜索。一般原理为在与对于空间座标的每个得分相关联的每个数据库中进行依次搜索，所述空间座标满足在选择器中为所述得分制定的希望。因此，所述方法由以下组成：

-对于当前临床得分(S1)，在对应于此临床得分(A_S1)的图谱中搜索和在与此得分(S_S1)相关联的选择器中所选择的值(V_S1)对应的空间区域(Z_S1)。此空间区域(Z_S1)包括一个或多个空间座标(通常若干个，采用空间座标的群组的形式)。

-对于之后的临床得分(S2)，将当前临床得分(S1)的空间区域(Z_S1)携带到图谱中，所述图谱对应于此之后临床得分(A_S2)，并且对于此空间区域(Z_S1)获得与此之后临床得分(S2)相关联的值或值的范围(V_S2 ^[ZS1])。

-随后两种模式是可能的：

-A.将与此下一个临床得分(S2)相关联的值(V_S2 ^[ZS1])与在与此得分(S_S2)相关联的选择器中的所选值(V_S2)进行比较。

-当值V_S2 ^[ZS1]相对于所选值(V_S2)位于可接受性范围内时，继续转到下一个临床得分(S3)的过程；

-当值V_S2 ^[ZS1]不再位于关于所选值(V_S2)的可接受性的范围内时，中断所述过程；

-B.在限定仅为不可能的用户的可能选择中，修改对于与此得分(S_S2)相关联的选择器可能的输入值。随后返回到每一用户的(V_S2 ^[ZS1])的选择，

递归在上文中描述的方法。继续得分列表的每个连续得分。条件当然地为必须可用于此得分的图谱。在此实施例中，只要在初始得分中选择的值与和另一个得分的区域“相容”的区域相关联，过程继续直至识别与此区域相关联的所有得分。对于每个识别的空间区域实施在上文中描述的技术。例如，有可能考虑的第一得分使得有可能识别可能满足用户的请求的若干区域。在此情况下，对于这些区域中的每个实施所述方法。

4.2平行计算

在此实施例中，对平行位置进行搜索。一般原理为对于空间座标在与每个得分相关联的每个数据库中进行平行搜索，对于此得分所述空间座标满足在选择器中制定的希望。因此所述方法由多个以下步骤的实施方案组成：

-对于当前临床得分(SC)，在对应于此临床得分(A_SC)的图谱中搜索和在与此得分(S_SC)相关联的选择器中的所选值(V_Sc)对应的空间区域(Z_SC)。空间区域(Z_Sc)包括一个或多个空间座标(通常采用空间座标的群组的形式的若干座标)。

当已经进行所有搜索时，得到多个空间区域(Z_Sc ^[1..n])，其中n表示得分的数量。下一个步骤在于相对于常见参考系进行这些空间区域(Z_Sc ^[0..n])的相交。在最好的情况下，此相互作用的结果产生目标空间区域(Z_ST)。构成解剖目标的此目标空间区域(Z_ST)旨在得到预期的结果(通过在结果的选择期间用户用多个选择器)。在最不利的情况下，无相交可识别：这意味着不存在对在选择器中进行的选择常见的常见空间区域。

在多个中间情况下，仅采用得分的某些值的形式的某些选择具有大体上相同的空间区域。因此我们得到部分目标空间区域(Z_STP)，其中仅考虑得分的子集。因此，部分目标空间区域(Z_STP)的刺激可导致排除考虑的得分的子集的得分修改。

在这些情况(其为最大量)下，可进行“相反”计算以将新值分配到得分，其空间区域不形成部分目标空间区域(Z_STP)的一部分。

4.3自动计算

以补充方式，在选择得分的值的步骤之前，在选择器中预安置得分的至少一些值的目标下，设想自动计算。此基本的自动计算旨在搜索最大化得分的值的解决方案。此自动计算基于得分的有序列表进行。得分的此有序列表相对于彼此暗含地将重要性分配给得分。实际上，根据病变，某些临床得分可比其它临床得分更有代表性。这意味着这些得分可按重要性排序。例如，在帕金森氏病的情况下，与震颤有关的得分可被认为是比体重增加的得分占优势。

因此，在此变型中，对用于最大化得分的解决方案的搜索的基本阶段通过对于这些得分进行对应于最大值(V_Si)的空间区域(Z_Si)的相交来实施，从病变的最高有效得分开始到病变的最低有效得分。

这些相交使获得与使用的得分的值对应的自动目标空间区域(Z_STA)成为可能。

5实施设备

参考图2，我们描述为了根据先前描述的方法得到大脑刺激的仿真实施的设备。例如，设备包括由缓冲存储器构成的存储器21、处理单元22，其配备例如微处理器并且通过实施用于获得的方法的计算机程序23驱动。

在初始化时，将计算机程序23的代码指令例如加载到存储器中，并且随后通过处理单元22的处理器执行。处理单元22输入将分配到预定得分(S_X)的值(VS_X)和与这些得分有关的解剖临床图谱。微处理器或处理单元22实施根据计算机程序23的指令的方法的步骤以产生目标空间区域(ZS_C)，其能够产生表示至少一个所选值(VS_X)的给定结果。

为这个目的，除了缓冲存储器21之外，设备包括通信装置例如网络通信模块、用于传输数据的装置并且若需要则包括加密处理器。

这些装置采用在设备内实施的具体处理器的形式，所述处理器为安全处理器。根据一个具体实施例，此设备实施负责计算的具体应用。

这些装置还采用用于在通信网络、询问装置、用于更新数据库的装置等上交换数据的通信接口的形式。

更具体地说，此类设备包括：

-在至少两个可用的值中选择将分配到预定得分(S_X)的值(VS_X)的装置；选择的装置可采用选择器的形式，例如在桌面内设置的硬件选择器、接收选择器(连续滑动选择器、可旋转的多位置选择器、变换器)，否则采用可编程选择模块(其采用例如能够借助于处理器在用于表示信息的装置上与到显示器的人/机接口通信的软件和/或硬件模块)，可借助于输入设备操控的虚拟选择器的形式。

-在属于能够提供接近于将分配到所述预定得分(S_X)的所述值(VS_X)的值的空间区域(ZS_X)的一组解剖临床图谱(AAC_[1..N])的解剖临床图谱(AAC_X)内进行识别的装置；提供一组空间区域(ZS_[1..L])。这些装置可采用软件和/或硬件模块的形式，具体地说被产生以对于与借助于选择装置传输的值对应的一个或多个区域，在给定图谱内进行搜索；

-用于根据所述一组空间区域(ZS_[1..L])计算，计算能够产生表示至少一个所选值(VS_X)的给定结果的至少一个目标空间区域(ZS_C)的装置。此类装置采用多维数据处理器的形式，例如设置有特定计算算法的图形处理器类型的处理器。此类布局具有大大加速处理操作的优点。另一种可能可以是使用具体地说进行此类型的计算的标准处理器或微处理器。

Claims (9)

1.一种用于仿真大脑刺激、提供刺激的目标空间区域(ZS_C)的估计的方法，所述方法特征在于其包括以下步骤的至少一个重复：

从至少两个可用的值当中选择(100)将分配到对应于预期结果的预定得分(S_X)的值(VS_X)；

在属于一组解剖临床图谱(AAC_[1..N])的解剖临床图谱(AAC_X)内识别(150)能够提供接近于将分配到所述预定得分(S_X)的所述值(VS_X)的值的空间区域(ZS_X)，其中所述一组解剖临床图谱(AAC_[1..N])是通过大脑功能解剖临床图谱(AAC_X)形成，所述大脑功能解剖临床图谱(AAC_X)各自将一个或多个解剖功能与一个或多个给定空间区域相关联，并且对于这些给定空间区域包括表示当这些空间区域被刺激时病变进展的值；

所述至少一个重复提供一组空间区域(ZS_[1..L])；

此外，所述方法特征在于其包括：

根据所述一组空间区域(ZS_[1..L])计算(200)能够产生表示至少一个所选值(VS_X)的给定结果的至少一个目标空间区域(ZS_C)，其中所述目标空间区域(ZS_C)为表示与所述一组空间区域(ZS_[1..L])中的最高数量空间区域的相交的所述空间区域。

2.根据权利要求1所述的方法，其特征在于所述目标空间区域(ZS_C)的所述计算(200)包括使所述一组空间区域(ZS_[1..L])的所述空间区域(ZS_X)在标准化解剖体积内相交(250)。

3.根据权利要求1所述的方法，其特征在于其包括在所述至少一个重复之前用于构建所述一组解剖临床图谱(AAC_[1..N])的步骤(P5)。

4.根据权利要求3所述的方法，其特征在于用于构建的所述步骤(P5)考虑被实施所述方法的患者的至少一个特性。

5.一种用于仿真大脑刺激、提供刺激的目标空间区域(ZS_C)的估计的设备，所述设备特征在于其包括：

用于从至少两个可用的值当中选择将分配到对应于预期结果的预定得分(S_X)的值(VS_X)的装置；

用于在属于一组解剖临床图谱(AAC_[1..N])的解剖临床图谱(AAC_X)内识别能够提供接近于将分配到所述预定得分(S_X)的所述值(VS_X)的值的空间区域(ZS_X)的装置，其中所述一组解剖临床图谱(AAC_[1..N])是通过大脑功能解剖临床图谱(AAC_X)形成，所述大脑功能解剖临床图谱(AAC_X)各自将一个或多个解剖功能与一个或多个给定空间区域相关联，并且对于这些给定空间区域包括表示当这些空间区域被刺激时病变进展的值；

提供一组空间区域(ZS_[1..L])；

根据所述一组空间区域(ZS_[1..L])，计算能够产生表示至少一个所选值(VS_X)的给定结果的至少一个目标空间区域(ZS_C)的装置，其中所述目标空间区域(ZS_C)为表示与所述一组空间区域(ZS_[1..L])中的最高数量空间区域的相交的所述空间区域。

6.根据权利要求5所述的设备，其特征在于所述目标空间区域(ZS_C)的所述计算(200)包括使所述一组空间区域(ZS_[1..L])的所述空间区域(ZS_X)在标准化解剖体积内相交(250)。

7.根据权利要求5所述的设备，其特征在于其包括用于构建所述一组解剖临床图谱(AAC_[1..N])的装置。

8.根据权利要求7所述的设备，其特征在于用于构建的所述装置考虑被实施所述方法的患者的至少一个特性。

9.一种计算机可读存储介质，其能够从通信网络下载和/或存储在计算机可读载体上和/或能够通过微处理器执行的计算机程序，其特征在于其包括当通过处理器执行时用于执行根据权利要求1所述的方法的程序代码指令。

Images