CN112704486A - 基于电磁仿真计算的tms线圈位姿图谱生成方法 - Google Patents
基于电磁仿真计算的tms线圈位姿图谱生成方法 Download PDFInfo
- Publication number
- CN112704486A CN112704486A CN202110048839.2A CN202110048839A CN112704486A CN 112704486 A CN112704486 A CN 112704486A CN 202110048839 A CN202110048839 A CN 202110048839A CN 112704486 A CN112704486 A CN 112704486A
- Authority
- CN
- China
- Prior art keywords
- coil
- brain
- electric field
- individual
- field value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004088 simulation Methods 0.000 title claims abstract description 51
- 210000004556 brain Anatomy 0.000 claims abstract description 147
- 230000005684 electric field Effects 0.000 claims abstract description 113
- 230000033228 biological regulation Effects 0.000 claims abstract description 50
- 230000000694 effects Effects 0.000 claims abstract description 49
- 210000004761 scalp Anatomy 0.000 claims abstract description 43
- 210000005013 brain tissue Anatomy 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 230000006698 induction Effects 0.000 claims abstract description 22
- 238000009792 diffusion process Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000001105 regulatory effect Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 7
- 230000036544 posture Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 230000001149 cognitive effect Effects 0.000 abstract description 2
- 238000011491 transcranial magnetic stimulation Methods 0.000 description 76
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 4
- 230000004807 localization Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 210000003625 skull Anatomy 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N2/00—Magnetotherapy
- A61N2/004—Magnetotherapy specially adapted for a specific therapy
- A61N2/006—Magnetotherapy specially adapted for a specific therapy for magnetic stimulation of nerve tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N2/00—Magnetotherapy
- A61N2/02—Magnetotherapy using magnetic fields produced by coils, including single turn loops or electromagnets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
- A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Neurology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Robotics (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明属于认知神经科学技术领域,具体涉及一种基于电磁仿真计算的TMS线圈位姿图谱生成方法、系统、设备,旨在解决现有的TMS线圈无法根据电磁调控效应实现快速、精确定位的问题。本方法包括在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;采用有限元计算方法仿真个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;结合脑组织感应电场分布,获取最佳调控效应;获取最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿,并构建个体的TMS位姿图谱。本发明实现了TMS线圈快速、精确定位。
Description
技术领域
本发明属于认知神经科学技术领域,具体涉及一种基于电磁仿真计算的TMS线圈位姿图谱生成方法、系统、设备。
背景技术
脑图谱是研究脑部结构和功能的重要手段,为新一代经颅磁刺激(Transcranialmagnetic stimulation,TMS)精准神经调控技术提供了全新的视角和研究手段。目前,TMS主要使用传统解剖学脑图谱指导TMS线圈定位,此类图谱多是基于尸体标本绘制,仅包含局部分区信息,缺乏功能亚区的描述,导致临床实际效果有限,难以达到空间维度上TMS神经调控的精确靶区定位的目的。此外,TMS调控的脑区位置和范围主要受到TMS线圈的定位以及在脑组织中瞬时感应电场的影响,然而脑组织电导率参数等不一致导致TMS有效调控的脑区不在线圈的中心下方,而是有一定的偏移。临床或者科研实验中直接将线圈放置目标靶区对应的头皮上,并不能有效精准地调控目标脑区,因此基于普通的脑图谱定位TMS线圈并不能有效调控靶区。解决TMS精准调控靶区问题的关键在于基于精细准确的脑图谱和真实的感应电场计算模型建立TMS位姿图谱。
人类脑网络组图谱利用多模态磁共振成像技术非侵入性地划分人脑结构和功能区,比现有脑图谱具有更精细的脑区划分、不同亚区解剖与功能连接模式。因此,根据人类脑网络组图谱确定TMS调控靶区,能够获得精细的调控靶区位姿和神经环路等信息。基于人类脑网络组图谱获得靶区精确的空间定位后,仍需要TMS调控效应确定有效的线圈定位。得益于脑影像技术,图像处理算法和数值计算方法的研究进展,TMS的电磁仿真计算方法为研究精确的TMS感应电场分布提供了有效的途径。但是,TMS仿真计算方法需要理论知识和较大的计算量,研究人员仍然无法方便、快捷地确定线圈定位,而且现有方法难以提供TMS线圈定位与TMS调控效应的对应关系。
基于脑网络组图谱建立的TMS位姿图谱能够提供一个标准的线圈定位标准平台,方便获得不同调控靶区与最优调控效应对应的线圈定位。但是,现有方法并不能依据精确脑图谱分区结果和调控效应提供TMS线圈定位方案。因此基于人群脑网络组图谱建立TMS位姿图谱仍然是TMS技术最大的挑战之一。
发明内容
为了解决现有技术中的上述问题,即为了解决的现有的TMS线圈无法根据电磁调控效应实现快速、精确定位的问题,本发明第一方面,提出了一种基于电磁仿真计算的TMS线圈位姿图谱生成方法,该方法包括:
步骤S10,在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
步骤S20,基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真TMS线圈定位于所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
步骤S30,将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
步骤S40,获取各最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
在一些优选的实施方式中,所述MNI标准空间中头皮表面的线圈阵列位点的构建方法为:
步骤S11,在MNI标准空间中的头皮表面标记解剖参考点;所述解剖参考点包括鼻根点Nz、枕骨隆突点Iz、右外耳廓前顶点APR、左外耳廓前顶点APL;
步骤S12,获取连接Nz和Iz的曲线l1及连接APR和APL的曲线l2,并将l1与l2相交的点确定为中央点Cz,将Cz投射至Nz、APR平面获得O点;基于O、Cz、Nz、APR建立角度等分坐标系,O为坐标系原点,Nz为坐标系x轴正向,APR为坐标系y轴正向,Cz为坐标系z轴正向;
步骤S13,连接Nz-Cz-Iz-O点,并将Nz-O-Iz夹角以α为单位等分为M份,每个方向的射线与头皮表面相交的点确定为p(i);其中,p(1)为Nz点,p(M+1)为Iz点,M为正整数;
步骤S14,对各点p(i),连接APL–p(i)–APR–O点,并将夹角以θ为单位等分为M份,每个方向的射线与头皮表面相交的点确定为p(i,j),作为MNI标准空间中头皮表面的线圈阵列位点;其中,p(i,1)为APL点,p(i,M+1)为APR点。
在一些优选的实施方式中,所述MNI标准空间中头皮表面的线圈阵列方向的构建方法为:
确定MNI标准空间中头皮表面的线圈阵列位姿的法向量及切平面;
将医学影像空间中矢状面从后向前的方向定义为0度方向,将0度方向平移至某一线圈阵列位点,即可定位该位点的0度方向,以该位点为原点,朝向矢状面的后向方位,表示为PA0,基于PA0即可设定线圈切平面内的其他方向角度。
在一些优选的实施方式中,步骤S20中“获取不同线圈方向的脑组织感应电场分布”,其方法为:
基于所述结构磁共振影像,获取个体脑空间各脑组织的电导性参数,并根据电导性参数阈值将脑空间分割为的N部分,三维重建为有限元几何模型;
基于所述弥散张量磁共振影像,计算出扩散张量矩阵及其特征值、特征向量;根据体积约束模型的电导率张量矩阵和扩散张量矩阵的特征值成正比,且特征向量一致的推论建立各向异性脑组织电参数;
根据所述有限元几何模型、各向异性脑组织电参数构建个体的有限元电磁仿真计算模型,并采用有限元计算方法仿真TMS线圈定位于个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布。
在一些优选的实施方式中,所述体积约束模型为:
其中,σiso表示脑组织的各向同性电导率参数,σi表示电导率张量矩阵的特征值。
在一些优选的实施方式中,所述最佳调控效应,其计算方法为:
EFmax(i)=maxk×m∈[s]|EF(Pk(i),Om(i))|
其中,EF(i)表示调控效应,即感应电场值,EFmax(i)表示最佳调控效应,EROI(i)表示第i个感兴趣区域内的平均感应电场值,Enon-ROI(n∈Tc)表示当前脑区分区除第i个感兴趣区域之外的平均感应电场值,Pk(i)为第i个感兴趣区域对应的线圈位点,Om(i)为第i个感兴趣区域对应的线圈方向,k、m表示线圈位置、方向的数量。
本发明的第二方面,提出了一种基于电磁仿真计算的TMS线圈位姿图谱生成系统,该系统包括:阵列位姿获取模块、有限元仿真计算模块、最佳调控效应获取模块、位姿图谱构建模块;
所述阵列位姿获取模块,配置为在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
所述有限元仿真计算模块,配置为基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
所述最佳调控效应获取模块,配置为将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
所述位姿图谱构建模块,配置为获取各最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
本发明的第三方面,提出了一种设备,包括:至少一个处理器;以及与至少一个所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于电磁仿真计算的TMS线圈位姿图谱生成方法。
本发明的第四方面,提出了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现上述的基于电磁仿真计算的TMS线圈位姿图谱生成方法。
本发明的有益效果:
本发明实现了TMS线圈快速、精确的定位。本发明一方面基于等角度划分方法建立的MNI标准空间中头皮表面的线圈阵列位点和方向,能够准确描述线圈的放置空间,保证不同个体间的可重复性,另一方面,结合磁共振影像、脑网络组图谱,基于有限元模型计算调控效应和线圈位姿之间的对应关系,构建TMS线圈位姿图谱,直接获得靶区对应的最优的线圈位姿,方便快捷且精确的实现TMS线圈定位,能够有效解决无创TMS神经调控中的线圈定位问题。
附图说明
通过阅读参照以下附图所做的对非限制性实施例所做的详细描述,本申请的其他特征、目的和优点将会变得更明显。
图1是本发明一种实施例的基于电磁仿真计算的TMS线圈位姿图谱生成方法的流程示意图;
图2是本发明一种实施例的基于电磁仿真计算的TMS线圈位姿图谱生成系统的框架示意图;
图3是本发明一种实施例的TMS位姿图谱的简略生成过程示意图;
图4是本发明一种实施例的MNI标准空间的线圈阵列位点和方向构建的示意图;
图5是本发明一种实施例的使用有限元模型计算感应电场分布的示意图;
图6是本发明一种实施例的基于最佳调控效应和线圈位姿的对应关系构建TMS位姿图谱的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明的一种基于电磁仿真计算的TMS线圈位姿图谱生成方法,如图1所示,该方法包括:
步骤S10,在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
步骤S20,基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
步骤S30,将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
步骤S40,获取各最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
为了更清晰地对本发明基于电磁仿真计算的TMS线圈位姿图谱生成方法进行说明,下面结合附图对本发明方法一种实施例中各步骤进行展开详述。
本发明首先建立MNI标准空间中头皮表面的线圈定位阵列的位点和方向,用来实现对不同被试个体头皮表面上线圈位置的定量描述。然后,依据受试者的磁共振影像建立各向异性电参数的头部有限元仿真计算模型,依次计算线圈定位阵列位点及各线圈方向组合调控状态下的脑组织感应电场分布。最后基于群组电场分布建立脑网络组图谱脑区亚区与调控效应的对应关系,并基于对应的调控靶区与调控效应逆向求解出最优TMS线圈位姿信息,从而形成一种新型的“TMS位姿图谱”。如图3所示:
图3(a)在头皮上建立了TMS线圈阵列位点,将此作为线圈可能的定位位置,并且每个线圈位点给定多个线圈方向,将此作为线圈可能的定位方向。对于特定的个体(例如图3(b)中的受试者),建立个体各向异性电参数的有限元计算模型,仿真计算在所有线圈位置和方向下受试者脑组织中的感应电场分布。基于调控效果达到最强,副作用最弱的目标,可以在群体层面逆向求解出某一靶区对应的最优线圈位置和方向。图3(c)在标准化到标准脑空间之后,我们可以获得最佳调控效应与线圈位姿的概率对应关系。通过从给定脑图谱所获得的调控靶区信息,这种概率对应关系能够提供使每个目标脑区达到最佳调控效应的线圈位姿的群体层面概率,并且将其作为先验知识。TMS位姿图谱本质上是为目标调控靶区在头皮上映射最佳调控效对应线圈位姿的先验知识。如果仅针对目标靶区考虑最佳的线圈位姿及调控效应的概率,则如图3(c)所示的位姿最大概率图可以作为线圈定位的有用指导。
TMS位姿图谱的一个重要性质是能够仅仅基于被试的磁共振影像,直接获得调控靶区对应的最优的线圈位姿。另外,TMS位姿图谱可以将脑图谱中先验脑区分区作为靶区,基于人群靶区调控效应-线圈位姿对应关系提供最优线圈位置和方向。在TMS位姿图谱的框架下,线圈的位姿数据是基于群组仿真计算的最大调控效应和最小副作用获得的,从而可以方便快捷地指导TMS线圈在被试头皮上的放置。因此,TMS位姿图谱的建立,解决了TMS神经导航技术中线圈定位与调控效应分离的矛盾。
TMS位姿图谱生成的具体过程如下述步骤:
步骤S10,在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
线圈阵列位点和方向需要满足两个基本要求:第一,它为个体目标调控脑区和头皮表面提供一对一的映射;第二,为了考虑群体层面个体间的解剖结构等差异,不同个体头皮上的每个线圈阵列位置在神经解剖学上基本一致。
线圈阵列位点是基于角度等分坐标系建立的,其基本思想在标准脑空间进行等角度比例划分,射线与头皮相交的点确定为标准空间的线圈阵列位点,然后将其配准至个体脑空间即可获得个体脑空间的线圈阵列位姿。在本实施例中,通过如下步骤在标准空间的头皮表面建立线圈阵列位点,如图4(a)所示:
步骤S11,在MNI标准空间中的头皮表面标记解剖参考点;
本发明中解剖参考点至少为3个,在本实施例中,优选4个解剖参考点,包括鼻根点Nz、枕骨隆突点Iz、右外耳廓前顶点APR、左外耳廓前顶点APL;其中,MNI标准空间在本发明中优选使用MNI 152标准模板。
步骤S12,获取连接Nz和Iz的曲线l1及连接APR和APL的曲线l2,并将l1与l2相交的点确定为中央点Cz,将Cz投射至Nz、APR平面获得O点;基于O、Cz、Nz、APR建立角度等分坐标系,O为坐标系原点,Nz为坐标系x轴正向,APR为坐标系y轴正向,Cz为坐标系z轴正向;
步骤S13,连接Nz-Cz-Iz-O点,并将Nz-O-Iz夹角以α为单位等分为M份,每个方向的射线与头皮表面相交的点确定为p(i);其中,p(1)为Nz点,p(M+1)为Iz点,M为正整数;
步骤S14,对各点p(i),连接APL–p(i)–APR–O点,并将夹角以θ为单位等分为M份,每个方向的射线与头皮表面相交的点确定为p(i,j),作为MNI标准空间中头皮表面的线圈阵列位点;其中,p(i,1)为APL点,p(i,M+1)为APR点。
基于以上步骤获得的MNI标准空间的线圈阵列位点p(i,j),然后将标准空间配准至个体脑空间即可获得个体脑空间的线圈阵列位点。为了建立线圈方向,首先确定头皮曲面上的任意阵列点p(i,j)的法向量及切平面,然后将与医学影像后前位PA平行的方向定为PA0,设定线圈方向的过程即为在切平面内将线圈中心绕着法向量旋转一定角度,如图3(a)、4(b)所示。线圈方向建立的具体过程如下:
对每个线圈阵列位点,通过拟合该线圈阵列位点与周围相邻线圈阵列位点的曲面,然后求解曲面上该阵列位点的朝头皮外方向的法线,根据该阵列位点的法线即可求解经过该位点并垂直法线的切平面;
将切平面与与医学影像空间中矢状面从后向前的方向定义为0度方向,将0度方向平移至某一线圈阵列位点,即可定位该位点的0度方向,以该位点为原点,朝向矢状面的后向方位,表示为PA0,基于PA0即可设定线圈切平面内的其他方向角度。
步骤S20,基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
在本实施例中,构建有限元电磁仿真计算模型的过程如下:
步骤S21,基于获取的个体脑部的结构磁共振影像,获取个体脑空间各脑组织的电导性参数,并根据电导性参数阈值将脑空间分割为的N部分,三维重建为有限元几何模型;
在本实施例中,优选将N设置为5,即将脑空间分割为头皮、颅骨、脑脊液、灰质、白质(如图5(a)所示),并三维重建为有限元几何模型(如图5(b)所示)。其中,结构磁共振影像包括T1、T2两种结构磁共振影像,T1通过选择性水激发方法扫描,能够抑制头骨的脂肪和海绵状骨信号,T2通过高读出带宽方法扫描,能够减少脂肪偏移,分离头皮、头骨与脑脊液。
步骤S22,基于获取的个体的弥散张量磁共振影像,计算出扩散张量矩阵及其特征值、特征向量;根据体积约束模型的电导率张量矩阵和扩散张量矩阵的特征值成正比,且特征向量一致的推论建立各向异性脑组织电参数;
在本实施例中,弥散张量磁共振影像包括AP和PA方向的弥散张量磁共振成像。基于弥散磁共振成像数据计算出扩散张量矩阵及其特征值和特征向量,并根据体积约束模型的电导率张量矩阵和扩散张量矩阵的特征值近似成正比,且特征向量一致的推论建立各向异性脑组织电参数(如图5(c)所示),体积约束公式如公式(1)所示:
其中,σiso表示脑组织的各向同性电导率参数(在本发明中,σiso确定的优选通过Cole-Cole模型确定),σi(在本发明中,i优选设置为3)为电导率张量矩阵的特征值,表明各向异性的导电椭球体积与各向同性的相同。此外,电导率张量矩阵的特征值与扩散张量矩阵的特征值成正比,如式(2)所示:
其中,di(i=1,2,3)为扩散张量矩阵的特征值。
由于电导率张量矩阵的特征向量与扩散张量相同,结合电导率张量矩阵的特征值即可求得电导率张量矩阵Σ,如式(3)所示:
步骤S23,根据所述有限元几何模型、各向异性脑组织电参数构建个体的有限元电磁仿真计算模型,并采用有限元计算的方法仿真TMS线圈定位于个体脑空间的线圈阵列位点,获取个体脑空间的线圈阵列位点对应不同线圈方向的脑组织感应电场分布。
其中,磁失势A可以根据毕萨拉(Biot-Savart)定律求解,根据Biot-Savart定律,磁失势A结果与TMS线圈定位的位点、脑组织的几何结构、及脑组织导电参数相关,标量电位Φ可以根据Neummn边界条件求解Laplace方程,标量电位仍然受到脑组织分布、电参数及刺激线圈定位影响。
本发明TMS刺激方案中使用线圈为外径为9.7cm,内径为4.7cm的八字形线圈,所有仿真计算的线圈刺激电流为1A,计算所有线圈阵列位姿和线圈方向对应的头部感应电场分布,如图5(d)所示。
步骤S30,将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
在本实施例中,将标准空间的脑图谱配准至受试者个体脑空间,构建个体的脑图谱,获得个体脑区分区结果。
根据个体脑网络组图谱的脑区中心建立设定半径的球体作为各调控脑区的感兴趣区域(Region of interest,ROI),半径优选设置为3mm。在本发明的实施例中,将最佳调控效应定义为每个脑区ROI(i)内感应电场值达到最大,非ROI感应电场值达到最小,因此可以定量描述调控效应EF(i),其计算方法如公式(5)所示:
其中,EF(i)表示调控效应,即感应电场值,EROI(i)表示第i个感兴趣区域内的平均感应电场值,Enon-ROI(n∈Tc)表示当前脑区分区除第i个感兴趣区域之外的平均感应电场值(如图6(a)所示)。
本发明统计每个脑区ROI(i)的最大调控效应EF(i),保存为[s](由k个线圈阵列位姿和m个线圈方向组成),如公式(6)、(7):
EFmax(i)=maxk×m∈[s]|EF(Pk(i),Om(i))| (6)
(Popt(i),Oopt(i))=argmaxk×m∈[s]|EF(Pk(i),Om(i))| (7)
其中,Pk(i)为第i个感兴趣区域对应的线圈位点,Om(i)为第i个感兴趣区域对应的线圈方向,k、m表示线圈位置、方向的数量,Popt(i)表示第i个感兴趣区域对应最大调控效应的线圈位点,Oopt(i)表示第i个感兴趣区域对应最大调控效应的线圈方向。
步骤S40,获取各最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
在本实施例中,获取最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿,如图6(b)所示,基于最优线圈位姿,构建个体的TMS位姿图谱。
另外,基于以上步骤可以获得受试者个体所有脑区的最优线圈位姿。但由于不同受试者个体的大脑结构、头部几何结构存在明显的个体差异。上述根据个体有限元模型计算的最佳线圈位姿不能直接应用到群体层面,因此还需尽可能多地囊括群组的共性特征,并减少个体差异。为此,在本发明的一个实施例中,使用16个参与者的磁共振影像数据集,提供了基于脑网络组图谱的TMS位姿图谱构建示例。下面,对群组水平的TMS位姿图谱的生成过程进行介绍。
我们使用HCP数据库(Human Connectome Project)中的16名健康受试者的磁共振影像数据集。将标准脑空间配准至个体脑空间,可以获得个体空间的线圈阵列位点结果,并根据本发明的线圈方向确定方法可以获得个体头皮所有线圈位姿组合(Pk,Om)。
为了仿真计算感应电场分布,需要使用有限元仿真计算软件建立个体各向异性的有限元模型,并计算所有线圈位姿状态下的感应电场分布,在本发明的一个实施例中,选用SIMNSB软件完成有限元建模及感应电场计算。
基于所有线圈位姿状态的感应电场分布结果,我们对个体任意脑区ROI(i)的调控效应值进行标准化,变成Z统计值,对每个被试的Z统计值进行1阶平滑,然后平均个体对应Z值得到组平均Z值,取超过0.05显著的作为显著区域,且每个脑区取前30个最大的Z值位姿,由此构建群体层面的TMS位姿图谱。
在本发明实施例中,基于具有246个脑区亚区(分区)的脑网络组图谱构建TMS位姿图谱。脑区亚区通过最近距离方法投射到标准空间的头皮表面上,每个亚区由不同颜色表示,图中表示出亚区的边界形状。基于头皮脑区亚区分布图构建TMS位姿图谱,亚区对应颜色更深的圆点表示群组水平的线圈位置,三角形表示每个线圈位置对应的线圈方向,如图3(c)所示,图中的三角形表示群组水平线圈方向均值,三角形的底长表示群组线圈方向范围。此外,位于大脑深部的核团等亚区处于TMS不可作用的范围,因此本发明实施例忽略此类脑区亚区。
本发明第二实施例的一种基于电磁仿真计算的TMS线圈位姿图谱生成系统,如图2所示,具体包括以:阵列位姿获取模块100、有限元仿真计算模块200、最佳调控效应获取模块300、位姿图谱构建模块400;
所述阵列位姿获取模块100,配置为在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
所述有限元仿真计算模块200,配置为基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
所述最佳调控效应获取模块300,配置为将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
所述位姿图谱构建模块400,配置为获取最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
所述技术领域的技术人员可以清楚的了解到,为描述的方便和简洁,上述描述的系统具体的工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于电磁仿真计算的TMS线圈位姿图谱生成系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种设备,包括:至少一个处理器;以及与至少一个所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于电磁仿真计算的TMS线圈位姿图谱生成方法。
本发明第四实施例的一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现上述的基于电磁仿真计算的TMS线圈位姿图谱生成方法。
所述技术领域的技术人员可以清楚的了解到,未描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实例中的对应过程,在此不再赘述。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (9)
1.一种基于电磁仿真计算的TMS线圈位姿图谱生成方法,其特征在于,该方法包括以下步骤:
步骤S10,在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
步骤S20,基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真TMS线圈定位于所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
步骤S30,将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
步骤S40,获取各最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
2.根据权利要求1所述的基于电磁仿真计算的TMS线圈位姿图谱生成方法,其特征在于,所述MNI标准空间中头皮表面的线圈阵列位点的构建方法为:
步骤S11,在MNI标准空间中的头皮表面标记解剖参考点;所述解剖参考点包括鼻根点Nz、枕骨隆突点Iz、右外耳廓前顶点APR、左外耳廓前顶点APL;
步骤S12,获取连接Nz和Iz的曲线l1及连接APR和APL的曲线l2,并将l1与l2相交的点确定为中央点Cz,将Cz投射至Nz、APR平面获得O点;基于O、Cz、Nz、APR建立角度等分坐标系,O为坐标系原点,Nz为坐标系x轴正向,APR为坐标系y轴正向,Cz为坐标系z轴正向;
步骤S13,连接Nz-Cz-Iz-O点,并将Nz-O-Iz夹角以α为单位等分为M份,每个方向的射线与头皮表面相交的点确定为p(i);其中,p(1)为Nz点,p(M+1)为Iz点,M为正整数;
步骤S14,对各点p(i),连接APL–p(i)–APR–O点,并将夹角以θ为单位等分为M份,每个方向的射线与头皮表面相交的点确定为p(i,j),作为MNI标准空间中头皮表面的线圈阵列位点;其中,p(i,1)为APL点,p(i,M+1)为APR点。
3.根据权利要求2所述的基于电磁仿真计算的TMS线圈位姿图谱生成方法,其特征在于,所述MNI标准空间中头皮表面的线圈阵列方向的构建方法为:
确定MNI标准空间中头皮表面的线圈阵列位姿的法向量及切平面;
将医学影像空间中矢状面从后向前的方向定义为0度方向,将0度方向平移至某一线圈阵列位点,即可定位该位点的0度方向,以该位点为原点,朝向矢状面的后向方位,表示为PA0,基于PA0即可设定线圈切平面内的其他方向角度。
4.根据权利要求1中所述的基于电磁仿真计算的TMS线圈位姿图谱生成方法,其特征在于,步骤S20中“获取不同线圈方向的脑组织感应电场分布”,其方法为:
基于所述结构磁共振影像,获取个体脑空间各脑组织的电导性参数,并根据电导性参数阈值将脑空间分割为的N部分,三维重建为有限元几何模型;
基于所述弥散张量磁共振影像,计算出扩散张量矩阵及其特征值、特征向量;根据体积约束模型的电导率张量矩阵和扩散张量矩阵的特征值成正比,且特征向量一致的推论建立各向异性脑组织电参数;
根据所述有限元几何模型、各向异性脑组织电参数构建个体的有限元电磁仿真计算模型,并采用有限元计算方法仿真TMS线圈定位于个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布。
7.一种基于电磁仿真计算的TMS线圈位姿图谱生成系统,其特征在于,该系统包括:阵列位姿获取模块、有限元仿真计算模块、最佳调控效应获取模块、位姿图谱构建模块;
所述阵列位姿获取模块,配置为在MNI标准空间中构建头皮表面的线圈阵列位点和方向,并匹配到个体脑空间,得到个体脑空间的线圈阵列位点和方向;
所述有限元仿真计算模块,配置为基于获取的个体脑部的结构磁共振影像、弥散张量磁共振影像,构建有限元电磁仿真计算模型,并采用有限元计算方法仿真所述个体脑空间的线圈阵列位点,获取不同线圈方向的脑组织感应电场分布;
所述最佳调控效应获取模块,配置为将标准空间的脑网络组图谱配准至个体脑空间,得到个体脑区分区结果,并根据所述脑组织感应电场分布,获取第一电场值、第二电场值;将所述第一电场值、第一电场值与第二电场值的比值的和的最大值,作为最佳调控效应;所述第一电场值为感兴趣区域的平均电场值;所述第二电场值为脑区各分区除感兴趣区域外的平均电场值,即非感兴趣区域电场值;所述感兴趣区域为个体脑区各分区中心设定半径内的球体区域;
所述位姿图谱构建模块,配置为获取最佳调控效应对应的线圈位点及方向,作为个体脑区各分区的最优线圈位姿;基于所述最优线圈位姿,构建个体的TMS位姿图谱。
8.一种设备,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1-6任一项所述的基于电磁仿真计算的TMS线圈位姿图谱生成方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现权利要求1-6任一项所述的基于电磁仿真计算的TMS线圈位姿图谱生成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110048839.2A CN112704486B (zh) | 2021-01-14 | 2021-01-14 | 基于电磁仿真计算的tms线圈位姿图谱生成方法 |
US17/539,150 US11369282B1 (en) | 2021-01-14 | 2021-11-30 | Method for generating transcranial magnetic stimulation (TMS) coil pose atlas based on electromagnetic simulating calculation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110048839.2A CN112704486B (zh) | 2021-01-14 | 2021-01-14 | 基于电磁仿真计算的tms线圈位姿图谱生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112704486A true CN112704486A (zh) | 2021-04-27 |
CN112704486B CN112704486B (zh) | 2021-10-26 |
Family
ID=75548931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110048839.2A Active CN112704486B (zh) | 2021-01-14 | 2021-01-14 | 基于电磁仿真计算的tms线圈位姿图谱生成方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11369282B1 (zh) |
CN (1) | CN112704486B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114073820A (zh) * | 2022-01-20 | 2022-02-22 | 中国科学院自动化研究所 | 脑图谱导航的经颅磁刺激线圈位姿定位装置、方法、设备 |
CN115762303A (zh) * | 2022-11-07 | 2023-03-07 | 深圳职业技术学院 | 经颅磁刺激线圈电磁场模拟系统的系统搭建方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078056A1 (en) * | 2000-10-20 | 2004-04-22 | Abraham Zangen | Coil for magnetic stimulation and methods for using the same |
CN101516444A (zh) * | 2006-09-13 | 2009-08-26 | 奈科斯迪姆公司 | 纠正导航脑刺激中显示的对象的坐标系配准中的错误的方法和装置 |
CN102814001A (zh) * | 2012-08-08 | 2012-12-12 | 深圳先进技术研究院 | 经颅磁刺激导航系统及经颅磁刺激线圈定位方法 |
CN102908145A (zh) * | 2012-11-09 | 2013-02-06 | 中国科学院自动化研究所 | 一种基于多模态磁共振成像的脑区功能定位方法 |
EP2684518A1 (en) * | 2011-03-09 | 2014-01-15 | Osaka University | Image data processing device and transcranial magnetic stimulation apparatus |
CN104123416A (zh) * | 2014-07-21 | 2014-10-29 | 中国医学科学院生物医学工程研究所 | 一种模拟真实人体颅脑电特性分布的有限元仿真模型 |
US20160001092A1 (en) * | 2014-07-02 | 2016-01-07 | Nexstim Oy | Position-finding apparatus |
CN105572488A (zh) * | 2015-12-31 | 2016-05-11 | 中国医学科学院生物医学工程研究所 | 用于检测经颅磁刺激在颅内感应电场的系统及制作方法 |
US20170049387A1 (en) * | 2014-02-14 | 2017-02-23 | The University Of Tokyo | Intracerebral current simulation method and device thereof, and transcranial magnetic stimulation system including intracerebral current simulation device |
CN107519579A (zh) * | 2013-06-03 | 2017-12-29 | 奈科斯迪姆公众股份公司 | 具有重叠的线圈绕组的 mTMS 线圈设备 |
WO2018183887A1 (en) * | 2017-03-30 | 2018-10-04 | The Trustees Of Columbia University In The City Of New York | System, method and computer-accessible medium for predicting response to electroconvulsive therapy based on brain functional connectivity patterns |
US20190320966A1 (en) * | 2017-12-05 | 2019-10-24 | Beijing Normal University | Individual-characteristic-based transcranial brain atlas generation method, navigation method, and navigation system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10197657B2 (en) * | 2015-08-12 | 2019-02-05 | The Regents Of The University Of California | Methods and systems for generating a conductivity map of an in vivo tissue |
US20180271397A1 (en) * | 2017-03-24 | 2018-09-27 | Government Of The United States As Represented By The Secretary Of The Air Force | Model of electric conductivity of white matter |
-
2021
- 2021-01-14 CN CN202110048839.2A patent/CN112704486B/zh active Active
- 2021-11-30 US US17/539,150 patent/US11369282B1/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078056A1 (en) * | 2000-10-20 | 2004-04-22 | Abraham Zangen | Coil for magnetic stimulation and methods for using the same |
CN101516444A (zh) * | 2006-09-13 | 2009-08-26 | 奈科斯迪姆公司 | 纠正导航脑刺激中显示的对象的坐标系配准中的错误的方法和装置 |
EP2684518A1 (en) * | 2011-03-09 | 2014-01-15 | Osaka University | Image data processing device and transcranial magnetic stimulation apparatus |
CN102814001A (zh) * | 2012-08-08 | 2012-12-12 | 深圳先进技术研究院 | 经颅磁刺激导航系统及经颅磁刺激线圈定位方法 |
CN102908145A (zh) * | 2012-11-09 | 2013-02-06 | 中国科学院自动化研究所 | 一种基于多模态磁共振成像的脑区功能定位方法 |
CN107519579A (zh) * | 2013-06-03 | 2017-12-29 | 奈科斯迪姆公众股份公司 | 具有重叠的线圈绕组的 mTMS 线圈设备 |
US20170049387A1 (en) * | 2014-02-14 | 2017-02-23 | The University Of Tokyo | Intracerebral current simulation method and device thereof, and transcranial magnetic stimulation system including intracerebral current simulation device |
US20160001092A1 (en) * | 2014-07-02 | 2016-01-07 | Nexstim Oy | Position-finding apparatus |
CN104123416A (zh) * | 2014-07-21 | 2014-10-29 | 中国医学科学院生物医学工程研究所 | 一种模拟真实人体颅脑电特性分布的有限元仿真模型 |
CN105572488A (zh) * | 2015-12-31 | 2016-05-11 | 中国医学科学院生物医学工程研究所 | 用于检测经颅磁刺激在颅内感应电场的系统及制作方法 |
WO2018183887A1 (en) * | 2017-03-30 | 2018-10-04 | The Trustees Of Columbia University In The City Of New York | System, method and computer-accessible medium for predicting response to electroconvulsive therapy based on brain functional connectivity patterns |
US20190320966A1 (en) * | 2017-12-05 | 2019-10-24 | Beijing Normal University | Individual-characteristic-based transcranial brain atlas generation method, navigation method, and navigation system |
Non-Patent Citations (2)
Title |
---|
周天鹏等: "经颅磁刺激定位方法的研究进展", 《中国生物医学工程学报》 * |
聂文亮等: "基于三维有限元软件的经颅磁刺激仿真研究", 《成都信息工程学院学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114073820A (zh) * | 2022-01-20 | 2022-02-22 | 中国科学院自动化研究所 | 脑图谱导航的经颅磁刺激线圈位姿定位装置、方法、设备 |
CN114073820B (zh) * | 2022-01-20 | 2022-06-24 | 中国科学院自动化研究所 | 脑图谱导航的经颅磁刺激线圈位姿定位装置、方法、设备 |
CN115762303A (zh) * | 2022-11-07 | 2023-03-07 | 深圳职业技术学院 | 经颅磁刺激线圈电磁场模拟系统的系统搭建方法 |
CN115762303B (zh) * | 2022-11-07 | 2023-08-18 | 深圳职业技术学院 | 经颅磁刺激线圈电磁场模拟系统的系统搭建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112704486B (zh) | 2021-10-26 |
US11369282B1 (en) | 2022-06-28 |
US20220218220A1 (en) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7301112B2 (ja) | Mriによる導電率測定値に基づいて頭部上の電極位置を最適化したttfield治療 | |
CA3047067C (en) | Treating patients with ttfields with the electrode positions optimized using deformable templates | |
Huang et al. | Automated MRI segmentation for individualized modeling of current flow in the human head | |
KR102280367B1 (ko) | 10-20 시스템 기반의 위치 정보 제공 방법, 장치 및 프로그램 | |
CN112704486B (zh) | 基于电磁仿真计算的tms线圈位姿图谱生成方法 | |
US11775698B2 (en) | Method, server and computer program for designing customized headgear for transcranial direct current stimulation | |
Lemieux et al. | Calculation of electrical potentials on the surface of a realistic head model by finite differences | |
US9498645B2 (en) | Dose deformation error calculation method and system | |
CN114073820B (zh) | 脑图谱导航的经颅磁刺激线圈位姿定位装置、方法、设备 | |
US11941839B2 (en) | 10-20 system-based position information providing method | |
Kataja et al. | A probabilistic transcranial magnetic stimulation localization method | |
Zagorchev et al. | Patient-specific sensor registration for electrical source imaging using a deformable head model | |
Lynch et al. | Precision mapping and transcranial magnetic stimulation of individual-specific functional brain networks in humans | |
WO2022178152A1 (en) | Systems and methods for evaluation of transcranial magnetic stimulation induced electric fields | |
Kozińska et al. | Presentation of brain electrical activity distribution on its cortex surface derived from MR images | |
Huang | Computational Models of Current Flow in Transcranial Electrical Stimulation | |
Kozińska et al. | Integration of EEG and MRl data of individual brain | |
Beg et al. | External landmark and head-shape-based functional data normalization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |