CN113436170B - 基于磁共振影像的经颅电刺激个体化优化平台 - Google Patents

基于磁共振影像的经颅电刺激个体化优化平台 Download PDF

Info

Publication number
CN113436170B
CN113436170B CN202110713904.9A CN202110713904A CN113436170B CN 113436170 B CN113436170 B CN 113436170B CN 202110713904 A CN202110713904 A CN 202110713904A CN 113436170 B CN113436170 B CN 113436170B
Authority
CN
China
Prior art keywords
brain
matrix
target
optimization
current
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.)
Active
Application number
CN202110713904.9A
Other languages
English (en)
Other versions
CN113436170A (zh
Inventor
张效初
张为
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202110713904.9A priority Critical patent/CN113436170B/zh
Publication of CN113436170A publication Critical patent/CN113436170A/zh
Application granted granted Critical
Publication of CN113436170B publication Critical patent/CN113436170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Computer Graphics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开一种基于磁共振影像的经颅电刺激个体化优化平台，包括脑部三维建模，脑部靶区域的提取，正交电流方向的矩阵提取，有限元和二次矩阵优化计算，和设计效果预估五个部分。基于个体化性磁共振的医学影像，基于有限元分析和二次矩阵优化计算原理，个体化地提供经颅电刺激的电流强度参数和电极位置分布。并且可以预估受试者电刺激效果的优劣以及电刺激稳定程度。本发明平台采取了功能磁共振方法，来确定负责特定认知功能的脑区作为靶点，可以根据个人靶区域几何结构设计电流分布，预估电刺激效果，在实施电刺激之前对受试者进行分类，预估电刺激效果稳定性，包含实际操作过程中产生的系统误差。

Description

基于磁共振影像的经颅电刺激个体化优化平台
技术领域
本发明属于认知神经科学技术领域，涉及基于磁共振影像的经颅电刺激个体化优化平台。由认知科学理论为基础，涉及个体化的建立受试者头部电学三维结构，优化经颅电刺激的电流参数，并且以此预估分析受试者个体化刺激效果。
背景技术
经颅电刺激技术是一种非侵入性脑刺激方法。其目的在于通过在头部特定区域施加微弱的电流刺激(一般认为小于等于2.5毫安)，可以加强或者抑制对应的神经活动。这种刺激技术分类包括经颅直流电刺激，经颅交流电刺激和经颅随机电刺激。在过去的几年内，经颅电刺激逐渐发展为被广泛认可的神经调节物理手段，在神经基础科学和临床方面均有应用。由于其安全性高，成本低等特点，具有非常良好的推广前景。但是影响其主要效果的桎梏就是受试者之间巨大的个体差异性。这种差异性的来源于个体头部的电学物理属性。每个人不同的生理解剖特性会产生复杂的难以预测的电刺激效果。但是当今常用的电刺激电极位置选择往往是基于人群组平均的，并且使用比较大(20～35cm2)的橡胶电极。这使得电刺激影响到较大且模糊的脑区域。故在本平台中，电极设计为1.5cm直径的圆形纽扣状。采用多个这样的电极可以产生聚焦性更好的电刺激效果。另外，引入有限元仿真计算可以减少个体化电刺激的不确定性，预估电刺激在特定大脑区域的效应剂量。相应的，如何依靠个体化的脑靶区域去设计一个优化的电极位置排布和电流强度参数，这一正向仿真计算的逆问题，成为本发明平台创新的关键点。这一方法将在个体化水平上充分挖掘经颅电刺激的潜力，即可以为每一个受试者提供最佳效果的脑电刺激。与此同时，我们可以仿真计算这种最优化电刺激方式在每个人脑部的电刺激剂量，以此预估电刺激在人群中的效果分布。并且通过电极位置和电流强度大小的轻微扰动，可以分析在实际操作中电刺激效果的稳定情况。
经颅电刺激的起效机制一般被认为是阳极刺激会使神经元的静息态膜电位产生去极化，使神经元更易于发放动作电位，体现出兴奋性。反之，阴极刺激会使神经元的静息膜电位超极化，不利于动作电位，体现出抑制性。这种静息态膜电位的变化，与外加电场的方向具有显著的关系。有研究表明，外加电场与神经元细胞膜垂直时，具有对其最大的影响效果；而与细胞膜平行时，则没有。这使得考虑大脑皮层神经元的方向结构成为一个个体化差异必须考虑的问题。考虑到个体化大脑的对于特定认知过程响应位置的区别，我们采取功能核磁共振的影响扫描方法，个体化定位选取目标靶区域。大脑皮层神经元的树突到胞体的生理结构方向可以认为是基本垂直于大脑皮层表面的。因此，我们在设计优化电极分布的时候必须考虑个体化的大脑头部褶皱和沟回几何结构。因此在本发明中，我们在靶区域神经元的优化目标上加入垂直于大脑皮层表面的方向矩阵，以构建更为精准和科学的电流刺激方案。
发明内容
本发明的目的是提供一种基于磁共振影像的经颅电刺激个体化优化平台。本发明内容即基于个体化认知活动时大脑的功能性磁共振医学影像、个体化磁共振脑部结构T1和T2医学影像，利用有限元分析和二次矩阵优化计算原理，个体化地提供经颅电刺激的电流强度参数和电极位置分布。并且可以预估电刺激效果及其稳定性。其主要内容包括脑部三维建模、脑部靶区域的提取、正交电流方向的矩阵提取、有限元和二次矩阵优化计算和设计效果预估五个部分。
本发明平台需要输入受试者个体化的磁共振结构影像和对应认知活动时脑部的功能磁共振影像。一方面利用个体化的磁共振结构影像数据构建包含头皮、头骨、脑脊液、大脑灰质和大脑白质的精密三维网格结构。通过软件提供的有限元计算出各种电极分布下的脑内电流密度分布和电场分布。另一方面，利用对应认知活动时期脑部功能磁共振影像，计算出负责该认知活动的主要大脑区域，以此为靶区域构建优化目标矩阵。综合以上数据，构建二次线性优化目标问题，最终确定个体化的电流强度参数和脑电10-10系统中的电极位置分布。通过靶区域电流密度大脑皮层正交方向积分，可以预估受试者的电流刺激效果。在加入电流参数微扰动的分析后，可以预估受试者电刺激效果的稳定程度。本平台基于matlab软件完成，依赖软件和库包括simNIBS(有限元计算)，spm12(磁共振数据分析)和mosek(二次优化问题)。
本发明采用如下技术方案：
一种基于磁共振影像的经颅电刺激个体化优化平台，包括脑部三维建模，脑部靶区域的提取，正交电流方向的矩阵提取，有限元和二次矩阵优化计算，和设计效果预估五个部分。
进一步地，所述脑部三维建模包括头部结构分割、网格化和结构修复三步。所述头部结构分割主要调用spm12软件内部的函数去进行分割。为增加三维灰度图像对比度，输入为包含同一受试者头部整体的T1结构像和T2结构像。空间分辨率为1mm3。三维数据宽度为256*256*256。将头部结构分为头皮、头骨、脑脊液、大脑白质和大脑灰质五部分。
所述结构修复是遇到几何上重叠或者交叉等错误，通过iso2mesh等matlab下函数进行修复。
所述的网格化是大脑分割后，将这些组分标记后布尔组合在一起；先构建表面网格，再构建立体网格。使用依赖于simNIBS下的headreco函数包进行四面体网格构建。网格数目平均大约为70万个。耗时为3个小时(计算机配置为主频4.0Ghz 8核心,32GB内存，64位windows10)。
进一步地，所述脑部靶区域的提取包括通过对特定认知任务下个体化功能磁共振的神经影像进行分析。提出代表特定认知功能的脑区和具体的参数化强度。以p<0.001的非标准化显著性来选择靶脑区。关于图像的配准、对齐和去除头部移动伪迹等预处理过程，依赖于spm12软件包。将靶脑区的参数化强度在个体化大脑三维结构网格上进行插值投影，形成优化目标矩阵时的修饰化矩阵R。所述修饰化矩阵R为个体靶脑区的参数化强度形成稀疏矩阵。
Figure BDA0003134038520000041
Figure BDA0003134038520000042
(Bi为磁共振成像在索引为i的脑网格顶点处的参数化值，Ω为靶脑区。
进一步地，所述正交电流方向的矩阵提取包括：外加有效的电流垂直于大脑皮层表面。在本平台中，首先提取大脑灰质和脑脊液交接处面网格。然后计算每个节点出的正交方向。对于灰质内部每一点，则由表面由浅入深递归得到其正交方向。以靶脑区为筛选窗，在全脑内提取出此正交方向矩阵，作为优化目标的修饰化矩阵C。C＝[nx,ny,nz],C为K行3列的矩阵。其中K表示靶脑区中网格点数目。nx,ny,nz分别表示网格点的正交方向在x,y,z方向的单位投影。
进一步地，所述有限元和二次矩阵优化计算包括：利用有限元计算构建所有每个候选电极和参考电极的引导场电场矩阵。该矩阵每个元素为标准大小(1mA)电流源下每个候选电极和参考电极大脑内部电场矢量分布。最终的优化目标即为该矩阵中某些元素的线性组合。求解此矩阵方程依赖Matlab软件提供的共轭梯度下降求解器。其中有限元计算中的四面体一阶网格刚度矩阵依靠大脑网格和不同材料的电导率进行构建。电极选择依照脑电的10-10头皮表面电极分布阵列，共有约64个备选电极位置。电极大小被选为直径1cm，厚度为2mm的纽扣状小圆柱体。各组分电导率被定义为头皮0.465S/m,头骨0.008S/m，脑脊液1.654S/m，大脑灰质0.275S/m，大脑白质0.126S/m。本阶段计算耗时约为30分钟。
二次矩阵优化问题的计算用于求解电极的选择排布和电流强度配比系数。公式为最小化靶脑区电场能量：min(xTQx)(具体见图3)。x代表电流强度配比系数，是优化问题最终求解的自变量；被最小化的优化目标xTQx代表了靶脑区内的电流能量。在这个过程中，将上面过程中得到的优化修饰化矩阵C，R带入约束条件，即把正交电流方向和靶脑区响应强度进行了定量化的引入，优化目标符合半正定的条件，使求解内容总有可行解。其他约束条件还包含，
①电流总和为0，即流入等于流出。
②总电流不大于Itot(Itot是经颅电刺激的输入电流的总上限，一般为2mA)
③单个电极电流不大于Iind(Iind是经颅电刺激单个电极输入电流的上限，一般为1～2mA)
④电极个数不大于N(可选)
这些约束条件基本刻画了经颅电刺激在实际应用中的应用限制和安全考虑。
优化问题求解使用了matlab下的mosek软件包。该软件包将二次优化问题转化为圆锥优化问题进行计算。
进一步地，设计效果评估包括：①优化的电刺激效果。计算优化电刺激参数下，电电场在靶区域的正交分量体积分，并在人群中进行比较。②电刺激效果稳定性。将最大电流电极位置分别向额极、枕极、左耳突和右耳突(四个方向)偏移1，2，3cm。可得到4*3＝12个不同的电场分布。再将此12个电场分布分别计算靶区域电场正交分量体积分；计算均值和标准差。
该指标主要衡量进行电刺激时装置系统误差带来的可能影响。
特别地，本发明通过如下实现：
如图1所示，一种基于磁共振影像的经颅电刺激个体化优化平台，包括脑部三维建模，脑部靶区域的提取，正交电流方向的矩阵提取，有限元和二次矩阵优化计算，和设计效果预估五个部分。
脑部三维建模技术
目前对于脑部三维建模技术主要分为头部结构分割、网格化和结构修复三步。这一步主要调用spm12软件内部的函数去进行分割。为增加三维灰度图像对比度，输入为包含同一受试者头部整体的T1结构像和T2结构像。空间分辨率为1mm3。三维数据宽度为256*256*256。一般将头部结构分为头皮、头骨、脑脊液、大脑白质和大脑灰质五部分。如果遇到几何上重叠或者交叉等错误，可以通过iso2mesh等matlab下函数进行修复。大脑分割后，将这些组分标记后布尔组合在一起。先构建表面网格，再构建立体网格。使用依赖于simNIBS下的headreco函数包进行四面体网格构建。网格数目平均大约为70万个。耗时为3个小时(计算机配置为主频4.0Ghz 8核心,32GB内存，64位windows10)。
脑部靶区域的提取
通过对特定认知任务下个体化功能磁共振的神经影像进行分析。提出代表特定认知功能的脑区和具体的参数化强度。以p<0.001的非标准化显著性来选择靶脑区。关于图像的配准、对齐和去除头部移动伪迹等预处理过程，依赖于spm12软件包。由于功能性磁共振影像的空间分辨率较低(3*3*3mm3)，所以要将靶脑区的参数化强度在个体化大脑三维结构网格上进行插值投影，形成优化目标矩阵时的修饰化矩阵R(如图1)，所述修饰化矩阵R为个体靶脑区的参数化强度形成稀疏矩阵。
Figure BDA0003134038520000061
(Bi为磁共振成像在索引为i的脑网格顶点处的参数化值，Ω为靶脑区。
正交电流方向的矩阵提取
目前科学界普遍认为对于神经元的有效电场刺激中，外加电流方向要垂直于神经元表面细胞膜的方向。在大脑灰质的解剖学结构中，大部分神经元的树突-轴突方向时垂直于大脑皮层表面的。树突-轴突方向可以代表神经与细胞膜的基本方向。因此外加有效的电流应当垂直于大脑皮层表面。在本平台中，首先提取大脑灰质和脑脊液交接处面网格。然后计算每个节点出的正交方向。对于灰质内部每一点，则由表面由浅入深递归得到其正交方向(如图2)。以靶脑区为筛选窗，在全脑内提取出此正交方向矩阵，作为优化目标的修饰化矩阵C(如图1)。C＝[nx,ny,nz],C为K行3列的矩阵。其中K表示靶脑区中网格点数目。nx,ny,nz分别表示网格点的正交方向在x,y,z方向的单位投影。
有限元和二次矩阵优化计算
利用有限元计算构建所有每个候选电极和参考电极的引导场电场矩阵。该矩阵每个元素为标准大小(1mA)电流源下每个候选电极和参考电极大脑内部电场矢量分布。最终的优化目标即为该矩阵中某些元素的线性组合。求解此矩阵方程依赖Matlab软件提供的共轭梯度下降求解器。其中有限元计算中的四面体一阶网格刚度矩阵依靠大脑网格和不同材料的电导率进行构建。电极选择依照脑电的10-10头皮表面电极分布阵列，共有约64个备选电极位置。电极大小被选为直径1cm，厚度为2mm的纽扣状小圆柱体。各组分电导率被定义为头皮0.465S/m,头骨0.008S/m，脑脊液1.654S/m，大脑灰质0.275S/m，大脑白质0.126S/m。本阶段计算耗时约为30分钟。
二次矩阵优化问题的计算用于求解电极的选择排布和电流强度配比系数。公式为最小化靶脑区电场能量：min(xTQx)(具体见图3)。x代表电流强度配比系数，是优化问题最终求解的自变量；被最小化的优化目标xTQx代表了靶脑区内的电流能量。在给定正交电流强度总和为CRGAx为常数的情况下，最小化目标量意味着最良好的聚焦性。在这个过程中，将上面过程中得到的优化修饰化矩阵C，R带入约束条件，即把正交电流方向和靶脑区响应强度进行了定量化的引入，这样可以使计算方便，并且优化目标符合半正定的条件，凸化优化目标，使求解内容总有可行解。其他约束条件还包含，
①电流总和为0，即流入等于流出。
②总电流不大于Itot
(Itot是经颅电刺激的输入电流的总上限，一般为2mA)
③单个电极电流不大于Iind
(Iind是经颅电刺激单个电极输入电流的上限，一般为1～2mA)
④电极个数不大于N(可选)
这些约束条件基本刻画了经颅电刺激在实际应用中的应用限制和安全考虑。
优化问题求解使用了matlab下的mosek软件包。该软件包将二次优化问题转化为圆锥优化问题进行计算。
设计效果评估
①优化的电刺激效果。计算优化电刺激参数下，电电场在靶区域的正交分量体积分，并在人群中进行比较。
②电刺激效果稳定性。将最大电流电极位置分别向额极、枕极、左耳突和右耳突(四个方向)偏移1，2，3cm。可得到4*3＝12个不同的电场分布。再将此12个电场分布分别计算靶区域电场正交分量体积分；计算均值和标准差。该指标主要衡量进行电刺激时装置系统误差带来的可能影响。
本发明的有益效果：
本发明提供基于磁共振影像的经颅电刺激个体化优化平台。主要通过输入受试者个体化的磁共振结构影像和对应认知活动时脑部的功能磁共振影像，为受试者特定认知功能“量身定做”经颅电刺激最优化参数，并且对可能的结果进行预估。其有益效果包含以下方面：
1.首先该平台克服了以往电刺激参数基于人群组平均的设计方式，采取了更精确化的功能磁共振方法，来确定负责特定认知功能的脑区作为靶点。
2.由于电刺激效果和靶脑区的个体化头皮形状非常相关，此平台可以根据个人靶区域几何结构设计电流分布。
3.以更直接有效的平行于神经元树突-轴突方向的电场作为最优化目标。
4.可以预估电刺激效果，可以在实施电刺激之前对受试者进行分类。
5.可以预估电刺激效果稳定性，包含实际操作过程中产生的系统误差。
能够对任意可在功能核磁共振下完成扫描的认知任务进行优化定位。
附图说明
图1为本发明基于磁共振影像的经颅电刺激个体化优化平台流程图；
图2为神经元树突-轴突方向图示；
图3为优化公式及参数。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明内容即基于个体化认知活动时大脑的功能性磁共振医学影像、个体化磁共振脑部结构T1和T2医学影像，利用有限元分析和二次矩阵优化计算原理，个体化地提供经颅电刺激的电流强度参数和电极位置分布。并且可以预估电刺激效果及其稳定性。图1中靶脑区正交方向矩阵C、靶脑区激活强度矩阵R和二次优化问题求解为此发明独创性部分具体涵盖的范围，其他部分需要依赖其他工具包。
请参阅图1所示的简易实施流程，包括脑部三维建模、脑部靶区域的提取、正交电流方向的矩阵提取、有限元和二次矩阵优化计算和设计效果预估五个部分。
一、脑部三维建模技术
目前对于脑部三维建模技术主要分为头部结构分割、网格化和结构修复三步。这一步主要调用spm12软件内部的函数去进行分割。为增加三维灰度图像对比度，输入为包含同一受试者头部整体的T1结构像和T2结构像。空间分辨率为1mm3。三维数据宽度为256*256*256。一般将头部结构分为头皮、头骨、脑脊液、大脑白质和大脑灰质五部分。如果遇到几何上重叠或者交叉等错误，可以通过iso2mesh等matlab下函数进行修复。大脑分割后，将这些组分标记后布尔组合在一起。先构建表面网格，再构建立体网格。使用依赖于simNIBS下的headreco函数包进行四面体网格构建。网格数目平均大约为70万个。耗时为3个小时(计算机配置为主频4.0Ghz 8核心,32GB内存，64位windows10)。
二、脑部靶区域的提取
通过对特定认知任务下个体化功能磁共振的神经影像进行分析。提出代表特定认知功能的脑区和具体的参数化强度。以p<0.001的非标准化显著性来选择靶脑区。关于图像的配准、对齐和去除头部移动伪迹等预处理过程，依赖于spm12软件包。由于功能性磁共振影像的空间分辨率较低(3*3*3mm3)，所以要将靶脑区的参数化强度在个体化大脑三维结构网格上进行插值投影，形成优化目标矩阵时的修饰化矩阵R。所述修饰化矩阵R为个体靶脑区的参数化强度形成稀疏矩阵。
Figure BDA0003134038520000101
(Bi为磁共振成像在索引为i的脑网格顶点处的参数化值，Ω为靶脑区。
三、正交电流方向的矩阵提取
目前科学界普遍认为对于神经元的有效电场刺激中，外加电流方向要垂直于神经元表面细胞膜的方向。在大脑灰质的解剖学结构中，大部分神经元的树突-轴突方向时垂直于大脑皮层表面的。树突-轴突方向可以代表神经与细胞膜的基本方向。因此外加有效的电流应当垂直于大脑皮层表面。在本平台中，首先提取大脑灰质和脑脊液交接处面网格。然后计算每个节点出的正交方向。对于灰质内部每一点，则由表面由浅入深递归得到其正交方向(如图2)。以靶脑区为筛选窗，在全脑内提取出此正交方向矩阵，作为优化目标的修饰化矩阵C。C＝[nx,ny,nz],C为K行3列的矩阵。其中K表示靶脑区中网格点数目。nx,ny,nz分别表示网格点的正交方向在x,y,z方向的单位投影。
四、有限元和二次矩阵优化计算
利用有限元计算构建所有每个候选电极和参考电极的引导场电场矩阵。该矩阵每个元素为标准大小(1mA)电流源下每个候选电极和参考电极大脑内部电场矢量分布。最终的优化目标即为该矩阵中某些元素的线性组合。求解此矩阵方程依赖Matlab软件提供的共轭梯度下降求解器。其中有限元计算中的四面体一阶网格刚度矩阵依靠大脑网格和不同材料的电导率进行构建。候选电极选择依照脑电的10-10头皮表面电极分布阵列，共有约64个备选电极位置。候选电极大小被选为直径1cm，厚度为2mm的纽扣状小圆柱体。各组分电导率被定义为头皮0.465S/m,头骨0.008S/m，脑脊液1.654S/m，大脑灰质0.275S/m，大脑白质0.126S/m。本阶段计算耗时约为30分钟。
二次矩阵优化问题的计算用于求解电极的选择排布和电流强度配比系数。公式为最小化靶脑区电场能量：min(xTQx)(具体见图3)。x代表电流强度配比系数，是优化问题最终求解的自变量；被最小化的优化目标xTQx代表了靶脑区内的电流能量。在给定正交电流强度总和为CRGAx为常数(可定义为1)的情况下，最小化目标量意味着最良好的聚焦性。在这个过程中，将上面过程中得到的优化修饰化矩阵C，R带入约束条件，即把正交电流方向和靶脑区响应强度进行了定量化的引入，这样可以使计算方便，并且优化目标符合半正定的条件，凸化优化目标，使求解内容总有可行解。其他约束条件还包含，
①电流总和为0，即流入等于流出。
②总电流不大于Itot
(Itot是经颅电刺激的输入电流的总上限，一般为2mA)
③单个电极电流不大于Iind
(Iind是经颅电刺激单个电极输入电流的上限，一般为1～2mA)
④电极个数不大于N(可选)
这些约束条件基本刻画了经颅电刺激在实际应用中的应用限制和安全考虑。
优化问题求解使用了matlab下的mosek软件包。该软件包将二次优化问题转化为圆锥优化问题进行计算。
五、设计效果评估
①优化的电刺激效果。计算优化电刺激参数下，电电场在靶区域的正交分量体积分，并在人群中进行比较。
②电刺激效果稳定性。将最大电流电极位置分别向额极、枕极、左耳突和右耳突(四个方向)偏移1，2，3cm。可得到4*3＝12个不同的电场分布。再将此12个电场分布分别计算靶区域电场正交分量体积分；计算均值和标准差。该指标主要衡量进行电刺激时装置系统误差带来的可能影响。
平台主要由spm12、simNIBS、mosek和matlab(本发明软件包)依赖完成。以下例子中特定认知活动为手部运动，实际应用中可以为其他任意的可在功能磁共振扫描下完成的认知任务。
平台具体应用流程如下:
1.将功能性磁共振的手部运动时大脑的医学影像、个体化磁共振脑部结构T1和T2医学影像进行预处理，配准、对齐和去除头部移动的影响。
2.利用spm12进行大脑部分分割，头部结构分为头皮、头骨、脑脊液、大脑白质和大脑灰质五部分。
3.利用simNIBS函数构建三维四面体网格。如果需要，进行修复和重构曲面。查看和估计四面体质量和数目。
4.在个体空间坐标下对功能磁共振的神经影像进行分析。以非校正的p<0.001作为基线进行体素筛选。去掉连续体素大小小于30的小“核团”。检查和查看“幸存”下来的体素是否位于正常的区域。如果是，计算并提出相应参数化矩阵。并将其插值投影到头部大脑灰质的四面体网格中。
5.提取大脑灰质和脑脊液交接处面网格。然后计算每个节点出的正交方向。对于灰质内部每一点，则由表面由浅入深递归得到其正交方向。以靶脑区为筛选窗，在全脑内提取出此正交方向矩阵。
6.确定电极基本形状和各组分电导率参数(可默认)。
7.可选电极依照脑电的10-10系统在头皮表面分布阵列，共有约64个备选电极位置。电极大小被选为直径1cm，厚度为2mm的纽扣状小圆柱体。利用有限元计算构建所有候选电极和参考电极之间的引导场电场分布矩阵。
8.构建二次矩阵优化问题的计算用于求解电极的选择排布和电流强度大小。公式参数见图3。一般以聚焦性为求解目标。一般情况下转化为圆锥二次问题进行计算。如果不收敛，则换用branch-and-bound方法进行求解。
9.预估电刺激效果，计算优化电刺激参数下，电场在靶区域的正交分量体积分，并在人群中进行比较。
10.稳定性分析。选择电极偏移量(默认为2cm)，计算靶区域电场正交分量体积分，得到均值和标准差。
以上所述的实施例仅是对本发明的优选实施方式进行描述，优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (5)

1.一种基于磁共振影像的经颅电刺激个体化优化装置，其特征在于，包括脑部三维建模，脑部靶区域的提取，正交电流方向的矩阵提取，有限元和二次矩阵优化计算，和设计效果预估五个部分；
所述脑部靶区域的提取包括：通过对特定认知任务下个体化功能磁共振的神经影像进行分析，提出代表特定认知功能的脑区和具体的参数化强度，以p<0.001的非标准化显著性来选择靶脑区，将靶脑区的参数化强度在个体化大脑三维结构网格上进行插值投影，形成优化目标矩阵时的修饰化矩阵R，所述修饰化矩阵R为个体靶脑区的参数化强度形成稀疏矩阵；
Figure FDA0003689304570000011
Bi为磁共振成像在索引为i的脑网格顶点处的参数化值，Ω为靶脑区；所述正交电流方向的矩阵提取包括：外加有效的电流垂直于大脑皮层表面；在本装置中，首先提取大脑灰质和脑脊液交接处面网格，然后计算每个节点处的正交方向，对于灰质内部每一点，则由表面由浅入深递归得到其正交方向；以靶脑区为筛选窗，在全脑内提取出此正交方向矩阵，作为优化目标的修饰化矩阵C，C＝[nx,ny,nz],C为K行3列的矩阵，其中K表示靶脑区中网格点数目，nx,ny,nz分别表示网格点的正交方向在x,y,z方向的单位投影；
所述有限元和二次矩阵优化计算包括：利用有限元方法计算构建每个候选电极的引导场电场矩阵；该矩阵单个元素为标准大小电流源下某个候选电极和参考电极间大脑内部电场矢量分布；最终的优化目标即为该矩阵中某些元素的线性组合；求解此矩阵方程依赖Matlab软件提供的共轭梯度下降求解器；其中有限元计算中的四面体一阶网格刚度矩阵依靠大脑网格和不同材料的电导率进行构建；
所述有限元和二次矩阵优化计算还包括：二次矩阵优化问题的计算用于求解电极的选择排布和电流强度配比系数；公式为最小化靶脑区电场能量：min(xTQx)，x代表电流强度配比系数，是优化问题最终求解的自变量；被最小化的优化目标xTQx代表了靶脑区内的电流能量；在这个过程中，将上面过程中得到的优化修饰化矩阵C，R带入约束条件，即把正交电流方向和靶脑区响应强度进行了定量化的引入，优化目标符合半正定的条件，使求解内容总有可行解；其他约束条件还包含，
①电流总和为0，即流入等于流出，
②总电流不大于Itot
③单个电极电流不大于Iind。
2.根据权利要求1所述的装置，其特征在于，所述脑部三维建模包括头部结构分割、网格化和结构修复三步；所述头部结构分割主要调用spm12软件内部的函数去进行分割，输入为包含同一受试者头部整体的T1结构像和T2结构像，将头部结构分为头皮、头骨、脑脊液、大脑白质和大脑灰质五部分；所述结构修复是遇到几何上重叠或者交叉错误，通过matlab下函数进行修复；所述的网格化是大脑分割后，将这些组分标记后布尔组合在一起；先构建表面网格，再构建立体网格，使用依赖于simNIBS下的headreco函数包进行四面体网格构建。
3.根据权利要求1所述的装置，其特征在于，所述有限元和二次矩阵优化计算还包括：候选电极选择依照脑电的10-10头皮表面电极分布阵列，共有64个候选电极位置；电极为直径1cm，厚度为2mm的纽扣状小圆柱体；各组分电导率被定义为头皮0.465S/m,头骨0.008S/m，脑脊液1.654S/m，大脑灰质0.275S/m，大脑白质0.126S/m。
4.根据权利要求1所述的装置，其特征在于，所述有限元和二次矩阵优化计算还包括：优化问题求解使用了matlab下的mosek软件包，该软件包将二次优化问题转化为圆锥优化问题进行计算。
5.根据权利要求1所述的装置，其特征在于，设计效果评估包括：①优化的电刺激效果，计算优化电刺激参数下，电场在靶区域的正交分量体积分，并在人群中进行比较；②电刺激效果稳定性，将最大电流电极位置分别向额极、枕极、左耳突和右耳突四个方向偏移1，2，3cm，可得到4*3＝12个不同的电场分布；再将此12个电场分布分别计算靶区域电场正交分量体积分；计算均值和标准差。
CN202110713904.9A 2021-06-25 2021-06-25 基于磁共振影像的经颅电刺激个体化优化平台 Active CN113436170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110713904.9A CN113436170B (zh) 2021-06-25 2021-06-25 基于磁共振影像的经颅电刺激个体化优化平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110713904.9A CN113436170B (zh) 2021-06-25 2021-06-25 基于磁共振影像的经颅电刺激个体化优化平台

Publications (2)

Publication Number Publication Date
CN113436170A CN113436170A (zh) 2021-09-24
CN113436170B true CN113436170B (zh) 2022-09-06

Family

ID=77754699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110713904.9A Active CN113436170B (zh) 2021-06-25 2021-06-25 基于磁共振影像的经颅电刺激个体化优化平台

Country Status (1)

Country Link
CN (1) CN113436170B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115336983B (zh) * 2022-10-19 2023-03-03 之江实验室 基于单个脑区功能磁共振神经反馈的工作记忆调控系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102341036A (zh) * 2009-01-26 2012-02-01 因库博实验室有限责任公司 用于探测异常神经电活动的方法和装置
CN102698360A (zh) * 2012-04-21 2012-10-03 南京理工大学 一种高聚焦性多通道经颅直流电刺激装置和控制方法
WO2013192582A1 (en) * 2012-06-22 2013-12-27 Neurotrek , Inc. Device and methods for noninvasive neuromodulation using targeted transcrannial electrical stimulation
CN105980009A (zh) * 2014-02-14 2016-09-28 国立大学法人东京大学 脑内电流模拟方法及其装置、以及包含脑内电流模拟装置的经颅磁刺激系统
CN109284009A (zh) * 2018-11-27 2019-01-29 中国医学科学院生物医学工程研究所 一种提高听觉稳态响应脑-机接口性能的系统及方法
CN109589089A (zh) * 2017-09-30 2019-04-09 复旦大学 基于多模态影像数据的分析方法及其用途

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102341036A (zh) * 2009-01-26 2012-02-01 因库博实验室有限责任公司 用于探测异常神经电活动的方法和装置
CN102698360A (zh) * 2012-04-21 2012-10-03 南京理工大学 一种高聚焦性多通道经颅直流电刺激装置和控制方法
WO2013192582A1 (en) * 2012-06-22 2013-12-27 Neurotrek , Inc. Device and methods for noninvasive neuromodulation using targeted transcrannial electrical stimulation
CN105980009A (zh) * 2014-02-14 2016-09-28 国立大学法人东京大学 脑内电流模拟方法及其装置、以及包含脑内电流模拟装置的经颅磁刺激系统
CN109589089A (zh) * 2017-09-30 2019-04-09 复旦大学 基于多模态影像数据的分析方法及其用途
CN109284009A (zh) * 2018-11-27 2019-01-29 中国医学科学院生物医学工程研究所 一种提高听觉稳态响应脑-机接口性能的系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Electrical stimulation reduces smokers’ craving by modulating the coupling between dorsal lateral prefrontal cortex and parahippocampal gyrus;Li-Zhuang Yang et al.;《Social Cognitive and Affective Neuroscienc》;20171231;第1296-1302页 *
基于头模型的颈颅微电流刺激疗法的仿真研究;刘津津;《中国优秀博硕士学位论文全文数据库（硕士） 医药卫生科技辑》;20160315;E060-262 *

Also Published As

Publication number Publication date
CN113436170A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
Saturnino et al. Electric field simulations for transcranial brain stimulation using FEM: an efficient implementation and error analysis
Greene et al. Integrative and network-specific connectivity of the basal ganglia and thalamus defined in individuals
Huang et al. Realistic volumetric-approach to simulate transcranial electric stimulation—ROAST—a fully automated open-source pipeline
Howell et al. Role of soft-tissue heterogeneity in computational models of deep brain stimulation
Howell et al. Analyzing the tradeoff between electrical complexity and accuracy in patient-specific computational models of deep brain stimulation
Suh et al. Influence of anisotropic conductivity in the skull and white matter on transcranial direct current stimulation via an anatomically realistic finite element head model
KR20180072811A (ko) MRI 기반 전도도 측정에 기반한 머리 위 전극 위치의 최적화된 TTField 치료
Seo et al. Relation between the electric field and activation of cortical neurons in transcranial electrical stimulation
Krieg et al. Computational and experimental analysis of TMS-induced electric field vectors critical to neuronal activation
Howell et al. A driving-force predictor for estimating pathway activation in patient-specific models of deep brain stimulation
Fernandes et al. Novel fingerprinting method characterises the necessary and sufficient structural connectivity from deep brain stimulation electrodes for a successful outcome
Medani et al. FEM method for the EEG forward problem and improvement based on modification of the saint venant's method
Khan et al. Individually optimized multi-channel tDCS for targeting somatosensory cortex
Vu et al. Machine learning-based prediction of MRI-induced power absorption in the tissue in patients with simplified deep brain stimulation lead models
CN113436170B (zh) 基于磁共振影像的经颅电刺激个体化优化平台
Sanchez-Todo et al. Personalization of hybrid brain models from neuroimaging and electrophysiology data
Medani et al. Realistic head modeling of electromagnetic brain activity: an integrated Brainstorm-DUNEuro pipeline from MRI data to the FEM solutions
CN115779268A (zh) 一种经颅电刺激的多脑区电极优化方法
Conte et al. The influence of the head model conductor on the source localization of auditory evoked potentials
Hyde et al. Evaluation of numerical techniques for solving the current injection problem in biological tissues
Im et al. Anatomically constrained dipole adjustment (ANACONDA) for accurate MEG/EEG focal source localizations
Antonakakis The effect of experimental and modeling parameters on combined EEG/MEG source analysis and transcranial electric stimulation optimization of somatosensory and epilepsy activity
Pancholi et al. Quantification of electric field strength of tDCS in alzheimer’s and mild cognitive impairment patients
Liu et al. Effect of anisotropic brain conductivity on patient-specific volume of tissue activation in deep brain stimulation for Parkinson disease
Joshi et al. Bayesian approach for network modeling of brain structural features

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