方法文章

磁共振成像引导下经颅时序干扰刺激卒中患者小脑顶核以改善平衡功能

DOI:

10.3791/70982

2026年5月15日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本方案描述了一种标准化的磁共振成像引导下时间干涉刺激方法,旨在选择性靶向卒中患者的 cerebellar fastigial nucleus(小脑顶核)。该方法可实现解剖位置精确且可重复的深部小脑神经调控,以增强姿势控制和平衡功能的恢复。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

下肢运动和平衡功能障碍是脑卒中后常见的功能障碍。尽管无创脑刺激作为神经康复的辅助手段已展现出一定前景,但其应用仍局限于浅表皮质区域,而无法有效作用于小脑顶核等深部脑区,而小脑顶核在姿势控制和运动协调中发挥重要作用。时间干涉刺激是一种新兴的无创脑刺激策略,可用于靶向深部神经结构。该技术通过头皮输送两个载波频率略有差异的高频电场。计算模型和早期实验研究表明,时间干涉刺激可能优先调节深部靶区,同时减少对浅表组织的刺激。在本研究中,我们介绍了一种针对脑卒中患者小脑顶核的时间干涉刺激标准化、影像引导的实验方案。该方案结合高分辨率结构磁共振成像、个体化电场建模和计算优化,设计出以小脑顶核为靶向的个体化电极布局。本方案为研究深部小脑神经调控提供了可重复的框架,并可能为未来探索脑卒中后运动与平衡功能障碍的机制及康复研究提供支持。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

下肢运动和平衡功能障碍是脑卒中后最常见的功能障碍之一。这些功能障碍仍是临床康复面临的主要挑战。尽管传统康复策略已取得进展,但姿势控制和步态的恢复往往不完全。因此,非侵入性脑刺激(NIBS)已被作为促进脑卒中康复的一种有前景的方法进行研究。包括随机对照试验在内的临床研究表明,重复经颅磁刺激(rTMS)等技术可通过调节参与运动控制的神经网络,提高慢性脑卒中患者的下肢Fugl-Meyer评分和平衡量表得分1,2,3

小脑在姿势控制和平衡中起核心作用,其中 顶核(FN)作为关键的深部输出核团。FN接收来自前庭系统和脊髓的感觉输入,通过前庭脊髓通路和网状脊髓通路调节躯干和近端肢体肌肉的活动4。通过这些连接,FN在静止和行走等动态状态下均有助于维持身体稳定性。动物模型的临床前研究发现,直接刺激FN可促进神经功能恢复,减轻缺血性脑损伤,并支持神经可塑性5,6,7,8。这些发现支持FN作为一个具有生物学相关性的靶点,但尚不能证明其在人体中的有效性。然而,该方法具有侵入性,在人体应用中需要手术,可能存在出血、感染以及设备相关并发症等风险。

传统的无创脑刺激(NIBS)方法,如经颅直流电刺激(tDCS)和重复性经颅磁刺激(rTMS),主要调节表层皮质区域,对深层小脑靶区的空间选择性有限7。时间干涉(TI)刺激被提出作为一种非侵入性替代方法,用于调节这些更深层的结构9。该方法由Grossman团队提出,通过头皮施加多个千赫兹电流,在脑内产生一个幅度调制的电场9,10。关键的是,这种调制不仅局限于深层区域,而是分布于整个头部,其强度随电极配置和个体解剖结构而变化9,11。计算研究和初步的人体研究表明,与传统经颅刺激相比,TI刺激可更有效地将峰值调制移向更深层的脑结构10,12。尽管早期的小鼠模型提示海马区存在直接神经元激活9,后续研究进一步支持了TI刺激调节人类运动功能的潜力13,14,15。该技术的基本原理如图1所示。然而,TI刺激的确切作用机制、可实现的选择性程度及其明确的临床疗效仍处于积极研究之中。越来越多的人体研究已将这些发现拓展至临床环境。具体而言,TI刺激通过靶向海马体,在健康老年人及认知障碍患者中显示出改善记忆的潜力10。在运动功能障碍方面,也有报道称其可调节纹状体,并改善运动学习与协调能力16。尽管这些发现令人鼓舞,但其潜在机制、选择性程度以及TI刺激的长期临床疗效仍不明确。

尽管经颅干扰刺激(TI)为深部靶点提供了一种基于建模的方法,但在应用于人类时仍存在若干关键挑战。本方案通过使用高分辨率结构磁共振成像(MRI)构建受试者特异性的头部模型,以应对个体解剖结构的变异性。通过计算电场建模优化电极放置位置,以提高对小脑深部核团的靶向性,同时限制表层组织的刺激暴露。安全性方面则通过基于影像标准化的刺激方案、预设的刺激参数以及刺激过程中的常规监测予以保障。因此,该方法为深部小脑神经调控提供了一个可重复且个体化的实施框架,旨在为未来有关卒中后运动与平衡功能障碍的机制研究及靶向康复治疗奠定基础。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

研究方案已获得机构审查委员会(IRB)或伦理委员会的批准。所有涉及人类受试者的研究操作均严格遵守《赫尔辛基宣言》中规定的伦理原则。

1. 受试者筛选

  1. 回顾参与者的病史,排除禁忌证,包括妊娠、癫痫、体内植入金属或电子装置(如颅内金属异物、心脏起搏器、人工耳蜗植入物等)、颅内高压、颅内肿瘤或电极放置部位的皮肤病变。此外,应排除患有严重心脏、肝脏或肾脏疾病可能影响试验耐受性的参与者;患有重度抑郁症或精神分裂症等精神疾病者;以及存在颅骨缺损的个体17,18,19
  2. 在干预前通过标准化的无创脑刺激安全性筛查问卷评估需注意的因素,包括近期头部外伤史,或使用可能影响神经兴奋性的药物(如抗惊厥药)等情况19
  3. 在向所有参与者全面说明研究目的、操作流程、潜在风险与获益、替代方案及参与者权利(包括参与的自愿性以及可在无任何后果的情况下随时退出的权利)后,获取其签署的知情同意书。

2. 用于定位的 MRI 数据采集与处理

  1. 将受试者置于磁共振成像(MRI)扫描仪内,采取仰卧位,并使用泡沫垫固定头部以尽量减少运动。
    警告:MRI风险。受试者进入MRI检查室前,必须移除所有金属物品,以防发生抛射物危险。需筛查幽闭恐惧症,并提供充分的听力保护以减轻扫描仪噪声。
  2. 采集覆盖整个头部(包括头皮)的高分辨率T1加权结构像。在矢状面、冠状面和轴向面上,成像视野应至少超出头部边界10 mm20。图像分辨率应设置为1 mm各向同性,信噪比不得低于20。
    注:所有受试者均必须进行T1加权MRI扫描。当T1加权MRI无法可靠显示后颅窝组织界面、脑脊液腔隙或病灶/空腔边界时,应补充T2加权成像。仅当基于MRI的颅骨分割不足以准确构建模型时,才应补充CT扫描。
  3. 准备T1加权MRI数据,确保文件为标准NIfTI格式(.nii),并通过指定的上传接口将数据导入计算型脑调控平台。本研究使用脑调控平台(详见材料表)对受试者的MRI图像进行全脑组织建模,并自动确定刺激方案。
  4. 个体化头部与脑模型生成
    1. 首先,在计算平台的建模菜单中选择“构建模型”功能。使用软件默认的预处理流程,自动校正MRI数据的强度不均性,并进行空间坐标变换21
    2. 其次,使用标准神经影像分析软件中的默认组织概率图,将受试者的T1加权MRI图像分割为六种不同的组织类型:头皮、颅骨、脑脊液、白质、灰质和空腔22
    3. 逐层目视检查分割后的图像,验证组织边界划分的准确性。随后,在有限元计算中为每种组织类型分配以下电导率值:头皮(0.0002 S/m)、颅骨(0.0202 S/m)、脑脊液(2 S/m)、白质(0.064 S/m)、灰质(0.103 S/m)和空腔(2.5e-14 S/m)23
    4. 第三,将10-10 EEG电极系统注册到头皮模型上。第四,使用iso2mesh生成四面体有限元网格24
    5. 最后,采用有限元求解器GetDP计算在单位强度刺激下各刺激电极处的电场强度,得到先验电场矩阵Leadfield25。预期输出结果:包含分割组织、电极位置和有限元网格的个体化三维头部模型。
  5. 靶点坐标定义与空间配准
    1. 进入计算平台靶点定位工具界面中的坐标输入区域。手动在X、Y、Z文本框中输入小脑顶核(FN)的标准MNI空间坐标(例如,右侧FN输入[2, -55, -29],左侧FN输入[-5, -55, -30])。
    2. 运行平台的自动空间配准模块。该算法首先将受试者的T1加权MRI图像非线性配准至ICBM 152非线性图谱(2009版)标准头部模型。
    3. 允许软件自动应用逆向非线性空间变换。此步骤将预定义的MNI靶点坐标映射回受试者自身的T1原生空间,从而在个体化脑模型中成功生成用于后续电场模拟的个性化FN靶点坐标。
  6. 电极蒙太奇与电流优化
    1. 评估优化算法生成的最终建模结果。仅当软件返回有效的电极蒙太奇、预测的FN包络振幅超过预设的建模参考水平,且热点在视觉上位于或紧邻个体化FN靶点时,方可接受该建模结果。
    2. 若FN强度仍低于该参考水平、包络呈现空间弥散,或热点偏移至浅表小脑或枕部区域,则将结果归类为次优(必要时调整参数重新计算)26
    3. 设置TI优化参数,包括预定义的FN靶点坐标、电流约束条件和聚焦性优化模式。仅当软件返回包含电极位置、通道特异性电流振幅的有效蒙太奇,且模拟场图显示在FN靶点处或附近具有最大预测包络强度时,方可接受优化结果。本文中展示了一个代表性标准头部模型示例以说明工作流程(图2)。
    4. 评估优化算法生成的最终建模结果。仅当软件返回有效的电极蒙太奇、预测的FN包络振幅超过预设的建模参考水平,且热点在视觉上位于或紧邻个体化FN靶点时,方可接受该建模结果。
    5. 若FN强度仍低于该参考水平、包络呈现空间弥散,或热点偏移至浅表小脑或枕部区域,则将结果归类为次优(必要时调整参数重新计算)。

3. 电极帽准备与放置

  1. 使用柔软的卷尺测量受试者从眉弓到枕外隆凸的头围。
  2. 根据个体化电场建模结果27,将环形橡胶电极安装至72导电极帽的相应位置。
  3. 让受试者舒适地保持直立坐姿,并提供适当头部支撑,以尽量减少刺激过程中的头部移动。
  4. 根据国际10–20脑电系统定位电极帽,确保其与鼻根–枕外隆凸连线及双侧耳前标志点准确对齐。调整电极帽张力,使其固定稳妥但不过度压迫头皮28
  5. 通过电极帽上的空电极套定位目标电极位置。使用棉签的木端分开每个特定部位的头发,充分暴露下方头皮。将少量磨砂膏涂抹于棉签头部,插入空电极套中,以环形动作轻轻摩擦暴露的皮肤,去除表层死皮并降低阻抗。
    警告:头皮准备风险。应谨慎使用磨砂膏,避免过度摩擦皮肤,以防在刺激过程中增加疼痛、皮肤灼伤或感染的风险。
  6. 向每个电极注入导电凝胶,直至与头皮达到充分接触。
  7. 采用区组随机化方法将受试者随机分配至主动TI刺激组或假刺激对照组。实施双盲设计:对照组受试者接受模拟主动刺激方案的假刺激,且进行评估的实验人员对分组情况设盲。

4. 经颅电刺激系统设置与参数调节

  1. 将电极帽连接至TI刺激设备,该设备必须支持至少两个独立的刺激通道29
  2. 打开设备控制界面,进入刺激参数配置菜单。在相应的输入框中手动输入载波频率:将通道1设为2.000 kHz,通道2设为2.005 kHz,以产生5 Hz的包络频率。
    1. 在界面中找到电流强度输入框。使用界面控件,精确输入计算平台生成的通道1和通道2的优化电流强度。
    2. 将界面屏幕显示内容与导出的优化报告进行视觉核对,确认所有设置无误。继续操作前,确认两个通道均显示为 "active",且所有输入参数均在主控制面板上正确列出。
  3. 在刺激设备上启动阻抗监测,并调整电极接触,直至所有通道的阻抗均低于8 kΩ30。若阻抗仍高于8 kΩ,需重复头皮准备步骤并调整电极接触后再继续。
  4. 进行短暂的预刺激阶段,以评估受试者的耐受性。
    警告:存在电刺激风险。务必从低强度开始刺激,并逐步增加强度,以避免突然的电击或不适。
  5. 如有必要,在保持通道间相对平衡的前提下,按比例调整电流强度。仅当受试者报告无不可耐受的不适时,方可进入正式实验阶段。若出现中度或重度不适,应按比例降低各通道电流或停止刺激。主动刺激与假刺激条件下的刺激参数详见表1

5. 刺激程序

  1. 在开始刺激前,指导受试者安静就坐,尽量减少头部和身体的移动。确认所有刺激参数无误后,在设备界面上选择“Start”,启动正式刺激程序。通过两个通道输送正弦波形,以在小脑FN处产生时间干扰。
  2. 通过设备界面持续监测电极阻抗,确保其保持在安全操作范围内。在启动刺激前,应告知受试者在刺激过程中如出现任何不良反应或不适(例如意外的刺痛感或头痛),需立即主动报告。
    警告:存在电刺激风险。电刺激可能导致头皮灼伤或剧烈疼痛。
  3. 若电极阻抗超过 8 kΩ,或受试者报告严重不适,应立即暂停或终止刺激31
  4. 刺激结束后,通过选择“Stop”终止刺激,小心取下电极帽,用水清洁头皮,并检查皮肤是否有刺激迹象。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

电场建模示例
为了评估个体化的磁共振成像(MRI)引导工作流程是否能够实现将时序干扰刺激定向引导至小脑顶核(FN)的研究目标,我们按照从模型生成到电场定位的逻辑顺序分析了代表性结果。高分辨率T1加权MRI数据被成功分割为六个组织隔室,从而实现了个体化电场建模,为后续电极蒙太奇优化提供了基础32

主要建模结果表明,计算优化生成了一种有效的双通道电极布局,可用于靶向小脑前叶(FN)(图3A)。在此电极布局下,尽管高频载波场在浅表区域最强,但低频幅度调制(AM)包络的中心位于FN靶区或其紧邻区域(图3B)。预测的FN区域内AM场强超过0.2 V/m,表明该工作流程能够生成聚焦于深部靶区的解决方案,而非主要分布在浅表区域9,10。在本研究中,该数值被用作实用的建模参...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

方法学概述及关键实施考虑
本研究提出了一种利用个体化经颅干扰电刺激(TI)对小脑齿状核(FN)进行非侵入性调控的标准化方案。通过整合高分辨率结构磁共振成像(MRI)、计算电场建模以及多通道刺激接口,该方案实现了基于解剖结构信息的精准FN靶向定位。此方法为研究深部小脑核团在运动控制与平衡功能中的作用提供了一种全新的方法学框架,同时避免了侵入性神经外科手术固有的风险。与仅关注广泛原理的TI一般性描述不同,本方案特别强调后颅窝特定的解剖限制,以及为有效到达FN而进行个体化优化的必要性。

本方案中成功靶向刺激面神经(FN)的关键因素在于个体化的电场建模以及电极蒙太奇的后续优化。FN是一个体积小、位置深在的结构,嵌于复杂的解剖环境中,其周围脑脊液分布和颅骨厚度存在个体差异,因此通用的电极配置难以实现可靠的刺激效果16。因此,必须获取高质量的T1加权MRI数据,可选地辅以T2加权图像,且空间分辨率至少达到1 mm各向同性,以确保组织分割的准确性和模型的真实性。如本方案所述,需采用有限元方法求解器来模拟干涉包络的空间分布

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明无竞争利益。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者无致谢。

成都市科学技术局重点研发支持项目(2024-YF05-00988-SN)

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
72通道电极帽Suzhou NeuroDome Medical Technology Co., Ltd中国苏州用于脑刺激的72点电极帽
导电凝胶不适用不适用用于增强电极与皮肤接触的凝胶
软质测量尺不适用不适用用于测量头围以适配电极帽 
NervioWeb 软件平台Suzhou NeuroDome Medical Technology Co., Ltd中国苏州在线脑调控实验平台
NervioX-1000 刺激仪Suzhou NeuroDome Medical Technology Co., Ltd中国苏州无创深部脑刺激系统
Nuprep 皮肤预处理凝胶Weaver and Company美国科罗拉多州奥罗拉用于皮肤清洁的研磨膏,以增强导电性

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Zeng, Y., Ye, Z., Zheng, W., Wang, J. Efficacy of cerebellar transcranial magnetic stimulation for post-stroke balance and limb motor function impairments: meta-analyses of random controlled trials and resting-state fMRI studies. The Cerebellum. 23 (4), 1678-1696 (2024).
  2. Feng, L., Xiang, L., Fang, L., Li-Ping, O., Xiao, B. High-frequency repetitive transcranial magnetic stimulation for stroke patients lower extremity function: primary motor cortex versus cerebellar stimulation. A randomized controlled trial. European Journal of Physical and Rehabilitation Medicine. 61 (6), 798(2025).
  3. Koch, G., et al. Effect of cerebellar stimulation on gait and balance recovery in patients with hemiparetic stroke: a randomized clinical trial. JAMA neurology. 76 (2), 170-178 (2019).
  4. Blumenfeld, H. Neuroanatomy through clinical cases. , Sinauer Associates. Sunderland (MA). (2002).
  5. Reis, D. J., Berger, S. B., Underwood, M. D., Khayata, M. Electrical stimulation of cerebellar fastigial nucleus reduces ischemic infarction elicited by middle cerebral artery occlusion in rat. Journal of Cerebral Blood Flow & Metabolism. 11 (5), 810-818 (1991).
  6. Wang, J., Dong, W. W., Zhang, W. H., Zheng, J., Wang, X. Electrical stimulation of cerebellar fastigial nucleus: mechanism of neuroprotection and prospects for clinical application against cerebral ischemia. CNS neuroscience & therapeutics. 20 (8), 710-716 (2014).
  7. Udupa, K., Chen, R. The mechanisms of action of deep brain stimulation and ideas for the future development. Progress in neurobiology. 133, 27-49 (2015).
  8. Boyden, E. S., Katoh, A., Raymond, J. L. Cerebellum-dependent learning: the role of multiple plasticity mechanisms. Annu. Rev. Neurosci. 27 (1), 581-609 (2004).
  9. Grossman, N., et al. Noninvasive deep brain stimulation via temporally interfering electric fields. Cell. 169 (6), 1029-1041.e16 (2017).
  10. Mirzakhalili, E., Barra, B., Capogrosso, M., Lempka, S. F. Biophysics of temporal interference stimulation. Cell Systems. 11 (6), 557-572.e5 (2020).
  11. Lee, S., Lee, C., Park, J., Im, C. H. Individually customized transcranial temporal interference stimulation for focused modulation of deep brain structures: a simulation study with different head models. Scientific reports. 10 (1), 11730(2020).
  12. Rampersad, S., et al. Prospects for transcranial temporal interference stimulation in humans: a computational study. NeuroImage. 202, 116124(2019).
  13. Violante, I. R., et al. Non-invasive temporal interference electrical stimulation of the human hippocampus. Nature neuroscience. 26 (11), 1994-2004 (2023).
  14. Lozano, A. M., et al. Deep brain stimulation: current challenges and future directions. Nature Reviews Neurology. 15 (3), 148-160 (2019).
  15. Zheng, S., et al. Repetitive temporal interference stimulation improves jump performance but not the postural stability in young healthy males: a randomized controlled trial. Journal of NeuroEngineering and Rehabilitation. 21 (1), 38(2024).
  16. D'Angelo, E. Physiology of the cerebellum. Handbook of clinical neurology. 154, 85-108 (2018).
  17. Missey, F., et al. Non-invasive temporal interference stimulation of the hippocampus suppresses epileptic biomarkers in patients with epilepsy: Biophysical differences between kilohertz and amplitude modulated stimulation. Brain Stimulation. , (2025).
  18. Zhou, H., et al. Transcranial temporal interference stimulation for treating bipolar disorder with depressive episodes: a feasibility Study. Molecular Psychiatry. , 1-8 (2025).
  19. Wang, S., et al. Individualized transcranial temporal interference stimulation (tTIS) for cognitive impairments and negative symptoms in patients with schizophrenia: a study protocol for a randomized controlled trial. BMC psychiatry. 25 (1), 714(2025).
  20. Zhao, H., Zhao, B., He, J., Liu, M. Distinctive roles of left and right entorhinal cortex in path integration via a non-invasive stimulation study. Nature Communications. 16 (1), 10214(2025).
  21. Yatsuda, K., Fernández-Corazza, M., Yu, W., Gomez-Tames, J. Population-optimized electrode montage approximates individualized optimization in transcranial temporal interference stimulation. Computers in Biology and Medicine. 192, 110223(2025).
  22. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. Statistical parametric mapping: the analysis of functional brain images. , Elsevier. (2011).
  23. Gabriel, C. Compilation of the dielectric properties of body tissues at RF and microwave frequencies. , (1996).
  24. Fang, Q., Boas, D. A. Tetrahedral mesh generation from volumetric binary and gray-scale images. IEEE International Symposium on Biomedical Imaging: From Nano to Macro, 2009. ISBI '09, , 1142-1145 (2009).
  25. Amunts, K., Mohlberg, H., Bludau, S., Zilles, K. Julich-Brain: A 3D probabilistic atlas of the human brain’s cytoarchitecture. Science. 369 (6506), 988-992 (2020).
  26. Geng, C., et al. Optimized Temporal Interference Stimulation Based on Convex Optimization: A Computational Study. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 33, 1400-1410 (2025).
  27. Brahma, T., Guillen, A., Moreno, J., Datta, A., Huang, Y. On the need of individually optimizing temporal interference stimulation of human brains due to inter-individual variability. Brain stimulation. 18 (5), 1373-1388 (2025).
  28. Chen, X., et al. Reinforcement Learning-Based Focality Optimization for Multi-Electrode Temporal Interference Stimulation. IEEE Transactions on Biomedical Engineering. , (2025).
  29. Mansourinezhad, P., et al. Systematic review of experimental studies in humans on transcranial temporal interference stimulation. Journal of Neural Engineering. 22 (5), 051001(2025).
  30. Demchenko, I., et al. Human Applications of Transcranial Temporal Interference Stimulation: A Systematic Review. Brain Stimul. 18 (6), 2054-2066 (2025).
  31. Xu, S., et al. Precision at Deep Brain: Noninvasive Temporal Interference Stimulation. ACS nano. 19 (46), 39589-39614 (2025).
  32. Yatsuda, K., Fukunaga, M., Yu, W., Gomez-Tames, J. Impact of brain anisotropy on transcranial temporal interference stimulation: numerical analysis toward reliable montage optimization. Biomedical Engineering Letters. , 1-12 (2026).
  33. Inoue, T., Otsuru, N., Hirata, A. Group-level and personalized optimization for the insula and hippocampus focal electric field in transcranial temporal interferential stimulation: A computational study. Computers in Biology and Medicine. 200, 111374(2026).
  34. Woods, A. J., et al. A technical guide to tDCS, and related non-invasive brain stimulation tools. Clinical neurophysiology. 127 (2), 1031-1048 (2016).
  35. Thair, H., Holloway, A., Newport, R., Smith, A. Transcranial direct current stimulation (tDCS): a beginner’s guide for design and implementation. Front Neurosci. 11, 641(2017).
  36. Cassarà, A. M., et al. Recommendations for the safe application of temporal interference stimulation in the human brain part II: Biophysics, dosimetry, and safety recommendations. Bioelectromagnetics. 46 (1), e22536(2025).
  37. Cassarà, A. M., et al. Recommendations for the safe application of Temporal interference stimulation in the human brain part I: principles of electrical neuromodulation and adverse effects. Bioelectromagnetics. 46 (2), e22542(2025).
  38. Antal, A., et al. Low intensity transcranial electric stimulation: Safety, ethical, legal regulatory and application guidelines. Clinical neurophysiology. 128 (9), 1774-1809 (2017).
  39. Rezaee, Z., Dutta, A. Cerebellar lobules optimal stimulation (CLOS): a computational pipeline to optimize cerebellar lobule-specific electric field distribution. Frontiers in Neuroscience. 13, 266(2019).
  40. Esmaeilpour, Z., Kronberg, G., Reato, D., Parra, L. C., Bikson, M. Temporal interference stimulation targets deep brain regions by modulating neural oscillations. Brain Stimulation. 14 (1), 55-65 (2021).
  41. Missey, F., et al. Temporal Interference Stimulation Can Enhance or Disrupt Human Memory Encoding as a Function of Brain Location and Frequency. bioRxiv. , (2025).
  42. Wessel, M. J., et al. Noninvasive theta-burst stimulation of the human striatum enhances striatal activity and motor skill learning. Nature neuroscience. 26 (11), 2005-2016 (2023).
  43. Liu, R., et al. Temporal interference stimulation targets deep primate brain. Neuroimage. 291, 120581(2024).
  44. Vissani, M., Isaias, I. U., Mazzoni, A. Deep brain stimulation: a review of the open neural engineering challenges. Journal of Neural Engineering. 17 (5), 051002(2020).
  45. Peng, J., et al. Advances in the application of temporal interference stimulation: a scoping review. Frontiers in Human Neuroscience. 19, 1536906(2025).
  46. Botzanowski, B., et al. Focal control of non-invasive deep brain stimulation using multipolar temporal interference. Bioelectronic medicine. 11 (1), 7(2025).
  47. Wang, H. E., et al. Virtual brain twins for stimulation in epilepsy. Nature computational science. 5 (9), 754-768 (2025).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章