Localisation de cibles spécifiques à la fonction pour la stimulation magnétique transcrânienne en l’absence d’équipement de navigation

Je travaille en neurosciences cognitives motrices, en cherchant à stimuler les mouvements fins de la main avec la TMS. Nous essayons de trouver des moyens simples de cibler le fonctionnement du cerveau, même sans systèmes de navigation.

Le ciblage par stimulation magnétique transcrânienne est passé d’un simple repérage à l’ajustement des réseaux cérébraux et, avec l’aide de l’IA, il devient plus intelligent, plus personnel et plus proche des traitements cérébraux personnalisés.

À l’heure actuelle, les façons de définir les cibles de stimulation magnétique transcrânienne comprennent l’imagerie multimodale guidée, guidée par FMRI, des cibles de pointe basées sur les performances cognitives à l’aide de la boucle fermée et de la TMS dépendante de l’état cérébral et la modélisation des champs électriques avec une grande précision.

Il est difficile de cartographier les coordonnées corticales chirurgicales et le capuchon à deux disques avec l’introduction d’erreurs.

La plupart de leurs collègues n’ont pas de système de navigation neuronale, ils ne peuvent donc pas résoudre le traitement de stimulation magnétique transcrânienne personnalisé et spécifique à la fonction. Notre approche a choisi de résoudre ce problème.

[Présentateur] Pour commencer, ouvrez le logiciel de prétraitement. Cliquez sur DPARSF 5.4, puis choisissez DPARSF Advanced Edition pour prétraiter les données d’état de la tâche à l’aide de paramètres spécifiques. Effectuez des corrections de synchronisation de tranche et de mouvement de tête. Co-enregistrez les images fonctionnelles dans les images structurelles et appliquez un lissage spatial avec une largeur totale de six millimètres maximum. Ouvrez SPM 12 et cliquez sur co-enregistrer l’estimation. Pour l’image de référence, sélectionnez le fichier nommé sub-astérisque crop_1.nii dans le dossier Img T1. Pour l’image source, choisissez le fichier astérisque.nii moyen dans le dossier des paramètres de réalignement. Pour l’autre image, sélectionnez le fichier brut asterisk.nii dans le dossier amusant Img AR. Cliquez sur segmenter, puis sélectionnez volumes. Choisissez le fichier crop_1.nii sous astérisque dans le dossier Img T1. Pour les champs de déformation, sélectionnez l’inverse plus l’avant. Cliquez ensuite sur Exécuter. Répétez cette segmentation pour le fichier sub-asterisk.nii du même dossier. Ensuite, cliquez sur lisser. Sélectionnez les fichiers raasterisk.nii dans le dossier fun imgar pour que l’image soit lissée et entrez 666 dans le champ FWHM. Effectuez une analyse de premier niveau pour obtenir des cartes d’activation individuelles et identifier le voxel maximal de l’activation comme cible de stimulation. Créez un nouveau dossier nommé indiv_act et cliquez sur spécifier le premier niveau. Dans le champ du répertoire, sélectionnez le dossier indiv_act. Cliquez sur les unités pour la conception, choisissez les numérisations et entrez deux pour l’intervalle entre les balayages. Dans la section données et conception, choisissez les fichiers SRA asterisk.nii sous scans. Dans la section des conditions, définissez le nom sur Tap. Entrez ensuite 0, 30, 60, 90, pour commencer et définissez les durées sur 15. Cliquez ensuite sur plusieurs régresseurs et sélectionnez le fichier rp_aasterisk.txt dans les paramètres réalignés. Pour estimer votre budget, sélectionnez le fichier SPM.map dans le dossier indiv_act et générez la carte d’activation des tâches individuelles, spmt_0001. Maintenant, appuyez sur résultats et choisissez le fichier spm.map dans le dossier indiv_act. Cochez T contraste et cliquez sur définir un nouveau contraste. Entrez un nom personnalisé, puis entrez 1,0 dans le champ de contraste et cliquez sur soumettre. D’accord, c’est fait. Sous Appliquer le masquage, sélectionnez Aucun. Choisissez ensuite aucun sous Ajustement de la valeur P pour contrôler et réglez la valeur sur 0,001. Définissez le et étendez le seuil à zéro. Maintenant, cliquez sur normaliser l’écriture, puis sur les données. Dans les champs de déformation, sélectionnez le fichier iy crop 1 dans le dossier T1 Img. Pour l’image à écrire, choisissez le masque de région cérébrale M1. Entrez ensuite la boîte englobante individuelle et les tailles de voxel. Ensuite, appuyez sur coregister reslice, puis sélectionnez SPMT_0001 dans le dossier indiv_act pour l’espace de définition d’image. Pour l’image à redécouper, choisissez le fichier W asterisk.nii généré précédemment. Maintenant, calculez le pic d’activation de chaque tâche. Dans MatLab, exécutez le code positif de tri, puis saisissez les noms tels qu’ils sont indiqués. Identifiez la première coordonnée X avec une valeur négative et enregistrez-la comme pic d’activation de chaque tâche. Pour localiser le lancement cible SPM 12 individualisé et spécifique à la fonction, cliquez sur FMRI, puis sélectionnez segment dans le menu. Dans l’interface des paramètres, appuyez sur le bouton volumes, sélectionnez le fichier de modèle de cerveau MNI. Cliquez ensuite sur les champs de déformation pour sélectionner l’inverse plus l’avant. Ensuite, lancez MatLab et exécutez le code des bords pour délimiter les bords intérieurs et extérieurs du cuir chevelu standard. Sélectionnez l’image c5.nii. Cliquez ensuite sur OK pour générer le fichier c5_edges.nii. Maintenant, utilisez SPM 12 pour transformer le bord standard du cuir chevelu en espace individuel. Cliquez sur normaliser, écrire et cliquez sur données. Sélectionnez le fichier iy_sub asterisk.nii dans le dossier T1 Img sous les champs de déformation. Choisissez C5 outer edge.nii pour les images à écrire et à saisir la boîte englobante individuelle et les tailles de voxel. Convertissez les coordonnées corticales en coordonnées du cuir chevelu en ouvrant le code transcortex vers le cuir chevelu dans MatLab et exécutez la première ligne. Entrez les coordonnées des différents points d’activation. Sélectionnez le fichier de bord extérieur WC5. Enregistrez ensuite les coordonnées de sortie. Ouvrez le visualiseur dpabi. Cliquez sur sous-couche et sélectionnez l’image structurelle T1 individuelle. Localisez et enregistrez les coordonnées des pics auriculaires gauche et droit, de la nasion et de l’inion. Maintenant, définissez l’origine du cuir chevelu en ouvrant le code d’intersection dans MatLab. Entrez les coordonnées des quatre points de repère. Ensuite, exécutez le code pour calculer les coordonnées d’intersection des droites oreille et nano. Enregistrez les coordonnées de l’intersection. Pour déplacer le point d’intersection le long de l’axe Z jusqu’au cuir chevelu, ouvrez le code d’origine dans MatLab. Entrez les coordonnées du point d’intersection dans définir le point H et sélectionnez le fichier de bord extérieur WC5. Obtenez les coordonnées d’origine du cuir chevelu O. Pour calculer la distance réelle entre l’origine du cuir chevelu et chaque point, exécutez le code de distance. Sélectionnez le fichier de bord extérieur WC5 et entrez l’origine du cuir chevelu, la cible et les coordonnées de quatre points de repère comme vous y êtes invité. Maintenant, calculez l’angle entre la ligne reliant la cible du cuir chevelu et l’origine du cuir chevelu et l’axe X dans le plan XY en ouvrant le code de calcul de l’axe X de l’angle et en exécutant la première ligne. Dans la fenêtre de commande, entrez les coordonnées de l’origine du cuir chevelu et de la cible de stimulation. À l’aide de la règle de ciblage, fixez la position correspondante de la règle souple en fonction de la distance et de l’angle calculés. Marquez ensuite le cuir chevelu avec un stylo lavable. Sur la base d’un échantillon de cartes de test T, la connectivité fonctionnelle et l’amplitude des résultats de fluctuation à basse fréquence sont affichées sans correction de comparaison multiple.