Nothing Special   »   [go: up one dir, main page]

CN110491518A - 一种针对任务态的经颅磁刺激建模仿真方法 - Google Patents

一种针对任务态的经颅磁刺激建模仿真方法 Download PDF

Info

Publication number
CN110491518A
CN110491518A CN201910700561.5A CN201910700561A CN110491518A CN 110491518 A CN110491518 A CN 110491518A CN 201910700561 A CN201910700561 A CN 201910700561A CN 110491518 A CN110491518 A CN 110491518A
Authority
CN
China
Prior art keywords
brain
encephalic
task state
image
node
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
Application number
CN201910700561.5A
Other languages
English (en)
Other versions
CN110491518B (zh
Inventor
王欣
殷涛
刘志朋
王贺
靳静娜
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.)
Institute of Biomedical Engineering of CAMS and PUMC
Original Assignee
Institute of Biomedical Engineering of CAMS and PUMC
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 Institute of Biomedical Engineering of CAMS and PUMC filed Critical Institute of Biomedical Engineering of CAMS and PUMC
Priority to CN201910700561.5A priority Critical patent/CN110491518B/zh
Publication of CN110491518A publication Critical patent/CN110491518A/zh
Application granted granted Critical
Publication of CN110491518B publication Critical patent/CN110491518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种针对任务态的经颅磁刺激建模仿真方法，通过静息态MRI T1图像构建颅脑组织结构，通过静息态下的MRI DTI图像和任务态下的fMRI BOLD图像构建颅内神经网络连接，然后根据神经网络连接建立各向异性电导率头模型，最后对任务态下的TMS颅内电流密度分布进行仿真。本发明根据血氧水平反映出的颅内神经电活动信息构建功能神经网络，采用功能网络与结构网络相结合用于描绘颅内神经网络连接，将比单独采用结构网络表现出更有效的神经网络连接，且与具体的任务态具有更好的对应性。任务态下的TMS建模仿真对于模拟TMS结合具体任务的刺激效果、优化TMS线圈及刺激参数具有重要意义。

Description

一种针对任务态的经颅磁刺激建模仿真方法
技术领域
本发明涉及一种经颅磁刺激建模仿真方法。特别是涉及一种针对任务态的经颅磁刺激建模仿真方法。
背景技术
重复经颅磁刺激（repetitive transcranial magnetic stimulation，rTMS）是一种脑刺激技术，广泛应用于脑功能、脑网络及脑回路等研究。
目前TMS仿真主要是针对静息态颅脑特征的建模仿真，通过个体化的磁共振（magnetic resonance imaging，MRI） T1图像描绘颅脑沟回结构信息，通过MRI 弥散张量（diffusion tensor imaging，DTI）图像描绘颅内纤维束形成的神经网络结构信息。对于任务状态下的TMS颅内电流密度分布，目前尚无明确的建模仿真方法。
发明内容
本发明的目的是提供一种针对任务态的经颅磁刺激建模仿真方法，解决现有技术中无法对任务态下的TMS进行建模仿真的缺点。
为解决上述技术问题，本发明采用如下技术方案：
一种针对任务态的经颅磁刺激建模仿真方法，包括如下步骤：
S1、采集静息态MRI T1图像、静息态下的MRI DTI图像和任务态下的fMRI BOLD图像，并全部均匹配至标准模板，根据标准模板的空间坐标为静息态MRI T1 图像、静息态下的MRI DTI图像和任务态下的fMRI BOLD图像建立统一的空间 节点，节点数为N；
S2、对静息态MRI T1图像进行图像矫正、组织分割和皮层重建，得到包含 头皮、颅骨、脑脊液、脑灰质、脑白质的结构头模型，并保留空间节点信息；
S3、对静息态下的MRI DTI图像进行弥散张量重建，获取颅内脑灰质和脑 白质各节点的弥散张量特征值，记为λij，i＝1,2,……,n，n为脑灰质和脑白质 内的节点数，n<N，j＝1,2,3，λi1为最大弥散系数、λi2为中级弥散系数，λi3为 最低弥散系数，λi1代表平行于纤维方向的弥散系数，λi2和λi3代表横向弥散系数， 表征纤维束结构连接信息；
S4、对任务态下的fMRI BOLD图像进行预处理，得到脑灰质和脑白质各个 节点的时间序列数据，采用时间相关分析度量网络节点间的关系，通过阈值决 定节点间是否存在连接边，获得各个节点的节点度，表示为Ki，i＝1,2,……,n， 表征每个节点在功能网络中的重要性；
S5、结合弥散张量特征和节点功能特征建立脑灰质和脑白质的功能性电导 率张量；
S6、结合结构头模型和功能性电导率张量建立包含功能网络连接信息的各 向异性电导率头模型，对结构头模型进行电导率赋值，其中，对于脑灰质和脑 白质，采用功能性电导率张量σij对各个节点赋值，对于头皮、颅骨、脑脊液， 采用各向同性电导率赋值，分别为得到包含功能网络连接信 息的各向异性电导率头模型；
S7、对任务态下的TMS颅内电流密度分布进行仿真。
进一步的，所述S5具体包括如下步骤：
S5.1、建立表征纤维束结构连接信息的结构性电导率张量，记为dij，根据 体归一法，dij可由公式(1)求得，其中，为脑灰质或脑白质的各向同 性电导率，
S5.2、结合节点功能特征建立功能性电导率张量，将各个节点的节点度作 为结构性电导率张量的权重系数，功能性电导率张量σij可由公式(2)求得：
σij＝Ki·dij (2)。
进一步的，所述S7具体包括如下步骤：
S7.1、采用有限元分析软件对各向异性电导率头模型进行去耦合、面分网、 体分网操作，得到对应的有限元模型；
S7.2、根据电磁感应定律和界面电荷积累效应，对颅内电场进行仿真运算， 颅内电场记为具体运算如公式(3)，其中，为TMS线圈磁矢势，为界 面积累的静电荷产生的标量势，
S7.3、根据颅内电场计算颅内各节点的电流密度， 分别为头皮、颅骨和脑脊液的组织电流密度，为脑灰质和脑白质的组织电流密度。
进一步的，所述的MRI T1和MRI DTI图像，具体是应用T1三维脑容积扫描序列和DTI弥散张量扫描序列进行全脑结构扫描得到的图像。
进一步的，所述的任务态下的fMRI BOLD图像，具体是利用磁共振造影在执行任务的同时扫描功能图像，探测执行任务时的颅内神经活动信息，即BOLD信号。
进一步的，所述各向同性电导率具体是查询Daniele Andreuccetti等人建立的各频段生物组织电磁特性公开数据库，得到TMS脉冲频率对应的各脑组织电导率。
与现有技术相比，本发明的有益技术效果：
本发明针对任务态下的经颅磁刺激建模仿真，提出采集任务态下的功能磁共振（functional magnetic resonance imaging，fMRI）血氧水平依赖（Blood OxygenationLevel Dependent，BOLD）图像，根据血氧水平反映出的颅内神经电活动信息构建功能神经网络，采用功能网络与结构网络相结合用于描绘颅内神经网络连接，将比单独采用结构网络表现出更有效的神经网络连接，且与具体的任务态具有更好的对应性。任务态下的TMS建模仿真对于模拟TMS结合具体任务的刺激效果、优化TMS线圈及刺激参数具有重要意义，具有良好的发展和应用前景。
附图说明
下面结合附图说明对本发明作进一步说明。
图1为本发明针对任务态的经颅磁刺激建模仿真方法的流程示意图。
具体实施方式
如图1所示，一种针对任务态的经颅磁刺激建模仿真方法，包括如下步骤：
S1、采集静息态MRI T1图像、静息态下的MRI DTI图像和任务态下的fMRI BOLD图像，并全部均匹配至标准模板，根据标准模板的空间坐标为静息态MRI T1 图像、静息态下的MRIDTI图像和任务态下的fMRI BOLD图像建立统一的空间 节点，节点数为N；
S2、对静息态MRI T1图像进行图像矫正、组织分割和皮层重建，得到包含 头皮、颅骨、脑脊液、脑灰质、脑白质的结构头模型，并保留空间节点信息；
S3、对静息态下的MRI DTI图像进行弥散张量重建，获取颅内脑灰质和脑 白质各节点的弥散张量特征值，记为λij，i＝1,2,……,n，n为脑灰质和脑白质 内的节点数，n<N，j＝1,2,3，λi1为最大弥散系数、λi2为中级弥散系数，λi3为 最低弥散系数，λi1代表平行于纤维方向的弥散系数，λi2和λi3代表横向弥散系数， 表征纤维束结构连接信息；
S4、对任务态下的fMRI BOLD图像进行预处理，得到脑灰质和脑白质各个 节点的时间序列数据，采用时间相关分析度量网络节点间的关系，通过阈值决 定节点间是否存在连接边，获得各个节点的节点度，表示为Ki，i＝1,2,……,n， 表征每个节点在功能网络中的重要性；
S5、结合弥散张量特征和节点功能特征建立脑灰质和脑白质的功能性电导 率张量，具体包括如下步骤：
S5.1、建立表征纤维束结构连接信息的结构性电导率张量，记为dij，根据 体归一法，dij可由公式(1)求得，其中，为脑灰质或脑白质的各向同 性电导率，
S5.2、结合节点功能特征建立功能性电导率张量，将各个节点的节点度作 为结构性电导率张量的权重系数，功能性电导率张量σij可由公式(2)求得：
σij＝Ki·dij (2)；
S6、结合结构头模型和功能性电导率张量建立包含功能网络连接信息的各 向异性电导率头模型，对结构头模型进行电导率赋值，其中，对于脑灰质和脑 白质，采用功能性电导率张量σij对各个节点赋值，对于头皮、颅骨、脑脊液， 采用各向同性电导率赋值，分别为得到包含功能网络连接信 息的各向异性电导率头模型；
S7、对任务态下的TMS颅内电流密度分布进行仿真，具体包括如下步骤：
S7.1、采用有限元分析软件对各向异性电导率头模型进行去耦合、面分网、 体分网操作，得到对应的有限元模型；
S7.2、根据电磁感应定律和界面电荷积累效应，对颅内电场进行仿真运算， 颅内电场记为具体运算如公式(3)，其中，为TMS线圈磁矢势，为界 面积累的静电荷产生的标量势，
S7.3、根据颅内电场计算颅内各节点的电流密度， 分别为头皮、颅骨和脑脊液的组织电流密度，为脑灰质和脑白质的组织电流密度。
所述的MRI T1和MRI DTI图像，具体是应用T1三维脑容积扫描序列和DTI弥散张量扫描序列进行全脑结构扫描得到的图像。所述的任务态下的fMRI BOLD图像，具体是利用磁共振造影在执行任务的同时扫描功能图像，探测执行任务时的颅内神经活动信息，即BOLD信号。所述各向同性电导率具体是查询Daniele Andreuccetti等人建立的各频段生物组织电磁特性公开数据库，得到TMS脉冲频率对应的各脑组织电导率，该数据库是电磁场建模仿真公认的可靠数据库。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，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)

1.一种针对任务态的经颅磁刺激建模仿真方法，其特征在于，包括如下步骤：
S1、采集静息态MRI T1图像、静息态下的MRI DTI图像和任务态下的fMRI BOLD图像，并全部均匹配至标准模板，根据标准模板的空间坐标为静息态MRI T1图像、静息态下的MRIDTI图像和任务态下的fMRI BOLD图像建立统一的空间节点，节点数为N；
S2、对静息态MRI T1图像进行图像矫正、组织分割和皮层重建，得到包含头皮、颅骨、脑脊液、脑灰质、脑白质的结构头模型，并保留空间节点信息；
S3、对静息态下的MRIDTI图像进行弥散张量重建，获取颅内脑灰质和脑白质各节点的弥散张量特征值，记为λij，i＝1,2,……,n，n为脑灰质和脑白质内的节点数，n<N，j＝1,2,3，λi1为最大弥散系数、λi2为中级弥散系数，λi3为最低弥散系数，λi1代表平行于纤维方向的弥散系数，λi2和λi3代表横向弥散系数，表征纤维束结构连接信息；
S4、对任务态下的fMRI BOLD图像进行预处理，得到脑灰质和脑白质各个节点的时间序列数据，采用时间相关分析度量网络节点间的关系，通过阈值决定节点间是否存在连接边，获得各个节点的节点度，表示为Ki，i＝1,2,……,n，表征每个节点在功能网络中的重要性；
S5、结合弥散张量特征和节点功能特征建立脑灰质和脑白质的功能性电导率张量；
S6、结合结构头模型和功能性电导率张量建立包含功能网络连接信息的各向异性电导率头模型，对结构头模型进行电导率赋值，其中，对于脑灰质和脑白质，采用功能性电导率张量σij对各个节点赋值，对于头皮、颅骨、脑脊液，采用各向同性电导率赋值，分别为和得到包含功能网络连接信息的各向异性电导率头模型；
S7、对任务态下的TMS颅内电流密度分布进行仿真。
2.根据权利要求1所述的针对任务态的经颅磁刺激建模仿真方法，其特征在于，所述S5具体包括如下步骤：
S5.1、建立表征纤维束结构连接信息的结构性电导率张量，记为dij，根据体归一法，dij可由公式(1)求得，其中，为脑灰质或脑白质的各向同性电导率，
S5.2、结合节点功能特征建立功能性电导率张量，将各个节点的节点度作为结构性电导率张量的权重系数，功能性电导率张量σij可由公式(2)求得：
σij＝Ki·dij (2)。
3.根据权利要求1所述的针对任务态的经颅磁刺激建模仿真方法，其特征在于，所述S7具体包括如下步骤：
S7.1、采用有限元分析软件对各向异性电导率头模型进行去耦合、面分网、体分网操作，得到对应的有限元模型；
S7.2、根据电磁感应定律和界面电荷积累效应，对颅内电场进行仿真运算，颅内电场记为具体运算如公式(3)，其中，为TMS线圈磁矢势，为界面积累的静电荷产生的标量势，
S7.3、根据颅内电场计算颅内各节点的电流密度， 分别为头皮、颅骨和脑脊液的组织电流密度，为脑灰质和脑白质的组织电流密度。
4.根据权利要求1所述的针对任务态的经颅磁刺激建模仿真方法，其特征在于，所述的MRI T1和MRI DTI图像，具体是应用T1三维脑容积扫描序列和DTI弥散张量扫描序列进行全脑结构扫描得到的图像。
5.根据权利要求1所述的针对任务态的经颅磁刺激建模仿真方法，其特征在于，所述的任务态下的fMRI BOLD图像，具体是利用磁共振造影在执行任务的同时扫描功能图像，探测执行任务时的颅内神经活动信息，即BOLD信号。
CN201910700561.5A 2019-07-31 2019-07-31 一种针对任务态的经颅磁刺激建模仿真方法 Active CN110491518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910700561.5A CN110491518B (zh) 2019-07-31 2019-07-31 一种针对任务态的经颅磁刺激建模仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910700561.5A CN110491518B (zh) 2019-07-31 2019-07-31 一种针对任务态的经颅磁刺激建模仿真方法

Publications (2)

Publication Number Publication Date
CN110491518A true CN110491518A (zh) 2019-11-22
CN110491518B CN110491518B (zh) 2023-04-07

Family

ID=68548946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910700561.5A Active CN110491518B (zh) 2019-07-31 2019-07-31 一种针对任务态的经颅磁刺激建模仿真方法

Country Status (1)

Country Link
CN (1) CN110491518B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115910356A (zh) * 2022-11-11 2023-04-04 深圳职业技术学院 基于经颅磁刺激线圈电磁场模拟的磁场刺激效果评估方法

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101517618A (zh) * 2006-09-13 2009-08-26 奈科斯迪姆公司 用于显示经颅磁刺激在大脑生成的电场的方法和系统
US20100113959A1 (en) * 2006-03-07 2010-05-06 Beth Israel Deaconess Medical Center, Inc. Transcranial magnetic stimulation (tms) methods and apparatus
CN102222156A (zh) * 2011-03-30 2011-10-19 南京大学医学院附属鼓楼医院 人脑中水分子弥散模型的建立方法
CN103886328A (zh) * 2014-03-19 2014-06-25 太原理工大学 基于脑网络模块结构特征的功能磁共振影像数据分类方法
CN104063565A (zh) * 2014-07-21 2014-09-24 中国医学科学院生物医学工程研究所 一种用于深部磁刺激研究的真实人体头部有限元模型
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
US20150119689A1 (en) * 2012-05-16 2015-04-30 Beth Israel Deaconess Medical Center, Inc. Identifying individual target sites for transcranial magnetic stimulation applications
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
CN105631930A (zh) * 2015-11-27 2016-06-01 广州聚普科技有限公司 一种基于dti的颅内神经纤维束的三维重建方法
US20160220836A1 (en) * 2015-01-30 2016-08-04 Board Of Trustees Of The University Of Arkansas Device and method of phase-locking brain stimulation to electroencephalographic rhythms
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
CN106345062A (zh) * 2016-09-20 2017-01-25 华东师范大学 一种基于磁共振成像的经颅磁刺激线圈定位方法
CN106709244A (zh) * 2016-12-12 2017-05-24 西北工业大学 一种静息态同步EEG‑fMRI的脑功能网络建模方法
US20170372006A1 (en) * 2014-02-10 2017-12-28 Neuronetics, Inc. Head modeling for a therapeutic or diagnostic procedure
CN108921286A (zh) * 2018-06-29 2018-11-30 杭州电子科技大学 一种免阈值设定的静息态功能脑网络构建方法
CN109102894A (zh) * 2018-10-18 2018-12-28 中国医学科学院生物医学工程研究所 结合皮层兴奋性的各向异性电导率头模型建模方法及装置
CN109200472A (zh) * 2018-10-15 2019-01-15 中国医学科学院生物医学工程研究所 通过导电块导磁块调控h线圈颅内场分布的方法及装置
US20190057623A1 (en) * 2017-08-17 2019-02-21 Virginia Commonwealth University Anatomically accurate brain phantoms and methods for making and using the same
WO2019050225A1 (ko) * 2017-09-11 2019-03-14 뉴로핏 주식회사 Tms 자극 내비게이션 방법 및 프로그램

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100113959A1 (en) * 2006-03-07 2010-05-06 Beth Israel Deaconess Medical Center, Inc. Transcranial magnetic stimulation (tms) methods and apparatus
CN101517618A (zh) * 2006-09-13 2009-08-26 奈科斯迪姆公司 用于显示经颅磁刺激在大脑生成的电场的方法和系统
CN102222156A (zh) * 2011-03-30 2011-10-19 南京大学医学院附属鼓楼医院 人脑中水分子弥散模型的建立方法
US20150119689A1 (en) * 2012-05-16 2015-04-30 Beth Israel Deaconess Medical Center, Inc. Identifying individual target sites for transcranial magnetic stimulation applications
US20170372006A1 (en) * 2014-02-10 2017-12-28 Neuronetics, Inc. Head modeling for a therapeutic or diagnostic procedure
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
CN103886328A (zh) * 2014-03-19 2014-06-25 太原理工大学 基于脑网络模块结构特征的功能磁共振影像数据分类方法
CN104063565A (zh) * 2014-07-21 2014-09-24 中国医学科学院生物医学工程研究所 一种用于深部磁刺激研究的真实人体头部有限元模型
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
US20160220836A1 (en) * 2015-01-30 2016-08-04 Board Of Trustees Of The University Of Arkansas Device and method of phase-locking brain stimulation to electroencephalographic rhythms
CN105631930A (zh) * 2015-11-27 2016-06-01 广州聚普科技有限公司 一种基于dti的颅内神经纤维束的三维重建方法
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
CN106345062A (zh) * 2016-09-20 2017-01-25 华东师范大学 一种基于磁共振成像的经颅磁刺激线圈定位方法
CN106709244A (zh) * 2016-12-12 2017-05-24 西北工业大学 一种静息态同步EEG‑fMRI的脑功能网络建模方法
US20190057623A1 (en) * 2017-08-17 2019-02-21 Virginia Commonwealth University Anatomically accurate brain phantoms and methods for making and using the same
WO2019050225A1 (ko) * 2017-09-11 2019-03-14 뉴로핏 주식회사 Tms 자극 내비게이션 방법 및 프로그램
CN108921286A (zh) * 2018-06-29 2018-11-30 杭州电子科技大学 一种免阈值设定的静息态功能脑网络构建方法
CN109200472A (zh) * 2018-10-15 2019-01-15 中国医学科学院生物医学工程研究所 通过导电块导磁块调控h线圈颅内场分布的方法及装置
CN109102894A (zh) * 2018-10-18 2018-12-28 中国医学科学院生物医学工程研究所 结合皮层兴奋性的各向异性电导率头模型建模方法及装置

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
ALEXANDER OPITZ等: "How the brain tissue shapes the electric field induced by transcranial magnetic stimulation", 《NEUROIMAGE》 *
LIU YANG等: "Repetitive transcranial magnetic stimulation regulates L-type Ca2+ channel activity inhibited by early sevoflurane exposure", 《BRAIN RESEARCH》 *
MIRKO WINDHOFF等: "Electric field calculations in brain stimulation based on finite elements: an optimized processing pipeline for the generation and usage of accurate individual head models", 《HUMAN BRAIN MAPPING》 *
WANG HE等: "Non-orthogonal one-step calibration method for robotized transcranial magnetic stimulation", 《BIOMEDICAL ENGINEERING ONLINE》 *
庞娜: "经颅超声刺激对神经元放电节律和脑血氧代谢作用研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 *
王欣等: "刺激模式与电极偏移影响DBS颅内电场分布的仿真研究", 《医疗卫生装备》 *
王贺等: "经颅磁刺激联合经颅直流电刺激在大脑皮层电场分布的研究", 《生物医学工程研究》 *
程欢欢等: "基于真实头模型的H型线圈颅内感应电场分布的仿真研究", 《生物医学工程研究》 *
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》 *
郑建斌等: "经颅磁刺激中大鼠真实头模型感应电场分布的研究", 《北京生物医学工程》 *
金芳等: "TMS线圈与EEG电极线相对位置对TMS-EEG信号的影响", 《生物医学工程研究》 *
雷旭: "基于贝叶斯理论的EEG-fMRI融合技术研究", 《中国博士学位论文全文数据库 (医药卫生科技辑)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115910356A (zh) * 2022-11-11 2023-04-04 深圳职业技术学院 基于经颅磁刺激线圈电磁场模拟的磁场刺激效果评估方法
CN115910356B (zh) * 2022-11-11 2023-07-25 深圳职业技术学院 基于经颅磁刺激线圈电磁场模拟的磁场刺激效果评估方法

Also Published As

Publication number Publication date
CN110491518B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Johnson Computational and numerical methods for bioelectric field problems
Robinson Interrelating anatomical, effective, and functional brain connectivity using propagators and neural field theory
Nunez et al. The surface Laplacian, high resolution EEG and controversies
CN115359045A (zh) 基于多模态磁共振成像的图卷积神经网络疾病预测系统
US7355403B2 (en) Noise reduction in diffusion tensor imaging data using bayesian methods
Rousson et al. Level set and region based surface propagation for diffusion tensor MRI segmentation
CN103345749B (zh) 一种基于模态融合的大脑网络功能连接偏侧性检测方法
Deco et al. The most relevant human brain regions for functional connectivity: Evidence for a dynamical workspace of binding nodes from whole-brain computational modelling
Howell et al. A driving-force predictor for estimating pathway activation in patient-specific models of deep brain stimulation
CN113436170B (zh) 基于磁共振影像的经颅电刺激个体化优化平台
Hageman et al. A diffusion tensor imaging tractography algorithm based on Navier–Stokes fluid mechanics
Sanchez-Todo et al. Personalization of hybrid brain models from neuroimaging and electrophysiology data
CN102743166B (zh) 一种事件相关电位源定位方法
Sepasian et al. Multivalued geodesic ray-tracing for computing brain connections using diffusion tensor imaging
CN110491518A (zh) 一种针对任务态的经颅磁刺激建模仿真方法
CN116090294A (zh) 个体化经颅直流电刺激的脑响应方法、装置、设备和介质
Hyde et al. Evaluation of numerical techniques for solving the current injection problem in biological tissues
Liang et al. Electromagnetic source imaging with a combination of sparse Bayesian learning and deep neural network
Feldman et al. Simulation of head‐gradient‐coil induced electric fields in a human model
Wang et al. Numerical simulation of repetitive transcranial magnetic stimulation by the smoothed finite element method
CN111369637B (zh) 一种融合白质功能信号的dwi纤维优化重建方法及系统
Samadzadehaghdam et al. Evaluating the impact of white matter conductivity anisotropy on reconstructing eeg sources by linearly constrained minimum variance beamformer
Accaino et al. Imaging of CROP-18 deep seismic crustal data
CN116312810B (zh) 基于超图神经场预测人脑兴奋性和抑制性连接的方法
Salman et al. Next-generation human brain neuroimaging and the role of high-performance computing

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