引導的經顱電刺激技術的製作方法

2023-07-21 00:14:01

專利名稱：引導的經顱電刺激技術的製作方法
技術領域：
本發明涉及引導的經盧貞電刺激(guided electrical transcranial stimulation ) 或GETS,並且特別涉及給腦部內和周圍的載流(current-earring )器官物質 精確分配電阻率，並確定電輸入(如電流、電壓、電荷或功率)的最佳應用， 包括用於醫學治療的任何各種脈沖特性，如脈衝持續時間和每個脈衝串(pulse train)的脈衝個數。技術背景經顱電刺激運動誘發電位(tcMEP)的出現，已經導致高風險手術患者 的癱瘓比率的顯著下降(見ChappaKH， 1994, Calanchie等人2001, Pelosi等 人2002， Bose B, Sestokas AK， Swartz DM2004和MacDonad等人2003,在下 面引用並由此通過引用併入)。結果，tcMEP已經變成在脊髓和神經外科手術 期間測試皮層脊髓束完整性的關註標準。不幸的是，經顱電刺激通常要求具 有擴散電流傳播的高電壓，該擴散電流傳播促使腦的大的區域的活動，並使 患者處於有害和未知的副作用的風險。在低電壓獲得更精準的定向電流將降 低該風險，並極大地擴張經顱刺激的效用用於手術和非手術患者。期望具有一種涉及腦的位置(site)特定的經顱電刺激的技術，該電刺激 接近生理電流密度，並將這些技術應用到治療擴張的包括脊髓手術患者的患 者人群。引起運動誘發電位(tcMEP)的經顱電刺激已經成為在高風險手術 期間監視脊髓和腦部的運動途徑(pathway)的關註標準。傳統的tcMEP技術 經常能夠是監視運動途徑並識別醫原性損傷的原始卻有效的工具。圖1A圖 示來自脊柱側凸患者的tcMEP。圖1A的刻度顯示在y軸上50pV以及在X 軸上7.5ms。施加的脈衝在具有3ms ISI的五個脈衝串中為150V持續100ps。 圖IB圖示來自86歲的帶頸骨骨折的男性的tcMEP。施加的脈衝是上圖區75 伏以及下圖區25伏。典型的，tcMEP過程涉及將各電極放置在患者的頭皮中被認為包繞運動 皮層的各個位置處，然後用激活遠側肌肉或肌肉群的強度來施加短的高壓電脈衝。圖2圖示患者的頭皮外側的電極Jq的放置。圖2還圖示分別具有不同 導電率 (7!、 a2和a3的三個區i或S0、 Si和S2。不幸的是'典型J4用於i秀導TcMEP 的各高壓和它們產生的響應能激活頭部、身體或軀幹以及目標肌肉的整個區 域。由於不受控的電流擴散的大的肌肉群的運動，意味著癲癇發作、損傷的 顎骨和患者的運動產生已經與tcMEP測試相關聯的風險因素(見Chappa， KH， 1994，下面引用)。施加刺激串而非單個脈沖以及麻醉中的調整技術，已經顯 著地將施加的電流從700-900V降低到200400V (見Chappa, KH， 1994， Haghighi SS和Zhange R 2004，下面引用並在此通過引用併入)。TcMEP已經作為對"喚醒測試"的更少麻煩的代替品變得廣泛接受，在 該"喚醒測試"中，在手術期間患者被叫醒並被要求在手術過程結束之前移 動他們的四肢(見Eroglu， A等人2003，下面引用並在此通過引用併入)。然 而，這些降低的刺激水平仍超出正常生理水平，並且各大肌肉群不受控的運 動暗示施加的脈沖繼續導致顯著的電流傳播。雖然主要的副作用相對罕見， 但是舌裂傷、肌肉撕裂和嗆咳(bucking )仍是相當普遍的副作用(見Calanchie, B等人2001,下面引用並在此通過引用併入)。有時與TcMEP相關聯的大肌 肉運動還在外科大夫專心於精細腦部或脊髓操作的時間段期間限制TcMEP 的有效性。期望通過預測腦中的電脈沖路徑並隨後調整電流水平(即，降低)，減少 或消除這些副作用。還期望將電流強度降低到接近在目標區域處的生理水平， 以便允許腦電刺激用於手術外的患者的治療。這樣，能夠實現對已經被證明 從腦部電刺激受益的許多疾病狀態的治療的顯著積極影響，該許多疾病狀態 例如帕金森症、慢性疼痛和抑鬱。背景建模頭部是具有多個傳導間隔的不均勻、各向異性的傳導介質。通過該介質 發現電流路徑已經是神經生理學中的顯著問題。幾十年來，通過該介質刺激 腦部而不使用腦部手術或深度電極已經成為很多研究者的夢想。期望建模並 測試對該問題的創新解決方案。存在大量的試圖建模電流途徑和組織電阻率的文獻，發展其用於理解腦 電圖(EEG )的源發生器(見Rush S, Driscoll DA 1986， Va認lle, C" Stagnara 1973, Henderson, CJ, Butler, SR，和Class A, 1978,下面引用並在此通過引用並 入)。這是研究者正試圖基於表面記錄確定來自腦部的電流的源的相反問題。12在該相反的問題中，從測量的EEG和利用各源參數和頭部電特性建模的電位 之間的最佳擬和的計算，做出源位置的估計。它們經常用於為頭皮記錄的EEG 定位發生器或建模頭骨缺陷(Benar&Gotman, 2002; Henderson等人，1975; 和Kavanaugh等人，1978,下面引用並在此通過引用併入)。在GETS (引導 的經盧貞電刺激)模型中，處理前述問題用於確定來自頭皮上放置的已知或選 擇的多個源的最佳電流路徑，並假設沒有內部源。正向問題本質上更容易， 因為傳導率分布和各電流源位置是已知的。一些作者已經試圖構建這樣的頭部的生理模型。這些生理模型中的一些 由塑料、鹽和/或矽製成。它們不足以代表問題的複雜性，並且沒有考慮解剖 中的個體差異。有限元(FE)正向建模已經從最近的頭骨和組織的電阻率估計的改進中 受益。這些更新的估計在活體中獲取(見Goncalves等人2003;和Oostendorp 等人，2000，下面引用並在此通過引用併入)。這些比很多以前典型在幹的或 屍體的組織上完成的估計，提供更精準的自然(indigenous)組織的值。一些群體已經試圖通過利用商業上可獲得的經顱磁刺激器來解決經顱刺 激的問題。儘管磁刺激器通常用在門診中，但是因為在具有多個金屬物體的參數更不一致的趨勢，使它們已經被拒絕用於手術應用。磁脈衝發生器的微 小移動已經導致各刺激參數的顯著改變，並且線圈不能用於其中治療將涉及 持續刺激的慢性狀況。期望的是通過經顱電刺激來精確地建模頭部組織和電 流途徑，以4更更有效地瞄準皮層脊髓束神經元的腦激活。發明內容提供了 一種用於確定治療性治療的電能的最佳經顱或顱內施加的技術。 獲得對象腦部和/或另一身體組織的MRI或CAT掃描數據、或者兩者。基於 該數據給其他身體組織或對象腦部的各部分分配不同的各向異性電性值 (electrical value )。選擇多個電極位置。基於所述分配和選擇，為了經盧貞或戶貞 內電流、或者其他身體組織的經組織(trans-tissue)電流的最佳治療性施加， 計算一個或多個施加的電壓、功率、能量、電流或電荷。所述腦部在此通常稱為本發明和各實施例可以有利地施加的特定組織，但是應該理解的是本發 明可施加到除腦部以外的其他身體組織。所述分配可包括通過定義所述對象腦部各部分之間的組織間隔邊界、及其一個或多個電特性，分割對象腦部；通過定義對象腦部的柵;f各(grid)元 素的網格(mesh),實現有限元模型；以及基於所述分割，將矢量電阻 (resistance)值歸屬於每個柵格元素。所述分割可包括區分腦脊液、白質、 血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、炎症組織、缺血組織 和密質骨的兩個或多個。所述區分可包括分辨(resolve)對應於兩個或多個 有機(organic)腦物質的各自的灰度數據內的峰值。所述歸屬可包括推斷各 柵格元素阻值的各向異性。"電性值"可包括導電率、電阻率、電容、阻抗或施加的能量或其組合。 "電特性，，可包括涉及導電率、電阻率、電容、阻抗或施加的能量或其組合。 "阻值"可包括電阻率或導電率或者兩者。所述數據可包括兩種或多種類型 的MRI或CAT掃描數據或者兩者(如兩種或多種T1、 T2和PDMRI數據) 的組合。這些數據優選是三維數據。所述選擇可以包括在各優選實施例中，將各電極布置在皮膚表面、在皮 膚中和皮膚下面(皮下)、或者在頭骨組織內，而在各替代實施例中，將各電 極布置穿過頭骨靠近硬腦膜或與其接觸、或者在淺經硬腦膜位置處。在各替 代實施例中，所述選擇可包括利用所述頭骨組織內或穿過其的安裝螺絲釘的 電極。還提供了 一種用於確定治療性治療的電能的最佳經顱或顱內施加的技 術。獲得對象腦部的兩種或多種類型的三維MRI或CAT掃描數據或者兩者 的組合。基於所述數據給對象腦部的各部分分配不同的電性值。在該實施例 中，選擇各電極位置包括布置至少一個電極至少部分穿過頭骨。基於所述分 配和選4奪，為了經顱或顱內電力(electricity)(最好是電流形式)的最佳治療 性施加，計算一個和多個施加的電輸入，如電壓、能量、功率、電荷或電脈 衝或者選擇持續時間、高度或次數的脈衝串或其組合。所述分配可包括通過定義所述對象腦部各部分之間的組織間隔邊界、 及其一個或多個電特性，分割對象腦部；通過定義對象腦部的柵格元素的網 格，實現有限元模型；以及基於所述分割，將矢量電阻值歸屬於每個柵格元 素。所述分割可包括區分腦脊液、白質、血液、皮膚、灰質、軟組織、松質 骨、眼液、癌組織、炎症組織、缺血組織和密質骨的兩個或多個。所述數據可包括兩個或多個Tl、 T2和PD MRI數據的組合。所述選擇14可包括將至少一個電極布置穿過頭骨靠近硬腦膜或與其接觸、或者在淺經硬 腦膜位置處。所述選擇可包括利用所述頭骨組織內或穿過其的安裝螺絲釘的 電極。還提供了 一種用於確定治療性治療的電能的最佳經顱或顱內施加的技術。獲得對象腦部和/或其他身體組織的兩種或多種三維MRI或CAT掃描數 據或者兩者的組合。通過定義所述對象腦部或其它身體組織的各部分之間的 組織間隔邊界、及其一個或多個電特性，分割對象腦部和/或身體其它組織。 通過定義對象腦部或身體其它組織的柵格元素的網格，實現有限元模型。基 於所述分割，將電性值歸屬於每個柵格元素。選擇各電極位置。基於所述分 配和選#^,為了經顱或顱內電(最好是電流形式)的最佳治療性施加，計算 一個和多個施加的電輸入，如電壓、能量、功率、電荷或電脈沖或者選才奪才爭 續時間、高度或次數的脈衝串或其組合。所述各電性值優選包括各矢量電阻值，並且所述各電特性優選包括各向 異性。所述分割可包括確定腦脊液、白質、血液、皮膚、灰質、軟組織、松質 骨、眼液、癌組織、炎症組織、缺血組織和密質骨的兩個或多個。所述歸屬 可包括推斷各柵格元素電阻值的各向異性。所述數據可包括兩種或多種MRI 或CAT掃描數據或兩者的組合，如兩種或多種Tl 、 T2和PD MRI數據的組 合。所述數據可包括三維數據。還提供了 一種用於確定治療性治療的電能的最佳經顱或顱內施加的方 法，該方法基於對象腦部和/或其他身體組織的MRI或CAT掃描數據或兩者、 以及基於所述數據分配給所述對象腦部的各部分的不同的各向異性電性值。 該方法包括選擇電極位置；以及基於分配的各向異性電性值和所述選擇， 為了經顱或顱內電(最好是電流形式)的最佳治療性施加，計算一個和多個 施加的電輸入，如電壓、能量、功率、電荷或電脈沖或者選擇持續時間、高 度或次數的脈沖串或其組合。優選地基於通過定義所述對象腦部和/或其它身體組織的各部分之間的 組織間隔邊界、及其一個或多個電特性分割對象腦部或身體其它組織，分配 各各向異性值，通過定義對象腦部的柵格元素的網格實現有限元模型，並基 於所述分割將各矢量電性值歸屬於每個柵格元素。所述分割可包括區分腦脊 液、白質、血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、炎症組織、缺血組織和密質骨的兩個或多個。所述區分可包括分辨對應於兩個和多個腦 或其他身體組織的各自的灰度數據內的峰值。還提供了 一種用於確定治療性治療的電能的最佳經顱或顱內施加的方法，該確定基於獲得對象腦部或其他身體組織的MRI或CAT或兩者的掃描 數據、以及歸屬於網格的各柵格元素的各電性值，該網格通過以下定義實 現對象腦部或其它身體組織的有限元模型；以及通過定義所述對象腦部或其 它身體組織的所述各部分之間的組織間隔邊界、及其一個或多個電特性，分 割對象腦部或其它身體組織；通過定義對象腦部的柵格元素的網格實現有限 元模型；以及基於所述分割將各電性值歸屬於每個柵格元素。該方法包括 選擇電極位置；以及基於分配的各向異性電性值和所述選擇，為了經顱或顱 內電(最好是電流形式)的最佳治療性施加，計算一個和多個施加的電輸入， 如電壓、能量、功率、電荷或電脈衝或者選擇持續時間、高度或次數的脈衝 串或其組合。所述各電性值可以是如上面所定義的，並可優選包括矢量電阻值，同時 所述各電特性可以是如上所定義的，並優選包括各向異性。所述分割可包括 分區腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、 炎症組織、缺血組織和密質骨的兩個或多個。所述歸屬可包括推斷各柵格元 素的電阻值的各向異性。還提供了一個和多個處理器可讀的存儲設備，其具有包括在其上的處理 器可讀代碼。該處理器可讀代碼用於編程一個或多個處理器以執行任何在此 列舉和描述的方法，用於確定治療性治療的電能的最佳經顱或顱內施加。


圖1A圖示來自脊柱側凸患者的tcMEP。圖1B圖示來自患有頸骨骨折的86歲男性的tcMEP。圖2圖示人的頭部，其具有常規識別的不同導電率的物質並具有耦合到其的兩個電才及。圖3圖示具有對其施加有限元建模的網格的人的腦部。圖4圖示具有根據優選實施例識別和分割的若干組織間隔的人的腦部。圖5圖示具有識別和分割的不同各向異性電阻的若干組織間隔、並具有對其施加各向異性有限元建模的網格的人的腦部。圖6a圖示具有兩個選擇的電極位置和其中定義的電流途徑的人的腦部。圖6b圖示圖6a的人的腦部，其具有對其施加限元建模的網格。圖6c圖示圖6b的人的腦部，其具有歸屬於網格各元素的各向異性。圖6d顯示通過各向同性和各向異性模型的相同區域的電流密度圖。圖7a圖示在變化的各向異性電阻率的區域周圍的電流密度的變化。圖7b圖示具有不同大小和形狀的網格元素的有限元網格。圖8圖示三種不同類型的MRI: Tl、 T2和PD。圖9圖示組織的MRI和電阻率圖，其顯示通過不同電阻的組織的灰度差 獲得的多個分辨的峰值。圖10圖示施加到耦合有兩個電極的人的腦部的電流密度的三維建模。 圖lla-lld圖示根據各替代實施例的電極配置。具體實現方式 縮寫CT =計算機X射線斷層攝影GETs=引導的經顱電刺激EEG:腦電圖MRI =磁共振成像FE =矩陣代數的有限元方法SEP-體感誘發電位艦RI-功能磁共振成像tcMEP二經顱運動誘發電位介紹如下面將更詳細描述的，通過構建表示在個體的頭部和腦部內發現的所 有不均勻性的足夠細節的模型，對前面問題的解決方案用矩陣代數是可實現 的。在下面的"詳細描述部分"中描述的所述方法已經繞開了物理模型的使 用，並使用個體的MRI和/或CT掃描作為頭部和腦部的代表。MRI和CT掃 描是數位化圖像，其能通過能將標準代數操作應用到其的電腦程式操作。 該數位化建模還允許使用已經為其他複雜表示例如天氣系統、液流等開發的 矩陣代數解法。此外，已經開發了有限元(FE)分析包內的模塊以表示時間 依賴因素，如電容和電阻。17下面進一步描述通過利用頭部的3-D建模來有利地降低電流密度。我們的試驗(pilot)工作已經證明在我們實驗室中開發的2-D引導的經顱電刺激 (GETs)能夠降低電流密度60%或更多。利用3-D模型實現更多降低。提供了包括將CT掃描和MRI圖像結合的各有效實施例。這種結合能有 利地用作GETs模型的基礎。計算機斷層掃描(CT)是建模骨的特別有效的 方法，並用在各實施例中進一步增強GETs模型。在一個實施例中，直接測量獲得對象腦部中的電流。在另一實施例中， 獲得運動誘發電位作為生物鑑定(assay )。即使在腦解剖已經顯著地被外傷、 腫瘤或發展的病症所改變時，根據優選實施例的技術也有利地工作降低電流 密度。另外，GETs建模能用於實際的脊髓手術患者。這能用以優化運動皮層的 經顱刺激。初級研究在對涉及三維建模的優選實施例的試驗工作中，根據替代實施例已經開 發了整個頭部的單個MRJ片層的二維(2-D)模型。圖3圖示具有對其施加 有限元建模的網格的人的腦部(還見圖7B,其圖示具有不同大小和形狀的網大小的元素。在2-D實施例中，利用FEM方法能夠預測經顱刺激後的電流路 徑，例如，在解剖正確的冠狀部分中穿過上肢表示的運動皮層。在實施例中，獲得穿過上肢運動皮層的冠狀MRI部分(6.5mm)的電流 密度。該建模分兩步進行分割以識別組織間隔邊界和電阻率；然後實現有 限元才莫型以解決前面的電流密度問題(利用給定的參數值建模測量)。分割掃描的圖像優選被對比度增強，然後自動、半自動或手動識別初級組織 間隔的邊界，並優選利用商業可獲得的軟體(例如，Canvas )。圖4根據優選 實施例，圖示具有依據它們不同的電阻率被識別和分割的若干組織間隔的人 的腦部。在圖4表示中被分割的這些組織間隔包括在65 ohm-cm處的腦脊液 (CSF )、在85 ohm-cm處的白質、在160 ohm-cm處的血液、在230 ohm-cm 處的皮膚、在300 ohm-cm處的灰質、在500 ohm-cm處的軟組織、在2500 ohm-cm處的+>質骨和在16000 ohm-cm處的密質骨。大多數的組織電阻率估計取自Haueisen等人(1997)，其從很多研究中總結了各電阻率值，並為各組織間隔提供了平均值。白質的電阻率是個例外，它取自Geddes和Baker的總結(1967)。我們使用從貓的內嚢中獲得的縱向 (與橫向相比)估計(Nicholson, 1965 )。縱向估計是合適的，因為這是與腦 皮層上的位置切向放置的小電極的光纖的主方向。如前面提到的，骨的各值 取自Goncalves等人，2003; Oostendorp等人，2000。然後將各初級邊界疊加在原始MRI (如圖5所示的MRI)上。可手動完 成組織間隔的最後分割。將MRI與來自Talairach和Tournoux、及Schaltenbran 和Wahren(Nowinski等人，1997，下面引用並在此通過引用併入)的人腦圖冊 的解剖部分匹配，極大地幫助識別各灰質間隔，特別是深腦核(nuclei )。圖5中，顯示了用作有限元網格的柵格，並且各元素具有歸屬到其並用 柵格元素內部的斜線圖示的方向性或各向異性。這些方向性對應於神經纖維 的方向性。基於MRI數據識別組織的電阻率組織電阻率和能與組織類型關聯的MRI灰度的關係能夠用以下公式表達R(V)=K(l-v)E+D，其中 R=電阻率； V二MRI數據^的數值； K-乘數值； E-指數；以及 D-密度值。*V值可以是簡單的MRI數值或來自多個MRI或多種MRI的組合值。 示例性值包括K- 1600、 E-4以及D^65。各向異性/方向性能從解剖推斷或基於MRI數據或其組合確定。通過擴 散張量MRI(DT-MRI,或DTI)可完成直接確定。通過通常的解剖學、通過推 斷纖維特別是神經纖維的方向完成間接確定。DT-MRI數據有時也被稱為各 向異性MRI。有限元建模將所述試驗替代實施例2-D電流密度表示為安培/米，而優選實施例三維 的3-D電流密度以在將在3-D模型中應用的安培/平方釐米表示。庫侖/平方釐 米的單位同樣可用於建模脈衝。19利用使用FEMLAB ( Comsol Pty公司，Burlington MA )生成的FE模型， 為所分割的部分計算雙電極放置(和施加的100V電勢差)。可以通過在所述 圖像內的每個分割的第一檢測邊緣輪廓構建網格，然後將每個輪廓內的區域 轉換成2D子域。利用標準FEMLAB網格化例程可執行整個結構的網格化， 要求最小元素品質是O.l,(品質係數在0和l之間變化，可接收的最小網格 品質是0.6)。網格品質最常見的值優選在0.98附近。通過下面的公式給出三 角品質《=4v^" + [/^2+A22+/;32],其中a是三角面積，而hp 112和h3是該三角的邊長；而q是在O和l之間的 數。如果q>0.6，則該三角是可接受的品質，並且當h廣h2-h3時，q=l。如 果三角元素具有低的q,則它們典型地長且瘦細，這可能導致該網格上的解 不準確。用於在圖3圖示的模型的線性網4各包括約180,000元素和364，000自由 度。在運行Linux(RedHat3.0WS)的戴爾工作站(2.4GHz處理器，2GB RAM) 上，對相對精度小於1 x 10-6的模型的解需要27s左右。結果在圖6A-6D圖示建模結果。圖6A的圖像被計算而沒有調整白質的各向 異性屬性。圖像圖6A包括具有由電阻率值分割的多個間隔的人腦的表示， 並具有線條邊界。還圖示一對電極位置"+ "和"-"。圖6A中還指示了感興 趣的CPI的電流^各徑。圖6B的圖像在其上具有正方形、矩形或其他多邊形(如三角形)的矩 陣或柵格。圖6B的圖像不同於圖6A的圖像，因為它調整了流過神經的電流 方向性或各向異性。圖6C通過在構成柵格的至少 一些多邊形中具有方向性線 條，圖示圖6B表示中考慮的各向異性。在接近腦室的腦部中央區域內的電流 密度"熱點"位置處，圖示了顯著的差。在這些熱點的位置上組織的各向異 性具有顯著的影響。圖6D中的各線圖是沿在圖6A、6B和6C圖示的感興趣CPI的電流路徑、 通過同樣位置的電流密度。圖6D中的實線IM是圖6A表示的各向同性模型 的電流密度，而圖6D中的虛線AM是圖6B和6C的更現實的各向異性模型 的電流密度。對各向異性模型觀察到68A/m左右的峰值P,而各項同性模型 為沿CPI研究的同類白質區域提供了 16A/m的最大值。GETs模型證明一些預期和未預期的結果。作為預期的，在各電極下方存在電流的聚集。然而，證明的最佳電流路徑不總是最小電阻的路徑。存在高電流密度區域，其中在更低傳導性的範圍(sphere )內存在高傳導性內含物(見 在垂體莖和腦室處的紅色區域)(見Knudsen 1999和Grimnes， S.和Martinsen O. G.2000,下面引用並在此通過引用併入，用於詳細解釋為什麼會發生這個)。 圖7A圖示該影響。該影響看起來在周圍的低傳導性區域中創建誘導的電場 熱點。在垂直於電流處的界面附近電流增加是最大的。這些電流密度的一些 基本上在周圍面積之上，並顯著地遠離電極的放置。在該環境中，挑戰是確 定各電極位置，使得不想要的激活最小同時有效地刺激目標面積區域。根據優選實施例有利地建模組織各向異性，並且其已經被建模用於腦內 的注入電流。其他各實施例的模型包括肌纖維的方向性和血管的各向異性建 模。因為GETs模型基於個體的MRI和/或CAT掃描，所以它還適應腦部結 構中的發展和個體差異。在這些差中最顯著的是骨結構的差。圖8圖示三種不同類型的MRI: Tl 、 T2和PD。在每個MRI下方是灰度。 Tl MRI的灰度看起來分辨三個峰值，其對應具有三個不同電阻率的三種區別 性組織類型。T2的灰度顯示一個、或者可能是兩個峰值，而PD的灰度顯示 在不同於T2或T1電阻率的一個峰值。通過利用來自不同MRI類型的信息， 可以增強灰度分割。圖9圖示組織的MRI和阻抗圖，其顯示通過不同電阻的組織的灰度差獲 得的多個分辨的峰值。根據優選實施例有利地是，圖9所示的MRI的灰度分 辨對應各種組織類型的多個峰值，這些組織類型包括密質骨、松質骨、白質、 軟組織、灰質、皮膚、血液和腦脊液。其他可分辨的組織可包括癌組織、炎 症組織和缺血組織、以及眼液。通過具有增強的組織分辨，可以給腦或其他 各身體組織更正確地分配矢量電阻率或其他電性值，從而更精確地計算最佳 電流或要施加的其他電輸入用於治療性治療，例如用於在其他疾病中的慢性 疼痛。個體差異和發展性改變骨是身體中的最高電阻率組織，因此使得頭骨成為注入電流的顯著屏障。 在個體內和個體間的各位置之間，頭骨厚度和密度也存在相當大的不同。頭 蓋骨縫、穿透的血管和個體異常提供穿過頭骨的低阻抗路徑，這是個體變化 的重要的源。 .隨著發展，在年幼兒童中的高度血管化自門的存在提供通過頭骨的電流途徑，因為自門與周圍骨相比具有低很多的電阻率(頭皮230Qcm;血液 160Qcm;骨7560Qcm )。這些自門基本上閉合1.5年以形成成人頭骨上存在 的骨縫(Law， 1993，下面引用並在此通過引用併入)。這些骨縫在很多成人中 保持開放一段時間，並且在一些年長個體中根本不閉合，儘管在其他中它們 完全閉合。通過調整這些差異而非簡單地增加電流，我們能顯著地降低刺激 個體腦部所需的電流。更早介紹了圖1A和1B。圖1A顯示通過14歲脊柱側凸患者中的經顱刺 激誘發的MEPs。電極位置近似在Cl和C2 ( 10-20系統)，並且在C2施加正 極刺激(50V)。從左腳(拇趾展肌)和左腿(脛骨前肌)的肌肉中誘發最大 幅度的MEPs,儘管也注意到來自右側的拇趾展肌肌肉的小的響應。沒有記錄 到任一手的拇指展肌短肌肉的響應。通過電極位置的微調獲得這些相對低的 電流響應。從一個患者到另一個患者變化的類似調整可用於優化MEP信號。在替代實施例中，可以降低手術中監視的刺激水平，並改進我們對什麼 會與tcMEP—同出現的理解。然而，在各優選實施例中，實現了其他顯著地 改進。通過以下或其組合在該模型中提供了另外的改進l)利用三維GETs 模型；2)改進圖像中的細節以說明血管、纖細神經蹤跡和骨異常；3)將各 組織邊界處發現的電容效應加入該模型中；4)用直接腦測量來驗證該模型； 或者5)通過將發現施加到難治的帕金森病患者中的運動皮層。研究設計和方法在一個實施例中，以3-D提供各GETs模型，並且將精細細節施加到各 圖像，同時增加包括從電阻率到阻抗轉換的電容效應。圖10圖示施加到耦合 有兩個電極的人腦的電流密度的三維建模。圖IO顯示恆定電阻率或壓降的輪 廓。圖10圖示各電極周圍的高電阻率和沿橫貫多個組織的任何電流途徑的改 變的電阻率。還可使用現有的兩個正常成人腦部的3-DMRI圖像。在一個實 施例中，分割所述圖像，產生FE網格，然後對具有或不具有電容的各向同性 模型和/或各向異性模型執行分析。電容可能是重要的因素因為在各組織邊界 處的膜電容、以及在確定刺激組織穿透中的顯著因素(見Grimnes S. Martinsen 0. G2000,下面引用並在此通過引用併入)。分割對3-D的MRI切片的電阻率值的分割、或者勾勒(outline )、識別、歸22屬和/或分配會是不同且艱巨的任務。通過商業的自動組織分析算法和服務可顯著地降低所涉及的努力。可優選地選擇一個或這些(Neuroalyse，公司，魁 北克，加拿大))來執行這種分析。該系統能執行超過90%的組織分割，並將 軟體不能分辨的各組織區域、或最好對這些區域進行更特別的處理的區域留 出空白。當新的MRI圖像具有2mm厚度並記錄在三個平面上時，該自動分 割特別有優勢。檢查結果並通過手工或其他精準的自動操作、或者其它來填 充任何空白區域。優選如上分配組織的電阻率，除了各組織切片優選精細並 且優選包括用於血管和頭骨縫的各數值外。然後將得到的2-D切片圖像插入 到三維3-D模型中。可以利用AMIRA (Mercury計算機系統，柏林，德國) 執行最後的3-D分割和網格化，並將得到的3-D模型導入到Femlab ( Comsol, Burlington MA )中用於FE計算。利用FE方法可分析具有識別的運動皮層的3-D圖像。為了識別刺激的 最佳位置，通過在整個頭皮上迭代移動代表性的對電極、並評估目標位置處 (運動皮層)的效果，可執行附加的分析。通過使計算機為電極放置的傳統 10-20系統的位置的每個系統地選擇和測試目標位置處的最高電流密度、作為 具有恆定電流脈沖的電流注入和提取的位置，執行該標目標確定。除了傳統 的10-20系統外，可以考慮或選擇的各位置可包括眼瞼、聽管和鼻道，作為 代表旁路頭骨高電阻率途徑的這些附加位置。在計算機已經粗略地識別一對 刺激和提取位置後，通過在10-20系統的所選各位置周圍的1釐米增加中測 試，精煉了該模型。然後可測試這些預測的各"最優"位置，與對目前文獻中最普遍存在的 兩個"標準"位置(10-20系統的C3-C4和Cz，-FPz)(見Deletis, 2002和 MacDonald等人2003,下面引用並在此通過引用併入)對比。雖然驗證和人 工測試仍優選地使用，但該3-D成果提供了有利的精緻模型。在另外的實施例中，所述技術包括1)給MRI圖像增加CT掃描；2) 用兩種分析來驗證GETs模型，並在手術對象中測試各模型；和/或3)將該 模型應用到脊髓手術患者。MRI圖像在成像軟組織時是有效的，但在成像骨 時效果較差，因為MRI圖像依賴目標組織內的水分子。骨質頭骨是頭部中最 高電阻率的組織，並且是電流穿入腦部的顯著屏障。我們的建模通過假設腦 部和頭皮之間的暗區域是骨結構而對此補償。只要品質保持高，這能具有隻 獲得患者的單個掃描的優勢。用MRI和組合的MRI/CT可執行測試將CT掃描加到GETs上的效力。MRI可以是來自在三個軸(軸向(axial )、冠狀線方 向(coronal)以及徑向(sagittal))上收集的1.5特斯拉磁場中的2mm掃描。 各CT圖像可以以2.5mm掃描並追溯調整以匹配MRI掃描的三個軸。然後兩 組圖像可例如如上所述的數字共同配準和分割。對十個安排進行腦室分流的 患者執行該組合成像。來自這些患者的數據然後可以用簡單的MRI和組合的 MRI/CT掃描進行GETs建模作為數據組。然後在tcMEP刺激期間對這些相 同的患者進行電流密度測試。 直接測量在患者腦部腦室中可直接測量各種電流，該患者要把腦室引流放置在他 們腦部中用於腦積水的選擇分流放置。在這種臨床操作中，執行小的穿顱術， 然後打開硬腦膜，並且為了引流過多腦脊液的目的，將矽橡膠管的一端通過 腦部進入腦室。該矽橡膠管用生理鹽水或腦脊液填充以避免泡沫並用作排水 溝。這樣，填充管的生理鹽水可用作放置在腦室中的記錄電極並穿過腦組織。 通過在管的遠端插入鉑/銥探針、並將該探針連接到記錄示波器，可以執行來 自該管的記錄。在示波器打開後，將給患者施加三組經顱脈衝，並且將測量 從所述腦室空間中測得的脈衝電流。為了到達腦室，通過前額皮層的部分放 置該管，並也在該區域中採取讀數。在採樣區域中的電流水平的讀數可與由 GETs模型預測的電流水平比較。該矽橡膠腦室引流管本身具有電阻率和電容 屬性，並且這些屬性可通過將該管放置在裝滿生理鹽水的燒杯中確定和測試， 並且在將其放置在對象腦部中或加入模型之前測試該管的電阻率和電容。生物鑑定第二確認過程是對患者運動皮層的測試刺激的生物鑑定，該患者正要進 行需要將TcMEP作為他們手術監視過程的部分的選擇脊髓手術。用這種方法 可建立用於臨床患者中的刺激的有效電流水平。由於在個體之間存在運動皮 層細節位置的改變，因此精確確定如在皮層中表現的目標肌肉的位置是有利 的。運動皮層的定位優選通過功能MRI (fMRI)來確定。fMRI可對被命令 移動他或她的拇指(拇指短展肌)的對象執行，從而在執行fMRI的同時獲 得運動皮層中肌肉的表現的精確位置信息。然後得到的成像位置能夠作為刺 激建模的目標位置。如所描述的分割對象的MRI (和/或CT)。然後接收對象 的數據用於刺激的GETs建模。刺激位置算法通過下面的算法可選擇以識別運動皮層為目標的刺激電極的最佳位置。 可識別所述目標位置。計算機可#1編程以系統地選#^並測試傳統10-20系統 的每個位置的目標位置處電流密度，用於頭上的電極放置作為電流注入和提取位置。除了傳統的10-20系統位置，優選增加眼瞼、聽管和鼻道，因為它們代表旁路頭骨高電阻率的相應途徑。在計算機已經粗略地識別 一對刺激和 提取位置後，在估計位置周圍1釐米範圍內可精煉該模型。然後選擇新的各優化位置用於使用。計算機將用於目標位置評估的標準，優選是在建模10伏恆定電流方波信號時獲得的最高電流。所選刺激模型還進行電位雜散電流的 檢查，並且如果判斷電位雜散電流會影響可能產生副作用(即安全過程目前 是不可能的)的區域，則優選消除它們。 手術刺激GETs建模可應用到多個例如30名脊髓手術患者用於驗證GETs過程的 效力，該GETs過程通過GETs建模優化運動皮層的經顱刺激。使用目前的 10-20系統的標準位置C3-C4，比較刺激同樣30名患者需要的電流。TcMEP記錄條件在測試期間優選使麻醉水平、血壓和體溫保持恆定。除了在插管期間， 對於優選過程不使用肌肉鬆弛藥。低電流水平允許通過皮下電極來提供刺激。 在患者手術期間，患者可用丙泊酚(propofol)和麻醉劑(narcotic)來接收全 憑靜脈麻醉(TIVA),從而消除傳統吸入劑對運動皮層的抑制作用。這些過 程通常需要若干小時，並且測試能在穩定的麻醉方法期間進行。運動響應可 從放置在目標肌肉中的皮下針電極記錄，並記錄在Cadwell Cascade手術中監 視機器上。刺激可以是通過恆定電流刺激提供的短持續時間方波脈衝。精確 的持續時間和強度可由所述建模預測的阻抗屬性來確定。在具有100微秒的6方波串的組、和具有固定的間隔刺激持續時間和恆 定電壓的脈沖之間，各刺激參數可以是相同的。通過該模型或文獻中找到的 傳統位置可確定最小電壓和位置。作為在fMRI識別的運動皮層位置中激活 的大量神經元的反映，結果變量可以是響應的幅度和持續時間。分析利用CT/MRI成像，優選地執行分析以確定是否建模的改進足以證明 與另外的成像相關聯的額外的患者時間和成本是正確的，該另外的程序包括經過MRI以及在其上收集CT掃描。這能夠用描述統計和T測試來完成。第 二分析將要在文獻中引用的傳統10-20位置與該模型預測的那些之間，比較 各電極位置對於如在手術室觀察的tcMEP響應中反映的刺激位置精度。該分 析可用雙向ANOVA執行。確定在對象測試之間涉及的大量對象的精度(3是困難的，因為我們的偏 差沒有相關的歷史。但是我們在電生理學和手術中的經驗證明N為30應該 是足夠的，因為兩種條件都將在相同的對象上進行測試。風險受益分析和替代方法與傳統方法相比，在根據優選實施例的技術中有利地降低了電流。另夕卜， 能夠使用已經執行的手術，使得對患者來說幾乎沒有風險。2-D模型有效地 降低了涉及的電流，並且更現實且更計算挑戰的3-D模型進一步降低了使用 的電流。這些技術有利地改進了刺激患者運動皮層的能力。這降低了風險並 改進了用於手術監視的tcMEP過程的效力。提供了將電流密度降低到允許刺 激清醒患者的水平，並且相同的技術可用於在清醒患者群中傳遞腦刺激。通 過利用這些優選和替代實施例的技術，現在包括侵入性腦手術的很多治療現 在以減少的成本和風險對患者是可用的。這些患者可包括患有難治的抑鬱、 癲癇和慢性疼痛的患者。根據這些實施例改進各刺激參數的所述建模和結果可用於手術室環境下 的tcMEP測試。只要涉及的不舒服和疼痛足夠低，即當遍及頭皮施加的電流 水平像根據優選實施例足夠低，經顱電刺激可用在清醒的患者上。刺激水平 有利地降低允許將刺激水平降低到小於20 mA (恆電壓)，因此允許對清醒患 者和那些患有難治的帕金森疾病的患者施加建模。GETs的優勢之一在於，不 像各物理模型，該模型可隨成像的品質和計算能力的改進而持續地改進。也狀況。頭骨內或穿過頭骨的電極皮膚是低電阻介質(近似230歐姆/釐米)，而頭骨是非常高的電阻(近 似1600歐姆/釐米)。當兩個或多個電極放置在頭皮上、並且電能在它們之間 經過時，所施加的大多數能量t穿過皮膚而相對^l少的能量進入腦部。這樣 當將電流施加到頭部時經常感受的疼痛，實際上是電流正在穿過頭皮中的疼 痛受體的結果，而沒有刺激到達腦部。這會趨於限制施加到患者身上的用於治療的電刺激的量。通過將各電極放置在頭骨內或穿過頭骨、並使該電極與 頭皮絕緣，可顯著降低這種通過頭皮的電能分流。以這種方式電能被指引離 開頭皮而朝向腦部。圖lla-lld圖示根據各替代實施例的電極配置，包括骨內、硬腦膜間、 絕緣杆硬腦膜間和針頭骨內電極。因為腦部本身沒有疼痛受體，所以適當絕 緣地骨內或經骨電極將它們的刺激指向腦部。接觸腦部或硬腦膜的經骨電極 還在暴露部分上具有絕緣的外部封裝，它能防止更多的電能通過腦脊液分流， 並遠離直接在電極下面的腦部表面。最後，電極可以是柔性的和/或可壓縮的， 使得其在到腦相對於頭骨移動時，不會損傷下面的組織。本發明並不限於此處上面描述的實施例，它可以被修正或修改而不脫離 本發明的範圍，該範圍在權利要求及其結構和功能等效中提出。在可以根據在此的各優選實施例執行、並在上面已經描述和/或要求保護 的方法中，已經以選擇的排版次序描述了各操作。然而，該次序已經選擇和 這樣排序為了排版的方便，並且意圖不在於暗示執行所述操作的任何特定順 序。另夕卜，此處上面和下面所有引用的參考，除了本發明背景和概述部分外， 在此通過51用併入優選實施例的具體描述中，作為公開的替代實施例和組件。 下面是通過引用併入的Amassian VE. Animal and human motor system neurophysiology related to intraoperative monitoring. In:Deletis V, Shels J, editors. Neurophysiology in Neurosurgery. Amsterdam:Academic Press,2002:3-23;Ary JP, Klein SA, Fender DH. Location of sources of evoked scalp potentials:corrections for skull and scalp thicknesses. IEEE Trans Biomed Eng 簡:28;447-452;Benar CG, Gotman J. Modeling of post-surgical brain and skull defects in the EEG inverse problem with the boundary element model. Clin Neuprophysio2002; 113:48-56;Ben-David, B., Haller G" Taylor P. Anterior spinal fusion complicated by paraplegia. A case report of false-negative somatosensory-evoked potential. Spine 1987,12:536-9;Berry MM, Standring SM， Bannister LH. Nervous system. In:Bannister LH,27Berry MM, Collins P, Dyson M, Dussek JE, Ferguson MWJ, editeros. Gray's anatomy. The anatomical basis of medicine and surgery. New York:Churchill Livingstone, 1995:1191;Bose B, Sestokas AK, Swartz DM. Neurophysiological monitoring of spinal cord function during instrumented anterior cervical fusion. Spine J 2004; 4:202-207;Calachie B, Harris W, Brindle， F， Green BA, Landy HJ. Threshold-level repetitive transcranial electrical stimulation for intraoperative monitoring of central motor conduction. J Neurosurg 2001;95:161-168;Chappa, KH Transcranial motor evoked potentials. Electromyogr. Clin. Neurophysiol. 1994; m34:15-21;Cheney PD, Fetz EE, Palmer SS. Patterns of facilitation and suppression of antagonist forelimb muscles from motor cortex sites in the awake monkey. J Neurophysiol 985;53:805-820;Comsol AB, FEMLAB User's Guide v. 3.0. Burlington, MA: Cortisol, Inc， 2004;Deletis V. Intraoperative neurophysiology and methodologies used to monitor the functional integrity of the motor system. In: Deletis V, Shels J， editors. Neurophysiology in Neurosurgery. Amsterdam: Academic Press, 2002:25-51;Eroglu, A., Solak, M.， Ozem, I., and Aynaci, O. Stress hormones during the wakeup test in scoliosis surgery. J. Clin. Anesthesia 2003, 15:15-18;Ferree TC, Eriksen KJ， Tucker DM. Regional head tissue conductivity estimation for improved EEG analysis. IEEE Trans Biomed Eng 2000; 47;1584-1592;Geddes LA， Baker LE. The specific resistance of biological material-a compendium of data for the biomedical engineer and physiologist. Med Biol Eng 1967;271-293;Ginsburge H. H., Shetter, A. G.， Raudzens, P.A.， Postoperative paraplegia with preserved intraopertive somatosensory evoked potentials. J. Neurosurg. 1985;63:296-300;Goncalves SI， de Munck JC, Verbunt JPA, Bijma F, Heethaar RM, da SilvaFH. In vivo measurement of the brain and skull resistivities using an EIT-based method and realistic models for the head. IEEE Trans Biomed Eng 2003; 50:754-767jGrimnes S. Martinsen O. G. Bioimpedance and Bioelectricity Basics Academic Press, San Diego, 2000;Haghighi SS， Zhange R. Activation of the external anal and urethral sphincter muscles by repetitive transcranial cortical stimulation during spine surgery. J Clin Monit Comput 2004;18:1-5;Haueisen J. Ramon C. Influence of tissue resistivities on neuromagnetic fields and electric potentials studied with a finite element model of the head. IEEE Trans Biomed Eng 1997;44:727-735;Henderson CJ， Butler SR,Glass A. The localization of the equivalent dipoles of EEG sources by the application of electric field theory. Electroencephalogr Clin Neurophysiol 975; 39:117-130;Kavanagh RN, Darcey TM, Lehmann D, Fender DH. Evaluation of methods for the three-dimensional localization of electrical sources in the human brain. IEEE Trans Biomed Eng 1978; 25:421-429;Knudsen， V Verification and use of a numerical computer program for simulation in bioimpedance. MSc thesis Dept. of Physics. Univ. Oslo, Norway;Law SK. Thickness and resistivity variations over the upper surface of the human skull. Brain Topogr 1993;6:99-109;Lesser, R. P" Raudzens, P., Luders, H.， Nuwer， M. R.，, et al. Postoperative neurological deficits may occur despite unchanged intraoperative somatosensory evoked potentials. Ann. Neurol. 1986. 19:22-25;Liu EH, Wong HK, Chia CP, Lim HJ, Chen ZY, Lee TL. Effects of isoflurane and propofol on cortical somatosensory evoked potentials during comparable depth of anaesthesia as guided by bispectral index. Br J Anaesth (in press);MacDonald DB, Zayed ZA， Khoudeir I， Stigsby B. Monitoring scoliosis surgery with combined multiple pulse transcranial electric motor and cortical somatosensory-evoked potentials from the lower and upper extremities. Spine 2003;28:194-203;Mustain W. D. Kendig， R. I., Dissociation of neurogenic motor and somatosensory evoked potentials. A case report Spine. 1991;16:851-3;Nadeem M. Computation of electric and magnetic stimulation in human head using the 3-D impedance method. IEEE Trans Biomed Eng 2003; 50:900-907;Nowinski WL, Bryan RN, Raghavan R. The electronic brain atlas. Multiplanar navigation of the human brain. New York: Thieme, 1997;Oostendorp TF， Delbeke J, Stegeman DF. The conductivity of the human skull: results of in vivo and in vitro measurements. IEEE Trans Biomed Eng 2000;47:1487-92;Pelosi L, Lamb J, Grevitt M， Mehdian SM， Webb JK， Blumhardt LD. Combined monitoring of motor and somatosensory evoked potentials in orthopaedic spinal surgery. Clin Neurophysiol 2002; 113:1082-1091;Rush S, Driscoll DA. Current distribution in the brain from surface electrodes. Anesth Analgesia 47; 717-723, 1968;Schneider M. Effect of inhomogeneities on surface signals coming from a cerebral dipole source. IEEE Trans Biomed Eng 1974; 21:52-54;Ubags LH， Kalkman CJ, Been HD， Dmmmond JC. The use. of a circumferential cathode improves amplitude of intraoperative electrical transcranial myogenic motor evoked responses. Anesth Analg 1996; 82:1011-1014;Vauzelle， C., Stagnara, P.， Jouvinroux, P. Functional monitoring of spinal cord activity during spinal surgery. Clin. Orthop. 1973; 93:173-8;Zentner J. Non-invasive motor evoked potential monitoring during neurosurgical operations on the spinal cord. Neurosurg 1989; 24:709-712;和美國公開專利申請No. 2005/0244036, 2004/0215162， 2004/0102828和 2002/0156372;和美國專利No. 6,608,628, 6,236,738, 6，476，804， 6,959,215 6,248,080, 6,230,049， 6,006,124 6,607,500, 6,560,487, 6,324,433 4,611,597, 4,421，115,和4,306,564.306,763,140, 6,330,446 6,045,532 6,175,7695,750,895, 7,010,351 6,916,294 5,964,7945,805,267, 6,463,317 6,937,905 5,725,3776,106,466 6,322,549 6,675,048 5,255,692相關申請的交叉引用本申請要求2005年6月16日提交的美國臨時專利申請60/691,068的優 先權的權益，在此通過引用將其併入。
權利要求
1.一種確定用於治療性治療的電能的最佳經顱或顱內、或其他經組織施加的方法，包括(a)獲得對象腦部或其他身體組織的MRI或CAT掃描數據或兩者；(b)基於所述數據給對象腦部或其他身體組織的各部分分配不同的各向異性電性值；(c)選擇各電極位置；和(d)基於所述分配和選擇，為經顱或顱內或其他經組織電力的最佳治療性施加，計算一個或多個施加的電輸入。
2. 如權利要求l所述的方法，其中所述分配包括(i) 通過定義所述對象腦部的各部分之間的組織間隔邊界、及其 一 個或多 個電特性，分割對象腦部；(ii) 通過定義所述對象腦部的柵格元素的網格，實現有限元模型；以及(iii) 基於所述分割將各矢量阻值歸屬於每個柵格元素。
3. 如權利要求2所述的方法，其中所述電輸入包括施加的電壓、電流、 能量、脈沖形狀、脈衝持續時間、脈沖高度或每個脈衝串的脈衝個數或其組 合，並且所述電力包括電流。
4. 如權利要求3所述的方法，還包括分辨對應兩個或多個腦部或其他身 體組織的各個灰度數據內的峰值。
5. 如權利要求2所述的方法，其中所述分割包括區分兩個或多個下面的 有機腦部物質腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨和密質 骨。
6. 如權利要求5所述的方法，其中所述區分包括分辨對應兩個或多個有 機腦部物質的各個灰度數據內的峰值。
7. 如權利要求2所述的方法，其中所述歸屬還包括推斷各柵格元素的電 性值的各向異性。
8. 如權利要求l所述的方法，其中所述電性值包括電阻率、電導率、電 容、阻抗、施加的能量或電荷或其組合。
9. 如權利要求l所述的方法，其中所述電性值包括電阻率。
10. 如權利要求1所述的方法，其中所述數據包括兩種或多種類型的MRI或CAT掃描數據或兩者的組合。
11. 如權利要求l所述的方法，其中所述數據包括兩個或多個T1、 T2和 PD MRI數據的組合。
12. 如權利要求l所述的方法，其中所述數據包括三維數據。
13. 如權利要求1所述的方法，其中所述選擇包括將各電極布置在頭骨 組織中。
14. 如權利要求1所述的方法，其中所述選擇包括將各電極布置穿過頭 骨靠近或接觸硬腦膜。
15. 如權利要求1所述的方法，其中所述選擇包括將各電極布置在淺透 硬腦膜位置中。
16. 如權利要求1所述的方法，其中所述選擇包括利用頭骨組織內或穿 過其的安裝了螺釘的電極。
17. —種確定用於治療性治療的電能的最佳經顱或顱內的施加方法，包括(a)獲得對象腦部的兩種或多種類型的三維MRI或CAT掃描數據或兩 者的組合；(b )基於所述數據給對象腦部的各部分分配不同的電性值；(c )選擇包括將至少一個電極布置在至少部分穿過頭骨的各電極位置；以及(d)基於所述分配和選^^，為經顱或顱內的電力的最佳治療性施加，計 算一個或多個施加的電輸入。
18. 如權利要求17所述的方法，其中所述分配包括(i) 通過定義所述對象腦部的各部分之間的組織間隔邊界、及其一個或多 個各向異性電阻特性，分割對象腦部；(ii) 通過定義所述對象腦部的柵格元素的網格，實現有限元模型；以及(iii) 基於所述分割將各矢量阻值歸屬於每個柵格元素。
19. 如權利要求17所述的方法，其中所述電輸入包括施加的電壓、電流、 能量、脈沖形狀、脈衝持續時間、脈沖高度或每個脈沖串的脈沖個數或其組 合，並且所述電力包括電流。
20. 如權利要求17所述的方法，其中所述分割包括區分兩個或多個下面 的有機腦部物質腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨和密質骨。
21. 如權利要求17所述的方法 DT和PD MRI悽史據的組合。
22. 如權利要求17所述的方法 穿過頭骨靠近或接觸硬腦膜。
23. 如權利要求17所述的方法 在淺透硬腦膜位置中。
24. 如權利要求17所述的方法 過其的安裝了螺釘的電極。
25. —種確定用於治療性治療的電能的最佳經顱或顱內、或其他經組織 施加的方法，包4臺(a) 獲得對象腦部或其他身體組織的MRI或CAT掃描數據或兩者；(b) 通過定義所述對象腦部或其它身體組織的各部分之間的組織間隔邊 界、及其一個或多個電特性，分割對象腦部；(c) 通過定義所述對象腦部或其它身體組織的柵格元素的網格，實現有限 元模型；(d) 基於所述分割將各電性值歸屬於每個柵格元素；(e) 選擇各電極位置；以及(f) 基於所述歸屬和選擇，為經顱或顱內或其它經組織的電流的最佳治療 性施加，計算一個或多個施加的電輸入。
26. 如權利要求25所述的方法，其中所述各電性值包括各矢量阻值，並 且所述各電特性包括各向異性。
27. 如權利要求25所述的方法，其中所述電輸入包括施加的電壓、電流、 電能、脈衝形狀、脈衝持續時間、脈沖高度或每個脈衝串的脈沖個數或其組 合。
28. 如權利要求25所述的方法，其中所述分割包括區分兩個或多個下面 的有機腦部物質腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、眼 液、癌組織、炎症組織、缺血組織和密質骨。
29. 如權利要求25所述的方法，其中所述歸屬還包括推斷各柵格元素的 電阻值的各向異性。
30. 如權利要求25所述的方法，其中所述數據包括兩種或多種類型的,其中所述數據包括兩個或多個T1、 T2、 ,其中所述選擇包括將至少一個電極布置 ,其中所述選擇包括將至少一個電極布置 ，其中所述選擇包括利用頭骨組織內或穿MRI或CAT掃描數據或兩者的組合。
31. 如權利要求25所述的方法，其中所述數據包括兩個或多個T1、 T2、 DT和PD MRI數據的組合。
32. 如權利要求25所述的方法，其中所述數據包括三維數據。
33. —種基於對象腦部或其他身體組織的MRI或CAT掃描數據或者兩 者、和基於所述數據的分配給對象腦部或其他身體組織的各部分的不同各向 異性電性值，確定用於治療性治療的電能的最佳經顱或顱內或其他經組織的 施加的方法，所述方法包括(a) 選擇各電極位置；和(b) 基於所述分配的各向異性電性值和所述選擇，為經顱或顱內或其他經組織電流的最佳治療性施加，計算一個或多個施加的電輸入。
34. 如權利要求33所述的方法，其中各向異性值基於下面分配(i) 通過定義所述對象腦部的各部分之間的組織間隔邊界、及其 一個或多 個電特性，分割對象腦部；(ii) 通過定義所述對象腦部的柵格元素的網格，實現有限元模型；以及(iii) 基於所述分割將各矢量阻值歸屬於每個柵格元素。
35. 如權利要求34所述的方法，其中所述分割包括區分兩種或多種腦脊 液、白質、血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、炎症組織、 缺血組織和密質骨。
36. 如權利要求35所述的方法，其中所述區分包括分辨對應兩個或多個 腦部或其他身體組織的各個灰度數據內的峰值。
37. —種用於確定治療性治療的電能的最佳經顱或顱內或其它經組織的 施加的方法，該確定基於獲得對象腦部或其他身體組織的MRI或CAT或兩 者的掃描數據、以及歸屬於網格的各柵格元素的各電性值，該網格通過以下 定義實現對象腦部或其它身體組織的有限元模型；以及通過定義所述對象 腦部或其它身體組織的所述各部分之間的組織間隔邊界、及其 一 個或多個電特性，分割對象腦部或其它身體組織；通過定義對象腦部的柵格元素的網格 實現有限元模型；以及基於所述分割將各電性值歸屬於每個柵格元素，該方 法包括(a) 選擇各電極位置；以及(b) 基於所述歸屬的電性值和選擇，為經顱或顱內或其它經組織電流的最佳治療性施加，計算一個或多個施加的電輸入。
38. 如權利要求37所述的方法，其中所述各電性值包括矢量電阻值並且 各電特性包括各向異性。
39. 如權利要求37所述的方法，其中所述分割包括區分眼液和腦脊液， 或者腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、 炎症組織、缺血組織和密質骨中的兩種或多種。
40. 如權利要求37所述的方法，其中所述歸屬還包括推斷各柵格元素的 電阻值的各向異性。
41. 一種或多種具有在其上包括的處理器可讀代碼的處理器可讀存儲設 備，所述處理器可讀代碼用於編程一個或多個處理器，以執行確定用於治療 性治療的電能的最佳經顱或顱內、或者其他經組織的施加的方法，所述方法 包括(a) 獲得對象腦部或其他身體組織的MRI或CAT掃描數據，或者兩者；(b) 基於所述數據給對象腦部或其他身體組織的各部分分配不同的各向 異性電性值；(c) 選衝奪各電極位置；以及(d) 基於所述分配和選擇，為經顱或顱內或其他經組織電力的最佳治療性 施加，計算一個或多個施加的電輸入。
42. 如權利要求41所述的一種或多種存儲設備，其中所述分配包括(i) 通過定義所述對象腦部的各部分之間的組織間隔邊界、及其一個或 多個電特性，分割對象腦部；(ii) 通過定義所述對象腦部的柵格元素的網格，實現有限元模型；以及(iii) 基於所述分割將各矢量電性值歸屬於每個柵格元素。
43. 如權利要求42所述的一種或多種存儲設備，其中所述電輸入包括施 加的電壓、電流、電能、脈衝形狀、脈衝持續時間、脈衝高度或每個脈衝串 的脈沖個數或其組合，並且所述電力包括電流。
44. 如權利要求43所述的一種或多種存儲設備，其中所述區分包括分辨 對應兩個或多個腦部或其他身體組織的各個灰度數據內的峰值。
45. 如權利要求43所述的一種或多種存儲設備，其中所述分割包括區分 以下的兩種或多種腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、 眼液、癌組織、炎症組織、缺血組織和密質骨。
46. 如權利要求45所述的一種或多種存儲設備，其中所述區分包括分辨 對應兩個或多個腦部或其他身體組織的各個灰度數據內的峰值。
47. 如權利要求42所述的一種或多種存儲設備，其中所述歸屬還包括推 斷各柵格元素的電阻值的各向異性。
48. 如權利要求41所述的一種或多種存儲設備，其中所述電性值包括電 導率、電阻率、電容、阻抗、施加的能量、功率、電荷或其組合。
49. 如權利要求41所述的一種或多種存儲設備，其中所述各電性值包括 電阻率。
50. 如權利要求41所述的一種或多種存儲設備，其中所述數據包括兩種 或多種類型的MRI或CAT掃描數據或兩者的組合。
51. 如權利要求41所述的一種或多種存儲設備，其中所述數據包括兩個 或多個T1、 T2、 DT和PDMRI數據的組合。
52. 如權利要求41所述的一種或多種存儲設備，其中所述數據包括三維 數據。
53. 如權利要求41所述的一種或多種存儲設備，其中所述選擇包括將各 電極布置在頭骨組織內。
54. 如權利要求41所述的一種或多種存儲設備，其中所述選擇包括將各 電極布置穿過頭骨靠近或接觸硬腦膜。
55. 如權利要求41所述的一種或多種存儲設備，其中所述選擇包括將各 電極布置在淺透硬腦膜位置中。
56. 如權利要求41所述的一種或多種存儲設備，其中所述選擇包括利用 頭骨組織內或穿過其的安裝了螺釘的電極。
57 備，所述處理器可讀代碼用於編程一個或多個處理器，以執行確定用於治療 性治療的電能的最佳經盧貞或盧貞內的施加方法，所述方法包括(a) 獲得對象腦部的兩種或多種類型的三維MRI或CAT掃描數據或者兩 者的組合；(b) 基於所述數據給對象腦部的各部分分配不同的電性值；(c) 選擇包括布置至少一個電極至少部分穿過頭骨的各電極位置；以及(d) 基於所述分配和選擇，為經顱或顱內電流的最佳治療性施加，選擇一 個或多個施加的電輸入。
58. 如權利要求57所述的一種或多種存儲設備，其中所述分配包括(i) 通過定義所述對象腦部的各部分之間的組織間隔邊界、及其一個或 多個各向異性電特性，分割對象腦部；(ii) 通過定義所述對象腦部的柵格元素的網格，實現有限元模型；以及(iii) 基於所述分割將各矢量電性值歸屬於每個柵格元素。
59. 如權利要求57所述的一種或多種存儲設備，其中所述電輸入包括施 加的電壓、電流、電能、脈衝形狀、脈衝持續時間、脈衝高度或每個脈沖串 的脈衝個數或其組合。
60. 如權利要求57所述的一種或多種存儲設備，其中所述分割包括區分 以下的兩種或多種腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、 眼液、癌組織、炎症組織、缺血組織和密質骨。
61. 如權利要求57所述的一種或多種存儲設備，其中所述數據包括兩個 或多個T1、 T2、 DT和PDMRI數據的組合。
62. 如權利要求57所述的一種或多種存儲設備，其中所述選擇包括將至 少一個電極布置穿過頭骨靠近或接觸硬腦膜。
63. 如權利要求57所述的一種或多種存儲設備，其中所述選擇包括將至 少 一個電極布置在淺透硬腦膜位置中。
64. 如權利要求57所述的一種或多種存儲設備，其中所述選擇包括利用 頭骨組織內或穿過其的安裝了螺釘的電極。
65. —種或多種具有在其上包括的處理器可讀代碼的處理器可讀存儲設 備，所述處理器可讀代碼用於編程一個或多個處理器，以執行確定用於治療 性治療的電能的最佳經顱或顱內或其它經組織的施加方法，所述方法包括(a) 獲得對象腦部或其他身體組織的MRI或CAT掃描數據或兩者；(b) 通過定義所述對象腦部或其它身體組織的各部分之間的組織間隔邊 界、及其一個或多個電特性，分割對象腦部或其它身體組織；(c) 通過定義所述對象腦部或其它身體組織的柵格元素的網格，實現有限 元模型；(d) 基於所述分割將各電性值歸屬於每個柵格元素；(e) 選擇各電極位置；以及(f) 基於所述分配和選擇，為經顱或顱內或其它經組織的電流的最佳治療 性施加，計算一個或多個施加的電輸入。
66. 如權利要求65所述的一種或多種存儲設備，其中所述各電性值包括 各矢量電阻值，並且所述各電特性包括各向異性。
67. 如權利要求65所述的一種或多種存儲設備，其中所述電輸入包括施 加的電壓、電流、電能、脈沖形狀、脈沖持續時間、脈衝高度或每個脈衝串 的脈衝個數，或者它們的組合。
68. 如權利要求65所述的一種或多種存儲設備，其中所述分割包括區分 下面的兩個或多個腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、 眼液、癌組織、炎症組織、缺血組織和密質骨。
69. 如權利要求65所述的一種或多種存儲設備，其中所述歸屬還包括推 斷各柵格元素的電阻值的各向異性。
70. 如權利要求65所述的一種或多種存儲設備，其中所述數據包括兩種 或多種類型的MRI或CAT掃描數據或兩者的組合。
71. 如權利要求65所述的一種或多種存儲設備，其中所述數據包括兩個 或多個T1、 T2、 DT和PDMRI數據的組合。
72. 如權利要求65所述的一種或多種存儲設備，其中所述數據包括三維 數據。
73. —種或多種具有在其上包括有處理器可讀代碼的處理器可讀存儲設 備，所述處理器可讀代碼用於編程一個或多個處理器，以執行一種基於對象 腦部或其他身體組織的MRI或CAT掃描數據或者兩者、和基於所述數據分 配給對象腦部或其他身體組織的各部分的不同的各向異性電性值，確定用於 治療性治療的電能的最佳經顱或顱內或其他經組織的施加的方法，所述方法 包括(a) 選擇各電極位置；以及(b) 基於所述分配的各向異性值和所述選擇，為經顱或顱內或其他經組織 電流的最佳治療性施加，計算一個或多個施加的電輸入。
74. 如權利要求73所述的一種或多種存儲設備，其中各向異性值基於下 面分配(i) 通過定義所述對象腦部的各部分之間的組織間隔邊界、及其一個或多 個電特性，分割對象腦部；(ii) 通過 定義所述對象腦部的柵格元素的網格，實現有限元模型；以及(iii) 基於所述分割將各矢量電性值歸屬於每個柵格元素。
75. 如權利要求74所述的一種或多種存儲設備，其中所述分割包括區分 腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、炎症 組織、缺血組織和密質骨的兩種或多種。
76. 如權利要求75所迷的一種或多種存儲設備，其中所述區分包括分辨 對應兩個或多個腦部或其他身體組織的各個灰度數據內的峰值。
77. —種或多種具有在其上包括處理器的可讀代碼的處理器可讀存儲設 備，所述處理器可讀代碼用於編程一個或多個處理器，以執行一種用於確定 治療性治療的電能的最佳經顱或顱內施加的方法，該方法基於獲得對象腦部 或其他身體組織的MRI或CAT或兩者的掃描數據、以及歸屬於定義的網格 的各柵格元素的各電性值，該歸屬通過實現對象腦部或其它身體組織的有限 元模型、以及分割對象腦部或其它身體組織，該分割通過定義所述對象腦 部或其它身體組織的所述各部分之間的組織間隔邊界、及其一個或多個電特 性；通過定義對象腦部的柵格元素的網格實現有限元模型；並基於所述分割 將各電性值歸屬於每個柵格元素，該方法包括(a) 選擇各電極位置；以及(b) 基於所述歸屬的電性值和選擇，為經顱或顱內或其它經組織電流的最 佳治療性施加，計算一個和多個施加的電輸入。
78. 如權利要求77所述的一種或多種存儲設備，其中所述各電性值包括 矢量電阻值並且各電特性包括各向異性。
79. 如權利要求77所迷的一種或多種存儲設備，其中所述分割包括區分 腦脊液、白質、血液、皮膚、灰質、軟組織、松質骨、眼液、癌組織、炎症 組織、缺血組織和密質骨的兩種或多種。
80. 如權利要求77所述的一種或多種存儲設備，其中所述歸屬還包括推 斷各柵格元素的電性值的各向異性。
全文摘要
確定了用於治療性治療的電能的最佳經顱或顱內施加。獲得對象腦部的MRI或CAT掃描數據。基於所述數據將不同的電阻值分配給對象腦部的各部分。選擇各電極位置。基於所述分配和選擇，為經顱或顱內電力的最佳治療性施加計算一個或多個施加的電輸入。
文檔編號A61N1/00GK101578119SQ200680028116
公開日2009年11月11日 申請日期2006年6月16日 優先權日2005年6月16日
發明者麥可·J·拉塞爾 申請人:麥可·J·拉塞爾