两种深度大脑刺激方法的比较:重建及其预测能力
Renata Montes Garcia Barbosa1, Joyce Yuri Silvestre Yamamoto1, Miriam Carvalho Soares2
1Department of Neurology, School of Medicine, University of São Paulo, São Paulo, São Paulo, Brazil.
概括
马特拉布和Brainlab软件有效地识别了帕金森病和 dystonia 患者的最佳深度大脑刺激 (DBS) 接触者. 这些3D成像工具准确地预测最好的DBS接触,帮助临床编程.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 计算神经科学是一种神经科学.
背景情况:
- 深度大脑刺激 (DBS) 需要精确的电极放置,以获得最佳的治疗结果.
- 在DBS技术的进步需要复杂的工具来编程和联系人选择.
- 三维 (3D) 电极成像重建提供了一种有希望的方法来增强DBS的准目标.
研究的目的:
- 评估Matlab和Brainlab软件在识别有效的深度大脑刺激 (DBS) 接触者的预测准确度.
- 将Matlab和Brainlab软件的性能与DBS接触选择临床检查进行比较.
- 为了确定一个软件方法是否为DBS联系优化提供了优越的预测能力.
主要方法:
- 从29名患有DBS患者的58个大脑半球 (27名帕金森氏病,2名 dystonia) 的回顾性分析.
- 使用Matlab和Brainlab软件进行的电极重建.
- 软件识别的最佳接触者与基于运动症状改善的临床确定最佳接触者的比较.
主要成果:
- 在83%的半球中,Matlab软件正确地识别了最佳临床接触者;Brainlab软件达到84%的准确性.
- 这两种方法在定向接触方面都显示出80%的准确性.
- 在Matlab和Brainlab之间通过图像重建选择最佳接触者时,观察到高达94.8%的一致率.
结论:
- 马特拉布和Brainlab软件已被验证为在DBS中进行3D电极成像重建的有效工具.
- 这些软件解决方案准确地建议最佳的DBS联系人,与临床检查结果保持一致.
- 这项研究证实了这些计算工具在改进DBS编程策略方面的实用性.
