从商业上可用的微电极记录算法进行的下体质核边界和轨迹建议的表征 在帕金森病的深脑刺激手术期间
François D Roy1,2, Babak Afsharipour1,2, Aleksandra King2
1Department of Surgery, University of Alberta, Edmonton, Alberta, Canada.
Operative neurosurgery (Hagerstown, Md.)
|July 10, 2025
概括
这项研究发现,虽然算法可以可靠地估计深度脑刺激 (DBS) 手术的亚thalamic核 (STN) 边界,但它们的轨迹建议有所不同. 在使用这些建议时建议谨慎使用.
科学领域:
- 神经外科 神经外科
- 神经学 神经学
- 生物医学工程 生物医学工程
背景情况:
- 深度大脑刺激 (DBS) 是帕金森病的关键治疗方法.
- 在DBS手术期间,微电极记录 (MER) 对于识别下丘脑核 (STN) 至关重要.
- 自动化算法有助于分析MER数据,以指导DBS的领先位置.
研究的目的:
- 从广泛使用的MER分析算法评估STN边界和轨迹建议的可变性.
- 评估算法衍生的STN估计和外科小组最终的DBS领导位置之间的相关性.
主要方法:
- 来自37个STN-DBS手术的MER数据使用HaGuide算法进行了分析.
- 该算法的STN边界和轨迹建议使用不同的"网站大小"和"等待时间"设置进行了测试.
- 量化了STN入口,STN出口和轨迹建议的变量.
主要成果:
- 该算法显示STN边界估计的临床领先深度的低可变性和高相关性 (STN出口:r=0.86,STN入口:r=0.70).
- 然而,轨迹建议对输入参数敏感,算法在42%的案例中建议多个轨迹.
- 这表明算法生成的最佳DBS道的变化.
结论:
- 使用该算法进行半自动STN边界识别是可靠的,并且与专家手术决策有很好的相关性.
- 算法生成的轨迹建议具有更高的变化性,在DBS手术中需要谨慎解释.
- 可能需要对算法进行进一步的改进,以提高轨迹指导的一致性.
