[将头皮脑电图和神经计算模型结合起来,在患者中定位跨电刺激的目标]

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 医疗成像医学成像

背景情况:

• 耐药性,特别是MRI阴性病例,对精确的手术或刺激目标定位提出了挑战.
• 识别发性区域的非侵入性方法对于推进治疗干预,如跨电刺激 (tES),至关重要.

研究的目的:

• 开发和验证一种新型的非侵入性方法,用于在MRI阴性耐药患者中定位跨电刺激 (tES) 的最佳点.
• 整合脑电图 (EEG) 源成像,大脑网络分析和计算建模,用于精确的发性组织识别.

主要方法:

• 分析了来自12名患者的心电图 (ECoG) 数据.
• 在网络节点内量化致性.
• 三种源影像技术和两个大脑网络重建措施的比较,以确定目标定位的准确性.
• 模拟跨电刺激 (tES) 对网络性产生效应的效应.

主要成果:

• 拟议的新方法准确地定位了4个患者中的3个患有发病的组织,这些患者经历了良好的结果.
• 该研究以非侵入的方式确定了最佳刺激目标.
• tES模拟表明,在确定目标上的正极直流刺激显著降低了网络性.

结论:

• 这项研究提供了一种非侵入性和可量化的策略,用于治疗中的跨电刺激 (tES).
• 综合方法有望改善耐药性患者的治疗结果.
• 需要进一步验证,以将这种方法作为tES治疗计划的临床标准.