迷走神经刺激模拟
问题描述
迷走神经刺激（VNS）。图片来自：http://heatherdane.com/
计算 MIDA 头部模型 [2]，专门用于神经刺激研究。
迷走神经刺激 (VNS) 于 1997 年被美国食品和药物管理局 (FDA) [1] 批准为一种侵入性神经调节剂方法，用于治疗抗癫痫药物 (AED) 耐药受试者的癫痫。由于迷走神经 (VN) 支配许多器官，它是选择性神经刺激的许多新的潜在治疗相关应用的候选者。 VN（与人体中的许多其他大神经一样）由多个功能单元组成，这些功能单元将许多不同直径的有髓 A 轴突和 B 轴突与小的无髓 C 纤维结合在一起。此后，用于治疗相关应用的 VNS 方法需要提供高纤维选择性的方法。理论上，具有优化刺激波形的电极阵列可用于提供这种选择性。具有简化或现实 VN 模型的计算模型嵌入现实人体解剖模型中沿现实轨迹，以及捕获电神经元相互作用的轴突纤维的电生理模型，是新 VNS 协议的计算辅助制定、电极阵列设计的基础 ，刺激波形的优化，以及设置特定轴突纤维募集的预测。
现在可以在 Sim4Life 中创建功能化 VN 模型，包括头部模型、具有任意数量的电生理轴突模型的神经轨迹，并结合最近添加的 T-NEURO 功能以及低频范围内的电磁 (EM) 模拟。
方法
Sim4Life 具有扩展的 T-NEURO 模拟能力，允许研究 EM 场和神经元膜电活动之间的相互作用机制。广泛的应用，包括神经刺激研究（例如经颅电 (TES) 和磁 (TMS) 刺激）、安全性（例如磁共振成像 (MRI) 中的周围神经刺激 (PNS)）以及计算辅助开发电子产品或神经保护装置，现在是可能的。根据 Sim4Life 预定义的生物物理模型或在网络存储数据库中可用的神经元 [3] 库建模的轴突和神经元的解剖学上逼真的划分电生理表示 – 可以定位在计算人体头部/身体模型中，以预测生理反应神经和神经元施加电场（E-）或磁场（M-）。 Sim4Life 还提供用于建模、模拟执行和数值优化后处理分析的高度可定制的解决方案。
1. VN 几何、电极和 EM 模拟的建模
Helmers 的 VN 模型 [4] 的 2D 截面（顶部）； 简化的 3D 模型（中）； 遵循 MIDA 模型 [2,5]（底部）中 VN 轨迹的解剖学上逼真的 VN 模型。
具有神经外膜、神经外膜和束等特征的横截面 2D VN 模型可以从医学图像创建或在 Sim4Life 中使用图形用户界面 (GUI) 进行划痕（参见图顶部）。可以创建 VN 的 3D 模型，例如，通过沿用户定义的轨迹（参见图中间）或沿着计算人体模型中的解剖神经轨迹（参见图底部）挤出逼真的 2D 神经横截面，可以将电极几何形状导入 Sim4life 作为 CAD 文件或创建为参数化模型对象，甚至使用可用的模板实体（螺旋、螺旋等）。
Sim4Life 的电准静态电流主导 (EQSCD) 求解器可用于为均匀或各向异性电介质组织参数设置低频 EM 模拟。电极电压可以指定为狄利克雷边界条件。
Sim4Life 的后处理工具允许分析和可视化与暴露相关的量，例如电场分布、电极上的输入电流以及神经刺激相关量，如电场雅可比行列式的特征值和特征向量，以识别神经刺激区域 “激活函数概念”的基础[6]。
2. 轴突轨迹的创建和功能化
以线建模的轴突轨迹填充的分册。
具有神经外膜、神经外膜和束等特征的横截面 2D VN 模型可以从医学图像创建或在 Sim4Life 中使用图形用户界面 (GUI) 进行划痕（参见图顶部）。可以创建 VN 的 3D 模型，例如，通过沿用户定义的轨迹（参见图中间）或沿着计算人体模型中的解剖神经轨迹（参见图底部）挤出逼真的 2D 神经横截面，可以将电极几何形状导入 Sim4life 作为 CAD 文件或创建为参数化模型对象，甚至使用可用的模板实体（螺旋、螺旋等）。
Sim4Life 的电准静态电流主导 (EQSCD) 求解器可用于为均匀或各向异性电介质组织参数设置低频 EM 模拟。电极电压可以指定为狄利克雷边界条件。
Sim4Life 的后处理工具允许分析和可视化与暴露相关的量，例如电场分布、电极上的输入电流以及神经刺激相关量，如电场雅可比行列式的特征值和特征向量，以识别神经刺激区域 “激活函数概念”的基础[6]。
3. T-NEURO 模拟的执行
T-Neuro 模拟可以串行或并行执行。每个模拟可以包括多个独立的神经刺激电源（如电极阵列的情况），每个都有自己的刺激波形。
可以定义点或线传感器来记录跨膜电位或电流信息，用于后期分析。实施的“滴定程序”对于确定模型中每个轴突内动作电位 (AP) 启动的电场或刺激相关量（例如输入电流）的阈值至关重要。
4. 后处理
以线建模的轴突轨迹填充的分册。
Sim4Life 提供多种数据可视化选项（切片和表面视图、矢量场视图和流线图等），包括计算电场相关积分（即通量积分器）、跨膜电压或电流曲线的可视化或动画。这些功能还可用于可视化从 python 脚本派生的定制后专业量（例如，复合动作电位）。
激活函数，神经刺激位点的预测因子，可以沿着轴突几何形状可视化（见图顶部）。滴定传感器为尖峰起始、尖峰起始时间和位置提供阈值电场，并允许导出纤维募集曲线（图底部）。
所有后处理结果都可以导出，以便在 MATLAB 或 Excel 中进行进一步分析。 Python 脚本和 Sweeper 工具可用于自定义优化程序，例如，识别选择性刺激的转向参数（例如招募 A-、B- 或 C- 纤维）或优化电极几何形状。
结论
Sim4Life T-Neuro 旨在协助神经刺激的计算辅助研究、电子和神经刺激器的设计和优化，以及电磁-神经元相互作用机制的研究。在这个例子中，已经说明了使用 T-Neuro 在真实或简化的迷走神经模型上研究纤维募集的好处。可以应用类似的程序来模拟任意计算人体或动物体内的任意复杂神经刺激。 Sim4Life 提供独特且前所未有的功能来研究复杂的神经刺激领域，肯定自己是神经刺激研究市场的领先工具