模擬迷走神經刺激
問題描述
迷走神經刺激（VNS）。 圖片來自：http://heatherdane.com/
計算 MIDA 頭部模型 [2]，專門用於神經刺激研究。
迷走神經刺激 (VNS) 於 1997 年被美國食品和藥物管理局 (FDA) [1] 批准為一種侵入性神經調節劑方法，用於治療抗癲癇藥物 (AED) 耐藥受試者的癲癇。 由於迷走神經 (VN) 支配許多器官，它是選擇性神經刺激的許多新的潛在治療相關應用的候選者。VN（與人體中的許多其他大神經一樣）由多個功能單元組成，這些功能單元將許多不同直徑的有髓 A 軸突和 B 軸突與小的無髓 C 纖維結合在一起。 此後，用於治療相關應用的 VNS 方法需要提供高纖維選擇性的方法。 理論上，具有優化刺激波形的電極陣列可用於提供這種選擇性。 具有簡化或現實 VN 模型的計算模型嵌入現實人體解剖模型中沿現實軌跡，以及捕獲電神經元相互作用的軸突纖維的電生理模型，是新 VNS 協議的計算輔助制定、電極陣列設計的基礎 ，刺激波形的優化，以及設置特定軸突纖維募集的預測。
現在可以在 Sim4Life 中創建功能化 VN 模型，包括頭部模型、具有任意數量的電生理軸突模型的神經軌跡，並結合最近添加的 T-NEURO 功能以及低頻範圍內的電磁 (EM) 模擬。
方法
Sim4Life 具有擴展的 T-NEURO 模擬能力，允許研究 EM 場和神經元膜電活動之間的相互作用機制。廣泛的應用，包括神經刺激研究（例如經顱電 (TES) 和磁 (TMS) 刺激）、安全性（例如磁共振成像 (MRI) 中的周圍神經刺激 (PNS)）以及計算輔助開發電子產品或神經保護裝置，現在是可能的。根據 Sim4Life 預定義的生物物理模型或在網絡存儲數據庫中可用的神經元 [3] 庫建模的軸突和神經元的解剖學上逼真的劃分電生理表示 – 可以定位在計算人體頭部/身體模型中，以預測生理反應神經和神經元施加電場（E-）或磁場（M-）。 Sim4Life 還提供用於建模、模擬執行和數值優化後處理分析的高度可定制的解決方案。
1. VN 幾何、電極和 EM 模擬的建模
Helmers 的 VN 模型 [4] 的 2D 截面（頂部）； 簡化的 3D 模型（中）； 遵循 MIDA 模型 [2,5]（底部）中 VN 軌蹟的解剖學上逼真的 VN 模型。
具有神經外膜、神經外膜和束等特徵的橫截面 2D VN 模型可以從醫學圖像創建或在 Sim4Life 中使用圖形用戶界面 (GUI) 進行划痕（參見圖頂部）。 可以創建 VN 的 3D 模型，例如，通過沿用戶定義的軌跡（參見圖中間）或沿著計算人體模型中的解剖神經軌跡（參見圖底部）擠出逼真的 2D 神經橫截面，可以將電極幾何形狀導入 Sim4life 作為 CAD 文件或創建為參數化模型對象，甚至使用可用的模板實體（螺旋、螺旋等）。
Sim4Life 的電準靜態電流主導 (EQSCD) 求解器可用於為均勻或各向異性電介質組織參數設置低頻 EM 模擬。 電極電壓可以指定為狄利克雷邊界條件。
Sim4Life 的後處理工具允許分析和可視化與暴露相關的量，例如電場分佈、電極上的輸入電流以及神經刺激相關量，如電場雅可比行列式的特徵值和特徵向量，以識別神經刺激區域 “激活函數概念”的基礎[6]。
2. 軸突軌跡的創建和功能化
以線建模的軸突軌跡填充的分冊。
具有神經外膜、神經外膜和束等特徵的橫截面 2D VN 模型可以從醫學圖像創建或在 Sim4Life 中使用圖形用戶界面 (GUI) 進行划痕（參見圖頂部）。 可以創建 VN 的 3D 模型，例如，通過沿用戶定義的軌跡（參見圖中間）或沿著計算人體模型中的解剖神經軌跡（參見圖底部）擠出逼真的 2D 神經橫截面，可以將電極幾何形狀導入 Sim4life 作為 CAD 文件或創建為參數化模型對象，甚至使用可用的模板實體（螺旋、螺旋等）。
Sim4Life 的電準靜態電流主導 (EQSCD) 求解器可用於為均勻或各向異性電介質組織參數設置低頻 EM 模擬。 電極電壓可以指定為狄利克雷邊界條件。
Sim4Life 的後處理工具允許分析和可視化與暴露相關的量，例如電場分佈、電極上的輸入電流以及神經刺激相關量，如電場雅可比行列式的特徵值和特徵向量，以識別神經刺激區域 “激活函數概念”的基礎[6]。
3. T-NEURO 模擬的執行
T-Neuro 模擬可以串行或併行執行。 每個模擬可以包括多個獨立的神經刺激電源（如電極陣列的情況），每個都有自己的刺激波形。
可以定義點或線傳感器來記錄跨膜電位或電流信息，用於後期分析。 實施的“滴定程序”對於確定模型中每個軸突內動作電位 (AP) 啟動的電場或刺激相關量（例如輸入電流）的閾值至關重要。
4. 後處理
以線建模的軸突軌跡填充的分冊。
Sim4Life 提供多種數據可視化選項（切片和表面視圖、矢量場視圖和流線圖等），包括計算電場相關積分（即通量積分器）、跨膜電壓或電流曲線的可視化或動畫。這些功能還可用於可視化從 python 腳本派生的定制後專業量（例如，複合動作電位）。
激活函數，神經刺激位點的預測因子，可以沿著軸突幾何形狀可視化（見圖頂部）。滴定傳感器為尖峰起始、尖峰起始時間和位置提供閾值電場，並允許導出纖維募集曲線（圖底部）。
所有後處理結果都可以導出，以便在 MATLAB 或 Excel 中進行進一步分析。 Python 腳本和 Sweeper 工具可用於自定義優化程序，例如，識別選擇性刺激的轉向參數（例如招募 A-、B- 或 C- 纖維）或優化電極幾何形狀。
結論
Sim4Life T-Neuro 旨在協助神經刺激的計算輔助研究、電子和神經刺激器的設計和優化，以及電磁-神經元相互作用機制的研究。 在這個例子中，已經說明了使用 T-Neuro 在真實或簡化的迷走神經模型上研究纖維募集的好處。 可以應用類似的程序來模擬任意計算人體或動物體內的任意複雜神經刺激。 Sim4Life 提供獨特且前所未有的功能來研究複雜的神經刺激領域，肯定自己是神經刺激研究市場的領先工具