신경 자극
미주 신경 자극 모델링하기
미주신경 자극(VNS)은 1997년 미국 식품의약국(FDA)에서 항전간제(AED) 내성 환자의 간질 치료를 위한 침습적 신경 조절기 접근법으로 승인되었습니다. 미주신경(VN)은 많은 장기에 신경을 공급하기 때문에 선택적 신경 자극의 잠재적으로 치료와 관련된 많은 새로운 응용 분야의 후보가 될 수 있습니다.
인체의 다른 많은 큰 신경과 마찬가지로 미주신경은 직경이 다른 여러 개의 수초화된 A축삭과 B축삭이 작은 비수초화된 C섬유와 결합된 여러 기능 단위로 구성됩니다. 이후 치료 관련 애플리케이션을 위한 VNS 접근법에는 높은 섬유 선택성을 제공하는 접근법이 필요합니다. 최적화된 자극 파형을 가진 전극 어레이는 이론적으로 이러한 선택성을 제공하는 데 사용될 수 있습니다. 실제 궤적을 따라 실제적인 인체 해부학 모델에 단순화되거나 사실적인 VN 모델을 내장한 계산 모델과 전기-신경세포 상호작용을 포착하는 축삭 섬유의 전기생리학 모델은 새로운 VNS 프로토콜의 계산 지원 공식화, 전극 어레이 설계, 자극 파형 최적화, 설정별 축삭 섬유 모집 예측을 위한 기본 요소입니다.
머리 모델, 임의의 수의 전기 생리학적 축삭 모델을 갖춘 신경 궤적을 특징으로 하는 기능화된 VN 모델은 이제 저주파 범위의 전자기(EM) 시뮬레이션과 함께 최근에 추가된 T-NEURO 기능을 사용하여 Sim4Life에서 생성할 수 있습니다.
방법론
1. VN 지오메트리, 전극 및 EM 시뮬레이션 모델링
예를 들어 다음과 같은 특징이 있는 단면 2D VN 모델은 의료 이미지에서 생성하거나 그래픽 사용자 인터페이스(GUI)를 사용하여 Sim4Life(그림 상단 참조)에서 스크래치할 수 있습니다.예를 들어 사용자가 정의한 궤적을 따라(그림 가운데 참조) 또는 전산 인체 모델 내의 해부학적 신경 궤적을 따라(그림 아래 참조) 사실적인 2D 신경 단면을 돌출하여 VN의 3D 모델을 생성할 수 있습니다. 전극 형상을 Sim4Life에서 CAD 파일로 가져오거나 사용 가능한 템플릿 개체(나선형, 나선형 등)를 사용하여 파라미터화된 모델 개체로 생성할 수도 있습니다.
Sim4Life의 전기 준정전류 지배(EQSCD) 솔버를 사용하여 균질 또는 이방성 유전체 조직 파라미터에 대한 저주파 EM 시뮬레이션을 설정할 수 있습니다. 전극 전압은 디리클레 경계 조건으로 지정할 수 있습니다.
Sim4Life의 후처리 도구를 사용하면 '활성화 함수 개념'을 기반으로 신경 자극 영역을 식별하기 위해 전자계 분포, 전극의 입력 전류, 전자계 자코비안의 고유값 및 고유 벡터와 같은 신경 자극 관련 양을 분석하고 시각화하여 전자계 관련 수량을 분석하고 시각화할 수 있습니다
2. 축삭 궤적 생성 및 기능화
GUI CAD 기능을 사용하거나 Python 인터페이스를 사용하여 스플라인으로 생성된 축삭 궤적은 사용자 정의 규칙(축삭 수, 길이, 변위 등)에 따라 또는 전산 인간 모델에서 실제 신경 궤적을 따라 관련 구조(즉, 근막)에 배치할 수 있습니다. 임플란트 안전성 평가를 위해 Sim4Life IMSafe 도구를 사용하여 지정된 엔티티(예: 근막 내) 내에서 임의의 스플라인 궤적을 생성할 수 있습니다.
섬유 직경과 사전 정의된 생물물리 모델(SENN [7], Sweeney [8], MOTOR [8]) 또는 사용자 지정(임시 파일)을 축삭 궤적에 할당하여 완전한 전기생리학적 축삭 모델을 생성합니다. 신경은 임의의 수의 축삭과 임의의 생물물리학적 설명으로 기능화하여 A, B, C 섬유의 실제적인 혼합을 모방할 수 있습니다.
3. T-NEURO 시뮬레이션 실행
T-Neuro 시뮬레이션은 연속적으로 또는 병렬로 실행할 수 있습니다. 각 시뮬레이션에는 각각 고유한 자극 파형을 가진 여러 독립적인 신경 자극 소스(전극 어레이의 경우처럼)가 포함될 수 있습니다. 사후 분석에 사용할 수 있도록 점 또는 선 센서를 정의하여 막 통과 전위 또는 전류 정보를 기록할 수 있습니다. 구현된 '적정 절차'는 모델의 각 개별 축삭 내에서 활동 전위(AP)를 시작하기 위한 E-필드 또는 자극 관련 양(예: 입력 전류)의 임계값을 식별하는 데 기본이 됩니다.
4. 후처리
Sim4Life는 E-필드 관련 적분(예: 플럭스 적분기) 계산, 막 통과 전압 또는 전류 프로파일의 시각화 또는 애니메이션을 포함한 데이터 시각화(슬라이스 및 표면 보기, 벡터 필드 보기 및 유선형 등)를 위한 다양한 옵션을 제공합니다. 이러한 기능은 파이썬 스크립트에서 파생된 맞춤형 포스트 프로 수량(예: 복합 활동 전위)의 시각화에도 사용할 수 있습니다.
신경 자극 부위를 예측하는 활성화 함수는 축삭 지오메트리를 따라 시각화할 수 있습니다(그림 상단 참조). 적정 센서는 스파이크 시작, 스파이크 시작 시간 및 위치에 대한 임계값 E-필드를 제공하고 섬유 모집 곡선을 도출할 수 있습니다(그림 하단).
모든 후처리 결과를 내보내 MATLAB 또는 Excel에서 추가 분석할 수 있습니다. Python 스크립트와 스위퍼 도구를 사용하여 선택적 자극을 위한 스티어링 파라미터(예: A, B 또는 C 파이버의 모집)를 식별하거나 전극 형상을 최적화하기 위한 최적화 절차를 사용자 지정할 수 있습니다.
결론
Sim4Life T-Neuro는 신경 자극에 대한 전산 지원 조사, 전기 치료 및 신경 자극기의 설계 및 최적화, 전자기-신경 상호작용 메커니즘에 대한 연구를 지원하기 위해 고안되었습니다. 이 예에서는 미주신경의 실제 또는 단순화된 모델에서 섬유 모집을 조사하기 위해 T-Neuro를 사용할 때의 이점을 설명했습니다.
유사한 절차를 적용하여 임의의 전산 인간 또는 동물 신체에서 임의의 복잡한 신경 자극을 모델링할 수 있습니다. Sim4Life는 신경 자극의 복잡한 영역을 조사하기 위한 독특하고 전례 없는 기능을 제공하여 신경 자극 조사 시장의 리더 툴로 자리매김하고 있습니다.