Y P Transcranial Neuromodula.on O C T Dana H. Brooks O - - PowerPoint PPT Presentation

1

Modeling ¡and ¡Op.miza.on ¡of ¡ Transcranial ¡Neuromodula.on

Dana ¡H. ¡Brooks Northeastern ¡University with ¡Moritz ¡Dannhauer ¡and ¡Sumientra ¡Rampersad SPIRAL ¡Group ECE ¡Department Northeastern ¡University ¡ and Center ¡for ¡Integra.ve ¡Compu.ng ¡(CIBC) University ¡of ¡Utah

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Collaborators ¡(People ¡Who ¡Teach ¡Me ¡Stuff ¡ and ¡Do ¡All ¡the ¡Work)

2

• Northeastern ¡University

– Sumientra ¡Rampersad – Seyhmus ¡Guler* – Jaume ¡Coll-­‑Font – Burak ¡Erem* – Deniz ¡Erdogmus – Kimia ¡Shayestehfard

* ¡No ¡longer ¡at ¡Northeastern

• EGI ¡and ¡University ¡of ¡Oregon

– Don ¡Tucker – Phan ¡Luu – Sergei ¡Turovetz

• Acknowledgements

– Sumientra ¡Rampersad, ¡Moritz ¡ Dannhauer, ¡Seyhmus ¡Guler ¡for ¡ many ¡of ¡these ¡slides – NIH ¡NIGMS ¡grant ¡to ¡CIBC ¡

• University ¡of ¡Utah

– Moritz ¡Dannhauer – Rob ¡MacLeod – Jess ¡Tate – Ayla ¡Khan – Daniel ¡White

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

3

Limita.ons ¡of ¡Current ¡S.mula.on ¡Planning

• Experience ¡reports ¡that ¡a ¡substan.al ¡percentage ¡
• f ¡subjects ¡have ¡li[le ¡or ¡even ¡opposite ¡(excita.on ¡

vs ¡inhibi.on) ¡response

• Experience ¡reports ¡that ¡subjects ¡do ¡not ¡always ¡

respond ¡consistently ¡on ¡repeat ¡applica.ons ¡of ¡ the ¡same ¡protocol ¡(few ¡studies)

• Interac.on ¡of ¡injected ¡current ¡with ¡complex ¡

neuroanatomy, ¡including ¡networks, ¡and ¡on-­‑going ¡ ac.vity, ¡is ¡s.ll ¡not ¡well ¡enough ¡understood

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡What ¡Can ¡We ¡Do: ¡ Start ¡by ¡Understanding ¡the ¡Physics

We ¡can ¡inject ¡current ¡..... ¡But ¡.....Where ¡does ¡it ¡go?

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

And ¡... ¡how ¡can ¡we ¡target ¡regions ¡of ¡ interest ¡ ¡? ¡

5

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Finally, ¡how ¡can ¡we ¡adapt ¡to ¡ individual ¡anatomy ¡?

6

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

But ¡that ¡does ¡not ¡scale ¡up ¡very ¡well ¡...... Need ¡Computa.onal ¡Simula.ons ¡!! We ¡can ¡try ¡to ¡do ¡this ¡based ¡on ¡intracranial ¡ measurements

7

Huang ¡et ¡al, ¡Elife, ¡2017 Opitz ¡et ¡al, ¡Sci ¡Rep ¡2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Modeling ¡To ¡Understand ¡/ ¡Improve ¡Targe.ng

Modeling ¡might ¡help ¡increase

• effects
• safety
• understanding

Modeling ¡might ¡improve ¡tCS

• more ¡focal ¡fields
• less ¡total ¡current
• fewer ¡side ¡effects

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡? Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡? Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0 No ¡current ¡flows ¡out ¡of ¡head ¡

• utside ¡electrodes

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0 No ¡current ¡flows ¡out ¡of ¡head ¡

• utside ¡electrodes

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0 No ¡current ¡flows ¡out ¡of ¡head ¡

• utside ¡electrodes

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0 No ¡current ¡flows ¡out ¡of ¡head ¡

• utside ¡electrodes

Current ¡in ¡through ¡ electrodes ¡is ¡known

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡we ¡need ¡to ¡model ¡electrical ¡ behavior

9

What ¡does ¡this ¡mean ¡?

Currents ¡out ¡of ¡any ¡point ¡ sum ¡to ¡0 No ¡current ¡flows ¡out ¡of ¡head ¡

• utside ¡electrodes

Current ¡in ¡through ¡ electrodes ¡is ¡known

Relevant ¡equa.on: ¡Laplace ¡/ ¡Poisson ¡ PDE ¡with ¡boundary ¡condi.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

A ¡Step ¡Back: ¡What ¡Happened ¡to ¡Time?

• tDCS ¡vs ¡tRNS ¡vs ¡tACS?
• Differing ¡effects ¡depend ¡on
• Capaci.ve ¡effects ¡at ¡electrode ¡interfaces ¡and ¡in ¡.ssue
• Interac.on ¡with ¡neural ¡biophysics ¡in ¡bulk ¡and ¡on-­‑going ¡

neural ¡ac.vity

• NOT ¡MODELED ¡HERE ¡!!
• All ¡we ¡can ¡look ¡at ¡(yet) ¡is ¡where ¡the ¡current ¡

goes

10

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

How ¡to ¡“solve” ¡== ¡find ¡where ¡ current ¡goes ¡?

11

Analy.cally ¡only ¡possible ¡in ¡a ¡few ¡geometries

• ­‑ ¡E.g. ¡concentric ¡spheres

Otherwise ¡need ¡a ¡numerical ¡solver

• ­‑ ¡Many ¡exist: ¡

Boundary ¡Element ¡ Finite ¡Element Finite ¡Volume Finite ¡Difference Finite ¡Element ¡Method ¡(FEM) ¡most ¡common

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Finite ¡Element ¡Method

12

Divide ¡domain ¡into ¡small ¡subdomains

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Finite ¡Element ¡Method

12

Divide ¡domain ¡into ¡small ¡subdomains Approximate ¡field ¡by ¡analy.cally ¡tractable ¡varia.on ¡(linear, ¡....)

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Finite ¡Element ¡Method

13

¡ ¡ ¡ ¡ ¡ ¡ ¡A C 4 5 3 2 6 1 ¡ ¡ ¡ ¡ ¡ ¡ ¡B ¡ ¡ ¡ ¡ ¡ ¡ ¡D

Write ¡equa.ons ¡at ¡nodes ¡(1,2,...) ¡over ¡elements ¡(A,B,...) Equa.ons ¡(integra.ons) ¡become ¡simplified ==> ¡Lots ¡of ¡matrix ¡manipula.ons Then ¡apply ¡boundary ¡condi.ons: ¡more ¡manipula.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Finite ¡Element ¡Method

14

Result ¡is ¡a ¡large, ¡sparse ¡system ¡of ¡linear ¡equa.ons Solve ¡by ¡standard ¡methods ¡with ¡some ¡extra ¡tricks

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡modeling ¡requires

15

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡modeling ¡requires

15

• 1. ¡Crea.ng ¡computa.onal ¡head ¡

models ¡first individualized ¡? .ssue ¡types ¡? conduc.vity ¡? anisotropy ¡?

• Importance ¡and ¡degree ¡of ¡head ¡

model ¡accuracy ¡s.ll ¡under ¡ study

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡modeling ¡requires

15

• 1. ¡Crea.ng ¡computa.onal ¡head ¡

models ¡first individualized ¡? .ssue ¡types ¡? conduc.vity ¡? anisotropy ¡?

• Importance ¡and ¡degree ¡of ¡head ¡

model ¡accuracy ¡s.ll ¡under ¡ study

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡modeling ¡requires

15

• 1. ¡Crea.ng ¡computa.onal ¡head ¡

models ¡first individualized ¡? .ssue ¡types ¡? conduc.vity ¡? anisotropy ¡?

• Importance ¡and ¡degree ¡of ¡head ¡

model ¡accuracy ¡s.ll ¡under ¡ study

• 2. ¡Then ¡calcula.ng ¡current ¡flow ¡

given ¡electrode ¡configura.on

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Standard ¡Modeling ¡Pipeline

MRI CT DTI Segmenta.on ¡and ¡mul.modal ¡integra.on Mesh ¡construc.on Simula.on ¡of ¡tDCS ¡fields

16

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Individual ¡Anatomy ¡from ¡Imaging

17

Start ¡with ¡MR ¡images Add ¡CT ¡/ ¡Diffusion ¡if ¡available ¡and ¡desired Use ¡sonware ¡tools ¡and ¡care ¡to ¡segment

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Or ¡Use ¡Exis.ng ¡Geometries

18

Several ¡common ¡models ¡available Models ¡provided ¡with ¡commercial ¡ sonware Open ¡source ¡examples: ¡ BONSAI ¡/ ¡SPHERES Colin ¡27 ¡/ ¡Highresolu.on The ¡New ¡York ¡Head ¡from ¡CCNY Pediatric: ¡EGI ¡Pediatric ¡Head ¡Modeling ¡ Data ¡Sets

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Many ¡Useful ¡Segmenta.on ¡ Sonware ¡Tools ¡

19

Tools ¡in ¡many ¡general-­‑purpose ¡brain ¡modeling ¡packages Free ¡brain ¡segmenta.on ¡sonware: ¡FreeSurfer, ¡FSL, ¡SPM, ¡etc. Use ¡of ¡atlases ¡very ¡helpful General ¡interac.ve ¡segmenta.on ¡tools: ¡e.g. ¡Seg3D, ¡Slicer3D Specialized ¡tools ¡for ¡segmenta.on ¡for ¡modeling: ¡ MARS ¡toolbox ¡for ¡SPM ¡(free) EGI ¡Modal ¡Imaging ¡Pipeline ¡(proprietary) Note: ¡tools ¡listed ¡are ¡just ¡examples, ¡far ¡from ¡an ¡exhaus6ve ¡list ¡

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Tools ¡to ¡Create ¡3D ¡Meshes

20

Challenging ¡problem, ¡s.ll ¡not ¡fully ¡solved Generally ¡need ¡to ¡combine ¡several ¡tools, ¡e.g Tetgen, ¡CGAL, ¡.... Cleaver Iso2Mesh Biggest ¡challenges ¡are Overcoming ¡inadequate ¡imaging ¡ ¡resolu.on ¡ Tradeoff ¡of ¡resolu.on ¡/ ¡quality ¡vs ¡complexity ¡ Respec.ng ¡complex ¡internal ¡surfaces Adding ¡electrodes ¡to ¡the ¡mesh Note: ¡tools ¡listed ¡are ¡just ¡examples, ¡far ¡from ¡ an ¡exhaus6ve ¡list ¡

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Model ¡1: ¡Spherical Model ¡2: ¡Realis.c Model ¡3: ¡Colin27 Model ¡4: ¡Refined ¡realis.c

Head ¡models ¡created ¡by ¡Moritz ¡Dannhauer. ¡Some ¡Image ¡Data ¡Shared ¡by ¡EGI

Some ¡Example ¡Models ¡From ¡Our ¡Lab

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Example: ¡Highly ¡Refined ¡Head ¡Model ¡ (47 ¡million ¡tetrahedra)

Linear ¡tetrahedral ¡mesh ¡using ¡Cleaver1 ¡ based ¡on ¡CT, ¡MRI ¡and ¡DTI ¡data.

• 47 ¡x ¡106 ¡elements
• 8 ¡x ¡106 ¡nodes
• 8 ¡Materials
• Anisotropic ¡conduc.vi.es ¡for ¡

GM, ¡WM ¡and ¡skull

• Detailed ¡.ssue ¡boundaries

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Next ¡we ¡need ¡to ¡assign ¡conduc.vi.es

23

Typically ¡taken ¡from ¡literature ¡values

• ­‑ ¡but ¡literature ¡is ¡not ¡consistent
• ­‑ ¡modeling ¡of ¡skull ¡important
• ­‑ ¡skull ¡conduc.vity ¡can ¡be ¡calculated ¡directly ¡using ¡

impedance ¡tomography

• ­‑ ¡grey ¡/ ¡white ¡ma[er ¡anisotropy ¡possible ¡using ¡diffusion ¡

imaging

• ­‑ ¡s.ll ¡a ¡topic ¡of ¡research ¡-­‑-­‑ ¡e.g. ¡several ¡papers ¡at ¡2017 ¡HBM

λrad λtang

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Now ¡that ¡we ¡have ¡a ¡good ¡meshed ¡ head ¡model

24

Add ¡electrodes ¡and ¡solve ¡FEM ¡to ¡ calculate ¡where ¡current ¡will ¡go

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Our ¡Tool ¡of ¡Choice

25

BrainS.mulator ¡/ ¡SCIRun ¡from ¡CIBC

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Our ¡Modeling ¡Pipeline

MRI CT DTI Segmenta.on ¡and ¡mul.modal ¡integra.on Tetrahedral ¡mesh ¡construc.on Simula.on ¡of ¡tDCS ¡fields

26

Op.miza.on ¡of ¡HD ¡applied ¡current

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

How ¡Do ¡We ¡Know ¡If ¡This ¡Works?

• Or ¡more ¡precisely, ¡how ¡accurate ¡is ¡FEM?
• Un.l ¡recently, ¡only ¡validated ¡

– ¡against ¡analy.cal ¡models ¡(concentric ¡spheres) – ¡against ¡tank-­‑based ¡phantoms – ¡against ¡scalp ¡electrode ¡measurements, ¡for ¡example

• ¡By ¡us ¡with ¡EGI ¡measurements
• ¡By ¡others, ¡eg ¡Da9a ¡et ¡al, ¡J ¡Neural ¡Eng ¡2013

27

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Examples ¡of ¡Valida.on

28

Spheres Spheres Scalp ¡Measurements

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

More ¡Recently: ¡Valida.on ¡against ¡ Intracranial ¡Measurements

29

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

30

Results ¡show ¡reasonable ¡accuracy, ¡suggest ¡ need ¡for ¡conduc.vity ¡calibra.on

Huang ¡et ¡al, ¡Elife, ¡2017

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

What ¡Has ¡Modeling ¡Been ¡Used ¡For?

• Understanding ¡effects ¡from ¡standard ¡

configura.ons

• Comparing ¡standard ¡and ¡alterna.ve ¡electrode ¡

configura.ons

• Exhaus.ve ¡studies ¡of ¡effects ¡of ¡electrode ¡configura.ons
• Effects ¡using ¡“high-­‑density” ¡electrode ¡arrays
• and ¡more ¡....

31

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Example: ¡Patch ¡vs. ¡ Subs.tutes ¡/ ¡Alterna.ves

32

Dmochowski ¡et ¡al, ¡J ¡Neural ¡Eng ¡2011 Dannhauer ¡et ¡al

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Patch ¡vs. ¡HD ¡Emula.on

33

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Different ¡Choices ¡of ¡Electrodes ¡ from ¡Array

34

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Anode Cathode Applica.on

Reference

A M1 ¡len SO ¡right motor ¡func.on, ¡stroke, ¡pain, ¡smoking

Bradnam ¡et ¡al., ¡Cereb ¡Cortex, ¡2012 Grundey ¡et ¡al., ¡J ¡Neurosci, ¡2012

B DLPFC ¡len SO ¡right a[en.on, ¡depression, ¡aphasia, ¡schizophrenia, ¡working ¡ memory, ¡pain, ¡overweight

Gladwin ¡et ¡al., ¡Neurosci ¡Le[, ¡2012 Nitsche ¡et ¡al,. ¡Front ¡Psychiatry, ¡2012 Scheider ¡& ¡Hopp, ¡Clin ¡Linguist ¡Phon, ¡2011 Mulquiney ¡et ¡al., ¡Clin ¡Neurophysiol, ¡2011 Maeoka ¡et ¡al., ¡Neurosci ¡Le[, ¡2012 Montenegro ¡et ¡al., ¡Appe.te, ¡2012

C DLPFC ¡len DLPFC ¡right .nnitus, ¡depression, ¡heart ¡rate, ¡cor.sol

Faber ¡et ¡al., ¡Brain ¡S.mul, ¡2012 Vanneste ¡et ¡al., ¡Exp ¡Brain ¡Res, ¡2010 Brunoni ¡et ¡al., ¡Psychoneuroendocrinology, ¡2013

D IFG ¡len SO ¡right speech, ¡behavioral ¡inhibi.on

Marangolo ¡et ¡al., ¡Behav ¡Brain ¡Res, ¡2011 Ditye ¡et ¡al., ¡Exp ¡Brain ¡Res, ¡2012

E Oz Cz vision, ¡migraine

Plow ¡et ¡al., ¡PM ¡R, ¡2011 Siniatchkin ¡et ¡al., ¡Cereb ¡Cortex, ¡2012

F cerebellum ¡right cheek ¡right locomotor ¡adapta.on, ¡cerebello-­‑brain ¡inhibi.on

Jayaram ¡et ¡al., ¡J ¡Neurophysiolo, ¡2012 Galea ¡et ¡al., ¡J ¡Neurosci, ¡2009

Typical ¡Applica.on-­‑Dependent ¡Configura.ons

Special ¡thanks ¡to ¡S. ¡Rampersad

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Electric ¡Field ¡Strength ¡Induced

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡M1-­‑SO ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡DLPFC-­‑SO ¡ ¡ ¡ ¡ ¡ DLPFC-­‑DLPFC ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡IFG-­‑SO ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Oz-­‑Cz ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡cerebellum-­‑cheek

mV/cm mV/cm mV/cm mV/cm mV/cm mV/cm

Rampersad ¡SM, ¡Janssen ¡AM, ¡Lucka ¡F, ¡Aydin ¡U, ¡Lanfer ¡B, ¡Lew ¡S, ¡Wolters ¡CH, ¡Stegeman ¡DF, ¡Oostendorp ¡TF. ¡Simula6ng ¡transcranial ¡ direct ¡current ¡s6mula6on ¡with ¡a ¡detailed ¡anisotropic ¡human ¡head ¡model. ¡IEEE ¡Trans ¡Neural ¡Syst ¡Rehabil ¡Eng, ¡2014, ¡22(3):441-­‑52. ¡

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

37

1"–"Create"detailed"anisotropic"FE"human"head"model! 2"–"Place"grid"of"electrode"locations! 3"–"Solve"FE"problem"for"each"tDCS"con?iguration! 4"–"Compare"electric"?ield"for"all"con?igurations"at"target"volume" Rampersad!SM,!Oostendorp!TF,!Stegeman!DF.!Model7based!electrode!placement!for!op;mizing! tDCS.!Under!review.!!

Example: ¡Compare ¡Patch ¡Electrode ¡ ¡ Configura.ons

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

standard ¡M1 configura.on FDI ¡– ¡Fp2

mV/cm mV/cm

maximal ¡ field ¡strength Cp3 ¡– ¡Fz maximal ¡ field ¡strength ¡ perpendicular ¡to ¡GM FDI ¡– ¡pO4

Compare ¡Configura.ons ¡(M1)

Rampersad ¡SM, ¡Oostendorp ¡TF, ¡Stegeman ¡DF. ¡Model-­‑based ¡electrode ¡placement ¡for ¡op6mizing ¡tDCS. ¡Under ¡review. ¡

38

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Conclusion ¡of ¡Study

39

Contrary ¡Effects: ¡Have ¡to ¡Choose

Op.mal Field ¡ Strength Op.mal Normal Field

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

High-­‑Density ¡Electrodes ¡for ¡tDCS?

40

Image&source:&egi.com&

• But ¡how ¡to ¡use ¡the ¡flexibility ¡HD-­‑tDCS ¡provides? ¡
• ­‑-­‑>> ¡SIMULATION ¡/ ¡OPTIMIZATION
• May ¡allow ¡much ¡be[er ¡control, ¡stronger ¡fields ¡at ¡

depth

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

How ¡to ¡Find ¡Best ¡S.mulus ¡Pa[erns ¡in ¡ HD-­‑tDCS ¡? ¡

Single ¡ROI Mul.ple ¡ROIs

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Choose ¡Desired ¡Direc.on ¡in ¡ROI

Interpolated ¡cor.cal ¡surface ¡normal

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

4 ¡ROIs ¡in ¡Study

• Medial ¡orbitofrontal ¡

cortex ¡(MFC)

• Anterior ¡cingulate ¡

cortex ¡(ACC)

• Parahippocampal ¡

gyrus ¡(PG)

• Precuneus

43

Constraints ¡bounds: § Total ¡current ¡through ¡all ¡electrodes § Current ¡through ¡any ¡individual ¡electrode § Power ¡in ¡the ¡brain ¡outside ¡ROI

Op.miza.on ¡Current ¡in ¡ROI ¡Along ¡ Desired ¡Direc.onal ¡Field

Guler ¡et ¡al, ¡J ¡Neural ¡Eng ¡2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Results ¡for ¡the ¡MFC ¡ROI

Op.mal ¡s.mulus ¡pa[ern Head ¡surface ¡poten.al Current ¡streamlines ¡through ¡ROI Current ¡density ¡on ¡a ¡slice Current ¡density ¡on ¡cortex

mA

Guler ¡et ¡al, ¡J ¡Neural ¡Eng ¡2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Results ¡for ¡all ¡four ¡ROIs

MFC ACC PHCG PC

mA A/m2 (log)

Op.mal ¡ s.mulus ¡ pa[erns Current ¡ streamlines ¡ through ¡ROI Guler ¡et ¡al, ¡J ¡Neural ¡Eng ¡2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Focality ¡Examples

46

• The ¡deeper ¡the ¡region, ¡the ¡less ¡focal ¡the ¡s.mula.on

MFC PG

Guler ¡et ¡al, ¡J ¡Neural ¡Eng ¡2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Comparison ¡with ¡other ¡methods

mA

M1 ¡ROI ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Dmochowski ¡et ¡al. ¡[1] ¡ ¡ ¡ ¡ ¡ ¡Ruffini ¡et ¡al. ¡[2] ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Guler ¡et ¡al. ¡[3]

Guler ¡et ¡al, ¡J ¡Neural ¡Eng ¡2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Mood ¡disorder: ¡Depression

• Broadman ¡area ¡47

48

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

S.mula.on ¡of ¡BA ¡47

49

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Example: ¡add ¡constraint ¡on ¡power ¡near ¡eyes ¡to ¡prevent ¡ phosphenes

mA Without ¡eye ¡constraint ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡With ¡eye ¡constraint

33% ¡less ¡direc.onal ¡current ¡in ¡the ¡ROI ¡ ¡with ¡the ¡addi.onal ¡constraint.

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Targe.ng ¡An ¡En.re ¡Network ¡?

Target Result

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Example ¡Study ¡Linking ¡Modeling ¡and ¡ Experimenta.on

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Example ¡Study ¡Linking ¡Modeling ¡and ¡ Experimenta.on

Used HD array, individualized model optimized targeting, pulsed (1/2 Hz, 100 ms duration) tPCS, TMS to test Found LTD in motor response for both cathodal (stronger, longer) and anodal (weaker) stimulation

Luu et al, Front Hum Neuro 2016

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

One ¡Exci.ng ¡New ¡Idea: ¡“Temporal ¡Interference”

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

One ¡Exci.ng ¡New ¡Idea: ¡“Temporal ¡Interference”

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

One ¡Exci.ng ¡New ¡Idea: ¡“Temporal ¡Interference”

• Based ¡on ¡s.mula.ng ¡simultaneously ¡at ¡two ¡nearby ¡

high ¡frequencies

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

One ¡Exci.ng ¡New ¡Idea: ¡“Temporal ¡Interference”

• Based ¡on ¡s.mula.ng ¡simultaneously ¡at ¡two ¡nearby ¡

high ¡frequencies

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

One ¡Exci.ng ¡New ¡Idea: ¡“Temporal ¡Interference”

• Based ¡on ¡s.mula.ng ¡simultaneously ¡at ¡two ¡nearby ¡

high ¡frequencies

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

One ¡Exci.ng ¡New ¡Idea: ¡“Temporal ¡Interference”

• Based ¡on ¡s.mula.ng ¡simultaneously ¡at ¡two ¡nearby ¡

high ¡frequencies

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Using ¡this ¡idea ¡to ¡get ¡focus ¡at ¡depth

• Individual ¡frequencies ¡too ¡high ¡to ¡cause ¡response ¡
• “Beat” ¡frequency ¡does ¡cause ¡response
• IDEA: ¡Amplitude ¡of ¡beat ¡frequency ¡depends ¡on ¡

weaker ¡of ¡two ¡s.muli

• Since ¡amplitude ¡of ¡each ¡s.mulus ¡varies ¡in ¡space, ¡

region ¡where ¡both ¡are ¡comparably ¡large ¡may ¡have ¡ local ¡response

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Using ¡this ¡idea ¡to ¡get ¡focus ¡at ¡depth

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Using ¡this ¡idea ¡to ¡get ¡focus ¡at ¡depth

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Using ¡this ¡idea ¡to ¡get ¡focus ¡at ¡depth

• Verified ¡extensively ¡in ¡mouse ¡model
• Ques.ons ¡about ¡use ¡in ¡people ¡? ¡

Modeling?

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

So ¡Where ¡Do ¡We ¡Stand ¡(IOO)

• Experiments ¡are ¡useful

– ¡but ¡hard ¡to ¡generalize ¡without ¡modeling

• Modeling ¡is ¡useful

– ¡but ¡hard ¡to ¡generalize ¡without ¡experiments

• Skep.cism ¡is ¡useful

– ¡about ¡both ¡!!

• More ¡combined ¡modeling ¡/ ¡experimental ¡studies ¡

are ¡badly ¡needed

56

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

More ¡prac.cally, ¡how ¡to ¡get ¡started?

• For ¡straighyorward ¡studies, ¡standard ¡

configura.ons

– ¡Use ¡commercial ¡or ¡easy ¡open-­‑source ¡tools, ¡non-­‑ individualized ¡head ¡models, ¡etc

• For ¡more ¡adventurous ¡study ¡designs

– ¡Tools ¡available ¡but ¡have ¡significant ¡technical ¡barriers ¡to ¡ entry – ¡Collaborate ¡with ¡modelers ¡!

57

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

Some ¡Things ¡We ¡Are ¡Working ¡On ¡

• Combining ¡tes.ng ¡of ¡models ¡and ¡experiments
• Modeling ¡/ ¡op.miza.on ¡with ¡ECoG/ ¡implanted ¡

electrodes

• Studying ¡capaci.ve ¡effects
• S.mula.ng ¡deeper ¡regions ¡/ ¡connected ¡regions ¡/ ¡

networks

• Modeling ¡“TI” ¡approach ¡in ¡human-­‑size ¡models

58

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

EFFECT ¡OF ¡CONSTRAINT ¡BOUNDS

• Increase ¡in ¡individual ¡electrode ¡bound ¡does ¡not ¡necessarily ¡

improve ¡the ¡objec.ve ¡func.on.

• Op.miza.on ¡for ¡each ¡bound ¡pair ¡was ¡solved ¡in ¡1.26 ¡seconds ¡on ¡

average.

59

log10(max ¡intensity ¡in ¡ the ¡brain) ¡[A/m2]

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

TMS ¡Simula.ons ¡in ¡SCIRun

60

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y

TMS ¡Simula.ons

61

Wednesday, November 15, 17

P L E A S E D O N O T C O P Y