KR101548617B1 - Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity - Google Patents
Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity Download PDFInfo
- Publication number
- KR101548617B1 KR101548617B1 KR1020130055533A KR20130055533A KR101548617B1 KR 101548617 B1 KR101548617 B1 KR 101548617B1 KR 1020130055533 A KR1020130055533 A KR 1020130055533A KR 20130055533 A KR20130055533 A KR 20130055533A KR 101548617 B1 KR101548617 B1 KR 101548617B1
- Authority
- KR
- South Korea
- Prior art keywords
- stn
- hfba
- microelectrode
- boundary
- activity
- Prior art date
Links
- 230000000694 effects Effects 0.000 title claims abstract description 76
- 210000004556 brain Anatomy 0.000 title claims description 21
- 230000004807 localization Effects 0.000 title description 19
- 238000004422 calculation algorithm Methods 0.000 title description 4
- 210000004281 subthalamic nucleus Anatomy 0.000 claims abstract description 167
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000001356 surgical procedure Methods 0.000 claims abstract description 43
- 238000000926 separation method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 13
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 4
- 238000002598 diffusion tensor imaging Methods 0.000 claims description 2
- 238000000537 electroencephalography Methods 0.000 claims description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 claims description 2
- 238000002582 magnetoencephalography Methods 0.000 claims description 2
- 238000002600 positron emission tomography Methods 0.000 claims description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 2
- ACGUYXCXAPNIKK-UHFFFAOYSA-N hexachlorophene Chemical compound OC1=C(Cl)C=C(Cl)C(Cl)=C1CC1=C(O)C(Cl)=CC(Cl)=C1Cl ACGUYXCXAPNIKK-UHFFFAOYSA-N 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 abstract description 5
- 238000012795 verification Methods 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 20
- 238000009826 distribution Methods 0.000 description 20
- 230000008859 change Effects 0.000 description 18
- 206010001497 Agitation Diseases 0.000 description 16
- 230000005284 excitation Effects 0.000 description 12
- 238000013459 approach Methods 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 230000001788 irregular Effects 0.000 description 9
- 208000018737 Parkinson disease Diseases 0.000 description 8
- 210000002425 internal capsule Anatomy 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000000638 stimulation Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 101000841231 Homo sapiens Elongation factor 1-alpha 2 Proteins 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 210000003016 hypothalamus Anatomy 0.000 description 6
- 206010044565 Tremor Diseases 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 208000035475 disorder Diseases 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 230000001936 parietal effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000750 progressive effect Effects 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 210000001103 thalamus Anatomy 0.000 description 5
- 238000002560 therapeutic procedure Methods 0.000 description 5
- 210000001015 abdomen Anatomy 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 238000004070 electrodeposition Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 210000003523 substantia nigra Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- PLRACCBDVIHHLZ-UHFFFAOYSA-N 1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine Chemical compound C1N(C)CCC(C=2C=CC=CC=2)=C1 PLRACCBDVIHHLZ-UHFFFAOYSA-N 0.000 description 3
- WTDRDQBEARUVNC-LURJTMIESA-N L-DOPA Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-LURJTMIESA-N 0.000 description 3
- WTDRDQBEARUVNC-UHFFFAOYSA-N L-Dopa Natural products OC(=O)C(N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-UHFFFAOYSA-N 0.000 description 3
- 208000016285 Movement disease Diseases 0.000 description 3
- 208000002740 Muscle Rigidity Diseases 0.000 description 3
- 210000004227 basal ganglia Anatomy 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 201000006517 essential tremor Diseases 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 229960004502 levodopa Drugs 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 238000012421 spiking Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 244000144725 Amygdalus communis Species 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 2
- 206010034010 Parkinsonism Diseases 0.000 description 2
- 235000014443 Pyrus communis Nutrition 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 235000020224 almond Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 210000001905 globus pallidus Anatomy 0.000 description 2
- 102000050521 human EEF1A2 Human genes 0.000 description 2
- 230000002267 hypothalamic effect Effects 0.000 description 2
- 230000001404 mediated effect Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000002672 stereotactic surgery Methods 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- HYKGUEIYMKVUSR-NPULLEENSA-N 2-(diethylamino)-n-(2,6-dimethylphenyl)acetamide;4-[(1r)-1-hydroxy-2-(methylamino)ethyl]benzene-1,2-diol Chemical compound CNC[C@H](O)C1=CC=C(O)C(O)=C1.CCN(CC)CC(=O)NC1=C(C)C=CC=C1C HYKGUEIYMKVUSR-NPULLEENSA-N 0.000 description 1
- 235000011437 Amygdalus communis Nutrition 0.000 description 1
- 241000239290 Araneae Species 0.000 description 1
- 206010006100 Bradykinesia Diseases 0.000 description 1
- 206010008164 Cerebrospinal fluid leakage Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 208000035859 Drug effect increased Diseases 0.000 description 1
- 241001269524 Dura Species 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 208000014094 Dystonic disease Diseases 0.000 description 1
- 108010080379 Fibrin Tissue Adhesive Proteins 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 208000006083 Hypokinesia Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 101710138657 Neurotoxin Proteins 0.000 description 1
- 208000008039 Secondary Parkinson Disease Diseases 0.000 description 1
- 208000020764 Sensation disease Diseases 0.000 description 1
- 208000000323 Tourette Syndrome Diseases 0.000 description 1
- 208000016620 Tourette disease Diseases 0.000 description 1
- ZHAFUINZIZIXFC-UHFFFAOYSA-N [9-(dimethylamino)-10-methylbenzo[a]phenoxazin-5-ylidene]azanium;chloride Chemical compound [Cl-].O1C2=CC(=[NH2+])C3=CC=CC=C3C2=NC2=C1C=C(N(C)C)C(C)=C2 ZHAFUINZIZIXFC-UHFFFAOYSA-N 0.000 description 1
- 230000006907 apoptotic process Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 210000003050 axon Anatomy 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 229960003638 dopamine Drugs 0.000 description 1
- 210000004002 dopaminergic cell Anatomy 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000001951 dura mater Anatomy 0.000 description 1
- 208000010118 dystonia Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- UFFSXJKVKBQEHC-UHFFFAOYSA-N heptafluorobutyric anhydride Chemical compound FC(F)(F)C(F)(F)C(F)(F)C(=O)OC(=O)C(F)(F)C(F)(F)C(F)(F)F UFFSXJKVKBQEHC-UHFFFAOYSA-N 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003447 ipsilateral effect Effects 0.000 description 1
- 238000002690 local anesthesia Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000001259 mesencephalon Anatomy 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 239000002581 neurotoxin Substances 0.000 description 1
- 231100000618 neurotoxin Toxicity 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000008925 spontaneous activity Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000000495 subthalamus Anatomy 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000001256 tonic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA)를 이용한 STN의 실-시간(real-time) 확인 방법 및 이를 이용한 DBS 수술 방법에 관한 것이다. 본 발명의 HFBA는 시상밑핵(subthalamic nucleus, STN)-특이적이다. 또한, 본 발명의 백그라운드 활성의 분리는 주파수 컷오프(frequency cutoff; >1,000 Hz) 및 진폭 역치(amplitude threshold; 40-50 μV)를 이용하여 오류(artifacts) 및 스파이크(spikes)를 제거하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 실시한다. 더욱이, 본 발명에서 1초 이하의 짧은 시간을 이용하여 실-시간으로 HFBA의 측정이 가능하다. 따라서, 본 발명의 방법은 DBS 수술 동안 보다 객관적이고, 신속하며 효과적인 정보를 제공할 뿐 아니라 의학 결과들을 현저하게 개선시킬 수 있다.The present invention relates to a real-time verification method of STN using high frequency background activity (HFBA) and a DBS operation method using the same. The HFBA of the present invention is subthalamic nucleus (STN) -specific. The background activity separation of the present invention also eliminates artifacts and spikes using a frequency cutoff (> 1,000 Hz) and an amplitude threshold (40-50 μV) To calculate the power spectral density. Furthermore, in the present invention, it is possible to measure HFBA in a real-time using a short time of not more than 1 second. Thus, the method of the present invention not only provides more objective, rapid, and effective information during DBS surgery, but also significantly improves medical results.
Description
본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA)을 이용한 STN의 실-시간(real-time) 확인 방법 및 이를 이용한 DBS 수술 방법에 관한 것이다.
The present invention relates to a real-time verification method of STN using high frequency background activity (HFBA) and a DBS operation method using the same.
시상밑핵(subthalamic nucleus, STN)에 대한 고주파 뇌심부자극술(High frequency deep brain stimulation, DBS)은 특발성 파킨슨병의 외과적 치료에서 널리 퍼진 방법으로, 떨림증(tremor), 경직(rigidity), 서동(bradykinesia) 및 보행장애(gait disturbance) 같은 임상적 증상들을 개선하는 것으로 알려져 왔다[1-6]. 또한, 파킨슨병 환자들에 대한 대규모 및 장기간의 추적(follow-up) 연구들에서 주요 신경학적 손상 없이 임상적 개선이 확인되었다[1-6]. 성공적인 DBS 수술에 있어서, STN의 위치 및 경계(demarcation) 결정이 부작용을 최소화하면서 최적의 결과를 얻기 위해 중요하다.High frequency deep brain stimulation (DBS) for subthalamic nucleus (STN) is a widely used method for the surgical treatment of idiopathic Parkinson's disease, including tremor, rigidity, bradykinesia ) And gait disturbance [1-6]. In addition, large-scale and long-term follow-up studies on patients with Parkinson's disease have confirmed clinical improvement without major neurological impairment [1-6]. In successful DBS surgery, location and demarcation decisions of STNs are important to achieve optimal results with minimal side effects.
DBS 수술은 기존의 틀이 있는 정위 수술(frame-based stereotactic surgery)을 통해 항상 실시되었다. 일반적으로, STN에 대한 타겟팅 좌표(targeting coordinates)는 수술 전 MRI(pre-operative magnetic resonance imaging)를 이용하여 얻어진다[11]. 하지만, STN은 오목한 아몬드 형의 매우 작은 구조체(약 9×7×4 mm)[11]로 뇌심부에 위치한다[12]. 상기한 이유로, 종래의 이미징 시스템을 이용한 경계(borders)의 시각화는 항상 성공하기가 용이하지 않은데, 이는 해부학적 변이성, 이미징 정확성의 한계 또는 정위 수술 준비 동안의 뇌 쉬프트(brain shift) 같은 복잡한 문제들이 항상 일어날 수 있기 때문이다. 따라서, 수술 전 MRI, MRI 위에 겹쳐진 SW 아틀라스(Schaltenbrand-Wahren atlas) 및 수술 중 MER(intraoperative microelectrode recording)을 이용하여 STN 경계 또는 타겟을 정밀하게 정함으로써 STN 경계(boundaries)를 확인한다[13]. 예를 들어, MER은 STN 경계 뿐 아니라 자극 전극들의 위치도 확인시켜 주기 때문에 중요하다.DBS surgery has always been performed through frame-based stereotactic surgery. In general, targeting coordinates for STN are obtained using pre-operative magnetic resonance imaging (MRI) [11]. However, the STN is located in the deep brain area with a very small structure (about 9 × 7 × 4 mm) of a concave almond shape [11]. For the above reasons, visualization of borders using conventional imaging systems is not always easy to achieve because of complicated problems such as anatomic variability, limitations in imaging accuracy, or brain shift during stereotactic preparation It can happen all the time. Therefore, STN boundaries are identified by precisely defining STN boundaries or targets using preoperative MRI, SW atlas superimposed on MRI, and intraoperative MER (intraoperative microelectrode recording) [13]. For example, MER is important because it identifies not only STN boundaries but also the location of the stimulating electrodes.
MER을 이용한 경계 검출은 기능적이다. STN에 대해 등(dorsal) 쪽에 위치하는 시상은 낮은 흥분도(firing rate)와 돌발 활성 패턴(burst activity patterns)을 나타낸다[14-16]. STN은 PD 환자들에서 더 높은 흥분도와 불규칙적인 돌발 활성으로 표현되는 과다활성을 보인다[14-18]. 이러한 개인적인 고-돌발 활성들은 증가된 백그라운드 노이즈(background noise)로 나타난다. STN에 대해 복부(ventral) 쪽에 위치하는 뇌 흑색질 그물부(substantia nigra pars reticulata, SNr)는 보다 규칙적이고 빠른 흥분도(firing)를 보인다[14-16]. 이들의 기능적으로 다른 활성 패턴은 STN의 해부학적 경계들에 대한 윤곽을 그리게 한다. 하지만, 상기 타입의 수술 중 맵핑(intraoperative mapping)은 복잡하고 흥분도 패턴 및 백그라운드 신경 활성에 대한 시각적 및 청각적 해석을 포함하는 구체적인 범주로 정제되기 까지 시간을 요구한다. 따라서, STN의 위치화, 특히 수술 중 위치화는 지속적으로 많은 연구가 행해지고 있는 주제이다[19].The boundary detection using MER is functional. Sagittal positions on the dorsal side of STN indicate low firing rates and burst activity patterns [14-16]. STN shows hyperactivity, which is expressed by higher excitability and irregular spontaneous activity in PD patients [14-18]. These individual high-spike activities appear as increased background noise. The substantia nigra pars reticulata (SNr) located on the ventral side of the STN shows more regular and rapid firing [14-16]. Their functionally different activity patterns outline the anatomical boundaries of the STN. However, intraoperative mapping of this type requires time to be refined into specific categories, including complex and exciting pattern and visual and auditory interpretation of background neural activity. Therefore, localization of STN, especially intra-operative localization, is a subject that has been continuously studied [19].
STN 경계들을 명확하게 구별하기 위해, MER을 이용한 여러 접근방법들이 시도 되었다. MER은 단일 세포 활성들로 구성된 세포 외 신경 활성들, 국소 전위(local field potentials; LFP, theta: 3-8 Hz, alpha: 9-12 Hz, beta: 13-30 Hz, gamma: 31-100 Hz), 다단위 활성도(multiunit activity, MUA) 및 백그라운드 노이즈를 모니터링한다. 상기 개념을 이용한 위치화 방법들은 선택된 구성요소 조합(component combination)에 따라 4개의 다른 접근 방법으로 분류될 수 있다. 첫 번째 접근 방법은 통상적으로 임상 연구(clinical units)에서 이용되었던 스파이크 패턴(spike patterns)을 이용한다. STN은 37-42 Hz의 평균 흥분도를 가지고 불규칙적 또는 촉발성(burst) 패턴을 나타낸다. 이와 대조적으로, SNr은 71 Hz의 평균 흥분도를 가지고 STN보다 더 규칙적인 긴장 활성(tonic activity)을 나타낸다[14, 15]. 다중-세포 스파이크 밀도(multi-cell spike density; 세포 분리 없이 스파이크의 발생)는 STN과 SNr 사이에서 뚜렷한 차이를 보인다[20]. 두 번째 접근방법은 LFP를 이용한다. 양극성 대전극(macroelectrode)에서 LFP의 베타 진동(beta oscillation; 13-35 Hz)은 PD 환자에서 DBS 자극을 위해 이용될 수 있으며 수술 중 임상 충격 효과의 레벨과 매우 훌륭하게 합치할 뿐 아니라, STN의 기능성 생리학적 위치화에 유용하다[21]. 세 번째 접근방법은 고주파 신경 활성을 포함하는 백그라운드 노이즈 활성을 이용하였다. 미세전극이 STN에 접했을 경우, 백그라운드 활성의 증가는 이전부터 보고되었다[14, 15]. 최근에, PSD(power spectral density) 측정을 이용하여 디스파이크된(despiked) MER로부터 백그라운드 활성을 정량한 Novak 등(2007, 2011)과 Snellings 등(2009)은 웨이블렛(wavelet) 변환을 이용하였다. 백그라운드 활성은 STN 경계에서 명확하게 증가하였다. 상술한 과정들은 간접적이지만 미세전극 팁에 위치하는 작은 수의 활성 뉴런보다는 오히려 근처의 세포 집단 활성(cell population activity)을 이용하기 때문에 강력하다. 마지막 접근방법은 전체 MER 시그널을 이용하는 것으로 다음의 것들을 포함한다: MER의 제곱평균제곱근(root mean square) 및 베이시안 예측(Bayesian predictor)[22]; MER, PSD 및 자기상관함수의 표준편차[23]; 스파이크들을 포함하는 전체 시그널로부터 13개의 특징을 통한 활성 맵핑(activity map)[24]; 포괄신호(signal envelop) 및 이의 레일리 분포(Rayleigh distribution)[25]; 및 포괄신호, 흥분도 및 PSD[19].In order to clearly distinguish STN boundaries, several approaches using MER have been attempted. MER is an extracellular neuronal activity consisting of single cell activities, local field potentials (LFP, theta: 3-8 Hz, alpha: 9-12 Hz, beta: 13-30 Hz, gamma: 31-100 Hz ), Multiunit activity (MUA), and background noise. The locating methods using the above concept can be classified into four different approaches according to the selected component combination. The first approach typically uses spike patterns that were used in clinical units. STN exhibits an irregular or burst pattern with an average excitation of 37-42 Hz. In contrast, SNr has more regular tonic activity than STN with an average excitation of 71 Hz [14, 15]. Multi-cell spike density (spike generation without cell separation) shows a marked difference between STN and SNr [20]. The second approach uses LFP. Beta oscillation (13-35 Hz) of LFP in the bipolar macroelectrode can be used for DBS stimulation in PD patients and is not only very well compatible with the level of clinical impact during surgery, Which is useful for physiological localization [21]. The third approach utilizes background noise activity including high frequency nerve activity. An increase in background activity has been reported previously when microelectrodes contact the STN [14, 15]. Recently, Novak et al. (2007, 2011) and Snellings et al. (2009) used wavelet transforms to quantify background activity from despiked MER using power spectral density (PSD) measurements. Background activity was clearly increased at the STN boundary. The processes described above are potent because they indirectly utilize nearby cell population activity rather than a small number of active neurons located at the tip of the microelectrode. A final approach is to use the entire MER signal, including: root mean square of the MER and Bayesian predictor [22]; Standard deviations of MER, PSD and autocorrelation functions [23]; An activity map through thirteen features from the overall signal including spikes [24]; A signal envelope and its Rayleigh distribution [25]; And inclusive signals, excitability and PSD [19].
상술한 연구들은 STN 위치화에 대한 진보적 기술들이지만, 불행하게도 각 방법과 연계된 효율의 우수성과 관련된 근거 또는 개선된 결과를 보여주는 직접적인 증거를 제공하는 데 실패하였다. 더욱이, 상술한 방법들이 다른 DBS 타겟들에도 적용될 수 있는 지 여부는 여전히 의심스러운 상태이다. 따라서, STN 경계를 보다 정확하고 효율적으로 검출할 수 있는 방법이 당업계에서 시급히 요구되고 있는 실정이다.
The above-mentioned studies are progressive techniques for STN localization, but unfortunately failed to provide direct evidence of evidence or evidence of improved efficacy associated with each method. Furthermore, it is still questionable whether the methods described above can be applied to other DBS targets. Therefore, a method that can more accurately and efficiently detect the STN boundary is urgently required in the art.
본 명세서 전체에 걸쳐 다수의 논문 및 특허문헌이 참조되고 그 인용이 표시되어 있다. 인용된 논문 및 특허문헌의 개시 내용은 그 전체로서 본 명세서에 참조로 삽입되어 본 발명이 속하는 기술 분야의 수준 및 본 발명의 내용이 보다 명확하게 설명된다.
Numerous papers and patent documents are referenced and cited throughout this specification. The disclosures of the cited papers and patent documents are incorporated herein by reference in their entirety to better understand the state of the art to which the present invention pertains and the content of the present invention.
본 발명자들은 DBS 수술에서 중요한 타겟 위치인 시상밑핵(subthalamic nucleus)의 위치를 효과적으로 구별하기 위한 방법을 개발하고자 예의 연구 노력하였다. 그 결과, 본 발명자들은 양측성(bilateral) DBS 수술을 받은 파킨슨병 환자(39명)에서 고주파 백그라운드 활성(high frequency background activity, HFBA; 예컨대, >1,000 Hz)과 진폭 역치(amplitude threshold; 예컨대, 40-50 μV)를 이용하여 노이즈를 효과적으로 제거(예컨대, 오류 및 스파이크 제거)하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 뇌심부에 존재하는 시상밑핵의 위치화를 간결하고 정확하게 획득할 수 있음을 발견함으로써, 본 발명을 완성하게 되었다.The present inventors have tried to develop a method for effectively distinguishing the location of the subthalamic nucleus, which is an important target site in DBS surgery. As a result, we found that high frequency background activity (HFBA; for example,> 1,000 Hz) and amplitude threshold (for example, 40 Hz) in Parkinson's disease patients who underwent bilateral DBS surgery -50 μV) can be used to effectively remove noise (eg, eliminate errors and spikes) and connect gaps without filling to calculate power spectral density to obtain a precise localization of the thalamus nucleus present in the deep brain The present invention has been completed.
따라서, 본 발명의 목적은 수술 중 타겟 위치의 실-시간(real-time) 확인 방법을 제공하는 데 있다.It is therefore an object of the present invention to provide a method for real-time identification of a target position during an operation.
본 발명의 다른 목적은 DBS 수술 방법을 제공하는 데 있다.Another object of the present invention is to provide a DBS surgical method.
본 발명의 다른 목적 및 이점은 하기의 발명의 상세한 설명, 청구범위 및 도면에 의해 보다 명확하게 된다.
Other objects and advantages of the present invention will become more apparent from the following detailed description of the invention, claims and drawings.
본 발명의 일 양태에 따르면, 본 발명은 (a) 미세전극 기록 시스템에 의해 시그널 인식이 가능하고 대상 환자의 타겟 위치까지 삽입 가능한 수술용 미세전극; 및 (b) 상기 타겟 위치에서 측정된 전기적 활성을 모니터링하는 미세전극 기록시스템;을 이용하는 수술 중 타겟 위치의 실-시간(real-time) 분석 시스템의 작동방법으로서, (ⅰ) 수술 중 대상 환자의 타겟 위치로 미세전극을 이동시키는 단계; (ⅱ) 상기 단계 (ⅰ)의 미세전극으로부터 얻어진 전기적 활성을 분석하며, 수술 중 고주파 처리를 통해 고주파 백그라운드 활성 (high frequency background activity, HFBA)을 분리하여 타겟 위치를 분석하거나, 고주파 백그라운드 활성 프로세싱을 이용하여 조직 내 타겟의 경계(target boundary)를 분석하는 단계; 및 (ⅲ) 상기 단계 (ⅱ)에서 얻어진 타겟 위치와 수술 전 이미징 시스템을 이용하여 조직에서 얻어진 타겟 위치를 비교 분석하는 단계;를 포함하는 미세전극 측정을 이용한 수술 중 타겟 위치의 실-시간(real-time) 분석 시스템의 작동방법을 제공한다.
According to an aspect of the present invention, there is provided a surgical microelectrode comprising: (a) a surgical microelectrode capable of signal recognition by a microelectrode recording system and insertable to a target position of a target patient; And (b) a microelectrode recording system that monitors electrical activity measured at the target location, the method comprising: (i) determining a target position of the patient during surgery; Moving the microelectrode to a target location; (Ii) analyzing the electrical activity obtained from the microelectrode of step (i), analyzing the target position by separating the high frequency background activity (HFBA) through the intra-operative high frequency treatment, or performing the high frequency background activity processing Analyzing a target boundary of the target in the organization; And (iii) comparing and analyzing the target position obtained in the step (ii) with the target position obtained in the tissue using the pre-operative imaging system. -time) analysis system.
삭제delete
삭제delete
삭제delete
삭제delete
본 발명자들은 DBS 수술에서 중요한 타겟 위치인 시상밑핵의 위치를 효과적으로 구별하기 위한 방법을 개발하고자 예의 연구 노력하였다. 그 결과, 본 발명자들은 양측성 DBS 수술을 받은 파킨슨병 환자(39명)에서 고주파 백그라운드 활성과 진폭 역치를 이용하여 노이즈를 효과적으로 제거(예컨대, 오류 및 스파이크 제거)하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 뇌심부에 존재하는 시상밑핵의 위치화를 간결하고 정확하게 획득할 수 있음을 발견하였다.The present inventors have tried to develop a method for effectively distinguishing the position of the hypothalamus, which is an important target position in DBS surgery. As a result, the present inventors found that, in 39 patients with Parkinson's disease (39 patients) who underwent bilateral DBS surgery, high frequency background activity and amplitude threshold were used to effectively remove noise (e.g., error and spike elimination) We found that the localization of the hypothalamic nucleus present in the deep brain region can be obtained simply and accurately by calculating the density.
파킨슨병(Parkinson's disease)은 중추신경계의 진행형 퇴행성 질환으로, 중뇌(midbrain)의 한 부위인 흑질(substantia nigra)에 존재하는 도파민-발생 세포(예컨대, 도파민 뉴런)의 세포사멸로부터 야기된다. 상기 질환의 증상으로, 초기에는 운동과 관련된 증상(예컨대, 느린 운동, 정지시 떨림, 근육 강직, 질질 끌며 걷기, 굽은 자세 등)을 명확하게 나타내며, 진행됨에 따라 인식(cognitive) 및 행동 장애를 일으키고, 가장 진전된 단계에서는 공통적으로 치매(dementia) 증상을 나타낸다. 다른 증상으로는, 감각 장애, 수면 장애 및 감정 장애를 포함한다. 파킨슨병은 50세 이후에 발생되는 가장 보편적인 질환으로, 나이가 들어감에 따라 발병하는 가장 일반적인 질환이다.Parkinson's disease is a progressive, degenerative disease of the central nervous system resulting from apoptosis of dopaminergic cells (e.g., dopamine neurons) present in the substantia nigra, a part of the midbrain. Symptoms of the disease include, but are not limited to, early manifestations of exercise-related symptoms (e.g., slow motion, tremor at rest, muscle rigidity, gait walking, flexion posture, etc.), progressive cognitive and behavioral disorders , And dementia symptoms commonly present at the most advanced stages. Other symptoms include sensory disorders, sleep disorders, and affective disorders. Parkinson's disease is the most common disease occurring after
DBS 치료법(therapy)은 뇌심부(deep brain)의 목표 타겟(예를 들어, STN)에 전극을 고정한 다음, 일정 기간 동안 지속적으로 전기 자극을 줌으로써 환자의 이상 상태를 개선하는 치료법이다. 1998년 미국 FDA가 처음 승인한 이래로, DBS 치료법은 운동 장애(movement disorders)를 포함하는 다양한 뇌-제어 장애(brain-controlled disorders)의 치료에 광범위하게 적용되고 있다. DBS 치료법은 떨림(tremor), 경직(rigidity), 그리고 파킨스병 및 본태성 떨림(essential tremor)을 가진 환자의 약물 유발 부작용(drug induced side effects)의 치료에도 적용되어 왔다. 일반적으로, DBS 치료법은 DBS 전극 리드(DBS electrode lead)를 환자의 머리(skull)에 뚫려진 버홀(burr hole)을 통해 위치 결정하고, 전극 리드를 통해 적절한 자극 신호들을 생리학적 타겟(physiological targets)에 적용하는 것을 포함한다. 상기 치료법에 있어서 신경외과학적 정위 방법(stereotactic neurosurgical methodology)을 포함하는 위치결정이 매우 중요하며, 특히, 뇌심부 타켓(deep brain target)에서 전극 리드를 통한 지속적이고 효과적인 자극을 주는 것은 매우 중요하다.DBS therapy is a therapy that fixes an electrode to a target target (e.g., STN) of the deep brain and then improves the patient's condition by constantly applying electrical stimulation over a period of time. Since the first FDA approval of the US in 1998, DBS therapy has been extensively applied to the treatment of a variety of brain-controlled disorders, including movement disorders. DBS therapy has also been applied to the treatment of drug induced side effects in patients with tremor, rigidity, and Parkinson's and essential tremor. In general, DBS therapy involves positioning a DBS electrode lead through a burr hole in the skull of a patient, and applying appropriate stimulus signals to the physiological targets through an electrode lead, As shown in FIG. In such a treatment, positioning including stereotactic neurosurgical methodology is very important, and it is very important to provide continuous and effective stimulation through an electrode lead in a deep brain target.
시상밑핵(subthalamic nucleus, STN)은 뇌에 존재하는 기저핵(basal ganglia) 시스템의 일부로, 작은 렌즈-형태의 핵이다. 해부학적으로, 시상밑핵은 시상밑부(subthalamus)의 주요 부분으로, 시상의 배 쪽에 위치한다. 또한, 시상밑핵은 흑질부의 등 쪽 및 내섬유막(internal capsule)의 중앙 쪽에 위치한다.The subthalamic nucleus (STN) is part of the basal ganglia system present in the brain and is a small lens-shaped nucleus. Anatomically, the parietal nucleus is a major part of the subthalamus, located on the side of the hypothalamus. The sagittal basal ganglia are located on the dorsal side of the substantia nigra and in the middle of the internal capsule.
이에, 본 발명자들은 운동 질환(구체적으로는, 파킨슨병) 치료에 적용되는 DBS 수술에 중요한 타겟 위치(예컨대, 시상밑핵)를 보다 간편하고 정밀하게 위치화시킬 수 있는 방법을 개발하였다.Accordingly, the present inventors have developed a method that can more easily and precisely position a target site (e.g., a hypothalamus) important for DBS surgery applied to the treatment of exercise disorders (specifically, Parkinson's disease).
예를 들어, 본 발명의 방법은 DBS 수술 중 시상밑핵의 실-시간(real-time) 확인 방법을 제공한다.For example, the method of the present invention provides a method for real-time identification of the hypothalamus during DBS surgery.
먼저, 수술 전에 조직에서 시상밑핵의 위치를 결정한다. 수술 전에 조직에서의 시상밑핵의 위치에 대한 해부학적 정보는 당업계에서 이용되는 종래 방법들에 의해 결정될 수 있으며, 예를 들면 MRI(magnetic resonance imaging) 또는 상기 MRI 정보 위에 겹쳐진 SW 아틀라스(Schaltenbrand-Wahren atlas), fMRI, MRI/DTI(diffusion tensor imaging), CT(computed tomography), SPECT(single-photon emission computed tomography), PET(positron emission tomography), MEG(magnetoencephalography), EEG(electroencephalography), EIT(extreme ultraviolet imaging telescope) 및 이들의 조합을 포함하지만, 이에 한정되는 것은 아니다.First, the location of the hypothalamus in the tissue is determined before surgery. Anatomical information about the location of the sagittal nucleus in the tissue prior to surgery may be determined by conventional methods used in the art, such as Magnetic Resonance Imaging (MRI) or Schaltenbrand-Wahren atlas, fMRI, diffusion tensor imaging (MRI), computed tomography (CT), single-photon emission computed tomography (SPECT), positron emission tomography (PET), magnetoencephalography (MEG), electroencephalography (EEG) ultraviolet imaging telescope), and combinations thereof.
본 발명의 어떤 구현예에 따르면, 본 발명의 수술 전에 분석된 시상밑핵의 위치(통상적으로, 시상밑핵의 중앙 부위)는 "0 mm"로 결정된다.According to some embodiments of the present invention, the location of the sagittal undercoole (typically the medial part of the sagittal undercoat) analyzed prior to surgery of the present invention is determined to be "0 mm ".
이후, 수술 중 고주파(high frequency) 처리를 통해 백그라운드 활성(background activity)을 분리하여 수술 전에 분석된 시상밑핵의 위치를 실-시간으로 분석한다. Then, the background activity is separated through high frequency treatment during surgery, and the position of the sagittal nucleus analyzed before surgery is analyzed in real time.
본 발명의 어떤 구현예에 따르면, 본 발명의 HFBA를 이용한 시상밑핵 위치의 결정은 수술 중 MER(intraoperative microelectrode recording)을 이용하여 실시한다.According to some embodiments of the present invention, the determination of the hypothalamic nucleus position using the HFBA of the present invention is performed using intraoperative microelectrode recording (MER).
본 발명의 어떤 구현예에 따르면, 본 발명의 방법은 미세전극이 시상밑핵의 위치에 접하는 시간을 "0초"로 할당한다.According to some embodiments of the present invention, the method of the present invention assigns the time at which the microelectrode contacts the location of the sagittal undercoat to "0 second ".
본 발명에 따르면, 미세전극이 STN을 접하는 경우에 3가지의 전형적인 기준 활성 패턴들을 나타냈다. MER의 상기 기준 활성 패턴들은 다양한 흥분도 패턴을 가지는 스파이크들로 나타낼 수 있으며, 주파수 및 진폭 역치 컷오프를 이용하여 상기 스파이크들로부터 백그라운드 활성을 추출하였다(참고: 도 1 내지 도 3). 이후, IOD(intraoperative decision: 수술 중 시술자에 의한 STN 위치 확인)에 의해 결정된 시상밑핵의 경계들(등 쪽 및 배 쪽)과 HFBA를 이용하여 분석된 시상밑핵의 경계들을 비교한 결과, 양자 간의 차이가 ± 1.0 mm 범위로 둘 간의 시상밑핵의 경계에 대한 위치화가 매우 정확하게 매치(match)하였다(참고: 도 4 및 추가논의사항).According to the present invention, three typical reference active patterns were shown when the microelectrode contacts the STN. The reference activity patterns of the MER can be represented as spikes with various excitation patterns and background activity is extracted from the spikes using frequency and amplitude threshold cutoffs (see Figures 1 to 3). We then compared the boundaries of the sagittal bases analyzed by HFBA with the borders of the sagittal basal ganglia (dorsal and ventral) determined by IOD (intraoperative decision: STN positioning by the operator during surgery) With a range of ± 1.0 mm, very precisely matched the localization of the border of the sagittal nucleus between the two (see Figure 4 and further discussion).
본 발명의 어떤 구현예에 따르면, 본 발명의 백그라운드 활성의 분리를 위한 오류(artifacts) 및 스파이크(spikes)의 제거는 주파수 컷오프(frequency cutoff) 및 진폭 역치(amplitude threshold)를 통해 실시한다.According to some embodiments of the present invention, removal of artifacts and spikes for separation of the background activity of the present invention is performed through a frequency cutoff and an amplitude threshold.
본 발명의 어떤 구현예에 따르면, 본 발명에서 이용되는 주파수 컷오프는 >1,000 Hz이며, 보다 구체적으로는 1,000-100,000 Hz이고, 보다 더 구체적으로는 1,000-50,000 Hz이며, 보다 더욱 더 구체적으로는 1,000-10,000 Hz이고, 가장 구체적으로는 1,000-5,000 Hz이다.According to some embodiments of the present invention, the frequency cutoff used in the present invention is > 1,000 Hz, more specifically 1,000-100,000 Hz, even more specifically 1,000-50,000 Hz, even more specifically 1,000 -10,000 Hz, and most specifically 1,000-5,000 Hz.
본 명세서에서 사용되는 용어 "주파수(frequency)"는 초당 교류의 방향이 바뀌는 완전한 사이클 수를 의미하며, 흥분도를 표시하는 데 이용될 수 있다. 예를 들어, 흥분도를 나타내는 스파이크의 수가 초당 200개가 검출되는 경우 200 Hz의 흥분도를 나타낸다.The term "frequency ", as used herein, refers to the total number of cycles in which the direction of alternating current per second changes, and can be used to indicate excitability. For example, if the number of spikes representing excitability is detected to be 200 per second, the excitability is 200 Hz.
본 발명의 어떤 구현예에 따르면, 본 발명의 고주파 처리 시간은 0.03-10초 범위이고, 보다 구체적으로는 0.04-5초 범위이며, 보다 더 구체적으로는 0.045-3초 범위이고, 가장 구체적으로는 0.05-1초 범위이다.According to some embodiments of the present invention, the high frequency processing time of the present invention is in the range of 0.03-10 seconds, more specifically in the range of 0.04-5 seconds, more specifically in the range of 0.045-3 seconds, 0.05-1 second.
본 발명의 어떤 구현예에 따르면, 본 발명에서 이용되는 진폭 역치는 >40 μV이며, 보다 구체적으로는 40-50 μV의 범위를 포함한다.According to some embodiments of the present invention, the amplitude threshold used in the present invention is > 40 [mu] V, and more specifically it is in the range of 40-50 [mu] V.
또한, 상기 진폭 역치의 범위는 시상밑핵에 대한 일 구현예일 뿐이며, 다른 타겟 위치에서는 다른 MER의 스파이크 진폭 결과를 나타내기 때문에 상기 진폭 역치의 범위는 타겟 위치에 따라 선택적으로 결정될 수 있다는 것이 당업자에게 자명하다.It is also apparent to those skilled in the art that the range of the amplitude threshold may be selectively determined according to the target position because the range of the amplitude threshold is only an example of the sagittal nucleus and the spike amplitude result of another MER is shown at another target position Do.
본 발명의 어떤 구현예에 따르면, 본 발명의 백그라운드 활성 분석 단계는 자동화된 미세전극(automated microelectrode)을 이용하여 실-시간 프로세싱하는 단계를 추가적으로 포함한다.According to some embodiments of the present invention, the background activity analysis step of the present invention further comprises real-time processing using an automated microelectrode.
마지막으로, 수술 전 및 수술 중 얻어진 IOD에 의한 시상밑핵의 위치화 결과와 HFBA에 의한 시상밑핵의 위치화 결과를 비교하여 HFBA에 의한 위치 결정의 유효성을 확인한다.Finally, the validity of HFBA positioning is verified by comparing the results of IAD-mediated localization of the sagittal nucleus and HFBA-mediated positioning of the sagittal nucleus before and during surgery.
한편, 본 발명은 고주파 백그라운드 활성 프로세싱을 이용하여 조직 내 타겟의 경계를 구분하는 단계를 포함하는 DBS(deep brain stimulation) 수술 방법을 제공한다.Meanwhile, the present invention provides a DBS (deep brain stimulation) operation method including a step of distinguishing the boundaries of targets in an organization using high frequency background activity processing.
본 발명의 어떤 구현예에 따르면, 상기 조직 내 타겟은 시상밑핵(subthalamic nucleus, STN)이다.According to some embodiments of the present invention, the target in the tissue is a subthalamic nucleus (STN).
본 발명의 어떤 구현예에 따르면, HFBA 프로세싱에서 HFBA 기울기(slope)는 세포 집단 밀도가 낮은 곳에서 높은 곳으로 들어갈 때에는 양성(positive) 기울기를 나타내고 세포 집단 밀도가 높은 곳에서 낮은 곳으로 들어갈 때에는 음성(negative) 기울기로 나타난다.According to some embodiments of the present invention, the HFBA slope in the HFBA processing exhibits a positive slope when entering the cell population from a low to a high density, and a negative slope when entering the cell population density from low to high (negative slope).
본 발명에서, HFBA 기울기(거리 당 파워 변화; μV2/mm)의 변화는 STN 경계 위치의 차이를 반영하는 데, 이는 STN을 통과하는 동안 미세전극에 의해 기록된 HFBA 파워 변화율의 분포가 STN의 구조적 차이를 의미하는 것이다.In the present invention, the change in HFBA slope (power change per distance; μV 2 / mm) reflects the difference in STN boundary position because the distribution of the HFBA power change rate recorded by the microelectrode during STN passes through STN It means a structural difference.
본 발명의 어떤 구현예에 따르면, 본 발명의 DBS 수술 방법은 운동 질환(movement disorders)의 치료에 효과적으로 적용될 수 있다(참고; 도 9).According to some embodiments of the present invention, the DBS surgical method of the present invention can be effectively applied to the treatment of movement disorders (see FIG. 9).
본 발명의 어떤 구현예에 따르면, 본 발명의 DBS 수술 방법이 적용될 수 있는 운동 질환은 파킨슨병(Parkinson's disease), 이차성 파킨슨 증후군(secondary parkinsonism), 진행성 파킨슨 증후군(progressive Parkinson syndrome), 본태성 떨림(essential tremor, ET), 간질(epilepsy), 뚜렛 증후군(Tourette's syndrome), 다발성 경화증(multiple sclerosis), 편무도병(hemiballism) 및 긴장 이상(dystonia)을 포함하지만, 이에 한정되는 것은 아니다.According to some embodiments of the present invention, the exercise disorders to which the DBS surgery method of the present invention may be applied include Parkinson's disease, secondary parkinsonism, progressive Parkinson's syndrome, but are not limited to, essential tremor, ET, epilepsy, Tourette's syndrome, multiple sclerosis, hemiballism and dystonia.
본 명세서에서 사용되는 용어 "운동 질환(movement disorders)"은 인간의 운동(이동)을 방해하는 질병, 질환 또는 상태(손상)로, 전형적으로는 소뇌로 불리는 뇌의 부분에서 문제가 야기되어 파킨슨병, 본태성 떨림 또는 떨림 같은 상태를 의미한다. 예를 들어, 뇌의 신경 섬유가 손상된 몇몇 다발성 경화증 환자들은 심각한 떨림 증상을 나타낸다.
The term "movement disorders ", as used herein, refers to a disease, disorder or condition (damage) that interferes with human movement (movement), typically caused by a problem in the part of the brain called the cerebellum, , Essential tremor or tremor. For example, some MS patients with damaged nerve fibers in the brain exhibit severe tremors.
본 발명의 특징 및 이점을 요약하면 다음과 같다:The features and advantages of the present invention are summarized as follows:
(a) 본 발명은 고주파 백그라운드 활성(high frequency background activity, HFBA)를 이용한 STN의 실-시간(real-time) 확인 방법 및 이를 이용한 DBS 수술 방법에 관한 것이다.(a) The present invention relates to a real-time confirmation method of STN using high frequency background activity (HFBA) and a DBS operation method using the same.
(b) 본 발명의 HFBA는 시상밑핵(subthalamic nucleus, STN)-특이적이다.(b) The HFBA of the present invention is subthalamic nucleus (STN) -specific.
(c) 또한, 본 발명의 백그라운드 활성의 분리는 주파수 컷오프(frequency cutoff; >1,000 Hz) 및 진폭 역치(amplitude threshold; 40-50 μV)를 이용하여 오류(artifacts) 및 스파이크(spikes)를 제거하고 필링 없이 갭들을 연결하여 파워 스펙트럼 밀도를 계산함으로써 실시한다.(c) The background activity separation of the present invention also eliminates artifacts and spikes using a frequency cutoff (> 1,000 Hz) and an amplitude threshold (40-50 μV) And connecting the gaps without filling to calculate the power spectral density.
(d) 더욱이, 본 발명은 1초의 짧은 시간을 이용하여 실-시간으로 HFBA의 측정이 가능하다.(d) Furthermore, the present invention makes it possible to measure HFBA in a real-time manner using a short time of 1 second.
(e) 따라서, 본 발명의 방법은 DBS 수술 동안 보다 객관적이고, 신속하며 효과적인 정보를 제공할 뿐 아니라 의학 결과들을 현저하게 개선시킬 수 있다.
(e) Thus, the method of the present invention not only provides more objective, rapid, and effective information during DBS surgery, but also significantly improves medical results.
도 1은 타겟 포인트(0초) 주위의 MER 시그널들을 보여주는 결과이다. 3가지 타입의 MER 시그널들이 제시되었다: 도 1A, 기준 활성 변화가 불명확한 타입; 도 1B, 타겟 포인트보다 15초 앞에서 점진적인 증가를 보이는 타입; 및 도 1C, 기준 활성이 타겟 포인트에서 급격하게 증가하는 타입. 상술한 MER 시그널들은 노이즈 오류 및 스파이크들을 포함한다.
도 2는 MER에서의 스파이킹 패턴들과 노이즈 레벨을 보여주는 결과이다. 여러 가지 스파이크 패턴들이 보여진다: 도 2A, 매우 낮고 불규칙적인 스파이킹 패턴; 도 2B, 빠르고 불규칙적인 스파이킹 패턴. 더 높은 흥분도를 가지는 첫 번째 파트 및 이후 감소된 흥분도; 도 2C, 장기간의 사이 간격(inter-burst-interval)을 가지는 촉발 패턴; 및 도 2D, 작은 피크들을 가지는 다단위 활성도. 상세한 피크들과 스파이크들은 오른쪽 패널에서 보여진다. 축척 막대: 왼쪽 패널에서 수직, 50 μV 및 수평, 200 msec; 및 오른쪽 패널에서 수직, 50 μV 및 수평, 5 msec.
도 3은 도 1에서 보여지는 3명의 다른 환자들로부터 얻어진 HFBA 파워비 트레이스를 보여주는 결과이다. 도 3A: 등 쪽 경계(첫 번째 역삼각형으로 표시)에서 HFBA의 급격한 증가 및 배 쪽 경계(두 번째 역삼각형으로 표시)에서 HFBA의 급격한 감소. 도 3B: 등 쪽 경계에서 급격한 증가를 보이지만 최대값은 도 1A보다 더 작다. 배 쪽 경계는 레코딩이 더 깊은 영역을 포함하지 않아서 HFBA 트레이스에서 명확하지 않다. 도 3C: 등 쪽 경계에서 HFBA의 점진적인 증가 및 배 쪽 경계에서 점진적인 감소. -1.8 mm 근처의 골(trough)은 스파이크 제거 후 PSD를 계산하기에 너무 짧은 단편을 의미하고 PSD 파워는 "0"으로 할당되었다. 수술 중에 결정된 미세전극 위치들(IOP)은 빨간색 원으로 표시되었다. HFBA는 1초 동안 계산되었으며, 총 시그널을 첫 번째 절편의 파워로 나누어서 표준화함으로써 파워비 트레이스들을 산출하였다.
도 4는 IOD(검은색 역삼각형) 및 HFBA(빨간색 삼각형)에 의해 결정된 STN 경계를 비교한 결과이다. 좌측 패널(A, C 및 E)은 등 쪽 STN 경계 주위의 HFBA 패턴의 변화를 나타내고 우측 패널(B, D 및 F)은 배 쪽 STN 경계 주위의 HFBA 패턴의 변화를 상세히 보여준다. 도 4G 및 도 4H는 각각 등 쪽 및 배 쪽 경계들에 대한 STN 경계(n = 83)의 차이 분포(= HFBA-IOD)를 나타낸다. 양성(음성) 차이는 IOD의 경계 위치가 HFBA의 위치보다 더 등 쪽(배 쪽)이라는 것을 의미한다.
도 5는 DBS 수술 전 및 수술 후의 의학 결과들의 비교를 보여주는 도면이다. 5개의 의학 결과들이 제시된다: 도 5A, UPDRS-I(n = 39); 도 5B, UPDRS-II(n = 38); 도 5C, UPDRS-III(n = 39); 도 5D, UPDRS-IV(n = 34); 및 도 5E, 동일 투여량의 레보도파(LED; n = 39). 상술한 결과들이 DBS 수술 전(pre) 및 수술 후(post)로 플롯팅되었다. UPDRS-II, -III, -IV 및 LED 스코어들은 수술 후에 현저하게 감소하였다. 평균값 및 표준오차들이 플롯팅되었다. 각 심볼(symbol)은 환자 개개인을 지시한다. Student's t-test를 적용하였다. *p<0.05, **p<0.01 및 ***p<0.001.
도 6은 각 의학 결과에서 제I그룹과 제II그룹 간의 STN 경계 차이를 비교한 도면이다. 경계 차이(도 6A, 좌측-등; 도 6B, 좌측-배; 도 6C, 우측-등; 및 도 6D, 우측-배)는 STN 경계 차이들(= HFBA-IOD)에 의해 계산되었다. 환자들은 제I그룹(증가된 스코어) 또는 제II그룹(감소된 스코어)으로 분류하였다. 각 그룹에서 환자들의 수는 UPDRS-I에서 12/27(제I그룹/제II그룹), UPDRS-II에서 7/31(제I그룹/제II그룹), UPDRS-III에서 6/33(제I그룹/제II그룹), UPDRS-IV에서 8/26(제I그룹/제II그룹), 그리고 LED에서 4/35(제I그룹/제II그룹)이었다. 박스 플롯에서 원은 아웃라이어들을 지시한다. 순위합 검정은 제I그룹과 제II그룹 간에 적용되었다. *p<0.05 및 **p<0.01.
도 7은 의학 결과들에서 HFBA 및 IOD에 의해 결정된 제I그룹과 제II그룹 간의 STN 크기들을 비교한 결과이다. 환자들은 제I그룹(증가된 스코어) 또는 제II그룹(감소된 스코어)으로 분류하였다: 도 7A, HFBA에 의해 결정된 좌측 STN 크기; 도 7B, HFBA에 의해 결정된 우측 STN 크기; 도 7C, IOD에 의해 결정된 좌측 STN 크기; 및 도 7D, IOD에 의해 결정된 우측 STN 크기. 의학 결과들은 하단 부위에 표시되어 있다. 각 그룹에서의 환자들의 수는 도 6과 동일하였다. 순위합 검정이 적용되었다. *p<0.05.
도 8은 각 의학 결과에서 제I그룹과 제II그룹 간의 STN 경계 차이를 비교한 도면이다. 환자들은 제I그룹(증가된 스코어) 또는 제II그룹(감소된 스코어)으로 분류하였다: 도 8A, 제I그룹의 좌측 STN 크기; 도 8B, 제II그룹의 좌측 STN 크기; 도 8C, 제I그룹의 우측 STN 크기; 및 도 8D, 제II그룹의 우측 STN 크기. 의학 결과들은 하단 부위에 표시되어 있다. 각 그룹에서의 환자들의 수는 도 7과 동일하였다. 순위합 검정이 적용되었다. 통계학적으로 유의한 어떠한 차이도 발견되지 않았다. 약어: HF, HFBA; 및 IO, IOD.
도 9는 STN 경계 주위에서의 HFBA 파워 변화들의 기울기 분포(A, B) 및 동일한 STN에서 2개의 서로 다른 MER 실시예(C, D)를 보여주는 도면이다. 도 9A: 등 쪽 경계에서의 HFBA 기울기의 분포(n = 83). 도 9B: 배 쪽 경계에서의 HFBA 기울기의 분포(n = 83). 기울기들(빨간 선으로 표시됨)은 증가하거나 또는 감소하는 파워 트레이스들을 이용하여 계산하였다. 도 9C 및 도 9D: 동일한 STN에서의 2개의 MER 결과들. 파란색 트레이스는 첫 번째 레코딩 결과이고, 녹색 트레이스는 2 mm 중앙값 쉬프트를 가진 두 번째 레코딩 결과이다. 파란색 및 녹색 역삼각형은 각각 첫 번째 및 두 번째 레코딩에서 IOD에 의해 결정된 STN 경계를 지시한다. 사각형은 IOD에 의해 선택된 전극 위치들을 지시한다. 기울기들(거리 당 파워 변화, dB/mm)은 등 쪽 STN에서 0.08(첫 번째 레코딩) 및 0.15(두 번째 레코딩) dB/mm이었고, 배 쪽 STN에서 -0.22 및 -0.03 dB/mm였다(C). 등 쪽 STN에서 기울기들은 0.15(첫 번째 레코딩) 및 0.17(두 번째 레코딩) dB/mm였고, 배 쪽 STN에서 -0.39 및 -0.54 dB/mm였다(D).
도 10은 Gpe/Gpi에서 HFBA 트레이스에 대한 실시예들을 보여주는 도면이다. 도 10A: HFBA 파워의 증가 및 길고 우세한 고 파워 부위. 도 10B: HFBA의 짧고 급격하게 증가 및 감소하는 변화의 반복. 도 10C: HFBA의 매우 작은 변화들. 검은색 역삼각형은 Gpi 등 쪽 경계를 지시한다. 10초 동안 흥분 패턴을 모니터링하는 수술 중 단계들은 빨간색 원들로 표시된다. 도 10D: IOD에 의해 결정된 Gpi 경계 주위에서 HFBA 기울기의 분포(n = 41).
도 11은 모방된 HFBA의 실-시간 프로세싱으로 계산된 HFBA 트레이스들을 비교한 결과이다. 파란색 트레이스는 후향적 계산을 보여주는 것이고 빨간색 트레이스는 1초 동안 HFBA의 실-시간 프로세싱을 보여주는 결과이다. 상기 2개의 트레이스들은 등 쪽 STN의 고 파워 부위(-3 ~ -1.5 mm)를 제외하고는 유사하다.
도 12는 백그라운드 활성에 대한 정량 방법들을 비교한 결과이다. HFBA(빨간색 선)는 MER에 대한 다른 방법들(파란색 선, 웨이블렛 변환; 검은색 선, 제곱평균제곱근; 및 녹색 원, 표준편차)보다 가장 큰 파워 대비를 보인다. 삽입된 그림(inset)은 보다 상세한 차이를 보여준다. 제곱평균제곱근에 의한 트레이스는 표준편차에 의한 경향과 정확하게 일치한다.
도 13은 다양한 진폭 역치 및 주파수 컷오프 값에 따른 HFBA 트레이스들을 보여주는 도면이다. 도 13A: 40 μV 진폭 역치 및 1,000 Hz 주파수 컷오프에 따른 HFBA 트레이스. 도 13B: 40 μV 진폭 역치에서 다양한 주파수 컷오프 값에 따른 HFBA 트레이스들(컬러 코드). HFBA 트레이스들은 각 주파수 컷오프에서 첫 번째 디스파이크된 절편으로 표준화된다. 모든 주파수 컷오프 값에서 STN 경계는 수술 중 결정된 경계들과 유사하다(흰색 역삼각형으로 표시). 도 13C: 1,000 Hz 주파수 컷오프에서 다양한 진폭 역치 값들에 따른 HFBA 트레이스. HFBA 트레이스들은 각 진폭 역치에서 첫 번째 디스파이크된 절편으로 전체 트레이스들을 나눔으로써 표준화된다.
도 14는 오류들 및 이들의 PSD에 대한 실시예들을 보여주는 도면이다. 도 14A: 1초 동안 3개의 오류들을 포함하는 정제되지 않은 MER 시그널. 도 14B: PSD 파워(dB/Hz)의 컬러 코딩과 함께 연속적인 윈도우(running window; 64 msec 및 62.5 msec-중첩하는 윈도우 및 10 Hz 주파수 해상도)로 표시된 A에 대한 PSD 분광스펙트럼(spectrogram). 각 오류는 넓은 주파수 밴드 내에서 고 파워의 여러 밴드들로 표시된다. 가장 높은 파워는 500 Hz 및 500 Hz 범위에서 검출된다.Figure 1 shows the results of showing MER signals around the target point (0 second). Three types of MER signals are presented: Figure 1A, type of reference activity change unclear; Figure IB, a type showing a
Figure 2 shows the results showing the spiking patterns and the noise level at the MER. Various spike patterns are shown: Figure 2A, a very low and irregular spiking pattern; Figure 2B, a fast and irregular spiking pattern. The first part with higher excitability and then the reduced excitability; 2C, a trigger pattern having an inter-burst-interval; And 2D, multi-unit activity with small peaks. Detailed peaks and spikes are shown in the right panel. Scale bar: vertical, 50 μV and horizontal, 200 msec in the left panel; And vertical in the right panel, 50 μV and horizontal, 5 msec.
FIG. 3 shows the results of HFBA power ratio traces obtained from the three other patients shown in FIG. Figure 3A: Rapid increase in HFBA at the dorsal boundary (indicated by the first inverted triangle) and a sharp decrease in HFBA at the dihedral boundary (indicated by the second inverted triangle). Figure 3B: Sharp increase at the backside boundary, but the maximum value is less than Figure 1A. The abdomen boundary is not clear in HFBA traces because the recording does not include deeper regions. Figure 3C: Gradual increase in HFBA at the dorsal boundary and gradual decrease at the parietal boundary. The trough near -1.8 mm means a fraction too short to calculate the PSD after spike removal and the PSD power was assigned a "0". Microelectrode positions (IOP) determined during surgery were marked with a red circle. The HFBA was calculated for one second, and the power bites were calculated by normalizing the total signal divided by the power of the first segment.
Figure 4 shows the results of comparing STN boundaries determined by IOD (black inverted triangle) and HFBA (red triangle). The left panels (A, C, and E) show the variation of the HFBA pattern around the backside STN boundary, while the right panels (B, D, and F) show the variation of the HFBA pattern around the backbone STN boundary. Figures 4G and 4H show the difference distribution (= HFBA-IOD) of the STN boundaries (n = 83) to the dorsal and dorsal boundaries, respectively. The positive (negative) difference means that the boundary position of the IOD is more backward than the HFBA position.
Figure 5 shows a comparison of medical results before and after DBS surgery. Five medical results are presented: Figure 5A, UPDRS-I (n = 39); Figure 5B, UPDRS-II (n = 38); Figure 5C, UPDRS-III (n = 39); Figure 5D, UPDRS-IV (n = 34); And FIG. 5E, levodopa (LED; n = 39) at the same dose. The above results were plotted before and after DBS surgery. UPDRS-II, -III, -IV and LED scores decreased significantly after surgery. Mean values and standard errors were plotted. Each symbol indicates an individual patient. Student's t-test was applied. * p < 0.05, ** p < 0.01 and *** p < 0.001.
Figure 6 compares STN boundary differences between Group I and Group II in each medical result. The boundary differences (FIG. 6A, left-hand side, FIG. 6B, left-hand side, FIG. 6C, right-hand side, and FIG. 6D, right-hand side) were calculated by STN boundary differences (= HFBA-IOD). Patients were categorized into Group I (increased score) or Group II (reduced score). The number of patients in each group was significantly higher in UPDRS-I than in 12/27 (Group I / Group II), UPDRS-II to 7/31 (Group I / II), UPDRS-III to 6/33 I group / group II) in the UPDRS-IV, 8/26 (group I / II in the group I) and 4/35 (group I / II in the LED) in the UPDRS-IV. In the box plot, circles indicate outliers. The rank sum test was applied between Groups I and II. * p < 0.05 and ** p < 0.01.
Figure 7 shows the results of comparing STN sizes between Group I and Group II as determined by HFBA and IOD in medical results. Patients were grouped into either Group I (increased score) or Group II (reduced score): Figure 7A, left STN size determined by HFBA; 7B, right STN size determined by HFBA; 7C, left STN size determined by IOD; And Fig. 7D, the right STN size as determined by the IOD. Medical results are shown at the bottom. The number of patients in each group was the same as in Fig. Rank sum test was applied. * p < 0.05.
Figure 8 compares the STN boundary differences between the I and II groups in each medical result. Patients were grouped into either Group I (increased score) or Group II (reduced score): Figure 8A, left STN size of group I; 8B, left STN size of group II; 8C, right STN size of group I; And Fig. 8D, right STN size of group II. Medical results are shown at the bottom. The number of patients in each group was the same as in Fig. Rank sum test was applied. No statistically significant differences were found. Abbreviations: HF, HFBA; And IO, IOD.
Figure 9 is a plot showing the slope distributions (A, B) of the HFBA power variations around the STN boundary and two different MER embodiments (C, D) in the same STN. Figure 9A: Distribution of HFBA slope at the backside boundary (n = 83). Figure 9B: Distribution of HFBA slope at the parietal boundary (n = 83). The slopes (indicated by red lines) were calculated using increasing or decreasing power traces. 9C and 9D: Two MER results at the same STN. The blue trace is the result of the first recording, and the green trace is the result of the second recording with a 2 mm median shift. The blue and green inverted triangles indicate the STN boundaries determined by the IOD in the first and second recordings, respectively. The rectangle indicates the electrode positions selected by the IOD. The slopes (power change per distance, dB / mm) were 0.08 (first recording) and 0.15 (second recording) dB / mm on the backside STN and -0.22 and -0.03 dB / ). The slopes at the backside STN were 0.15 (the first recording) and 0.17 (the second recording) dB / mm, and -0.39 and -0.54 dB / mm at the porthole STN (D).
10 is a view showing embodiments of HFBA traces in Gpe / Gpi. 10A: Increase of HFBA power and long, dominant high power site. 10B: Repetition of short and abruptly increasing and decreasing changes of HFBA. Figure 10C: Very small variations of HFBA. The black inverted triangle indicates the Gpi back boundary. The intra-operative steps to monitor the excitement pattern for 10 seconds are indicated by red circles. Fig. 10D: Distribution of HFBA slope around the Gpi boundary determined by IOD (n = 41).
Figure 11 compares the HFBA traces calculated with real-time processing of the imitated HFBA. The blue traces show retrospective calculations and the red traces show real-time processing of HFBA for 1 second. The two traces are similar except for the high power area of the iso-STN (-3 to -1.5 mm).
Figure 12 compares the quantitation methods for background activity. HFBA (red line) has the largest power contrast than other methods for MER (blue line, wavelet transform; black line, square root mean square; and green circle, standard deviation). The inserted inset shows a more detailed difference. The traces due to the root mean square exactly match the tendency by standard deviation.
Figure 13 shows HFBA traces according to various amplitude thresholds and frequency cutoff values. 13A: HFBA trace according to 40 uV amplitude threshold and 1,000 Hz frequency cutoff. 13B: HFBA traces (color code) according to various frequency cutoff values at a 40 [mu] V amplitude threshold. The HFBA traces are normalized to the first discontinued intercept at each frequency cutoff. At all frequency cutoff values, STN boundaries are similar to those determined during surgery (indicated by white inverted triangles). 13C: HFBA trace according to various amplitude threshold values at a 1,000 Hz frequency cutoff. HFBA traces are normalized by dividing the total traces into the first de-spiked segment at each amplitude threshold.
14 is a diagram showing examples of errors and their PSDs. 14A: Unfiltered MER signal containing three errors for one second. 14B: PSD spectrogram for A displayed in continuous windows (64 msec and 62.5 msec-overlap window and 10 Hz frequency resolution) with color coding of PSD power (dB / Hz). Each error is represented by multiple bands of high power within a wide frequency band. The highest power is detected in the 500 Hz and 500 Hz ranges.
이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시 예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시 예에 의해 제한되지 않는다는 것은 당 업계에서 통상의 지식을 가진 자에 있어서 자명할 것이다.
Hereinafter, the present invention will be described in more detail with reference to Examples. It is to be understood by those skilled in the art that these embodiments are only for describing the present invention in more detail and that the scope of the present invention is not limited by these embodiments in accordance with the gist of the present invention .
실시예Example
실험재료 및 실험방법Materials and Experiments
정위 수술 및 MERs(microelectrode recordings)Stereotactic surgery and MERs (microelectrode recordings)
39명의 환자들(20명의 남성 및 19명의 여성)과 2008년부터 2011년 사이에 양측성 STN DBS를 시술받은 진행성 PD 환자들로부터 얻어진 총 83개의 MERs이 후향성 연구(retrospective study)에 포함되었다. 5명의 환자들로부터 얻어진 동일한 STN에서의 2개의 MER 측정들도 포함되었다. 환자의 평균 나이는 56.8 ± 9.1세(29-70세 범위)였으며, 추적 연구의 평균 기간은 15.4 ± 4.2개월(8-25개월 범위)이었다. 의학 결과들로부터 정보를 획득하기 위해, 4개의 UPDRS 스코어(Unified Parkinson's Disease Rating Scale; UPDRS-I, -II, -III 및 -IV) score) 및 LED(levodopa equivalent dose)가 수술 전, 수술 후(1, 6 및 12개월) 및 이후 매년에 걸쳐서 조사되었다. 또한, 긴장 이상을 나타내는 26명의 환자들(18명의 남성 및 8명의 여성; 평균 나이, 40.0 ± 12.4세; 21-60세 범위)의 GPe/GPi(external segment of globus pallidus/internal segment of globus pallidus, 창백외핵/창백내핵)에 대한 총 41개의 MERs을 분석하여 해부학적 경계 구분에 대한 HFBA의 기능성(potential)을 확인하였다.A total of 83 MERs from 39 patients (20 males and 19 females) and progressive PD patients who underwent bilateral STN DBS between 2008 and 2011 were included in the retrospective study. Two MER measurements from the same STN from five patients were also included. The mean age of the patients was 56.8 ± 9.1 years (range 29-70 years) and the mean duration of follow-up was 15.4 ± 4.2 months (range 8-25 months). Four UPDRS scores (UPDRS-I, -II, -III and -IV score) and levodopa equivalent dose (LED) scores were obtained before and after
T2-강조(weighted) 축, 두상 및 가돌리늄(gadolinium, Gd)-증대된 T1-강조 축상면(axial planes)은 렉셀 G 정위 프레임(Leksell G stereostatic frame)-마운팅된 환자들로부터 1 mm 갭과 2 mm 슬라이스 두께로 1.5 T를 이용하여 얻었다. 환자들은 머리가 20° - 30° 정도 올려진 상태로 반듯하게 누워졌다. 1% 리도카인(lidocaine) 및 에피네프린(epinephrine; 1:100,000 희석; Huons Co. Ltd., Seoul, Korea)으로 국소 마취 상태에서, 버홀(burr hole; 직경 15 mm)을 뚫고 뇌경질막(dura)을 최소한으로 개방하였다. 뇌경질막 및 연뇌막(arachnoid-pia layer) 절개 후, 뇌거미막(지주막)과 뇌연질막이 응고되었다. 가이드-캐뉼러(guide-cannula) 삽입 후 뇌척수액(cerebrospinal fluid) 누출을 억제하기 위해 버홀이 피브린글루(fibrin glue)로 봉합되었다. 미세전극(Model FC1002, impedance 1 M at 1 kHz; Medtronic, Inc., Minneapolis, MN, USA)이 마이크로드라이브 시스템(Microdrive System; Medtronic, Inc)에 마운팅되고 C-arm 가이드(guidance) 하에서 목적 타겟의 15 mm 위까지 삽입된 후, 리드포인트 미세전극 기록 시스템(Leadpoint Micro-Electrode Recording System; Medtronic, Inc.)을 이용한 시각적 및 청각 가이드를 통해 전기적 활성을 모니터링하는 동안에 상기 타겟으로 점차적으로 이동시켰다. 미세전극은 세포 활성에 따라 0.5 mm 간격 또는 그 이하로 전진시켰다. 명백한 세포 활성이 존재하는 경우, 미세전극을 10초 동안 정지시키고 흥분도를 모티터링하여 뇌심부 부위와 STN 경계를 구별하기 위한 IOD-결정(making)에 이용하였다[26].T2-weighted axes, head and gadolinium (Gd) - increased T1-weighted axial planes were measured using a Leksell G stereostatic frame - 1 mm gap from mounted patients and 2 mm slice thickness. Patients were lying flat with their heads raised about 20 ° - 30 °. (Dura) was injected through a burr hole (diameter: 15 mm) under local anesthesia with 1% lidocaine and epinephrine (1: 100,000 dilution; Huons Co. Ltd., Seoul, Korea) Opened to a minimum. After the dissection of the brain dura mater and arachnoid-pia layer, the brain spider membrane and the soft-tissue membrane coagulated. After insertion of the guide-cannula, Burhol was sealed with fibrin glue to inhibit cerebrospinal fluid leakage. A microelectrode (Model FC1002, impedance 1 M at 1 kHz; Medtronic, Inc., Minneapolis, MN, USA) was mounted on a Microdrive System (Medtronic, Inc) And then gradually moved to the target during electrical activity monitoring through a visual and auditory guide using a Leadpoint Micro-Electro Recording System (Medtronic, Inc.). The microelectrode was advanced 0.5 mm or less depending on the cell activity. In the presence of apparent cell activity, microelectrodes were stopped for 10 s and excitation was monitored for IOD-making to distinguish deep brain regions from STN boundaries [26].
시그널은 300 Hz와 5 kHz 사이에서 밴드-패스(band-pass) 여과시키고 오프-라인 분석을 위해 DT-800 시스템(48 kHz sampling rate; MicroData Instrument, Inc., S. Plainfield, NJ, USA)을 이용하여 디지털 청각 테이프에 저장하였다. 데이터는 4 kHz 추출 속도(sampling rate)를 가지는 AD converter(CED 1401 plus; Cambridge Electronic Design, Cambridge, UK)와 Spike2(ver. 7.05b; Cambridge Electronic Design)를 이용하여 디지털화시켰다.
The signal was band-pass filtered between 300 Hz and 5 kHz and analyzed using a DT-800 system (48 kHz sampling rate; MicroData Instrument, Inc., S. Plainfield, NJ, USA) for off- And stored on a digital auditory tape. Data were digitized using an AD converter (CED 1401 plus; Cambridge Electronic Design, Cambridge, UK) with a 4 kHz sampling rate and Spike2 (ver. 7.05b; Cambridge Electronic Design).
데이터 분석Data Analysis
MER의 후향적 분석을 위해, 우선 정제되지 않은 시그널(raw signals)을 힐버트 변환 후, 20 msec 윈도우의 이동평균에 의해 보정된 포괄 신호(envelope)의 국소적 최대값이 40 μV보다 큰 경우에 오류(artifacts)로 검출하였다. 40 μV보다 더 큰 국소 피크 진폭을 가지는 스파이크들이 선택되고 상기 국소 피크 앞의 1개의 포인트 및 뒤의 5개의 포인트들을 포함하는 짧은 절편들이 MER로부터 제거되었다. 각 1.0 sec의 절편에 있어서, 제거된 오류들 및 스파이크들에 따른 갭들은 다른 시그널들로 채워지지 않았으며 나머지 시그널들이 연속적으로 축적되었기 때문에, 본 발명자들은 이것을 '디스파이크된 절편(despiked segment)'으로 명명하였다. 이후, 본 발명의 HFBA가 상기 디스파이크된 절편으로 분석되었다. 고주파 범위(>1,000 Hz)에서 PSD의 평균값이 계산되었다. 하지만, 디스파이크된 절편의 길이가 30 msec 이하인 경우에 PSD 계산이 실패하였기 때문에 상기 절편은 "0"으로 할당되었다. 각각 1.0 sec동안 계산된 HFBA 값은 수술 중 레코딩 동안 기록된 시간-위치 정보(time-position information)를 이용하여 미세전극 깊이로 기재되었다. HFBA은 첫 번째 절편의 파워로 자동 기록 장치가 그리는 선을 나눔으로써 표준화시켰다.For a retrospective analysis of the MER, first, after Hilbert transformation of the raw signals, if the local maximum of the envelope corrected by the moving average of the 20 msec window is greater than 40 μV, (artifacts). Spikes with local peak amplitudes greater than 40 [mu] V were selected and short segments containing one point in front of the local peak and the following five points were removed from the MER. For each 1.0 sec intercept, the gaps due to erroneous errors and spikes were not filled with other signals and the rest of the signals were accumulated in succession, so we invented this as a 'despiked segment' Respectively. Then, the HFBA of the present invention was analyzed as the above-mentioned disrupted section. The mean value of PSD was calculated in the high frequency range (> 1,000 Hz). However, since the PSD calculation failed when the length of the de-spiked segment was 30 msec or less, the segment was assigned "0". The HFBA values calculated for 1.0 sec each were described as microdeposition depth using time-position information recorded during intraoperative recordings. HFBA standardized the power of the first section by dividing the line drawn by the autorecording device.
실-시간(real-time) 프로세싱을 모방(mimic)하기 위해, 상기 과정이 약간 변형되었다. MER 데이터를 읽어드리는 동안, 40 μV-고정된 길이 포인트보다 더 큰 데이터 포인트(1 포인트 전 및 5 포인트 후 포함)가 제거되었으며, 1초 동안 축적한 다음 평균 PSD를 HFBA로 할당하였다. 축척된 길이가 30 msec 이하인 경우 평균 PSD 값은 "0"으로 할당하였다. 다른 과정들은 위의 후향적 분석과 동일하다. 모든 분석들은 Matlab(Mathworks, Inc., Natick, MA, USA)을 이용하여 실시하였다.
In order to mimic real-time processing, the process has been slightly modified. During reading of the MER data, data points larger than the 40 μV-fixed length point (including 1 point and 5 points after) were removed and accumulated for 1 second, then the average PSD was assigned to HFBA. When the accumulated length is 30 msec or less, the average PSD value is assigned as "0 ". Other procedures are the same as the retrospective analysis above. All analyzes were performed using Matlab (Mathworks, Inc., Natick, Mass., USA).
통계 분석Statistical analysis
Student's t-검정(test)은 의학 결과들의 평균 값들을 비교하기 위해 적용되었으며, 피어슨 상관계수(Pearson correlation coefficient)를 계산하여 의학 결과들 간의 선형 상관관계를 확인하였다. 비모수적 순위합 검정(nonparametric rank sum test)을 적용하여 HFBA와 IOD에 의해 결정된 STN 경계들 및 STN 크기의 중앙값들을 비교하였다. 모든 통계학적 분석들은 Matlab을 이용하여 실시하였다.
Student's t-test was applied to compare mean values of medical outcomes, and Pearson correlation coefficient was calculated to confirm the linear correlation between medical results. The nonparametric rank sum test was applied to compare the median values of STN boundaries and STN size determined by HFBA and IOD. All statistical analyzes were performed using Matlab.
실험결과Experiment result
MER의 기준 활성 변화에서의 상이한 패턴들Different patterns in reference activity change of MER
미세전극이 STN을 접하는 경우에 발생하는 기준 활성(baseline activities)의 증가가 모든 경우에서 일관되지 않았다. 환자 및 접근의 주행 방향(trajectory)에 따라 여러 가지 패턴들이 존재하였다. 도 1은 3명의 PD 환자에서 보여지는 전형적인 3가지의 기준 활성 변화들을 보여준다. 수술 중 모니터링 동안 미세전극이 등 쪽 STN 경계에 접하는 시기를 "0초"로 결정하였다. 기준 활성의 증가가 도 1A에서 불분명하였다. 하지만, 도 1B 및 도 1C에서 볼 수 있듯이, 기준 활성의 증가는 점차적이고 급격한 변화들로 나타났다. 도 1C에서 경계는 약 1초 딜레이로 결정되었으며 오디오 모니터링을 이용한 기준 활성 상의 변화들이 용이하게 청취된다. 반면에, 등 쪽 경계는 도 1B에서 볼 수 있듯이 15초 늦게 결정되었다. 상기 정제되지 않은 시그널에서, 경계 변화는 상기 시그널이 장시간 동안(약 100초) 시각화됨에 따라 명확해졌지만, 수술 중에 시각적 모니터링과 오디오 모니터링 간의 상기 차이를 신속하게 구별하는 것을 어려울 것이다. 따라서, 기능적인 경계를 즉시 해독하는 것이 해결해야 할 문제이고, 특히 도 1A 및 도 1B의 경우에 적용될 수 있는 객관적인 방법들이 요구되고 있다.
The increase in baseline activities occurring when the microelectrode contacts the STN was not consistent in all cases. There were several patterns depending on the trajectory of the patient and approach. Figure 1 shows three typical reference activity changes seen in three PD patients. During the intraoperative monitoring, the time at which the microelectrode contacts the dorsal STN boundary was determined as "0 second". The increase in reference activity was unclear in Figure 1A. However, as can be seen in Figures 1B and 1C, the increase in baseline activity was gradual and rapid changes. In Fig. 1C, the boundary is determined to be about 1 second delay and changes in the reference active phase using audio monitoring are easily audible. On the other hand, the dorsal boundary was determined to be 15 seconds later as shown in Fig. 1B. In the non-refined signal, border changes would become apparent as the signal was visualized for a long time (about 100 seconds), but it would be difficult to quickly distinguish the difference between visual and audio monitoring during surgery. Therefore, it is a problem to be solved immediately by deciphering functional boundaries, and in particular objective methods that can be applied in the case of Figs. 1A and 1B are required.
MER로부터 백그라운드 활성의 추출Extraction of background activity from MER
환자로부터 다른 흥분도 패턴을 가지는 스파이크들이 도 2에 보여진다. 좌측 패널은 1초 동안의 MER 트레이스들을 나타내고 오른쪽 패널은 20 msec 동안의 보다 상세한 개별 스파이크들과 기준 노이즈 레벨을 보여준다. 도 2A(느린 형태), 도 2B(빠른 형태) 및 도 2C(촉발 형태)에서의 단일 스파이크들은 기준 활성보다 훨씬 더 컸는데, 이는 진폭 역치 컷오프를 이용하여 상대적인 단순 분리를 가능하게 해준다. 하지만, 도 2D의 스파이크들은 기준점과 유사하거나 또는 약간 더 큰 정도였으며, 상기 기준점들은 도 2A, 도 2B 및 도 2C보다 더 큰 변이성을 나타냈다. 본 발명자들은 근처의 활성 뉴런들로부터 유래되는 작은 진폭의 MUAs이 포함되었을 것으로 추론하였다.Spikes with different excitation pattern from the patient are shown in FIG. The left panel shows MER traces for one second and the right panel shows more detailed individual spikes and reference noise levels for 20 msec. The single spikes in FIG. 2A (slow form), FIG. 2B (fast form) and FIG. 2C (spontaneous form) were much larger than the reference activity, which allows relative simple separation using amplitude threshold cutoff. However, the spikes in Figure 2D were similar or slightly larger than the reference points and the reference points showed greater variability than Figures 2A, 2B and 2C. The present inventors deduced that MUAs of small amplitude originating from nearby active neurons were included.
도 2B에서, 흥분도는 MER을 이용하여 측정된 적정 스파이크 점유율(spike occupancy rate; 스파이크 길이/총 길이(%))의 계산을 허용하는 다른 경우들보다 더 높았다. 스파이크의 총 수는 분류(sorting, 스파이크의 종류에 따른 분류) 전에 0.1초 당 25개였는데, 이는 250 Hz의 흥분도를 의미한다. 각 스파이크는 약 6개의 포인트들을 포함한다(참고: 도 2B의 오른쪽 패널). 따라서, 스파이크와 백그라운드 활성 점유율은 각각 37.5% 및 62.5%였다. 이것은 백그라운드 활성에 스파이크 활성보다는 오히려 백그라운드 노이즈로부터 기여도가 더 크다는 것을 의미하는 데, 이는 스파이크들과 백그라운드 노이즈를 구분하는 것이 적절한 고진폭 역치 세팅(high amplitude threshold settings)을 통해 뇌심부에서의 기능적 차이를 규명하는 데 보다 더 유용할 수 있다는 것을 나타낸다.In FIG. 2B, the excitability was higher than other cases allowing calculation of the spike occupancy rate (spike length / total length (%)) measured using MER. The total number of spikes was 25 per 0.1 second before sorting (classification by spike type), which means 250 Hz excitation. Each spike contains about six points (see right panel of FIG. 2B). Thus, the spikes and background active occupancy were 37.5% and 62.5%, respectively. This means that background activity has a greater contribution from background noise than spike activity, which is due to differences in the depth of the brain at high depths of the brain through high amplitude threshold settings, where it is appropriate to distinguish between spikes and background noise. It can be more useful to identify.
MER로부터 백그라운드 활성을 분리하기 위해, 오류들(대부분 전극 이동 중에 발생하는 기계적 노이즈들)과 개별 스파이크들이 제거되었다. 본 발명자들은 40 μV를 역치값(threshold value)으로 선택하였는데, 이는 모든 환자들의 MERs에서 스파이크 진폭들이 50 μV보다 더 컸기 때문이다. 또한, 도 2D에서 볼 수 있듯이 MUAs로부터 유래된 작은 국소 피크들의 역치값들은 40 μV 내에 존재하였다. MER로부터 스파이크들과 오류들을 제거한 후, 3개의 선택 사항들이 시그널 갭들을 메우기 위해 이용할 수 있다: 임의적 노이즈, 보간(interpolate; 스플라인, 선형 또는 상수 값) 또는 필링(filling) 없이 갭들을 연결하는 것. 본 발명자들은 필링 없이 갭들을 연결하는 방법을 선택하였는데, 이는 가장 간단한 선택사항으로 필링 프로세스가 변동(fluctuation) 레벨로 오염될 수 있고 디스파이크된 절편이 PSD를 계산하기에 충분할 만큼 길었기 때문이다. 디스파이크된 절편이 PSD를 계산하기에 너무 짧은 경우에는 상기 절편에 대한 PSD 파워(μV2/Hz)를 "0"으로 할당하였다.
In order to separate the background activity from the MER, errors (mostly mechanical noise generated during electrode movement) and individual spikes were removed. We chose 40 μV as the threshold value because the spike amplitudes in all patients' MERs were greater than 50 μV. Also, as can be seen in Figure 2D, the threshold values of the small local peaks derived from MUAs were within 40 [mu] V. After removing spikes and errors from the MER, three options can be used to fill the signal gaps: connecting the gaps with arbitrary noise, interpolate (spline, linear or constant value) or without filling. The inventors have chosen to connect the gaps without peeling because the simplest option is that the filling process can be contaminated with fluctuation levels and the de-spiked section is long enough to calculate the PSD. If the de-spiked section is too short to calculate the PSD, the PSD power (μV 2 / Hz) for the section is assigned "0".
HFBA는 높은 파워로 STN을 위치화시킬 수 있다HFBA can position STN with high power
도 3은 HFBA가 1,000 Hz 주파수 컷오프 및 40 μV 진폭에 따라 도 1의 3가지 기준 패턴들에 대한 타겟 경로를 변화시킨다는 것을 보여주는 결과이다. 수술 전에 결정된 타겟 포인트(일반적으로, STN의 중간 부위)가 "0 mm"로 표시된다. STN 몸체(검은색 역삼각형 사이) 내 HFBA는 다른 부위들보다 더 높다. IOD를 위해 이용된 10초 동안의 HFBA 파워의 평균값(붉은 색 원으로 표시)는 1초 동안의 HFBA와 잘 매치되었다. HFBA 결과는 정제되지 않은 MER 시그널들과 현저한 차이를 나타냈다. 도 1A에서는 전극이 STN의 등 쪽 경계에 진입하였을 경우에 특별한 변화를 보이지 않았으나, 도 3A에서는 점진적인 HFBA 증가가 -3.5 mm 위치에서 시작되었다. 상술한 실시예는 HFBA를 이용하여 STN 경계의 위치화를 명확히 할 수 있다는 확실한 증거이다.
Figure 3 shows the results showing that HFBA changes the target path for the three reference patterns of Figure 1 according to a 1,000 Hz frequency cutoff and a 40 μV amplitude. The target point (usually the middle part of the STN) determined before surgery is indicated as "0 mm ". The HFBA in the STN body (between black inverted triangles) is higher than other sites. The average value of the HFBA power for 10 seconds (indicated by the red circle) used for the IOD matched well with the HFBA for 1 second. The HFBA results showed significant differences from the non-purified MER signals. In FIG. 1A, no particular change was observed when the electrode entered the back boundary of the STN, but in FIG. 3A a gradual HFBA increase was initiated at the -3.5 mm position. The above-described embodiment is a clear proof that the positioning of the STN boundary can be clarified using HFBA.
IOD와 HFBA의 STN 경계 비교STN boundary comparison between IOD and HFBA
수술 중 레코딩을 통해 결정된 등 쪽 및 배 쪽 경계들(도 3에서 검은색 역삼각형으로 표시된 부분)과 HFBA를 이용하여 결정된 잠재적인 경계가 비교되었다. 도 3A에서, STN 배 쪽 경계는 MER을 통해 0.3 mm로 결정되었지만 급작스런 HFBA 감소는 더 뒤의 포인트에서 더 명확하였다(0.9 mm). 도 3B에서는 STN 등 쪽 경계가 -4.5 mm였지만 HFBA는 좀더 앞쪽의 포인트에서 뜻밖의 변화를 보였다(-4.8 mm). HFBA 및 IOD(DBS 수술 동안 외과의사에 의해 결정된 경계)에 의해 결정된 STN 경계 상의 차이는 위치화 에러(localization error)를 포함할 수 있다.Potential boundaries determined using HFBA and the dorsal and ventral boundaries (marked with black inverted triangles in FIG. 3) determined through recording during surgery were compared. In Figure 3A, the STN abdomen boundary was determined to be 0.3 mm through the MER, but sudden HFBA reduction was more pronounced at the later point (0.9 mm). In Fig. 3B, the STN isoparametric boundary was -4.5 mm, but HFBA showed an unexpected change (-4.8 mm) at a further anterior point. Differences in STN boundaries determined by HFBA and IOD (boundaries determined by the surgeon during DBS surgery) may include localization errors.
도 4는 HFBA(빨간색 삼각형)과 IOD(검은색 역삼각형)을 이용한 STN 경계 결정의 실시예들을 미세전극이 STN으로 진입하고(왼쪽 패널, 등 쪽 경계) 나가는(오른쪽 패널, 배 쪽 경계) 과정을 상세하게 보여준다. 도 4A, 도 4C 및 도 4D에서 보여지는 HFBA 상의 급격한 변화에 따른 STN의 경계를 명확하게 확인할 수 있었지만, 도 4B, 도 4E 및 도 4F에서는 HFBA의 점진적인 변화로 경계의 확인이 매우 어려웠다. 도 4B, 도 4E 및 도 4F의 경우에서, 본 발명자들은 HFBA 트레이스들을 고려하며 IOD로부터 얻어진 경계들에 근접한 포인트를 선택하기 위해 노력하였다. 도 4G 및 도 4H는 STN 경계의 차이들(= HFBA-IOD)의 분포를 의미한다. 양성(+) 차이는 수술 중에 결정된 STN 경계(IOP)가 HFBA보다 더 등 쪽에 위치하였다는 것을 의미하는데, 이는 최적 위치보다 더 등 쪽에 위치하는 전극 위치를 초래할 것이다. 위치화 에러를 포함하는 부차적인 큰 차이들에도 불구하고 대부분의 차이가 -0.5 ~ 0.5 mm 사이였기 때문에 83개의 MERs로부터 얻어진 상술한 분포들은 등 및 배 쪽 STN 경계들에 대한 수술 중 위치가 잘 매치되었음을 보여준다. 상술한 결과들은 짧은 기간(1초) 모니터링과 조합된 HFBA를 이용하여 좀더 정밀한 위치화 과정이 가능할 수 있다는 것을 의미한다.
Figure 4 shows an example of STN boundary determination using HFBA (red triangle) and IOD (black inverted triangle) in which the microelectrode enters STN (left panel, backside boundary) In detail. 4A, 4C and 4D, the boundary of the STN due to the abrupt change in the HFBA can be clearly confirmed. However, in FIGS. 4B, 4E and 4F, it is very difficult to confirm the boundaries due to the gradual change of the HFBA. In the case of Figures 4B, 4E and 4F we have considered HFBA traces and tried to select points close to the boundaries obtained from the IOD. Figures 4G and 4H illustrate the distribution of differences in STN boundaries (= HFBA-IOD). Positive (+) difference means that the STN boundary (IOP) determined during surgery was located on the dorsal side of the HFBA, which would result in a more backward electrode position than the optimal position. Because of the large differences between -0.5 and 0.5 mm despite the large minor differences involving positioning errors, the above-mentioned distributions obtained from the 83 MERs were well matched during surgery on the back and abdomen STN boundaries . The above results indicate that a more precise localization process may be possible using HFBA combined with short term (1 second) monitoring.
DBS 수술에서 의학 결과들의 변화Changes in Medical Outcomes in DBS Surgery
UPDRS-I, -II, -III, -IV 값 및 LED를 포함하는 5가지의 의학 결과들이 체크되었다. 도 5는 위쪽 패널의 의학 결과(선으로 표시된 심볼)와 아래쪽 패널의 평균값들(막대 그래프)의 개인별 변화들을 보여주는 결과이다. UPDRS-I 스코어(수술 전과 수술 후의 평균값: 5.2 ± 2.0 대 3.8 ± 2.0, 도 5A)는 통계적으로 유의하게 차이가 없었지만(p>0.05), 다음의 다른 스코어들에 비해 현저하게 감소하였다: (a) UPDRS-II 스코어(20.4 ± 1.2 대 15.6 ± 1.2; p<0.01, 도 5B); (b) UPDRS-III 스코어(44.1 ± 1.7 대 28.5 ± 2.2; p<0.001, 도 5C); (c) UPDRS-IV 스코어(9.6 ± 1.6 대 5.3 ± 0.8; p<0.001, 동 5D); 및 (d) LED 스코어(1053.8 ± 64.7 대 495.3 ± 70.2; p<0.001, 도 5E). UPDRS-I, -II, -III, -IV 및 LED의 임상 스코어가 악화된 환자들의 수는 각각 15, 11, 6, 9 및 5명이었다. 의학 결과들 간의 선형 상관성 변화들(= 수술 후 스코어 - 수술 전 스코어)은 피어슨 상관계수를 이용하여 측정하였다. UPDRS-II는 UPDRS-III와 현저한 상관관계를 가졌다(r=0.63, p<0.001).
UPDRS-I, -II, -III, -IV values and LEDs were checked. Figure 5 shows the individualized changes in the medical results of the top panel (indicated by the line symbol) and the mean values of the bottom panel (bar graph). There was no statistically significant difference (p> 0.05) between the UPDRS-I scores (preoperative and postoperative mean values: 5.2 ± 2.0 vs. 3.8 ± 2.0, Figure 5A) ) UPDRS-II score (20.4 ± 1.2 vs. 15.6 ± 1.2; p <0.01, FIG. 5B); (b) UPDRS-III score (44.1 ± 1.7 vs. 28.5 ± 2.2; p <0.001, FIG. 5C); (c) UPDRS-IV score (9.6 +/- 1.6 vs. 5.3 +/- 0.8; p < 0.001, 5D); And (d) the LED score (1053.8 +/- 64.7 vs. 495.3 +/- 70.2; p < 0.001, Figure 5E). The number of patients whose clinical scores of UPDRS-I, -II, -III, -IV and LED deteriorated was 15, 11, 6, 9 and 5, respectively. Linear correlation changes between medical outcomes (= postoperative score - preoperative score) were measured using Pearson correlation coefficient. UPDRS-II had a significant correlation with UPDRS-III (r = 0.63, p <0.001).
경계 차이로서 의학 결과들 대 위치화 에러Medical consequences versus locational errors as boundary differences
평균값 결과 스코어들(mean outcome scores)이 현저하게 감소하였을지라도, 몇몇 환자들은 증가된 스코어들을 가졌다. 각 의학 결과에 대한 스코어 변화에 따라 환자들이 그룹핑되었다: 제I그룹은 증가된 스코어들을 가진 환자들을 포함하였고 제II그룹은 감소된 스코어들을 가진 환자들을 포함하였다. 경계 차이는 각 그룹에 대한 위치화 에러로서 이용되었고 IOD 및 HFBA에 의해 결정된 경계들(boundary dimensions) 간의 차이를 공제함으로써 계산되었다. 비모수적 순위합 검정 방법을 적용하여 제I그룹의 환자들의 수가 제II그룹의 환자들의 수보다 적었기 때문에 비모수적 순위합 검정 방법을 적용하여 중앙값들을 비교하였다.Although the mean outcome scores decreased significantly, some patients had increased scores. Patients were grouped according to the score change for each medical outcome: Group I included patients with increased scores and Group II included patients with reduced scores. The boundary difference was used as the positioning error for each group and was calculated by subtracting the difference between the boundary dimensions determined by the IOD and HFBA. Because the number of patients in Group I was less than the number of patients in Group II by applying the nonparametric ranking sum test method, the median values were compared using the nonparametric rank sum test.
제I그룹과 제II그룹의 4개의 경계 차이들(좌측-등, 좌측-배, 우측-등 및 우측-배)이 각 의학 결과에 대해 비교되었다. 한 환자가 동일한 STN에서 2개의 MER 레코딩을 가지는 경우에는, 마지막 레코딩으로부터 얻어진 STN 경계가 이용되었다. 도 6은 통계적으로 유의한 경계 차이들(제I그룹 대 제II그룹의 중앙값 차이)을 보이는 결과들이다: (a) 좌측-등 LED 스코어, 0.05 대 -0.26 mm, p<0.05; 도 6A); 및 (b) 좌측-배 UPDRS-IV 스코어(0.54 대 -0.04 mm, p<0.01; 도 6B).Four boundary differences (left-back, left-right, right-back, and right-right) of Group I and Group II were compared for each medical outcome. If one patient had two MER recordings in the same STN, the STN boundary obtained from the last recording was used. Figure 6 shows the results showing statistically significant border differences (median difference of group I vs. group II): (a) left-sided LED score, 0.05 vs. -0.26 mm, p <0.05;6A); And (b) left-fold UPDRS-IV score (0.54 -0.04 mm, p <0.01;
제I그룹의 경계 차이는 좌측 STN에 대한 LED(도 6A, 4명의 환자들) 및 UPDRS IV(도 6B, 8명의 환자들)에서 더 많은 양성 값들을 포함한다는 것이 흥미로운데, 이는 IOD에 의해 결정된 전극 위치들이 최적 위치에 대해 등 쪽 위치였다는 것을 의미한다. 한편, LED 스코어에서 제I그룹의 우측 배 쪽 STN 경계들이 2명의 환자들에서 커다란 음성 차이들(약 2 mm)을 나타냈을 지라도, 우측 STN에서의 유의한 경계 차이들은 없었다. 또한, 제II그룹의 아웃라이어들(outliers; 원으로 표시)은 큰 위치화 에러들을 가지지만 개선된 의학 결과들을 나타냈기 때문에, 상술한 경계 차이들은 개인별 변이성을 보여준다. 제I그룹이 많은 양성 경계 차이들 및 나쁜 의학적 결과들을 나타낸다는 발견들에 기반 하여, 본 발명자들은 제I그룹에서의 자극 전극 위치가 최적 위치보다 좀 더 등 쪽에 위치된 것으로 예측한다. 또한, 상술한 결과들은 STN 구별용 HFBA를 이용하는 것이 흥분도 패턴을 간단하게 관찰함으로써 STN의 구별에 매우 우수한 효과를 나타낸다는 것을 제시한다.
It is interesting to note that the boundary difference of the group I includes more positive values in the LED for the left STN (Figure 4A, 4 patients) and UPDRS IV (Figure 6B, 8 patients) It means that the electrode positions were in the backward position with respect to the optimum position. On the other hand, there were no significant border differences in the right STN, although in the LED score the right-sided STN boundaries of group I displayed large negative differences (about 2 mm) in the two patients. In addition, since the outliers of the group II (denoted by circles) have large localization errors but exhibit improved medical results, the above-mentioned boundary differences show individual variability. Based on the findings that Group I presents a large number of positive threshold differences and bad medical outcomes, the present inventors predict that the stimulation electrode position in Group I is more backward than the optimal position. In addition, the above results suggest that the use of HFBA for STN discrimination has a very good effect on the distinction of STNs by simply observing the excitability pattern.
의학 결과들 대 STN 크기Medical Outcomes vs. STN Size
환자들이 상술한 바와 같이 그룹핑되었다. 각각의 의학 결과에 대해 HFBA 또는 IOD에 의해 결정된 상술한 2개의 그룹들의 STN 크기(등 쪽 경계와 배 쪽 경계 간의 길이)들은 비모수적 순위합 검정을 적용하여 비교하였다(참고: 도 7). 도 7A 및 도 7B는 각각 HFBA에 의한 좌측 및 우측 STN 크기를 보여주는 결과이다. UPDRS-III에서 제I그룹의 좌측 STN 크기는 제II그룹의 크기와 현저한 차이를 나타냈다(제I그룹 대 제II그룹의 STN 크기의 중앙값, 7.46 대 6.49, p<0.05; 도 7A). 반면에, 수술 중 결정(IOP)에 따른 STN 크기는 3가지의 의학 결과들에서 유의한 차이를 나타냈다: (a) LED에서 좌측 STN 크기(제I그룹 대 제II그룹의 STN 크기의 중앙값, 7.45 대 6.30, p<0.05; 도 7C); (b) UPDRS-II에서 우측 STN 크기(제I그룹 대 제II그룹의 STN 크기의 중앙값, 5.70 대 6.40, p<0.05; 도 7D); 및 (c) UPDRS-IV (제I그룹 대 제II그룹의 STN 크기의 중앙값, 6.95 대 6.25, p<0.05; 도 7D). 도 7D의 UPDRS-II에 따르면, 우측 STN 크기는 제II그룹보다 제I그룹에서 IOD에 의해 더 작게 관찰되었다. 상술한 결과들을 토대로, UPDRS-I의 제I그룹을 제외하고는 더 큰 STN 크기가 나쁜 의학 결과들을 지속적으로 나타냈다. 한편, IOD에 의해 결정된 STN 크기와 비교하여 HFBA에 의해 결정된 STN 크기는 유의한 차이를 나타내지 않았다(참고: 도 8).
Patients were grouped as described above. For each of the medical results, the STN size (length between the dorsal and parietal boundaries) of the two groups determined by HFBA or IOD was compared using a non-parametric rank sum test (see FIG. 7). FIGS. 7A and 7B show the results of showing the left and right STN sizes by HFBA, respectively. In the UPDRS-III, the left STN size of group I showed a significant difference from the size of group II (median of STN size in group I vs. group II, 7.46 vs. 6.49, p <0.05; FIG. 7A). On the other hand, the STN size according to intraoperative decision (IOP) showed a significant difference in three medical outcomes: (a) the left STN size in the LED (median STN size in group I vs. group 7.4, Vs. 6.30, p <0.05; FIG. 7C); (b) right STN size in UPDRS-II (median of STN size in Group I vs. Group II, 5.70 vs. 6.40, p <0.05; Figure 7D); And (c) UPDRS-IV (median STN size for Group I vs. Group II, 6.95 vs. 6.25, p <0.05; FIG. 7D). According to UPDRS-II of Figure 7D, the right STN size was observed to be smaller by IOD in group I than in group II. Based on the above results, larger STN sizes persisted in poor medical outcomes, except for Group I of UPDRS-I. On the other hand, the STN size determined by HFBA did not show a significant difference compared to the STN size determined by IOD (see FIG. 8).
HFBA 파워 변화에 따른 기울기 분포Slope distribution with HFBA power variation
백그라운드 활성의 양은 미세전극 팁 주위의 뉴런들의 활성 레벨을 의미한다. 이러한 개념으로부터 STN 경계 주위의 HFBA 파워 변화에 따른 패턴이 활성 세포 집단에 대한 정보를 제공할 수 있다는 것을 알 수 있다. 도 9A 및 도 9B는 각각 등 쪽 및 배 쪽 경계에 대한 HFBA 파워 변화율(change rates)의 분포를 기울기(거리 당 파워 변화; μV2/mm)로 나타낸 결과이다. 기울기(도 9C 및 도 9D에서 표시된 빨간 선)는 명확하게 증가(등 쪽) 또는 감소(배 쪽) 패턴을 나타내는 HFBA 트레이스를 이용하여 계산하였다. 등 쪽 및 배 쪽 STN 경계에서, 상기 기울기의 분포는 폭넓었다. 등 쪽 및 배 쪽 STN 경계에서 기울기의 중앙값은 각각 0.045 및 -0.04 μV2/mm였다. 상술한 기울기의 폭넓은 범위는 STN 경계에 접근하는 미세전극의 다양한 정위 좌표들(stereotaxic coordinates)로부터 기인한 것일 수 있다. 2개의 서로 다른 정위 좌표들은 동일한 STN 내의 다른 세포 집단을 만날 것이다. 도 8C 및 도 8D는 동일한 STN에서 2 mm 거리의 서로 다른 2개의 위치들에 대한 HFBA 트레이스들을 보여주는 2개의 실시예들을 보여준다. 첫 번째 레코딩은 파란색 트레이스이고 두 번째 레코딩은 녹색 트레이스이다. 도 9C에서 볼 수 있듯이, 첫 번째 레코딩(파란색 역삼각형) 및 두 번째 레코딩(녹색 역삼각형)에서의 등 쪽 경계의 위치는 유사하였으나, 배 쪽 경계의 위치는 큰 차이를 보였다. 반면에, 도 9D의 경우에서는 등 쪽 및 배 쪽 경계들이 선형 쉬프트(linear shift)를 나타냈지만, 역삼각형들 간의 거리로 알 수 있는 STN 크기는 두 번째 레코딩에서 더 컸다. 또한, 기울기는 2개의 레코딩에서 미세전극 접근방법에 따라 서로 달랐다(참고: 도 9의 기재 내용). HFBA 기울기 상의 변화와 STN 경계 위치에서의 차이(중앙값 또는 측면 쉬프트)는 STN을 지나는 동안 미세전극에 의해 기록된 STN의 구조적 차이를 포함하는 것일 수 있다.
The amount of background activity refers to the active level of neurons around the microelectrode tip. From this concept, it can be seen that the pattern of the HFBA power change around the STN boundary can provide information about the active cell population. 9A and 9B show the distribution of the HFBA power change rates with respect to the dorsal and dorsal boundaries, respectively, as a slope (power change per distance: μV 2 / mm). The slope (the red line shown in FIGS. 9C and 9D) was calculated using an HFBA trace that clearly shows an increment (backward) or a decrease (backward) pattern. The distribution of the slope was wide at the back and STN boundaries. The median values of the slopes at the dorsal and ventral STN boundaries were 0.045 and -0.04 μV 2 / mm, respectively. The wide range of slopes described above may be due to the various stereotaxic coordinates of the microelectrode approaching the STN boundary. Two different stereotactic coordinates will encounter different cell populations within the same STN. Figures 8C and 8D show two embodiments showing HFBA traces for two different positions at 2 mm distance from the same STN. The first recording is a blue trace and the second recording is a green trace. As can be seen in FIG. 9C, the positions of the dorsal boundaries in the first recording (blue inverted triangle) and the second recording (green inverted triangle) were similar, but the position of the parietal boundary showed a large difference. On the other hand, in the case of FIG. 9D, the dichotomous and dorsal boundaries showed linear shifts, but the STN size, which is known by the distance between the inverted triangles, was larger in the second recording. In addition, the slope was different according to the approach of the microelectrode in the two recordings (Note: the description in FIG. 9). The change in HFBA slope and the difference in the STN boundary position (median or lateral shift) may be due to structural differences in the STN recorded by the microelectrode during the STN.
Gpe/Gpi 경계 주위의 HFBA 트레이스HFBA trace around Gpe / Gpi boundaries
STN에서의 HFBA 패턴들이 다른 구조체에서도 관찰되는 지 여부를 확인하기 위해, Gpe/Gpi에 대한 HFBA 트레이스가 분석되었다. 도 10은 Gpe/Gpi에서의 전형적인 HFBA 트레이스들을 보여주고 이를 41개의 MERs로부터 3개의 패턴들로 카테고리화시킨 결과를 보여준다: (a) 첫 번째 패턴은 Gpe/Gpi 경계를 가로지르는 HFBA의 증가를 명확하게 보여준다(도 9A; 24.4%, 10 케이스); (b) 두 번째 패턴은 HFBA 파워의 급격한 증가 및 감소의 반복을 나타낸다(도 10B; 61.0%, 25 케이스); 및 (c) 세 번째 패턴은 작은 HFBA 파워 변화를 보여주는 경우이다(도 10C; 14.5%, 6 케이스). Gpi의 시작은 검정색 역삼각형으로 표시되었다. 도 10A에서 보여지듯이, HFBA 트레이스들은 국부적으로 증가하는 경향을 뚜렷하게 나타냈다. 하지만, 파워 증가가 작은 도 10B 및 도 10C의 패턴에서 이것을 올바르게 인지하는 것은 어려웠다. 상술한 케이스들에서, 본 발명자들은 IOD로부터 얻어진 Gpi 경계(삼각형으로 표시)에 더 근접한 트레이싱의 급격한 변화를 나타내는 기울기를 선택하였다. 도 10D는 Gpi 경계 주위의 HFBA 기울기의 분포를 보여주는 결과이다. 기울기 분포는 STN의 분포와 유사하였지만(도 9A 및 도 9B), Gpe/Gpi에서의 평균값이 더 작았다.
HFBA traces for Gpe / Gpi were analyzed to see if the HFBA patterns in STN were also observed in other structures. Figure 10 shows typical HFBA traces in Gpe / Gpi and categorizes them into three patterns from 41 MERs: (a) the first pattern clearly shows the increase in HFBA across the Gpe / Gpi boundary (Fig. 9A; 24.4%, 10 cases); (b) the second pattern shows repetitive increases and decreases of HFBA power (Fig. 10B; 61.0%, 25 cases); And (c) the third pattern shows a small HFBA power change (Fig. 10C; 14.5%, 6 cases). The beginning of the Gpi was marked with a black inverted triangle. As shown in FIG. 10A, the HFBA traces clearly showed a tendency to increase locally. However, it is difficult to correctly recognize this in the pattern of Fig. 10B and Fig. 10C where the power increase is small. In the above cases, the inventors have chosen a slope that represents a sharp change in tracing closer to the Gpi boundary (represented by triangle) obtained from the IOD. Figure 10D shows the distribution of the HFBA slope around the Gpi boundary. The slope distribution was similar to the distribution of STN (Figs. 9A and 9B), but the average value at Gpe / Gpi was smaller.
추가논의사항Additional discussion
본 발명자들은 83개의 MERs을 연구하여 STN의 위치화에 있어서 HFBA의 효과를 확인하였다. 수술 중 결정되는 STN 경계들은 몇몇 PD 환자들에서 HFBA에 의해 결정된 경계들과 유의하게 차이가 있었다. HFBA의 매우 높은 파워는 STN-특이적이었다. 더 나아가, 본 발명자들은 HFBA를 이용하여 큰 위치화 에러 및 나쁜 의학 결과들을 나타낸 몇몇 PD 환자들을 발견할 수 있었다. 따라서, HFBA를 이용한 위치화는 STN 위치화에 있어서 DBS 수술에서 객관적인 가이드로 이용할 수 있다.
The present inventors studied 83 MERs to confirm the effect of HFBA on the localization of STN. The STN boundaries determined during surgery were significantly different from the boundaries determined by HFBA in some PD patients. The very high power of HFBA was STN-specific. Further, the inventors have been able to find several PD patients using HFBA that exhibited large localization errors and poor medical results. Therefore, HFBA localization can be used as an objective guide in DBS surgery for STN localization.
백그라운드 활성을 이용한 STN의 위치화Positioning of STN using background activity
백그라운드 변화(또는 기준 활성 변화)가 등 쪽 STN을 확인하기 위해 이용되어 왔다. 백그라운드 노이즈 레벨의 오디오 모니터링은 간접적이지만 핵심 사항이다. 소리가 기본 활성의 변화들을 반영한다는 사실에 기인하여, 집도의(operator)는 미세전극의 진입 과정 동안 변화들을 모니터링할 수 있다. 이러한 이유로, 여러 연구자들이 국소 전위[20], MERs의 제곱평균제곱근[25] 및 MER의 고주파(> 500 Hz) PSD[11, 17]를 이용하여 백그라운드 활성의 정량화를 시도하였다.Background changes (or reference activity changes) have been used to identify back-side STNs. Audio monitoring of the background noise level is an indirect but key point. Due to the fact that the sound reflects changes in the fundamental activity, the operator can monitor changes during the entry of the microelectrode. For this reason, several researchers have attempted to quantify background activity using local dislocation [20], the square root mean square of MERs [25], and the high frequency (> 500 Hz) PSD of MER [11, 17].
백그라운드 활성을 조사하기 위해서는 오류들과 스파이크들의 제거가 필수적이다. 상기 오류들과 스파이크들은 큰 진폭, 제곱평균제곱근(또는 표준편차), 웨이블렛 변화 및 파워 스펙트라 밀도 계산으로 인해 기준 활성 레벨을 오염시킨다. 정제되지 않은 시그널에서 큰 진폭 이벤트들은 모든 주파수들의 파워를 증가시켰다. 이를 해결하기 위해, 2가지 방법들이 이용되었다. 첫 번째 방법은 큰 진폭 이벤트들을 제거한다. 상기 방법은 스파이크들 및 노이즈 오류들이 점거한 갭들을 필링하는 문제를 해결하기 위한 간단하고 직접적인 접근 방법이다. Novak 등(2011)은 언수퍼바이즈드 다우베키스-기반 웨이블렛 알고리즘[unsupervised Daubechies-base wavelet algorithm; 27]을 이용하여 백그라운드 활성의 변화 없이 스파이크들을 제거하였다. 두 번째 방법은 Dolan 등(2009)이 이용한 간접적 접근 방법이다. MER 시그널 포괄 신호의 분포는 힐버트 변환, 밴드-제한된 가우스 노이즈를 이용하여 계산된 후, 레일리 분포로 표시된다. 따라서, 유의한 이벤트들은 레일리 분포의 꼬리에 위치하게 될 것이고 백그라운드 노이즈는 상기 분포의 최대 피크 주위에 위치할 것이다[25]. 최대 피크는 백그라운드 노이즈 레벨을 나타낸다. 상술한 2가지 방법들에서 더 긴 MER 절편이 요구되었기 때문에, Novak 등(2011) 및 Dolan 등(2009)은 10초 MER 절편을 이용하였다.Removal of errors and spikes is essential to investigate background activity. The errors and spikes contaminate the reference activity level due to large amplitude, root-mean-square (or standard deviation), wavelet variation, and power spectral density calculations. Large amplitude events in the unpurified signal increased the power of all frequencies. To solve this problem, two methods were used. The first method removes large amplitude events. The method is a simple and straightforward approach to solving the problem of spilling gaps that are occupied by spikes and noise errors. Novak et al. (2011) proposed an unsupervised Daubechies-based wavelet algorithm (DWDM) algorithm based on an unsupervised Daubechies-based wavelet algorithm. 27] to remove spikes without changing background activity. The second method is an indirect approach using Dolan et al. (2009). The distribution of the MER signal envelope signal is calculated using the Hilbert transform, band-limited Gaussian noise, and then expressed as a Rayleigh distribution. Thus, significant events will be placed at the tail of the Rayleigh distribution and background noise will be around the maximum peak of the distribution [25]. The maximum peak represents the background noise level. Novak et al. (2011) and Dolan et al. (2009) used a 10 second MER slice because longer MER slices were required in the above two methods.
한편, 본 발명자들의 방법은 간단하고 직접적인 기준 활성 레벨을 제공한다. 큰 이벤트들(> 40 μV)은 1초의 절편으로부터 제거되었으며, 남은 데이터 포인트들은 연속 시그널(continuous signal)로 축적 되었다. 이러한 결합(conjuction)은 다른 오류를 발생시킬 수도 있지만, 여전히 백그라운드 변동 레벨보다 작았다. 이에, 다른 오류가 존재하더라도 무시될 수 있었다. 도 3은 HFBA를 이용하여 본 발명자들의 방법이 기초적인 백그라운드 활성 레벨을 표현하는 데 유용하고 상기 결합 오류가 무시할 만하다는 것을 잘 보여준다. 도 3에서, 근처 절편들보다 더 높지만, HFBA 변화에 따른 문제가 아닌 몇몇 HFBA 절편들이 존재한다. 상기 HFBA 절편들은 진폭 역치를 감소시키고 피크 이벤트들 주위의 제거 포인트들을 증가시켜 디스파이크된 절편을 제조함으로써 제거될 수 있다. 본 발명자들의 방법이 실-시간 또는 온라인 프로세싱에 유용한 지 여부를 테스트하기 위해, 본 발명자들은 실-시간 레코딩을 모방하였다. 차례로 MER 데이터를 읽는 동안, 데이터 포인트의 절대 값이 진폭 역치(40 μV)보다 더 큰 경우 상기 데이터 포인트 전의 1개의 포인트 및 이후의 5개의 포인트들(총 6개의 데이터 포인트들)이 제거되었다. 잔여 데이터 포인트들은 연속적으로 축적되었다. 상기 과정은 1초 마다 실시되었다. 큰 진폭 오류들 및 스파이크들은 기원 또는 의미를 고려함이 없이 제거하였다. 결과들은 몇몇 높은 흥분도 부위들을 제외하고는 유사하였다(참고: 도 11 내 -3 ~ -1.5 mm 깊이). 상기 프로세스를 좀 더 간편하고 신속하게 실시하기 위해, HFBA는 짧은 스파이크된 절편을 이용하여 계산하였는데, 이는 본 발명자들의 간단한 프로세스가 수술에 직접적으로 적용될 수 있다는 것을 보여준다.
On the other hand, our method provides a simple and direct reference activity level. Large events (> 40 μV) were removed from the one second segment and the remaining data points were accumulated as a continuous signal. This conjuction may cause other errors, but it was still smaller than the background fluctuation level. Thus, even if other errors exist, they could be ignored. FIG. 3 illustrates how our method using HFBA is useful for representing background background activity levels and that the combining error is negligible. In Figure 3, there are some HFBA fragments that are higher than nearby fragments, but not a problem with HFBA changes. The HFBA fragments can be removed by reducing the amplitude threshold and increasing the removal points around the peak events to produce a de-spiked slice. To test whether our method is useful for real-time or on-line processing, the inventors have imitated real-time recording. While reading the MER data in turn, one point before and the next five points (a total of six data points) were removed if the absolute value of the data point was greater than the amplitude threshold (40 μV). The remaining data points were accumulated continuously. The procedure was performed every second. Large amplitude errors and spikes were removed without considering origin or semantics. The results were similar except for some high excitability regions (see Fig. 11, -3 to -1.5 mm deep). To make the process simpler and faster, HFBA was calculated using short spiked sections, which shows that our simple process can be applied directly to surgery.
기준 활성 변동 정량을 위한 방법들의 비교Comparison of methods for reference active variation quantification
기준 활성 변동 레벨을 계산하기 위해, 제곱평균제곱근, 표준편차, 웨이블렛 변환 및 PSD가 이용되었다. 본 발명자들은 가장 효과적인 기법을 결정하기 위해 상기 방법들을 비교하였다. 웨이블렛 변환에서 파워 평균값(mean power)은 1,000-2,000 Hz 주파수 범위에서 "bior1.5" 또는 "morlet" 웨이블렛을 이용한 연속 웨이블렛 변환을 이용하여 계산하였다. PSD를 이용한 HFBA는 다른 방법들과 비교하여 가장 높은 파워 대비(power contrast)를 나타냈다(참고: 도 12). 제곱평균제곱근은 절대적인 값 진폭을 반영하기 때문에 표준편차와 동일하였다. Snelling 등(2009)은 웨이블렛-유래된 백그라운드 활성을 이용하는 것이 PSD를 이용하는 것보다 더 효과적이라는 것을 보고하였다. Snelling 등(2009)과 본 발명자들의 방법 간에 차이점들이 존재한다. Snelling 등(2009)은 스파이크들을 검출하기 위해 웨이블렛 변환을 이용하였고 이때 백그라운드 활성은 비-스파이크 시그널들의 제곱평균제곱근에 의해 표시되었다. Snelling 등(2009)은 웨이블렛-유래된 백그라운드 활성과 PSD 간의 z-스코어를 비교하였다. 전체 시퀀스를 표준화시키고 대비능(contrast)을 감소시키기 위해, z-스코어는 전체 시그널들의 평균값 및 표준편차에 의해 계산되었다. 하지만, 본 발명자들의 표준화는 가장 낮은 파워를 가진 최초 1초 절편을 이용하여 실시하였고 z-스코어보다 대비능이 우수한 파워비 시그널(power ratio signal)을 제조하였다. 도 12에서 확인할 수 있듯이, 본 발명의 비율 표준화는 다른 방법들보다 우수한 효율을 나타낸다.To calculate the reference active variation level, the root-mean-square root, standard deviation, wavelet transform and PSD were used. We have compared these methods to determine the most effective technique. In the wavelet transform, the mean power was calculated using a continuous wavelet transform using a "bior1.5" or "morlet" wavelet in the frequency range of 1,000-2,000 Hz. HFBA using PSD showed the highest power contrast compared to other methods (see FIG. 12). The square root mean square was the same as the standard deviation since it reflected the absolute value amplitude. Snelling et al. (2009) reported that using wavelet-derived background activity was more effective than using PSD. There are differences between Snelling et al. (2009) and our method. Snelling et al. (2009) used wavelet transform to detect spikes, where background activity was represented by the root mean square of the non-spike signals. Snelling et al. (2009) compared z-scores between wavelet-derived background activity and PSD. In order to standardize the entire sequence and reduce the contrast, the z-score was calculated by means of the mean and standard deviation of the total signals. However, the inventors' standardization was performed using the first one-second slice with the lowest power, and a power ratio signal superior in contrast to the z-score was produced. As can be seen in FIG. 12, the rate normalization of the present invention exhibits better efficiency than other methods.
본 발명자들은 백그라운드 활성 레벨을 추출하는데 중요한 주파수 컷오프와 진폭 역치를 조사하였다. 이를 위해, 본 발명자들은 주파수 및 진폭 역치의 변화에 따른 결과를 조사하였다(참고: 도 13). 도 13A는 1,000 Hz 주파수 컷오프와 40 μV 진폭 역치로 계산된 HFBA 트레이스를 보여주는 결과이다. STN 위치(검은색 역삼각형 사이)에 대해 높은 파워를 나타내는 상술한 매개변수들의 결과가 도 3에서처럼 보여 진다. 도 13B는 고정된 진폭 역치(40 μV; 컬러 코드) 하에서 다양한 주파수 컷오프(100-1,000 Hz)에 따른 HFBA 결과를 의미한다. STN 위치(흰색 역삼각형 사이)가 모든 주파수 범위에서 높은 파워를 가졌다. 특히 더 낮은 주파수 컷오프에서 더 높은 파워를 가지는 몇몇 절편들이 존재하였는데, 이들은 제거되지 않았던 작은 오류들로부터 유래하였으며 고주파 범위에서 파워가 감소하였다. 단일 오류는 500 Hz 근처에서 최대 PSD 파워를 나타냈다(참고: 도 14A 및 도 14B). 상술한 발견들에 기초하여, 본 발명자들은 1,000 Hz 고주파 컷오프가 HFBA의 오염을 최소화시키기에 충분하다고 결정하였다. 진폭 역치의 조사에 있어서, 주파수 컷오프가 1,000 Hz로 고정되었다. 도 13C에서의 HFBA 경향은 역치 변화의 효과를 나타낸다. 낮은 진폭 역치 값(15 μV)는 좋은 대비 효과를 나타내지 않지만, 역치 증가에 따라 대비 효과가 증가하였다(특히, STN의 내부; 흰색 역삼각형으로 표시됨). 상기 파워 증가는 MUA(multi unit activity)로부터 유래한다. 더 나아가, 경계(흰색 역삼각형 근처)에서의 대비능은 28 μV 이상의 역치 증가에 따라 유의하게 증가하지 않았다(참고: 도 13C). 상술한 결과들은 적당한 역치 값과 고주파 컷오프(예를 들어, 본 발명자들이 이용한 40 μV 및 1,000 Hz)를 이용한 HFBA가 STN 경계를 구별하는 데 충분하다는 것을 제시한다.
We investigated the frequency cutoff and amplitude thresholds that are important for extracting background activity levels. To this end, the present inventors investigated the results according to changes in the frequency and amplitude threshold values (see FIG. 13). Figure 13A shows the HFBA trace calculated with a 1,000 Hz frequency cutoff and a 40 μV amplitude threshold. The results of the above-mentioned parameters indicating a high power for the STN position (between black inverted triangles) are shown in FIG. Figure 13B shows the HFBA results for various frequency cutoffs (100-1,000 Hz) under a fixed amplitude threshold (40 μV; color code). The STN position (between white inverted triangles) had high power over all frequency ranges. In particular, there were some intercepts with higher powers at lower frequency cutoffs, which resulted from small errors that were not removed and reduced power in the high frequency range. The single error showed the maximum PSD power near 500 Hz (see Figures 14A and 14B). Based on the above findings, the inventors have determined that a 1000 Hz high frequency cutoff is sufficient to minimize contamination of HFBA. In the investigation of the amplitude threshold, the frequency cutoff was fixed at 1,000 Hz. The HFBA trend in Figure 13C shows the effect of the threshold change. The low amplitude threshold value (15 μV) did not provide a good contrast effect, but the contrast effect increased with increasing threshold value (especially inside the STN; white inverted triangle). The power increase is derived from multi-unit activity (MUA). Furthermore, the contrast at the boundary (near the white inverted triangle) did not significantly increase with a threshold increase above 28 μV (see FIG. 13C). The above results suggest that HFBA using appropriate threshold values and high frequency cutoff (e.g., 40 [mu] V and 1,000 Hz used by the present inventors) is sufficient to distinguish STN boundaries.
STN 경계 검출에 대한 HFBA의 효율Efficiency of HFBA for STN boundary detection
도 3에서 알 수 있듯이 HFBA 트레이스들은 STN 경계를 검출하는 데 유용하다. 1초 동안의 HFBA를 이용한 백그라운드 활성의 변화는 IOD와 잘 매치되었다. 특히, HFBA를 이용한 STN 경계와 IOD에 의한 STN 경계는 83개의 MERs로부터 좌측-등 STN에서의 6 케이스 및 좌측-배 STN에서의 6 케이스를 제외하고는 유사하였다. 대부분의 케이스들에서, 그 차이는 ± 1.0 mm 이하로 관찰되었다. 이것은 IOD를 이용한 본 발명자들의 STN 위치화가 성공적이었다는 것을 의미한다. 한편, 경계 차이의 폭넓은 분포(도 4G 및 도 4H)는 짧은 시간 동안 정밀한 단계로 구동하는 자동화된 미세전극(예를 들어, 1.0초 동안 0.1 mm)과 조합된 HFBA를 이용한 STN 경계의 보다 정밀한 위치화의 가능성을 강하게 시사한다.
As can be seen in Figure 3, HFBA traces are useful for detecting STN boundaries. Changes in background activity using HFBA for 1 second matched well with IOD. In particular, STN boundaries using HFBA and STN bound by IOD were similar from 83 MERs except 6 cases in the left - sided STN and 6 cases in the left - sided STN. In most cases, the difference was observed to be less than ± 1.0 mm. This means that our STN positioning with IOD was successful. On the other hand, a broad distribution of boundary differences (Figs. 4G and 4H) shows that the more precise the STN boundary with HFBA combined with automated microelectrodes (e.g., 0.1 mm for 1.0 second) It strongly suggests the possibility of localization.
의학 결과들과 STN 경계의 비교Comparison of medical outcomes with STN boundaries
STN 경계의 위치화를 최적화하는 목적은 DBS 효율을 개선하기 위한 것이다. 따라서, DBS 결과들은 최적의 DBS 전극의 위치와 관련이 있다. 본 발명자들이 39명의 PD 환자들 중 5개의 의학 결과들을 비교한 결과, 대부분이 감소하였다. 이러한 감소는 소수의 환자를 제외하곤 대부분 성공적인 DBS 수술이었다는 것을 의미한다.The purpose of optimizing the positioning of STN boundaries is to improve DBS efficiency. Thus, DBS results are related to the location of the optimal DBS electrode. The present inventors compared 5 medical results among 39 PD patients and found that the majority decreased. This reduction meant that most except the small number of patients were successful DBS surgeries.
놀랍게도, UPDRSs과 LED의 각 파트는 서로 강한 연관성을 나타내지 않았다. 본 발명자들은 피어슨 상관계수를 이용하여 UPDRS-II 대 UPDRS-III 상의 양성 상관성만을 발견하였다(p<0.05). 이것은 DBS 수술에 대한 반응에서 개인에 따라 존재하는 변이성에 기인한 것일 수 있다. 더욱이, 제I그룹에서 상기 개인별 변이성과 작은 시료 수(UPDRS-I, -II, -III, -IV 및 LED에서 각각 15, 11, 6, 9 및 5개)의 제한점들이 본 발명자들의 통계적 분석을 혼란시켰을 수도 있다.Surprisingly, the UPDRSs and each part of the LED did not show strong association with each other. The present inventors found only positive correlations on UPDRS-II versus UPDRS-III using Pearson correlation coefficients (p <0.05). This may be due to the variability inherent in individuals in response to DBS surgery. Moreover, the limitations of the individual variability and small sample numbers (15, 11, 6, 9 and 5 in UPDRS-I, -II, -III, -IV and LED, respectively) in Group I were statistically analyzed by the present inventors It may be confusing.
STN 경계 차이 비교에서 UPDRS-IV와 LED 간에 통계적으로 유의한 결과들이 존재했다는 것이 흥미롭다. 상기 2개의 의학 결과에 대한 측정치들(measures)은 PD 증상들, 레보도파(levodopa)의 동일 투여량에 따른 PD의 심각성과 LED에 대한 UPDRS-IV 스코어와 연관되어 있다. 제I그룹에서의 보다 큰 STN 경계 검출 에러는 일관된 결과들을 나타냈으며, DBS 수술에서 HFBA의 이용 가능성을 보여줬다. 불행하게도, 본 발명의 데이터는 임상의-스코어된 모터 평가(motor evaluation)인 UPDRS-III에 대한 유의한 결과를 나타내지 않았다. 매우 주관적인 측정치들인 UPDRS-I(정신 상태, 행동 및 분위기) 및 UPDRS-II(자가-평가된 일상생활능력)는 UPDRS-II에 대한 STN 크기 비교 결과를 제외하고는 유의한 의미를 나타내지 않았다.
It is interesting to note that there was statistically significant results between UPDRS-IV and LED in STN boundary difference comparisons. Measurements for the two medical outcomes are associated with PD symptoms, PD severity with the same dose of levodopa and UPDRS-IV score for the LED. Larger STN boundary detection errors in group I showed consistent results and demonstrated the availability of HFBA in DBS surgery. Unfortunately, the data of the present invention did not show significant results for UPDRS-III, a clinically-scored motor evaluation. The highly subjective measures UPDRS-I (mental status, behavior and atmosphere) and UPDRS-II (self-assessed daily living ability) did not show any significance except for the STN size comparison results for UPDRS-II.
HFBA 변화는 STN-특이적이다HFBA changes are STN-specific
본 발명자들은 HFBA의 파워가 다른 부위보다 STN에서 더 큰 이유에 대해 의문을 가졌다. 이것은 흥분 패턴과 세포 활성에서의 차이와 연관이 있을 것이다. MER의 전형적인 주행 방향(trajectory)은 시상(TH), 불확핵(zona incerta, ZI), 내섬유막(internal capsule, IC), STN 등 쪽의 포렐구역(H field of Forel, H) 및 STN 배 쪽의 SNr을 포함한다. 하기 표 1은 상기 영역들의 기능적 특성들을 요약한 것이다.The present inventors questioned why the power of HFBA is greater in STN than in other sites. This may be related to differences in excitation patterns and cell activity. The typical trajectory of the MER is the thalamus (TH), the zona incerta (ZI), the internal capsule (IC), the H field of Forel (H) Lt; / RTI > Table 1 below summarizes the functional characteristics of the regions.
(평균값±SD
spikes/sec)Excitement
(Mean value ± SD
spikes / sec)
Cagnan et al., 2011
Sterio et al., 2002Benazzouz et al., 2002
Cagnan et al., 2011
Sterio et al., 2002
32.7±23.1: 내측-등쪽11.7 ± 15: center-lateral
32.7 ± 23.1: Medial - Dorsal
리듬있는 진동8-14 Hz
Rhythmic vibration
43.0±9.5: 배 쪽
52.0 ± 12.0:
43.0 ± 9.5: Pear side
4.7±1.8 세포/mm: 배 쪽6.8 +/- 2.0 cells / mm: ipsilateral
4.7 ± 1.8 cells / mm: pear side
(8-80 Hz 범위)Rigid discharge
(8-80 Hz range)
52±18: PD 환자들53 ± 23: Tense abnormality
52 ± 18: Patients with PD
82±32: 내측53 ± 27: lateral
82 ± 32: medial
96±23: PD55 ± 22: Tense abnormality
96 ± 23: PD
* 약어: TH, 시상; ZI, 불확핵; IC, 내섬유막; H, 포렐구역; STN, 시상밑핵; SNr, 뇌 흑색질 그물부; Gpe, 창백외핵; 및 Gpi, 창백내핵.
* Abbreviation: TH, a prize; ZI, uncertain nuclear; IC, inner fibrous membrane; H, Porel area; STN, hypothalamus; SNr, cerebral substantia nigra; Gpe, pale nucleus; And Gpi, pale inner core.
등쪽 영역(TH, ZI, IC 및 H)은 STN과 비교하여 상대적으로 낮은 흥분도 및 더 적은 세포들을 가진다. 하지만, SNr은 STN보다 더 높은 흥분도를 가지지만, 더 낮은 세포 밀도를 나타낸다. 또한, 이러한 기능적 특징은 다수-세포 스파이크 밀도(multiple-cell spike density)에서도 관찰된다: IC 또는 ZI에서의 16 ± 9 스파이크/sec; STN에서의 584 ± 195 스파이크/sec; 및 SNr에서의 94.1 ± 80.8 스파이크/sec[20]. STN에서 더 높은 불규칙 흥분도 및 더 밀집한 세포 밀도는 STN 부위에서 HFBA 파워를 증가시키는 더 높은 백그라운드 활성을 야기한다(참고: 도 3). 불행하게도, 본 발명자들의 연구에서 SNr 부위의 MER이 매우 적어서 STN과 SNr의 HFBA 패턴을 비교할 수 없었다. 이 때문에 SNr에 대해 상대적으로 제한된 정보를 제공한다(참고: 도 3).The dorsal regions (TH, ZI, IC and H) have relatively low excitability and fewer cells compared to STN. However, SNr has higher excitability than STN, but exhibits lower cell density. In addition, this functional characteristic is also observed at multiple-cell spike density: 16 +/- 9 spikes / sec at IC or ZI; 584 + 195 spikes / second in STN; And 94.1 ± 80.8 spikes / sec at SNr [20]. Higher irregular excitations and more dense cell density in STN cause higher background activity that increases HFBA power at the STN site (see Figure 3). Unfortunately, in our studies, the MER at the SNr site was very small and the HFBA pattern of STN and SNr could not be compared. This provides relatively limited information on SNr (see Figure 3).
STN의 HFBA 트레이스를 Gpe/Gpi와 비교하는 것이 흥미롭다. 도 3(STN) 및 도 10(Gpe/Gpi)에서 볼 수 있듯이, 큰 패턴 차이가 존재한다. Gpe 및 Gpi는 긴장이상 및 PD 환자들에서 더 높고 더 불규칙한 촉발-유사 흥분 패턴을 가진다(참고: 표 1). 신경독소인 MPTP(1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine)을 이용한 PD 원숭이 모델에서, Gpe는 80.1 ± 10.0 촉발(bursts)/min였고 Gpi는 104.2 ± 8.3 촉발/min였다[28]. 더 나아가, Gpe 및 Gpi를 둘러싼 라미나 경계 부위도 다음과 같은 흥분 활성을 가졌다: 44 ± 17 스파이크(spikes)/sec의 일정한 흥분도 또는 시간에 따라 천천히 변동하는 흥분도[29] 및 20-40 스파이크/sec의 규칙적 방전[30]. PD 원숭이 모델에서 흥분도는 MPTP 처리(31.3 ± 1.6 스파이크/sec 대 8.9 ± 0.7 스파이크/sec, p<0.05)에 의해 현저하게 감소하였다[31]. 전체 창백핵(담창구; pallidus)을 가로지르는 상기 높고 촉발적인 흥분 패턴은 전체 주행 방향으로 높은 백그라운드 활성을 발생시킬 수 있다(참고: 도 10). 또한, 본 발명자들은 4명의 환자로부터 중간배쪽핵(ventrointermediate nucleus)의 6가지 HFBA 트레이스들을 조사하였으며, 모터 시상 뉴런들이 다른 흥분 패턴을 가질 지라도, STN에서 보여지는 특징적인 패턴 변화들을 발견하지 못 했다[32]. 상술한 결과들은 HFBA 패턴이 STN-특이적(참고: 도 3)이라는 것을 의미한다.
It is interesting to compare STN's HFBA traces with Gpe / Gpi. As can be seen in Fig. 3 (STN) and Fig. 10 (Gpe / Gpi), there is a large pattern difference. Gpe and Gpi have higher and more irregular spark-like excitation patterns in tension-disordered and PD patients (see Table 1). In the PD monkey model using the neurotoxin MPTP (1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine), Gpe was 80.1 ± 10.0 bursts / min and Gpi was 104.2 ± 8.3 pulse / min Respectively. Furthermore, the lamina border around Gpe and Gpi also had the following excitatory activity: a constant excitability of 44 +/- 17 spikes / sec or a slowly varying excitability over time [29] and 20-40 Regular discharge of spike / sec [30]. In the PD monkey model, excitability was significantly reduced by MPTP treatment (31.3 ± 1.6 spikes / sec vs. 8.9 ± 0.7 spikes / sec, p <0.05) [31]. The high and sparking excitation pattern across the entire pallidus can cause high background activity in the entire running direction (see FIG. 10). We also examined six HFBA traces of the ventrointermediate nucleus from four patients and found no characteristic pattern changes seen in STN, even though motor thalamocryon neurons had different excitation patterns [ 32]. The above results indicate that the HFBA pattern is STN-specific (see FIG. 3).
STN 형태(shape)와 HFBA 기울기 간의 상관성Correlation between STN shape and HFBA slope
본 발명자들은 HFBA 트레이스들의 다양하게 증가하고 감소하는 패턴들을 관찰하였다(참고: 도 3, 도 4 및 도 9). HFBA의 기울기와 STN에서의 높은 파워의 길이가 MER의 주행 방향을 반영할 것이다. Nowinski 등(2006)은 SW 뇌 아틀라스에 기반된 STN의 3D 모델을 구축하였다. 3D STN 모델은 오목하고 복잡하며 그 크기가 아몬드보다 약간 더 작다[12]. 인간 STN의 아몬드-형태도 크레질 바이올렛(cresyl violet) 염색을 통해 촬영되었다[33]. 상기 인간 STN의 형태는 HFBA 패턴들을 설명할 수 있다. 미세전극이 STN에 진입할 때 STN의 정점(apexes)과 몸체(body) 사이에 세포 밀도 차이가 존재한다. 두 개의 정점(등/배)이 STN보다 더 낮은 세포 밀도를 가지는 다른 구조체들과 접촉한다는 사실로 인해, 백그라운드 활성은 STN의 몸체보다 더 낮을 것이다. 따라서, 미세전극이 정점을 통해 STN에 접근한다면 세포 집단이 점진적으로 증가할 것이기 때문에 HFBA 트레이스의 기울기는 서서히 증가할 것이다. 하지만, 미세전극이 STN 몸체를 통해 접근한다면 세포 집단이 밀집되어 있기 때문에 기울기는 더 가파르게 증가할 것이다. 배 쪽에서의 기울기 감소도 동일할 것이다. 최대 HFBA 파워 범위의 길이는 STN 몸체를 통과하는 주행 방향의 길이를 의미할 것이다. 도 9C 및 도 9D에서 확인할 수 있듯이, 기울기는 정위 좌표들에 따라 변할 것이다. STN 몸체에서 자극 전극의 위치(positioning)이 최적 자극에 중요하기 때문에 경계 주위의 HFBA의 변화를 확인하고 개선된 의학 결과들을 얻기 위해 보다 상세한 연구들이 요구되고 있다.We observed various increasing and decreasing patterns of HFBA traces (see Figures 3, 4 and 9). The slope of the HFBA and the length of the high power in the STN will reflect the direction of travel of the MER. Nowinski et al. (2006) constructed a 3D model of STN based on SW brain atlas. 3D STN models are concave, complex, and slightly smaller than almonds [12]. The almond-form of human STN was also photographed through cresyl violet staining [33]. The form of the human STN can account for HFBA patterns. When the microelectrode enters the STN, there is a cell density difference between the apexes and the body of the STN. Due to the fact that the two vertices (dips / times) come into contact with other structures with lower cell densities than STN, the background activity will be lower than the STN body. Thus, the slope of the HFBA trace will slowly increase, as the population of cells will gradually increase if the microelectrode approaches the STN through the apex. However, if the microelectrode is accessed through the STN body, the slope will increase more steeply because the population of cells is dense. The decrease in slope at the abdomen side will also be the same. The length of the maximum HFBA power range shall mean the length of the travel direction through the STN body. As can be seen in Figures 9C and 9D, the slope will vary depending on the orientation coordinates. More detailed studies are needed to identify changes in HFBA around the perimeter and to obtain improved medical results because the positioning of the stimulating electrodes in the STN body is important for optimal stimulation.
요약하면, 본 발명자들은 HFBA를 이용하여 PD 환자들의 MERs을 후향적으로 조사하였다. HFBA는 STN 몸체의 경계 및 몸체의 정밀한 위치화에 우수한 능력(potential)을 가진다. HFBA의 프로세싱은 간단하고 DBS 수술 동안 자동화된 모터-추진 MER을 이용하여 실-시간 모니터링에 용이하게 적용될 수 있다. HFBA 트레이스는 기능적 차이들로 인해 STN-특이적이다. 본 발명자들의 결과들은 STN의 위치화를 위한 HFBA의 이용이 DBS 수술 동안 보다 객관적이고, 신속하며 효과적인 결정을 제공할 뿐 아니라 의학 결과들을 개선시킬 수 있다.
In summary, we retrospectively examined the MERs of PD patients using HFBA. The HFBA has excellent potential for precise localization of the body and boundary of the STN body. The processing of the HFBA is simple and can be easily applied to real-time monitoring using an automated motor-propulsion MER during DBS surgery. HFBA traces are STN-specific due to functional differences. Our results suggest that the use of HFBA for localization of STNs may provide more objective, faster and more effective decisions during DBS surgery as well as improve medical outcomes.
이상으로 본 발명의 특정한 부분을 상세히 기술하였는바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적인 기술은 단지 일 구현예일 뿐이며, 이에 본 발명의 범위가 제한되는 것이 아닌 점은 명백하다. 따라서, 본 발명의 실질적인 범위는 첨부된 청구항과 그의 등가물에 의하여 정의된다고 할 것이다.
While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is obvious that the same is by way of illustration and example only and is not to be construed as limiting the scope of the invention. Accordingly, the actual scope of the present invention will be defined by the appended claims and their equivalents.
참조문헌References
1. Lozano A, Hutchison W, Kiss Z, Tasker R, Davis K, et al. (1996) Methods for microelectrode-guided posteroventral pallidotomy. Journal of Neurosurgery 84: 194-202.1. Lozanoe, Hutchison W, Kiss Z, Tasker R, Davis K, et al. (1996) Methods for microelectrode-guided posteroventral pallidotomy. Journal of Neurosurgery 84: 194-202.
2. Vitek JL, Bakay RAE, Hashimoto T, Kaneoke Y, Mewes K, et al. (1998) Microelectrode-guided pallidotomy: technical approach and its application in medically intractable Parkinson's disease. Journal of Neurosurgery 88: 1027-1043.2. Vitek JL, Bakay RAE, Hashimoto T, Kaneoke Y, Mewes K, et al. (1998) Microelectrode-guided pallidotomy: a technical approach and its application in medically intractable Parkinson's disease. Journal of Neurosurgery 88: 1027-1043.
3. Chang J, Lee B, Lee M, Chang J, Park Y, et al. (2001) Microelectrode Recording-Guided Deep Brain Stimulation in Patients with Movement Disorders (First Trial in Korea). In: Kultas-Ilinsky K, Ilinsky I, editors. Basal Ganglia and Thalamus in Health and Movement Disorders: Springer US. pp. 341-347.3. Chang J, Lee B, Lee M, Chang J, Park Y, et al. (2001) Microelectrode Recording-Guided Deep Brain Stimulation in Patients with Movement Disorders (First Trial in Korea). In: Kultas-Ilinsky K, Ilinsky I, editors. Basal Ganglia and Thalamus in Health and Movement Disorders: Springer US. pp. 341-347.
4. Olanow CW (2002) Surgical therapy for Parkinson's disease. European Journal of Neurology 9: 31-39.4. Olanow CW (2002) Surgical therapy for Parkinson's disease. European Journal of Neurology 9: 31-39.
5. Krack P, Batir A, Van Blercom N, Chabardes S, Fraix V, et al. (2003) Five-Year Follow-up of Bilateral Stimulation of the Subthalamic Nucleus in Advanced Parkinson's Disease. New England Journal of Medicine 349: 1925-1934.5. Krack P, Batira, Van Blercom N, Chabardes S, Fraix V, et al. (2003) Five-Year Follow-up of Bilateral Stimulation of the Subthalamic Nucleus in Advanced Parkinson's Disease. New England Journal of Medicine 349: 1925-1934.
6. Fasano A, Romito LM, Daniele A, Piano C, Zinno M, et al. (2010) Motor and cognitive outcome in patients with Parkinsons disease 8 years after subthalamic implants. Brain 133: 2664-2676.6. Fasano A, Romito LM, Daniele A, Piano C, Zinno M, et al. (2010) Motor and cognitive outcome in patients with Parkinson's
7. Schpbach WMM, Chastan N, Welter ML, Houeto JL, Mesnage V, et al. (2005) Stimulation of the subthalamic nucleus in Parkinsons disease: a 5 year follow up. Journal of Neurology, Neurosurgery & Psychiatry 76: 1640-1644.7. Schpbach WMM, Chastan N, Welter ML, Houeto JL, Mesnage V, et al. (2005) Stimulation of the subthalamic nucleus in Parkinsons disease: a 5 year follow up. Journal of Neurology, Neurosurgery & Psychiatry 76: 1640-1644.
8. Erola T, Heikkinen ER, Haapaniemi T, Tuominen J, Juolasmaa A, et al. (2006) Efficacy of bilateral subthalamic nucleus (STN) stimulation in Parkinsons disease. Acta Neurochirurgica 148: 389-394.8. Erola T, Heikkinen ER, Haapaniemi T, Tuominen J, Juolasmaae, et al. (2006) Efficacy of bilateral subthalamic nucleus (STN) stimulation in Parkinsons disease. Acta Neurochirurgica 148: 389-394.
9. Goodman RR, Kim B, McClelland S, Senatus PB, Winfield LM, et al. (2006) Operative techniques and morbidity with subthalamic nucleus deep brain stimulation in 100 consecutive patients with advanced Parkinsons disease. Journal of Neurology, Neurosurgery & Psychiatry 77: 12-17.9. Goodman RR, Kim B, McClelland S, Senatus PB, Winfield LM, et al. (2006) Operative techniques and morbidity with subthalamic nucleus Deep brain stimulation in 100 consecutive patients with advanced Parkinsons disease. Journal of Neurology, Neurosurgery & Psychiatry 77: 12-17.
10. stergaard K, Niels AS (2006) Evolution of Parkinson's disease during 4 years of bilateral deep brain stimulation of the subthalamic nucleus. Movement Disorders 21: 624-631.10. Stergaard K, Niels AS (2006) Evolution of Parkinson's disease during 4 years of bilateral deep brain stimulation of the subthalamic nucleus. Movement Disorders 21: 624-631.
11. Novak P, Przybyszewski AW, Barborica A, Ravin P, Margolin L, et al. (2011) Localization of the subthalamic nucleus in Parkinson disease using multiunit activity. Journal of the Neurological Sciences 310: 44-49.Novak P, Przybyszewski AW, Barborica A, Ravin P, Margolin L, et al. (2011) Localization of the subthalamic nucleus in Parkinson's disease using multiunit activity. Journal of the Neurological Sciences 310: 44-49.
12. Nowinski WL, Liu J, Thirunavuukarasuu A (2006) Quantification and Visualization of the Three-Dimensional Inconsistency of the Subthalamic Nucleus in the Schaltenbrand-Wahren Brain Atlas. Stereotactic and Functional Neurosurgery 84: 46-55.12. Nowinski WL, Liu J, Thirunavuukarasuu A (2006) Quantification and Visualization of the Three-Dimensional Inconsistency of the Subthalamic Nucleus in the Schaltenbrand-Wahren Brain Atlas. Stereotactic and Functional Neurosurgery 84: 46-55.
13. Snellings A, Sagher O, Anderson DJ, Aldridge JW (2009) Identification of the subthalamic nucleus in deep brain stimulation surgery with a novel wavelet-derived measure of neural background activity. Journal of Neurosurgery 111: 767-774.13. Snellings A, Sagher O, Anderson DJ, Aldridge JW (2009) Identification of the subthalamic nucleus in deep brain stimulation surgery with a novel wavelet-derived measure of neural background activity. Journal of Neurosurgery 111: 767-774.
14. Hutchison W, Allan R, Opitz H, Levy R, Dostrovsky J, et al. (1998) Neurophysiological identification of the subthalamic nucleus in surgery for Parkinson's disease. Annals Neurology 44: 622-628.14. Hutchison W, Allan R, Opitz H, Levy R, Dostrovsky J, et al. (1998) Neurophysiological identification of the subthalamic nucleus in surgery for Parkinson's disease. Annals Neurology 44: 622-628.
15. Benazzouz A, Breit S, Koudsie A, Pollak P, Krack P, et al. (2002) Intraoperative microrecordings of the subthalamic nucleus in Parkinson's disease. Movement Disorders 17: S145-149.15. Benazzouza, Breit S, Koudsie A, Pollak P, Krack P, et al. (2002) Intraoperative microrecordings of the subthalamic nucleus in Parkinson's disease. Movement Disorders 17: S145-149.
16. Sterio D, Zonenshayn M, Mogilner AY, Rezai AR, Kiprovski K, et al. (2002) Neurophysiological Refinement of Subthalamic Nucleus Targeting. Neurosurgery 50: 58-69.16. Sterio D, Zonenshayn M, Mogilner AY, Rezai AR, Kiprovski K, et al. (2002) Neurophysiological Refinement of Subthalamic Nucleus Targeting. Neurosurgery 50: 58-69.
17. Novak P, Daniluk S, Ellias SA, Nazzaro JM (2007) Detection of the subthalamic nucleus in microelectrographic recordings in Parkinson disease using the high-frequency (> 500 Hz) neuronal background. Journal of Neurosurgery 106: 175-179.17. Novak P, Daniluk S, Ellias SA, Nazzaro JM (2007) Detection of the subthalamic nucleus in microelectrographic recordings in Parkinson's disease using the high-frequency (> 500 Hz) neuronal background. Journal of Neurosurgery 106: 175-179.
18. Zaidel A, Spivak A, Shpigelman L, Bergman H, Israel Z (2009) Delimiting subterritories of the human subthalamic nucleus by means of microelectrode recordings and a Hidden Markov Model. Movement Disorders 24: 1785-1793.18. Zaidela, Spivak, Shpigelman L, Bergman H, Israel Z (2009) Delimiting subterritories of the subthalamic nucleus by means of microelectrode recordings and a Hidden Markov Model. Movement Disorders 24: 1785-1793.
19. Cagnan H, Dolan K, Xuan H, Contarino MF, Schuurman R, et al. (2011) Automatic subthalamic nucleus detection from microelectrode recordings based on noise level and neuronal activity. Journal of Neural Engineering 8: 046006.19. Cagnan H, Dolan K, Xuan H, Contarino MF, Schuurman R, et al. (2011) Automatic subthalamic nucleus detection from microelectrode recordings based on noise level and neuronal activity. Journal of Neural Engineering 8: 046006.
20. Kano T, Katayama Y, Kobayashi K, Kasai M, Oshima H, et al. (2006) Detection of boundaries of subthalamic nucleus by multiple-cell spike density analysis in deep brain stimulation for Parkinsons disease. Acta Neurochir Suppl 99: 33-35.20. Kano T, Katayama Y, Kobayashi K, Kasai M, Oshima H, et al. (2006) Detection of boundaries of subthalamic nucleus by multiple-cell spike density analysis in deep brain stimulation for Parkinsons disease. Acta Neurochir Suppl 99: 33-35.
21. Chen CC, Pogosyan A, Zrinzo LU, Tisch S, Limousin P, et al. (2006) Intra-operative recordings of local field potentials can help localize the subthalamic nucleus in Parkinson's disease surgery. Experimental Neurology 198: 214-221.21. Chen CC, Pogosian A, Zrinzo LU, Tisch S, Limousin P, et al. (2006) Intra-operative recordings of local field potentials can help localize the subthalamic nucleus in Parkinson's disease surgery. Experimental Neurology 198: 214-221.
22. Moran A, Bar-Gad I, Bergman H, Israel Z (2006) Real-time refinement of subthalamic nucleus targeting using Bayesian decision-making on the root mean square measure. Movement Disorders 21: 1425-1431.22. Morana, Bar-Gad I, Bergman H, Israel Z. (2006) Bayesian decision-making on the root mean square measure using real-time refinement of subthalamic nucleus. Movement Disorders 21: 1425-1431.
23. Falkenberg JH, McNames J, Burchiel KJ (2006) Automatic Microelectrode Recording Analysis and Visualization of the Globus Pallidus Interna and Stereotactic Trajectory. Stereotactic and Functional Neurosurgery 84: 28-34.23. Falkenberg JH, McNames J, Burchiel KJ (2006) Automatic Microelectrode Recording Analysis and Visualization of the Globus Pallidus Interna and Stereotactic Trajectory. Stereotactic and Functional Neurosurgery 84: 28-34.
24. Wong S, Baltuch GH, Jaggi JL, Danish SF (2009) Functional localization and visualization of the subthalamic nucleus from microelectrode recordings acquired during DBS surgery with unsupervised machine learning. Journal of Neural Engineering 6: 026006.24. Wong S, Baltuch GH, Jaggi JL, Danish SF (2009) Functional localization and visualization of the subthalamic nucleus from microelectrode recordings. Journal of Neural Engineering 6: 026006.
25. Dolan K, Martens H, Schuurman P, Bour L (2009) Automatic noise-level detection for extra-cellular micro-electrode recordings. Medical and Biological Engineering and Computing 47: 791-800.25. Dolan K, Martens H, Schuurman P, Bour L (2009) Automatic noise-level detection for extra-cellular micro-electrode recordings. Medical and Biological Engineering and Computing 47: 791-800.
26. Chang W, Kim H, Kim J, Park Y, Chung S, et al. (2011) Bilateral subthalamic deep brain stimulation using single track microelectrode recording. Acta Neurochirurgica 153: 1087-1095.26. Chang W, Kim H, Kim J, Park Y, Chung S, et al. (2011) Bilateral subthalamic deep brain stimulation using single track microelectrode recording. Acta Neurochirurgica 153: 1087-1095.
27. Donoho DL (1995) De-noising by soft-thresholding. IEEE Transactions on Information Theory 41: 613-627.27. Donoho DL (1995) De-noising by soft-thresholding. IEEE Transactions on Information Theory 41: 613-627.
28. Hahn PJ, Russo GS, Hashimoto T, Miocinovic S, Xu W, et al. (2008) Pallidal burst activity during therapeutic deep brain stimulation. Experimental Neurology 211: 243-251.28. Hahn PJ, Russo GS, Hashimoto T, Miocinovic S, Xu W, et al. (2008) Pallidal burst activity during therapeutic deep brain stimulation. Experimental Neurology 211: 243-251.
29. Hutchison W, Lozano A, Davis K, Saint-Cyr J, Lang A, et al. (1994) Differential neuronal activity in segments of globus pallidus in Parkinson's disease patients. Neuroreport 5: 1533-1537.29. Hutchison W, Lozano A, Davis K, Saint-Cyr J, Lange, et al. (1994) Differential neuronal activity in segments of globus pallidus in Parkinson's disease patients. Neuroreport 5: 1533-1537.
30. DeLong MR (1971) Activity of pallidal neurons during movement. Journal of Neurophysiology 34: 414-427.30. DeLong MR (1971) Activity of pallidal neurons during movement. Journal of Neurophysiology 34: 414-427.
31. Bezard E, Boraud T, Chalon S, Brotchie JM, Guilloteau D, et al. (2001) Pallidal border cells: an anatomical and electrophysiological study in the 1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine-treated monkey. Neuroscience 103: 117-123.31. Bezard E, Boraud T, Chalon S, Brotchie JM, Guilloteau D, et al. (2001) Pallidal border cells: an anatomical and electrophysiological study of the 1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine-treated monkey. Neuroscience 103: 117-123.
32. Lee BH, Lee KH, Chung SS, Chang JW (2003) Neurophysiological identification and characterization of thalamic neurons with single unit recording in essential tremor patients. Acta Neurochirurgica (Suppl) 87: 133-136.32. Lee BH, Lee KH, Chung SS, Chang JW (2003) Neurophysiological identification and characterization of thalamic neurons with single unit recording in essential tremor patients. Acta Neurochirurgica (Suppl) 87: 133-136.
33. Lvesque J-C, Parent A (2005) GABAergic interneurons in human subthalamic nucleus. Movement Disorders 20: 574-584.33. Lvesque J-C, Parente (2005) GABAergic interneurons in human subthalamic nucleus. Movement Disorders 20: 574-584.
34. Magnin M, Morel A, Jeanmonod D (2000) Single-unit analysis of the pallidum, thalamus and subthalamic nucleus in parkinsonian patients. Neuroscience 96: 549-564.34. Magnin M, Morel A, and Jean Monod D (2000) Single-unit analysis of the pallidum, thalamus and subthalamic nucleus in parkinsonian patients. Neuroscience 96: 549-564.
35. Merello M, Tenca E, Cerquetti D (2006) Neuronal activity of the zona incerta in Parkinson's disease patients. Movement Disorders 21: 937-943.35. Merello M, Tenca E, and Cerquetti D (2006) Neuronal activity of the zona incerta in Parkinson's disease patients. Movement Disorders 21: 937-943.
36. Sterio D, Beri A, Dogali M, Fazzini E, Alfaro G, et al. (1994) Neurophysiological properties of pallidal neurons in Parkinson's disease. Annals of Neurology 35: 586-591.36. Sterio D, Beria, Dogal M, Fazzini E, Alfaro G, et al. (1994) Neurophysiological properties of pallidal neurons in Parkinson's disease. Annals of Neurology 35: 586-591.
37. Starr PA, Turner RS, Rau G, Lindsey N, Heath S, et al. (2006) Microelectrode-guided implantation of deep brain stimulators into the globus pallidus internus for dystonia: techniques, electrode locations, and outcomes. Journal of Neurosurgery 104: 488-501.
37. Starr PA, Turner RS, Rau G, Lindsey N, Heath S, et al. (2006) Microelectrode-guided implantation of deep brain stimulators into the globus pallidus internus for dystonia: techniques, electrode locations, and outcomes. Journal of Neurosurgery 104: 488-501.
Claims (20)
(ⅰ) 상기 미세전극으로부터 얻어진 전기적 활성을 분석하며, 수술 중 고주파 처리를 통해 고주파 백그라운드 활성 (high frequency background activity, HFBA)을 분리하여 타겟 위치를 분석하거나, 고주파 백그라운드 활성 프로세싱을 이용하여 조직 내 타겟의 경계(target boundary)를 분석하는 단계; 및
(ⅱ) 상기 단계 (ⅰ)에서 얻어진 타겟 위치와 수술 전 이미징 시스템을 이용하여 조직에서 얻어진 타겟 위치를 비교 분석하는 단계;를 포함하는 미세전극 측정을 이용한 수술 중 타겟 위치의 실-시간(real-time) 분석 시스템의 작동방법.
(a) a surgical microelectrode capable of signal recognition by a microelectrode recording system and insertable to a target position of a target patient; And (b) a microelectrode recording system that monitors the electrical activity measured at the target location, the method comprising:
(I) analyzing the electrical activity obtained from the microelectrode and analyzing the target position by separating high frequency background activity (HFBA) through high frequency treatment during surgery, or Analyzing a boundary of a target boundary; And
(Ii) comparing the target position obtained in the step (i) with a target position obtained in the tissue using the pre-operative imaging system, and comparing the target position obtained in the step (i) method of operation.
2. The method of claim 1, wherein the target location is located in the brain.
3. The method of claim 2, wherein the target location is a subthalamic nucleus.
The method according to claim 1, wherein the measurement of the target position in the step (ii) is performed by Magnetic Resonance Imaging (MRI) or Schaltenbrand-Wahren atlas, fMRI, diffusion tensor imaging (MRI) , Computed tomography (CT), single-photon emission computed tomography (SPECT), positron emission tomography (PET), magnetoencephalography (MEG), electroencephalography (EEG), extreme ultraviolet imaging telescope (EIT) ≪ / RTI >
2. The method according to claim 1, wherein the pre-op analyzed target position in step (ii) is determined to be " 0 mm ".
2. The method according to claim 1, wherein the measurement of the target position in step (i) is performed using intraoperative microelectrode recording (MER).
2. The method of claim 1, wherein the high frequency processing time in step (i) is in the range of 0.05-1 second.
2. The method of claim 1, wherein removal of artifacts and spikes for background activity separation in step (i) is performed through a frequency cutoff and an amplitude threshold. How it works.
9. The method of claim 8, wherein the frequency cutoff is from 1,000 to 5,000 Hz.
9. The method of claim 8, wherein the amplitude threshold is 40-50 [mu] V.
2. The method of claim 1, wherein step (i) further comprises step (i-1) of performing real-time processing using an automated microelectrode.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130055533A KR101548617B1 (en) | 2013-05-16 | 2013-05-16 | Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130055533A KR101548617B1 (en) | 2013-05-16 | 2013-05-16 | Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140136077A KR20140136077A (en) | 2014-11-28 |
| KR101548617B1 true KR101548617B1 (en) | 2015-09-02 |
Family
ID=52456411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130055533A KR101548617B1 (en) | 2013-05-16 | 2013-05-16 | Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101548617B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200133108A (en) | 2019-05-17 | 2020-11-26 | 영남대학교 산학협력단 | Method and apparatus for deep brain stimulation using deep learing and recording medium for performing the method |
| KR102187700B1 (en) | 2019-06-12 | 2020-12-07 | 고려대학교 산학협력단 | Method for trading private information access rights based on distributed ledger and recording medium for performing the method |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827282B (en) * | 2020-01-13 | 2020-04-10 | 南京慧脑云计算有限公司 | Brain white matter fiber tract tracing analysis method and system based on magnetic resonance imaging |
| CN112233805B (en) * | 2020-10-14 | 2022-03-01 | 河北工业大学 | Mining method for biomarkers based on multi-map neuroimaging data |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100327821B1 (en) | 1992-12-10 | 2002-07-03 | 프랭크제이.로다토 | Stereotactic Brain Surgery Radiology Surgery and Radiotherapy Apparatus and Method |
| WO2007092316A2 (en) | 2006-02-03 | 2007-08-16 | The University Of Florida Research Foundation, Inc. | Image guidance system for deep brain stimulation |
| JP2008523852A (en) | 2004-12-16 | 2008-07-10 | フォルシュングスツェントルム ユーリッヒ ゲーエムベーハー | Method and apparatus for desynchronizing cranial nerve activity, controller, and method for treating neurological and / or psychiatric disorders |
| US20100241020A1 (en) | 2009-02-05 | 2010-09-23 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | Real-time methods and systems for mapping a target region in the brain during surgery |
-
2013
- 2013-05-16 KR KR1020130055533A patent/KR101548617B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100327821B1 (en) | 1992-12-10 | 2002-07-03 | 프랭크제이.로다토 | Stereotactic Brain Surgery Radiology Surgery and Radiotherapy Apparatus and Method |
| JP2008523852A (en) | 2004-12-16 | 2008-07-10 | フォルシュングスツェントルム ユーリッヒ ゲーエムベーハー | Method and apparatus for desynchronizing cranial nerve activity, controller, and method for treating neurological and / or psychiatric disorders |
| WO2007092316A2 (en) | 2006-02-03 | 2007-08-16 | The University Of Florida Research Foundation, Inc. | Image guidance system for deep brain stimulation |
| US20100241020A1 (en) | 2009-02-05 | 2010-09-23 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | Real-time methods and systems for mapping a target region in the brain during surgery |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200133108A (en) | 2019-05-17 | 2020-11-26 | 영남대학교 산학협력단 | Method and apparatus for deep brain stimulation using deep learing and recording medium for performing the method |
| KR102187700B1 (en) | 2019-06-12 | 2020-12-07 | 고려대학교 산학협력단 | Method for trading private information access rights based on distributed ledger and recording medium for performing the method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140136077A (en) | 2014-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Larson | Deep brain stimulation for movement disorders | |
| US8792972B2 (en) | Real-time methods and systems for mapping a target region in the brain during surgery | |
| Santana et al. | Spinal cord stimulation alleviates motor deficits in a primate model of Parkinson disease | |
| US11980427B2 (en) | Brain navigation methods and device | |
| Novak et al. | Localization of the subthalamic nucleus in Parkinson disease using multiunit activity | |
| Lourens et al. | Functional neuronal activity and connectivity within the subthalamic nucleus in Parkinson’s disease | |
| Kwon et al. | Microelectrode recording (MER) findings during sleep–awake anesthesia using dexmedetomidine in deep brain stimulation surgery for Parkinson’s disease | |
| KR101548617B1 (en) | Real-Time Localization Algorithm of a Brain Target Area Using High Frequency Background Activity | |
| Kim et al. | Influence of propofol and fentanyl on deep brain stimulation of the subthalamic nucleus | |
| Chan et al. | Bursts and oscillations as independent properties of neural activity in the parkinsonian globus pallidus internus | |
| WO2016197007A1 (en) | Methods and systems for treating neurological movement disorders | |
| Valsky et al. | Real-time machine learning classification of pallidal borders during deep brain stimulation surgery | |
| Schaper et al. | Single-cell recordings to target the anterior nucleus of the thalamus in deep brain stimulation for patients with refractory epilepsy | |
| Frost Jr et al. | Interictal high frequency oscillations in an animal model of infantile spasms | |
| Burdick et al. | Relationship between higher rates of adverse events in deep brain stimulation using standardized prospective recording and patient outcomes | |
| Doshi et al. | Surgical and hardware complications of deep brain stimulation—a single surgeon experience of 519 cases over 20 years | |
| Lin et al. | Decreased power but preserved bursting features of subthalamic neuronal signals in advanced Parkinson's patients under controlled desflurane inhalation anesthesia | |
| Telkes et al. | Localization of subthalamic nucleus borders using macroelectrode local field potential recordings | |
| Rasouli et al. | Fractal characteristics of human Parkinsonian neuronal spike trains | |
| Karthick et al. | Detection of subthalamic nucleus using time-frequency features of microelectrode recordings and random forest classifier | |
| Bullard | Feasibility of using the Utah array for long-term fully implantable neuroprosthesis systems | |
| Przybyszewski et al. | Multi-parametric analysis assists in STN localization in Parkinson's patients | |
| Coelli et al. | Characterization of Microelectrode Recordings for the Subthalamic Nucleus identification in Parkinson’s disease | |
| Gogia et al. | Gamma-band modulation in the human amygdala during reaching movements | |
| Ciecierski et al. | Discrimination of the micro electrode recordings for STN localization during DBS surgery in parkinson’s patients |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20180702 Year of fee payment: 4 |