Enhancing transcranial ultrasound stimulation planning with MRI-derived skull masks: a comparative analysis with CT-based processing
Notice bibliographique
Résumé
Abstract Objective. Transcranial ultrasound stimulation (TUS) presents challenges in ultrasound wave transmission through the skull, affecting study outcomes due to aberration and attenuation. While planning strategies incorporating 3D computed tomography (CT) scans help mitigate these issues, they expose participants to radiation, which can raise ethical concerns. A solution involves generating skull masks from participants’ anatomical magnetic resonance imaging (MRI). This study aims to compare ultrasound field predictions between CT-derived and MRI-derived skull masks in TUS planning. Approach. Five participants with a range of skull density ratios (SDRs: 0.31, 0.42, 0.55, 0.67, and 0.79) were selected, each having both CT and T1/T2-weighted MRI scans. Ultrasound simulations were performed using BabelBrain software with a single-element transducer (diameter = 50 mm, F # = 1) at 250, 500, and 750 kHz frequencies. CT scans were used to generate maps of the skull’s acoustic properties. The MRI scans were processed using the Charm segmentation tool from the SimNIBS tool suite using default and custom settings adapted for better skull segmentation. Ultrasound was adjusted to target 30 mm below the skull’s surface at 54 electroencephalogram (EEG) locations. Main Results. The custom setting in Charm significantly improved the Dice coefficient between MRI- and CT-derived masks when compared to the default setting ( p < 0.001). The maximum pressure error significantly decreased in the custom setting compared to the default setting ( p < 0.001). Additionally, the focus location error median across different SDRs averaged 2.32, 1.45, and 1.57 mm in default and 2.08, 1.38, and 1.44 mm in custom conditions for 250 kHz, 500 kHz, and 750 kHz respectively. Significance. MRI-derived skull masks offer satisfactory accuracy at many EEG sites, and using custom settings can further enhance this accuracy. However, significant errors at specific locations highlight the importance of carefully considering stimulation location when choosing between CT- and MRI-derived skull modeling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».