Precise Electrode Co-alignment in Deep Brain Stimulation Fusing Neuroimaging and Electrophysiology
Notice bibliographique
Résumé
This is preprint version of a manuscript published in the European Journal of Neuroscience, to be found at: Varga, I., D. Novak, D. Urgosik, et al. 2025. “ Precise Electrode Co-Alignment in Deep Brain Stimulation Fusing Neuroimaging and Electrophysiology.” European Journal of Neuroscience 62, no. 10: e70309. https://doi.org/10.1111/ejn.70309. Abstract.Objective: To improve the precision of electrode placement in deep brainstimulation (DBS) by creating a multimodal framework that combines neuroimagingwith electrophysiological data, enabling accurate electrode co-alignment.Approach: We implemented a deep learning-based workflow that combinespreoperative magnetic resonance imaging (MRI) and intraoperative microelectroderecordings (MER) for DBS electrode localisation. The workflow includes automatedsubthalamic nucleus (STN) segmentation using a two-step convolutional neuralnetwork (CNN), MER signal classification via a transformer encoder, and spatial coalignmentthrough a discrete optimisation framework. The entire pipeline is integratedwithin a 3D Slicer plugin for real-time visualisation and analysis.Main Results: The proposed method improved electrode localisation accuracyby 0.3 mm, demonstrating improved alignment between electrophysiological andanatomical targets. Real-time visualisation facilitated interactive adjustments, whileautomated segmentation achieved high Dice similarity scores of 0.62 ± 0.10 for theSTN, sufficient for manual refinement.Significance: This multimodal approach reduces electrode placement errors,incorporates both preoperative and intraoperative data, and provides clinicians witha robust real-time tool to improve DBS results. The integration of neuroimaging andelectrophysiology addresses long-standing challenges in DBS, offering a significant steptoward personalised and precise neurosurgical interventions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».