توصيفگر ها :
تحريك غيرتهاجمي عمقي مغز , شبكه تحريكي - مهاري , نوسانات آلفا , مدلسازي محاسباتي , نورون ايزيكويچ , نورون هاجكين - هاكسلي
چكيده فارسي :
اختلالات مغزي ممكن است به بروز بيماريهاي شناختي و حركتي منجر شوند و با توجه به محدوديتهاي درمانهاي دارويي، روشهاي غيردارويي بهعنوان گزينههاي درماني مورد توجه قرار گرفتهاند. اين روشها به دو دسته تهاجمي و غيرتهاجمي تقسيم ميشوند. در سالهاي اخير، روش تحريك الكتريكي عمقي مغز براي بهبود برخي بيماريها و با هدف تحريك نواحي عمقي مغز به كار گرفته شده است. با وجود اثربخشي اين روش، به دليل ماهيت تهاجمي و خطر عفونت، استفاده از آن با محدوديتهايي مواجه است. به همين دليل، روش غيرتهاجمي تحريك فراجمجمهاي تداخل زماني بهعنوان رويكردي براي تحريك نواحي عمقي مغز مطرح شده است. بااينحال، مدلسازيها نشان ميدهند كه شدت ميدان الكتريكي ايجادشده در عمق مغز با اين روش بسيار كمتر از تحريك عمقي مغز است و تحريك اين نواحي بهطور مشابه امكانپذير نيست. با اين وجود، درك تأثير تحريك تداخل زماني بر مسيرهاي عصبي ميتواند در كاربردهاي باليني اين روش براي درمان بيماريها مفيد باشد.
در اين رساله، براي شناسايي و تعيين ناحيه تحريك با رويكرد تأثير تحريك بر مسيرهاي عصبي، از مدلهاي مبتني بر نورونهاي بيولوژيكي استفاده شده است و دو مدل متداول ايزيكويچ و هاجكين - هاكسلي بررسي شده است. يك شبكه تحريكي-مهاري كه مسئول تنظيم نوسانات مغزي است، با استفاده از اين دو مدل براي بررسي پاسخ به تحريك تداخل زماني و مقايسه آن با تحريك جريان متناوب به كار گرفته شده است. فضاي پارامتري تحريك شامل تغييرات شدتجريان و فركانس تحريك مورد تحليل قرار گرفته است تا نقاط پاسخدهي شبكه تحريكي - مهاري شناسايي شود. با اين تحليل، سنكرونشدگي فاز، دامنه و فركانس ارزيابي شد تا مشخص شود تحريك تداخل زماني چگونه نوسانات آلفاي ذاتي مغز را مدوله ميكند. به منظور بررسي تفكيكپذيري تحريك تداخل زماني، از يك مدل چندبعدي استفاده شد كه در آن شبكههاي متعددي در بخشهاي مختلف مغز قرار گرفتند و با استفاده از مدلسازي بافت براي محاسبه ميدانهاي الكتريكي، ناحيه تحريك در عمق مغز و نحوه مدولاسيون آن مشخص گرديد.
نتايج بررسي نقشههاي سنكرونشدگي نشان ميدهد كه الگوهاي متفاوتي از سنكرونشدگي شبكه براي تحريك تداخل زماني و تحريك جريان متناوب وجود دارد. تحريك جريان متناوب براي هر دو مدل نوروني سنكرونشدگي هارمونيك را نشان داد؛ درحاليكه تحريك تداخل زماني تنها براي فركانس برابر با فركانس ذاتي شبكه تشديد ايجاد ميكند. شدتجريان لازم براي تحريك تداخل زماني براي دستيابي به نتايج مشابه با تحريك جريان متناوب بسيار بيشتر است. تفكيكپذيري مكاني تحريك تداخل زماني كه از طريق مدلسازي محاسباتي و توزيع ميدان الكتريكي بهدستآمده است، نشان ميدهد كه مدولاسيون عمدتاً در نواحي عمقي مغز رخ ميدهد و تأثير كمتري بر سطح مغز دارد. افزايش توان در باندهاي ذاتي و سنكرونشدگي فاز در نواحي زيرين الكترودها و نواحي غيرهدف مشاهده گرديد كه به دامنه بالاي سيگنال تحريك نسبت داده ميشود. همچنين، براي نورونهاي هاجكين - هاكسلي، انسداد نورونها و افزايش نرخ آتش در نواحي غيرهدف نشاندهنده اثرات جانبي تحريك بود. اين نتايج نسبت به مدلهاي ماكروسكوپيك قبلي دقت بالاتري دارند و تحريك بهينه با تفكيكپذيري مكاني بهتر با توجه به استفاده از شدتجريان آستانه براي فركانس تحريك موردنظر، ارائه شده است.
چكيده انگليسي :
Dysfunction of the brain, the most complex organ in the human body, leads to cognitive diseases such as Alzheimer’s, attention disorders, as well as movement disorders like Parkinson’s and epilepsy. Drug treatments have traditionally been used to improve brain function, but limitations in their effectiveness and advances in neuroscience have led to the exploration of non-drug therapies, classified as invasive and non-invasive. Since many brain functions originate in deep regions, traditional non-invasive methods often fail to stimulate these areas effectively, leading to the development of techniques like deep brain stimulation (DBS). While DBS is effective, its invasive nature and infection risks restrict its use. Consequently, non-invasive temporal interference (TI) stimulation has emerged as a potential alternative for deep brain stimulation, though its electric field intensity is significantly weaker than that of DBS, making it less effective for deep areas. Despite this limitation, understanding TI’s effects on neural pathways may still benefit its clinical application for treating brain disorders.
In this thesis, to identify and determine the stimulation area with a focus on the effect of stimulation on neural pathways, biological neuron-based models were utilized, specifically examining the two common models of Izhikevich and Hodgkin-Huxley. An excitatory-inhibitory network responsible for generating brain oscillations was employed using these two models to examine the response to temporal interference stimulation and compare it with alternating current stimulation. The parameter space of stimulation, including variations in current intensity and stimulation frequency, was analyzed to identify the response points of the excitatory-inhibitory network. Through this analysis, phase synchronization, amplitude, and frequency were assessed to determine how temporal interference stimulation modulates the brain's intrinsic alpha oscillations. To investigate the spatial resolution of temporal interference stimulation, a multi-dimensional model was employed, where multiple networks were placed in different brain regions, and tissue modeling was used to calculate electric fields, identifying the stimulation area in the deep brain and how it modulates the signals.
Results from the synchronization maps indicate that there are different patterns of network synchronization for temporal interference stimulation and alternating current stimulation. Alternating current stimulation exhibited harmonic synchronization for both neuron models, while temporal interference stimulation only produced resonance at the frequency equal to the network's intrinsic frequency. The current intensity required for temporal interference stimulation to achieve results comparable to alternating current stimulation is significantly higher. The spatial resolution of temporal interference stimulation, derived from computational modeling and electric field distribution, shows that modulation primarily occurs in deep brain regions and has a lesser impact on the cortical surface. An increase in power within intrinsic bands and phase synchronization was observed in areas beneath the electrodes and non-target regions, attributed to the high amplitude of the stimulation signal. Additionally, for Hodgkin-Huxley neurons, neuron blocking and increased firing rates in non-target areas represented side effects of the stimulation. These results demonstrate greater accuracy compared to previous macroscopic models, presenting optimal stimulation with improved spatial resolution considering the use of threshold current intensity for the desired stimulation frequency.