Computer aided subthalamic nucleus (STN) localization during deep brain stimulation (DBS) surgery in Parkinson's patients

• Authors: Konrad Ciecierski , Tomasz Mandat , Rafał Rola , Zbigniew W. Raś , Andrzej W. Przybyszewski

Title variants

PL

Komputerowo wspomagana lokalizacja jądra niskowzgórzowego (STN) w przebiegu operacji głębokiej stymulacji mózgu (DBS) u pacjentów z chorobą Parkinsona

• Languages of publication: EN

Abstracts

EN

INTRODUCTION During deep brain stimulation (DBS) treatment of Parkinson’s disease, the anatomical target of the surgery is a small (9 x 7 x 4 mm) deeply located structure called the Subthalamic Nucleus (STN). It is similar morphologically to the surrounding tissue and as such, not easily distinguished in CT or MRI. The goal of the surgery is precise placement of a permanent stimulating electrode within the target nucleus. Precision is extremely important as incorrect placement of the stimulating electrode may lead to serious adverse effects such as mood disturbances. MATERIALS AND METHODS To obtain the exact location of the STN nucleus, intraoperative stereotactic supportive navigation is used. A set of 3 ~ 5 parallel microelectrodes is inserted into the brain and advanced towards the expected location of the nucleus. From a depth of 10 mm above the estimated STN, the electrodes advance at 1 mm steps. At each step, the activity of the surrounding neural tissue is recorded. Typically, the electrodes are further advanced until the ventral STN border is passed and the Substantia Nigra pars reticulata (SNr) is reached. Because the STN has distinct physiological properties, signals recorded in the vicinity of the STN display specific features. Therefore it was possible to provide an analytical method to detect specific STN characteristics. This paper presents a computer-based approach in order to discriminate between microelectrode signals coming from the STN and those outside it. R E S U L TS A N D C O N C L US I O N S When our method was used on-line during DBS neurosurgical procedure, it helped in precise identification of STN borders and shorted the surgery. Since the fall of 2013, we have developed an on-line computer-aided application for STN border localization that is used during PD DBS surgeries performed in the Institute of Psychiatry and Neurology in Warsaw, POLAND.

PL

WSTĘP Podczas zabiegu głębokiej stymulacji mózgu (deep brain stimulation – DBS) stosowanego w leczeniu choroby Parkinsona celem operacji jest mała (9 x 7 x 4 mm) głęboko położona struktura mózgu nazywana jądrem niskowzgórzowym (subthalamic nucleus – STN). Struktura ta jest morfologicznie podobna do otaczających ją tkaneki jako taka niezbyt dobrze rozróżnialna w obrazowaniu tomografem komputerowym (CT) lub rezonansem magnetycznym (MRI). Celem zabiegu operacyjnego jest precyzyjna implantacja stymulującej elektrody w docelowym jądrze. Precyzja jest niesłychanie istotna, ponieważ niewłaściwe umiejscowienie stymulującej elektrody może doprowadzić do wystąpienia poważnych efektów ubocznych, takich jak zaburzenia nastroju. MATERIAŁ I METODY Aby uzyskać dokładne położenie STN w trakcie operacji, używana jest wspomagająca nawigacja stereotaktyczna. Zestaw 3~5 równoległych elektrod jest wprowadzany do mózgu pacjenta i zagłębiany w kierunku spodziewanej lokalizacji STN. Od głębokości około 10 mm ponad spodziewanym STN elektrody są zagłębiane z krokiem 1 mm. Po każdym takim kroku rejestrowana jest aktywność tkanki nerwowej otaczającej elektrody. Najczęściej elektrody są dalej zagłębiane, aż przekroczą dolną granicę STN i osiągną istotę czarną część siatkowatą (substantia nigra pars reticulata – SNr). Ponieważ STN przejawia specyficzne właściwości fizjologiczne, sygnały zarejestrowane w jego okolicy również mają wyróżniające właściwości. Można przez to stworzyć analityczne metody wykrywające te specyficzne dla STN właściwości. W niniejszej publikacji zaprezentowano podejście informatyczne, pozwalające na wykrywanie zarejestrowanych sygnałów pochodzących z wewnątrz oraz spoza STN. WYNIKI I WNIOSKI Zastosowanie naszej metody w trakcie zabiegów operacyjnych pomogło w precyzyjnej lokalizacji granic STN oraz pozwoliło skrócić czas zabiegu. Od jesieni 2013 opracowujemy aplikację do wspomagania lokalizacji STN, która jest używana w trakcie zabiegów DBS przeprowadzanych w leczeniu choroby Parkinsona w Instytucie Psychiatrii i Neurologii w Warszawie.

Keywords

EN

DBS; Neuronal noise; Parkinson’s disease; STN; Signal power; Spike detection; Spike sorting; Wavelet; choroba Parkinsona; falki; grupowanie potencjałów czynnościowych; moc sygnału; neuronowy szum tła; wykrywanie potencjałów czynnościowych

Discipline

• MEDICINE: MEDICINE

• Publisher: Śląski Uniwersytet Medyczny w Katowicach
• Journal: Annales Academiae Medicae Silesiensis
• Year: 2014
• Volume: 68
• Issue: 5
• Pages: 275-283

Dates

published

2014

Contributors

author

Konrad Ciecierski

• Wydział Elektroniki i Technik Informacyjnych Politechnika Warszawska ul. Nowowiejska 15/19 00-665 Warszawa

author

Tomasz Mandat

• Department of Neurosurgery, Institute of Oncology in Warsaw Department of Neurosurgery, Institute of Psychiatry and Neurology in Warsaw

author

Rafał Rola

• 1st Department of Neurology, Institute of Psychiatry and Neurology in Warsaw

author

Zbigniew W. Raś

• University of North Carolina, Department of Computer Science, Charlotte, NC 28223, USA Warsaw University of Technology, Institute of Computer Science in Warsaw

author

Andrzej W. Przybyszewski

• UMass Medical School, Department of Neurology, Worcester, MA 01655, USA Polish-Japanese Institute of Information Technology in Warsaw

References

• 1. Israel Z., Burchiel K.J. Microelectrode Recording in Movement Disorder Surgery. Thieme Medical Publishers2004.
• 2. Nolte J.The Human Brain. An Introduction to Its Functional Anatomy. Elsevier2009.
• 3. Defer G.L., WidnerH., MariéR.M., RémyP., LevivierM.Core assessment program for surgical interventional therapies in Parkinson’s disease. Mov. Dis. 1999; 14: 572–584,.
• 4. Mallet L., Upbach M.S., N’Diaye K. et al. Stimulation of subterritories of the subthalamic nucleus reveals its role in the integration of the emotional and motor aspects of behavior. Proc. Nat. Acad. Sci. USA2007; 104: 10661–10666.
• 5. Shapira N.A., Okun M.S., Wint D. et al. Panic and fear induced by deep brain stimulation. J. Neurol. Neurosurg.Psychiatry2006; 77: 410–412.
• 6. Pizzolato G., MandatT. DeepBrain Stimulation for Movement Disorders. Front. Integr. Neurosci. 2012; 6: 2. doi: 10.3389/fnint.2012. 00002. eCollection 2012.
• 7. Mandat T., Tykocki T., Koziara H. et. al. Subthalamic deep brain stimulation for the treatment of Parkinson disease. Neurol. Neurochir. Pol. 2011; 45: 32–36.
• 8. Novak P., Przybyszewski A.W., Barborica A., Ravin P., Margolin L., Pilitsis J.Localization of the subthalamic nucleus in Parkinson disease using multiunit activity. J. Neurol. Sci. 2011; 310: 44–49.
• 9. Donoho D.L.De-Noising by Soft-Thresholding. IEEE Transactions On Information Theory1995; 4(3): 613–627.
• 10. Quiroga R.Q., Nadasdy Z., Ben-Shaul Y. Unsupervised Spike Detection and Sorting with Wavelets and Superparamagnetic Clustering. Neural Comput. 2004; 16: 1661–1687.
• 11. Archer C., Hochstenbach M.E., Hoede C. et al. Neural spike sorting with spatio-temporal features. In: Proceedings of the 63rd European Study Group Mathematics with Industry, 28 Jan–1 Feb2008, Enschede, The Nether- lands, pp. 21–45.
• 12. Szlufik S., Koziorowski D., Ciecierski K. et al. DBS decision support system based on analysis of microelectrode recorded signals. Mov. Dis. 2012, 27, Abstract Suppl.: 168–169.
• 13. Ciecierski K., Raś Z., Przybyszewski A.W.Selection of the optimal microelectrode during DBS surgery in Parkinson’s patients. Lecture Notes in Computer Science2011; 6803: 554–564.
• 14. Pettersen K.H., Einevoll G.T. Amplitude variability and extracellular low-pass filtering of neuronal spikes. Biophys. J. 2008; 94: 784–802.
• 15. Zaidel A., Spivak A., Shpigelman L., Bergman H., Israel Z.Delimiting Subterritories of the Human Subthalamic Nucleus by Means of Microelectrode Recordings and a Hidden Markov Model. Mov. Dis. 2009; 24: 1785– –1793.
• 16. Ciecierski K., Raś Z., Przybyszewski A.W.Foundations of automatic system for intrasurgical localization of subthalamic nucleus in Parkinson patients. Web Intelligence and Agent Systems2014; 12: 63–82,.
• 17. Ciecierski K., Raś Z., Przybyszewski A.W.Foundations of Recommender System for STN Localization during DBS Surgery in Parkinson’s Patients. In: Foundations of Intelligent Systems. Eds. L. Chen, A. Felfernig, J. Liu, Z.W. Raś. Springer Verlag, Berlin 2012, pp. 234–243.
• 18. Ciecierski K., Raś Z., Przybyszewski A.W.Discrimination of the Micro Electrode Recordings for STN Localization during DBS Surgery in Parkinson’s Patients. In: Flexible Query Answering Systems. Eds. H.L. Larsen, M.J. Martin-Bautista, M. Amparo Vila, T. Andreasen, H. Christiansen. Springer Verlag, Berlin 2013, pp. 328–339.
• 19. Pawlak Z.RoughSets: Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishers, Dordrecht 1991.
• 20. Bazan J., Szczuka M. RSES and RSESlib – A Collection of Tools for Rough Set. In. Lecture Notes in Artificial Intelligence, Springer Verlag, 2005, pp. 106–113.
• 21. Wiltschko A.B., Gage G.J., BerkeJ.D.Wavelet Filtering before Spike Detection Preserves Waveform Shape and Enhances Single-Unit Discrimination. J. Neurosci. Methods2008; 173: 34–40.
• 22. Jensen A., Ia Cour-Harbo A. Ripples in Mathematics. Springer Verlag 2001.
• 23. S. W. Smith. Digital Signal Processing. Elsevier2003.

• Document Type: article