布里尔软件X 12（2020）100594原始软件出版物StimVis：一种交互式计算TMS对纤维束成像数据影响的工具索菲亚·库利科娃俄罗斯彼尔姆国立研究型大学高等经济学院ar t i cl e i nf o文章历史记录：收到2020年收到修订版2020年9月4日接受2020年9月15日保留字：经颅磁刺激有效场扩散加权成像建模可视化a b st ra ct经颅磁刺激（TMS）是一种很有前途的诊断和治疗方法。TMS的效果取决于多种技术和个体因素，包括解剖变异性。后者在病理条件下可能变得特别重要，并导致临床试验和荟萃分析结果的模糊性。理论研究表明，TMS效应强烈依赖于受激纤维的局部取向然而，这些模型仍然没有得到实验研究的证实，因为目前的建模工具计算的是感应电场，而不是有效电场。在这里，我们提出了一个工具，将纤维取向的信息到TMS效果建模。这个工具可能是有用的相关的理论机制，实验观察到的TMS的影响和个性化的TMS方法的未来发展©2020作者（S）。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本v0.1.2用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2020_146Code Ocean computecapsulehttps://codeocean.com/capsule/4831833/tree/v1法律代码许可证BSD-3条款使用git的代码版本控制系统使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性Python包：numpy、dipy、fury、vtktop、matplotlib; SimNIBS; OpenGL司机如果可用，链接到开发人员文档/手册问题支持电子邮件SPKulikova@hse.ru1. 动机和意义经颅磁刺激（TMS）是一种有前途的非侵入性技术，用于诊断和治疗各种神经和精神疾病[1]。根据刺激设置，TMS可能通过不同的神经元机制对各种神经元群体产生抑制和兴奋效应[2，3]。除了技术因素外，TMS的效果还取决于个体后者在病理条件下可能变得特别重要[7-电子邮件地址：SPKulikova@hse.ru。https://doi.org/10.1016/j.softx.2020.100594理论模型表明TMS诱导的效应应取决于所谓的有效电场，即诱导电场El向受刺激轴突的局部取向的投影[13，14]。此外，总的影响可能有几个组成部分。第一分量与有效电场的方向导数成比例，受刺激的轴突刺激E1，并反映了由电缆方程[15]。第二分量与有效场E1的大小成比例，并且主要在轴突的急弯和终止处显示其自身。最后，由于电导率值的急剧变化，第三种成分可能出现在白质和灰质之间的界面处[16]。考虑局部纤维方向的重要性，为模拟TMS诱导的效果，间接支持的实验研究，表明方向的变化，2352-7110/©2020作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxS. Kulikova软件X 12（2020）1005942Fig. 1. 计算管道概 述 ， 显示输入数据、中间结果和输出之间的关系。因此，刺激线圈的方向以及受刺激神经纤维相对于感应电场的方向可能对观察到的TMS效应产生显著影响[17]。 然而，目前可用于建模TMS效应的工具，如SimNIBS [18]，仅限于计算脑组织内的感应电场，并且不允许评估上述理论模型，其最好是 我们的知识，仍然没有得到实验研究的证实。因此，这项工作的目标是创建一个工具，将轴突方向的信息纳入建模TMS诱导的影响，根据提出的理论机制。这样的工具将允许研究人员进行实验研究，将所提出的理论机制与观察到的TMS效应相关联，以提高我们对TMS效应背后的神经元机制的理解，并将它们与行为数据相关联。最后，考虑到白质组织的个体特征，在计划TMS会话期间，应有助于个性化的发展。基于TMS的治疗方法所提出的工具可以被视为SimNIBS的附加组件，1通过分析有效场来丰富其电场建模，相对于来自扩散加权成像（DWI）的个体化纤维束成像数据。为了利用它，用户应该提供4个文件。前两个文件包括结构T1加权（T1w）图像和预先计算的头部体积导体模型。这些文件是启动和运行SimNIBS模拟会话所必需的。此外，还应提供两个包含DWI衍生数据的文件：一个包含流线的纤维束成像数据集（应计算刺激效应）和一个用于配准目的的分数各向异性图。一旦输入数据被提供并且彼此共配准，用户就可以在交互式窗口中选择刺激线圈的位置并且发起计算。结果在流线上以颜色编码的方式可视化，并保存以供进一步分析。1https://simnibs.github.io/simnibs/build/html/index.html。2. 软件描述2.1. 软件构架定义输入数据、中间结果、输出和与它们相关的内部过程之间关系的一般管道如图所示。1.一、输入数据包括四个不同的文件。为了启动和运行SimNIBS模拟会话，为了模拟感应电场，必须提供结构T1 w图像（NifTI for- mat[19]）和相应的头部预计算体积导体模型（VCM ）。可以使用mri2mesh[20]或headreco[21]算法从T1w图像创建VCM（比较参见[18]）。另外两个输入文件包含DWI导出的数据：预先计算的分数各向异性图（NifTI格式）和纤维束成像文件（TRK格式），其中包含代表神经纤维的流线，应计算其刺激效果。第一步是将所有输入数据导入相同的refer- 空间。为了实现这一点，仿射变换矩阵的基础上计算的T1w和FA图像之间的互信息的最大化。该过程分4个步骤执行，并且在每个步骤处得到的矩阵用作下一步骤处的优化的起始矩阵：（1）质心变换的计算;（2）3D平移变换的计算;（3）3D刚性变换的计算;（4）仿射变换的计算。此阶段在英特尔酷睿i5处理器上大约需要15分钟，并且每个受试者仅应执行一次。优化和随后的数据转换都依赖于DIPY（Python中的扩散成像）中实现的算法[22]。一旦来自纤维束成像文件的流线被转换，它们的局部方向，即，切向量εl被计算，在每一点上。然后，在结构T1w图像上的3D空间中可视化变换的流线。可视化部分使用DIPY和FURY库中的高级交互式可视化工具实现。 在打开的场景中，用户可以手动设置刺激线圈的位置（x， y， z）通过单击水平方向内的特定位置图像的一部分。要选择水平截面的所需标高，可以使用2D线滑块一旦线圈位置被设置，TMS效果的计算通过按钮点击触发。S. Kulikova软件X 12（2020）1005943布里尔布里尔∼8111923DT在开始计算之后，进行以下过程首先，调用SimNIBS会话以计算所选线圈位置（x， y， z）的感应电场，并且结果保存为Gmsh网格文件。感应场的计算时间小于40 s。然后，对于每个流线上的每个点，计算有效场El和相关的TMS效应要做到这一点，首先，我们应该在给定的位置得到一个电场矢量E。该矢量通过从包含感兴趣点的四面体的节点进行线性插值而获得。一旦在感兴趣的点处已知电场，则将其投影到的局部方向，以获得有效场并计算其方向导数，作为有效场E1的梯度与单位矢量之间的点积通过 将 场 向 量field_vector_xyz投影 到 流 线 型streams_array_derivative[stream][t，：]的局部方向并乘以λ（l1）来获得effective_ field[stream][t，0]。TMS诱导效应的第二分量effective_ field[stream][t，1]通过将λ2（l2）与计算的有效场的方向导数相乘使用deriv_e_field（）函数。最后，effective_field[stream][t，2]包含两个TMS效果的总和，并且整个effective_field数组被保存为txt文件。123与流线相切： =El·l。然后，两个组件TMS引起的效应：−λEl和−λ2<$El（其中λ是神经膜的长度常数等于2mm），以及4它们的总和被保存在一个txt文件中，使用pickle.dump（）函数，进一步分析。这种计算对于一个流线， 13506积分时间少于10秒。因此，生成7个图形中的每个图形算例计算时间小于1 min，采用并行计算和忽略深度计算可以加快计算速度局部点。然而，这些选项在10当前版本，因此建议运行calculu-12仅用于从13个全脑纤维束成像最后，TMS诱导的总效应14在场景中的流线上以颜色编码的15方式16172.2. 软件功能1820代码的设计是这样的，在提供输入数据后，用户可以手动地选择刺激线圈在22°相对于感兴趣的流线和结构的3D场景24T1w图像。所选择的位置（x， y， z）被用作输入25forchange_TMS_effects（）函数，通过单击在计算按钮上此函数首先调用simulation（）26运行SimNIBS模拟会话的函数模拟（）27函数采用选定的线圈位置和默认的simu。定位参数（Magstim 70 mm 8字形刺激28线圈[23]，刺激线圈29内的电流变化率dI=10 6 A/s）。要更改这些参数，应修改模拟中的ctmslist.fnamecoil和cpos.didt功能然后，get_field（）函数获取给定位置（x， y， z）处的场向量。这是通过使用函数get_ttrd（）找到包含点（x， y， z）的最近四面体来实现的。为了提高搜索效率，使用load_elem（）函数对网格结构进行预处理，该函数对网格进行排序和索引元素为了得到有效场在给定点（x，y，z）的方向导数，调用deriv_e_field（）函数。此函数依赖于get_field（）和my_deriv（）函数（计算使用3点模式的一阶数值导数）。2.3. 示例代码段本节显示了change_TMS_effect（）函数的代码片段，该函数计 算 沿 跟 踪 图 流 线 的 TMS 相 关 效 应 （ 清 单 1 ） 。 一 旦 使 用load_elem（）函数对包含感应电场的网格结构进行了预处理，change_TMS_effect（）函数就会在所有流线的所有点（new_streams_T1_array的元素）上运行嵌套循环。对于每个点xyz（numpy数组），使用get_field（）来获取该点field_vector_xyz处的电场矢量。TMS诱导效应的第一个组成部分，30313233343536373839清单1：change_TMS_effect（）函数的代码片段，该函数计算沿纤维束成像流线的TMS相关效应3. 说明性示例本节演示了所提出的工具在皮质脊髓束（CST）刺激期间用于计算和可视化TMS诱导效应的应用。在本例中，我们使用了Novikov等人[24]的MRI数据，该数据是在来自健康成年男性志愿者的1.5TSiemens扫描仪（Siemens Healthcare，Erlangen，Germany）。使用3D快速梯度成像仪，以1 mm各向同性空间分辨率采集T1w图像。ent反转恢复序列（MPRage）。VCM文件（sub-ject.msh）和标准化T1 w图像（T1fs_conform.nii.gz）defchange_TMS_effects（x，是的，z）：“这是什么意思？”根据现有的几何模型计算给定坐标位置（x，y，z）的TMS有效性，参见Silvaet al . 等（2008），使用冠状沟的有限元模型，阐明了通过磁刺激的神经元兴奋的机制和定位https：//www. ncbi. nlm。nih。gov/pmc/ar ti cl es/PMC2693370/. . .“这是什么意思？”. . . . .t t t = load_elems（field_mesh.结node_coord，field_mesh。榆树。node_number_list）e f f e c ti v e_fi el d =复制。deepcopy（new_streams_T1_array）forstreamin range（len（new_streams_T1_array））：my_steam = copy.deepcopy（new_streams_T1_array [stream]）p r in t（为不in range（len（my_steam [：，0 ]））：#−256/2Becaufr esurferRAScordinatesyste mx = my_steam[ t，0 ]-256/2个y = my_steam[ t，1 ]-256/2个xyz = np。asarray（[ x，y，z ]）z= my_steam[ t，2 ]-256/2个field_vector_xyz = g e t_field ld（t t t，xyz，field_at_nodes）NP . dot（field_vector_xyz，e f f e c ti v e_fi el d [stream][t，0]=l1streams_array_derivative [ stream ] [ t，：]）field_at_nodes，streams_array_derivative [ stream ] [ t，：]，t t t）e f e c ti v e_fi el d [stream][t，1]=12 d er i v_e_f i e l d（xyz，e f f e c ti v e_fi el d [stream][t，2]= ef f e c ti v e_fi el d [stream][t，0]+ e f fe c ti v e_fi el d [stream][t，1]if（e f e c ti v e_fi el d [stream][t，2] effect_min）：effect_min = e f e c ti v e_fi el d [stream][t，2]ife f e c ti v e_f iel d [stream][t，2]> effect_max：effect_max = e f e c ti v e_f iel d [stream][t，2]打开（current_out_dir+' / '字+主题名+ '_ e f e c t i ve _ f i e l d. t x t ' ， 't ' ） 作 为 f ：pic k le .dump（e f e c t iv e_f ie ld，f）f .已关闭（）S. Kulikova软件X 12（2020）1005944DT=∼==-DT图二. 计算的A.左侧运动皮层; B.右侧运动皮层和C.额叶皮层（控制刺激部位）。使用mri2mesh从原始T1w图像创建。扩散加权成像采用DW-SE-EPI序列，参数如下：64个扩散梯度方向（b 1500 s/mm 2），4个b 0图像，TE72 ms，TR 14 s，并行成像GRAPPA因子2，部分傅立叶采样因子6/8。使用扩散工具包（http://www.trackvis.org）对扩散数据进行预处理，根据Q球模型[25]进行全脑纤维束成像，并计算FA图（dti_fa.nii）。所得流线在TrackVis软件（www.example.com）中可视化http://www.trackvis。org）和6条来自CST的典型流线（5条来自左半球，1条来自右半球，tracts.整个该主题的CST包含1350个可以以完全相同的方式处理的简化。然而，为了简单和可视化的目的，该示例仅限于几个代表性的流线。为了模拟CST的刺激，将线圈放置在主要运动区上。因此，一旦准备好输入文件图三. 相同线圈位置但不同速率的TMS效应计算值电流变化dI。加载并相互配准后，我们手动选择待测试线圈的三个位置：一个在左半球中的CST流线上方，第二个在来自右半球的流线上方，以及在额叶皮层上方的一个不相关的控制刺激部位。 所产生的效果如图所示。 二、正如预期的那样，右半球和左半球的刺激的主要影响是本地化的流线从同一个半球，和刺激在额叶网站几乎没有影响所考虑的流线。此外，左半球的刺激清楚地表明了纤维几何形状的影响：即使在接近的流线内，在刺激部位附近弯曲的流线也具有更强的刺激效果。还可以看出，在保持所有其他刺激设置相同的同时增加电流变化率dI在受刺激的纤维上产生类似的图案，但是随着TMS效应的增强（图）。 3）。然而，与以前的研究[17]一致，仅改变线圈方向就会产生TMS效应值及其在受刺激纤维上的模式的变化（图17）。4）.同样，线圈配置也会影响TMS效应的值和模式（图1）。 5）。S. Kulikova软件X 12（2020）1005945见图4。对于相同的线圈位置但对于其不同的方向，计算TMS效应：A. 指向后方;B.指向内侧; C.指向前方。在当前版本中，弹簧圈手柄的方向不可见4. 影响引入一种允许计算TMS诱导效应的工具对计算的TMS效应与观察到的生理反应（例如，运动皮层TMS的运动诱发电位的振幅）的联合分析应有助于找到TMS [13]的现有理论模型与其实验观察效应之间缺失的联系。丰富我们对TMS机制的理解可能会为TMS优化和自适应TMS映射策略带来新的见解。现有方法仅依赖于感应电场[26]，并且考虑到受刺激纤维的个体解剖特征可能有助于开发更有效的个性化方法[27-到感兴趣的区域的个体形式和位置。此外，由于这种优化完全是计算性的，因此通过减少定位由TMS有效刺激的皮层区域和调整其设置所需的时间，它还将有助于减少TMS会话的持续时间。然而，在这种基于轨迹的方法的任何实际应用成为可能之前，需要进行大量的研究。第一、图五. 计算两种不同线圈的TMS效应：Magstim 70 mm 8字形（上）; Magstim 70mm 8字形（下）。所有其他刺激设置保持不变。应该证明计算的和实验观察到的TMS效应确实是相互关联的[30]。因此，有必要测试不同刺激度量（即，最大或平均刺激效果、刺激纤维数量、刺激阈值等）之间的关系。在生理或行为水平上观察到TMS效应。在这个阶段，可以应用亚组分析的统计方法[31]，以揭示对特定类型的刺激最敏感的纤维亚组，并解释观察到的效果。这种调查可能是昂贵和耗时的，因为它需要采集和联合分析TMS和MRI（T1w，DWI）数据。将所提出的方法与神经导航配对也很然而，只有在这些步骤之后，才可以开始开发用于刺激设置的优化的方法，并验证基于束的优化是否显著增强TMS效果并增加其可预测性。此外，还应该记住，TMS效应在不同的协议（脉冲间隔和脉冲总数）中变化很大[3]，这意味着有必要扩展单个脉冲的TMS效应的当前建模，以建模由具有自定义参数的脉冲序列产生的效应5. 结论在这项工作中，我们提出了一个工具，交互式计算和可视化的TMS诱导的影响，在个别白质纤维轨迹来自扩散加权成像。该工具可用于未来的实验TMS映射研究，以挑战具有真实实验数据的TMS机制的理论模型，试图建立描述轴突激活的度量与在生理和行为水平上观察到的效应之间的联系。所提出的工具的其他未来改进将包括（1）子组发现方法的实施，用于揭示对特定类型的刺激最敏感的白质纤维的子组;（2）开发S. Kulikova软件X 12（2020）1005946优化方法，以识别使白质纤维的特定子集的效果最大化的刺激参数;（3）将所提出的方法与神经导航配对，以及（4）扩展针对不同脉冲序列的TMS效果的建模竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢该项目由俄罗斯科学基金会资助18-75-00034。我要感谢MariaNazarova博士提供的TMS和MRI数据示例，Aleksey Buzmakov博士在代码测试和调试方面的帮助，以及Neurohackademy 2019的所有讲师，他们向我介绍了许多重要的工具，使这个项目成为可能。引用[1] 伊格莱西亚斯A.经颅磁刺激治疗多种神经系统疾病Curr Neurol Neurosci Rep2020;1（20）. http://dx.doi的网站。org/10.1007/s11910-020-1021-0。[2] 寺尾安雄TMS的基本机制。临床神经生理学杂志2002;19（4）：322-43。[3] [10]张文，张文，张文.共识：运动皮层可塑性协议。脑刺激2008;1（3）：164-82。http://dx.doi.org/10.1016/j.brs的网站。2008年6月6日。[4] Huang Y-Z ， Lu M-K ， Antal A ， Classen J ， Nitsche M ， Ziemann U ，Ridding M，Hamada M，Ugawa Y，Jaberzadeh S，Suppa A，Paulus W，Rothwell J.非侵入性经颅脑刺激诱导的可塑性：立场文件。临床神经生理学2017;128（11）：2318-29。http://dx.doi.org/10.1016/j.clinph.2017.09.007.[5] Lopez-Alonso V，Chegli B，Río-Rodríguez D，Fernán-Del-Olmo M.非侵 入性 脑 刺激 范例 的 个体 间 变异 性。 脑 刺 激 2014;7 （ 3） ： 372-380 。http://dx.doi.org/10.1016/j的网站。brs.2014.02.004网站。[6] Pellegrini M，Zoghi M，Jaberzadeh S.减少经颅磁刺激评估皮质脊髓兴奋性研 究 中 反 应 变 异 性 的 检 查 表 ： 文 献 的 系 统 综 述 。 Brain Connect 2020;10（2）：53-71. http://dx.doi.org/10.1089/brain.2019.0715网站。[7] [10]杨文，李文.预测中风患者对非侵入性脑刺激的反应。前神经2019;10：302。http://dx.doi.org/10.3389/fneur.2019.00302网站。[8] 张文辉，张文辉.经颅磁刺激在重度抑郁症中的应用：线圈设计和神经解剖变异性考虑。EurNeuropsychopharmacol2019.http://dx.doi.org/10.1016/j.euroneuro.2019.06.009网站。[9] Syeda F，Magsood H，Lee EG，El-Gendy AA，Jiles DC，Hadimani RL.脑解剖变异性对经颅磁刺激治疗的影响。AIP Adv 2017;7（5）：056711。http://dx.doi.org/10.1063/1的网站。4974981[10] 郝 文德 智 英， 刘 智明 .重 复经 颅 磁刺 激改 善 脑卒 中 后功 能。 CochraneDatabaseSystRev2013;（5）。http://dx.doi.org/10.1002/14651858.CD008862.pub2网站。[11]2005年10月27日，中国科学院院士。非侵入性脑刺激改善卒中后精细运动：一项 荟萃 分 析 。EurJNeurol2018;25（ 8 ） ：1017-26。http://dx.doi.org/10.1111/ene.13643.[12]Dougall M，Soares N，Weiser K，McDermott L，McIntosh A.经颅磁刺激治 疗 精 神 分 裂 症 CochraneDatabaseSystRev2015; （ 8 ） 。http://dx.doi.org/10.1002/14651858.CD006081.pub2网站。[13] Silva S，Basser PJ，Miranda PC.使用皮层沟的有限元模型阐明经颅磁刺激神 经 元 兴 奋 临 床 神 经 生 理 学 2008;119 （ 10 ） ： 2405-13 。http://dx.doi.org/10.1016/j.clinph.2008.07.248网站。[14]Geeter ND，Crevecoeur G，Leemans A，Dupré L.沿着基于DTI的真实神经轨迹的有效电场，用于模拟TMS的刺激机制。物理医学生物学2014;60（2）：453-71。http://dx.doi.org/10.1088/0031-9155/60/2/453。[15]罗斯BJ，巴瑟PJ。通过电磁感应刺激神经纤维的模型。IEEE Trans BiomedEng 1990;37（6）：588-97. http://dx.doi.org/10.1109/10.55662网站。[16]Miranda PC，Correia L，Salvador R，Basser PJ.组织异质性作为局部神经刺激 的 机 制 。 物 理 医 学 生 物 学 2007;52 （ 18 ） ： 5603-17 。http://dx.doi.org/10.1088/0031-9155/52/18/009.[17]Richter L，Neumann G，Oung S，Schweikard A，Trillenberg P.经颅磁刺激的最佳线圈方向。PLoSOne2013;8（4）.http://dx.doi.org/10.1371/journal.pone.0060358网站。[18]放大图片Saturnino GB，Madsen KH，Thielscher A.使用FEM进行经颅脑刺激的电场模拟：有效的实现和误差分析。J Neural Eng 2019;16（6）：066032.http://dx.doi.org/10.1088/1741-2552/ab41ba。[19]Cox RH，Cox R，Ashburner J，Breman H，Fissell K，Haselgrove C，HolmesC，Lancaster J，Rex DE，Smith PAES，Woodward J，Cox R，Holmes C，Lancaster J，Smith S， Strother S ， Smith SW. A（ sort of） new image dataformat standard：Nifti-1.上一篇：第十届人脑绘图组织年会2004年[20]杨文，王文，王文.基于有限元的脑刺激中的电场计算：用于生成和使用精确的个体头部模型的优化处理管道。 《脑地图》，2013年;34（4）：923-35。[21] Nielsen JD，Madsen KH，Puonti O，Siebner HR，Bauer C，MadsenCG ， Saturnino GB ， Thielscher A. 从 MR 图 像 中 自 动 分 割 颅 骨http://dx.doi.org/10.1016/j.neuroimage.2018.03.001.[22] [10]杨文，李文. Dipy，一个用于分析弥散MRI数据的库。8.第八届中国国际医疗器械展览会http://dx.doi.org/10.3389/fninf.2014的网站。00008。[23]Thielscher A，Kammer T.两种商用图形的电场特性TMS中的8个线圈：聚焦和效率的计算。临床神经生理学2004;115（7）：1697-708。http://dx.doi.org/10.1016/j.clinph.2004.02.019网站。[24]Novikov P，Nazarova M，Nikulin V. TMS映射-TMS映射结果定量分析软件。《前沿神经科学》2018;12（239）。网址：//dx.doi.org/10.3389/fnhum.2018.00239网站。[25] Descoteaux M，Angelino E，Fitzgibbons S，Deriche R.正则化、快速和强 大 的 分 析 q 球 成 像 。 Magn Reson Med 2007;58 （ 3 ） ： 497-510 。http://dx.doi.org/10.1002/mrm.21277网站。[26]Weise K，Numssen O，Thielscher A，Hartwigsen G，Knsche TR.一种新的方 法 来 定 位 皮 层 TMS 的 影 响 。 神 经 影 像 2020;209 ： 116486 。http://dx.doi.org/10.1016/j.neuroimage.2019.116486网站。[27]Fox MD，Liu H，Pascual-Leone A.基于内在连接性的TMS治疗抑郁症的可重复个体化靶点鉴定。《神经影像》2013;66：151-60。http://dx.doi.org/10的网站。1016/j.neuroimage.2012.10.082。[28]陶Q，杨Y，于H，范L，栾S，张L，赵H，吕L，江T，宋X。基于解剖学连通性的经颅磁刺激靶向抗抑郁治疗策略。《精神病学前沿》2020;11：236。网址：//dx.doi.org/10.3389/fpsyt.2020.00236网站。[29]Ahdab R，Ayache S，Brugires P，Goujon C，Lefaucheur J-P.慢性疼痛和抑郁患者运动、运动前区和前额叶目标上TMS线圈定位的标准和导航程序的比较。神经生理学临床/临床神经生理学2010;40（1）：27网址：//dx.doi.org/10.1016/j.neucli.2010.01.001网站。[30] Buzmakov A，Kulikova S.揭示经颅磁刺激在脑组织中产生的电场与运动诱发电位幅值的关系输入：过程：国际大会“神经科学用于医学和心理学”Sudak，克里米亚，俄罗斯，2020年10月6日至16日。2020年，第116页。http://dx.doi.org/10.29003/m900.sudak.ns2020-16网站。[31] 阿特兹穆勒湾亚组发现。WIREs Data Min Knowl Discov 2015;5（1）：35-49. http://dx.doi.org/10.1002/widm.1144网站。
我的内容管理
展开
