[論文レビュー] Electric Field Calculation and PNS Prediction for Head and Body Gradient Coils

Peter Roemer, Trevor Wade+4 more|arXiv (Cornell University)|Dec 15, 2020

Cardiovascular Function and Risk Factors被引用数 4

ひとこと要約

本論文は、簡略化されたベクトルポテンシャルモデルを用いて、頭部およびボディ用勾配コイルにおける誘導電界の計算と周辺神経刺激（PNS）の予測を行う計算的に効率的な手法を提示する。本手法は、ボディ勾配コイルでは約5%、対称的頭部勾配コイルでは約20%の予測誤差を達成しており、1秒未塔の計算時間により、PNSを最小化する勾配コイル設計の迅速な最適化が可能となる。

ABSTRACT

Purpose: To demonstrate and validate E-field calculation and PNS prediction methods that are accurate, computationally efficient and that could be used to inform regulatory standards. Methods: We describe a simplified method for calculating the spatial distribution of induced E-field over the volume of a body model given a gradient coil vector potential field. The method is easily programmed without finite element or finite difference software, allowing for straightforward and computationally-efficient E-field evaluation. Using these E-field calculations and a range of body models, population-weighted PNS thresholds are determined using established methods and compared against published experimental PNS data for two head gradient coils and one body gradient coil. Results: A head-gradient-appropriate chronaxie value of 669us was determined by meta-analysis. Prediction errors between our calculated PNS parameters and the corresponding experimentally measured values were ~5% for the body gradient and ~20% for the symmetric head gradient. Our calculated PNS parameters matched experimental measurements to within experimental uncertainty for 73% of deltaGmin estimates and 80% of SRmin estimates. Computation time is seconds for initial E-field maps and milliseconds for E-field updates for different gradient designs, allowing for highly efficient iterative optimization of gradient designs and enabling new dimensions in PNS-optimal gradient design. Conclusions: We have developed accurate and computationally efficient methods for prospectively determining PNS limits, with specific application to head gradient coils.

研究の動機と目的

• MRI勾配コイルにおける周辺神経刺激（PNS）を正確かつ計算的に効率よく予測する手法の開発。
• 頭部およびボディ用勾配コイルについて、既存の実験データと照合してE-field計算およびPNS予測の妥当性を検証すること。
• 既存データのメタアナリシスを用いて、集団重み付きPNS閾値を特定すること。
• 規制基準およびコイル設計最適化に適した前向きのPNS限度推定を可能とする。

提案手法

• 有限要素法や有限差分法を必要とせず、勾配コイルのベクトルポテンシャル場から誘導電界の空間的分布を計算する簡略化された手法を用いる。
• ベクトルポテンシャルの解析的近似に依存し、全身モデル全体におけるE-fieldを効率的に計算する。
• PNS閾値のキャリブレーションのため、実験的PNSデータのメタアナリシスによりChronaxie値を導出する。
• 確立された生体物理学的モデルを用いてPNS閾値を計算し、実験的deltaGminおよびSRmin値と比較する。
• 本手法により、数秒でE-fieldマップを生成でき、新しい設計のE-field更新がミリ秒未塔で可能となり、反復的コイル設計最適化が可能となる。
• 複数のボディモデルを用いて集団重み付きPNS閾値を特定し、一般化可能性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 簡略化されたFEM非依存手法は、頭部およびボディ用勾配コイルにおける電界分布を正確に予測できるか？
• RQ2 実験的PNSデータのメタアナリシスに基づき、頭部勾配コイルに最適なChronaxie値は何か？
• RQ3 予測されたPNS閾値は、ボディおよび頭部勾配コイルの実験的測定値とどの程度一致するか？
• RQ4 本手法は、勾配コイル設計のリアルタイム反復最適化を支援する十分な計算効率を達成できるか？
• RQ5 予測されたPNSパラメータは、実験的不確実性範囲内にどの程度含まれるか？

主な発見

• 実験的PNSデータのメタアナリシスにより、頭部勾配コイルに適したChronaxie値669 μsが特定された。
• ボディ勾配コイルでは予測誤差が約5%、対称的頭部勾配コイルでは約20%であった。
• 予測されたdeltaGmin値の73%が、実験的不確実性範囲内に収束した。
• 予測されたSRmin値の80%が、実験的不確実性範囲内に収束した。
• 初期のE-fieldマップ計算は数秒で完了し、新しい設計のE-field更新はミリ秒未塔で可能となり、効率的な反復最適化が可能となった。
• 本手法により、規制基準に適合する前向きのPNS限度推定およびPNS最適化勾配コイル設計が可能となった。