Electric field calculations based on numerical methods and increasingly realistic head models are more and more used in research on Transcranial Magnetic Stimulation (TMS). However, they are still far from being established as standard tools for the planning and analysis in practical applications of TMS. Here, we start by delineating three main challenges that need to be addressed to unravel their full potential. This comprises (i) identifying and dealing with the model uncertainties, (ii) establishing a clear link between the induced fields and the physiological stimulation effects, and (iii) improving the usability of the tools for field calculation to the level that they can be easily used by non-experts. We then introduce a new version of our pipeline for field calculations (www.simnibs.org) that substantially simplifies setting up and running TMS and tDCS simulations based on Finite-Element Methods (FEM). We conclude with a brief outlook on how the new version of SimNIBS can help to target the above identified challenges.

Transcranial direct current stimulation (tDCS) causes a complex spatial distribution of the electric current flow in the head which hampers the accurate localization of the stimulated brain areas. In this study we show how various anatomical features systematically shape the electric field distribution in the brain during tDCS. We constructed anatomically realistic finite element (FEM) models of two individual heads including conductivity anisotropy and different skull layers. We simulated a widely employed electrode montage to induce motor cortex plasticity and moved the stimulating electrode over the motor cortex in small steps to examine the resulting changes of the electric field distribution in the underlying cortex. We examined the effect of skull thickness and composition on the passing currents showing that thinner skull regions lead to higher electric field strengths. This effect is counteracted by a larger proportion of higher conducting spongy bone in thicker regions leading to a more homogenous current over the skull. Using a multiple regression model we could identify key factors that determine the field distribution to a significant extent, namely the thicknesses of the cerebrospinal fluid and the skull, the gyral depth and the distance to the anode and cathode. These factors account for up to 50% of the spatial variation of the electric field strength. Further, we demonstrate that individual anatomical factors can lead to stimulation "hotspots" which are partly resistant to electrode positioning. Our results give valuable novel insights in the biophysical foundation of tDCS and highlight the importance to account for individual anatomical factors when choosing an electrode montage.

Abstract The need for realistic electric field calculations in human noninvasive brain stimulation is undisputed to more accurately determine the affected brain areas. However, using numerical techniques such as the finite element method (FEM) is methodologically complex, starting with the creation of accurate head models to the integration of the models in the numerical calculations. These problems substantially limit a more widespread application of numerical methods in brain stimulation up to now. We introduce an optimized processing pipeline allowing for the automatic generation of individualized high‐quality head models from magnetic resonance images and their usage in subsequent field calculations based on the FEM. The pipeline starts by extracting the borders between skin, skull, cerebrospinal fluid, gray and white matter. The quality of the resulting surfaces is subsequently improved, allowing for the creation of tetrahedral volume head meshes that can finally be used in the numerical calculations. The pipeline integrates and extends established (and mainly free) software for neuroimaging, computer graphics, and FEM calculations into one easy‐to‐use solution. We demonstrate the successful usage of the pipeline in six subjects, including field calculations for transcranial magnetic stimulation and transcranial direct current stimulation. The quality of the head volume meshes is validated both in terms of capturing the underlying anatomy and of the well‐shapedness of the mesh elements. The latter is crucial to guarantee the numerical robustness of the FEM calculations. The pipeline will be released as open‐source, allowing for the first time to perform realistic field calculations at an acceptable methodological complexity and moderate costs. Hum Brain Mapp, 2013. © 2011 Wiley Periodicals, Inc.

To evaluate the stimulation effectiveness of different magnetic stimulator devices with respect to pulse waveform and current direction in the motor cortex.In 8 normal subjects we determined motor thresholds of transcranial magnetic stimulation in a small hand muscle. We used focal figure-of-eight coils of 3 common stimulators (Dantec Magpro, Magstim 200 and Magstim Rapid) and systematically varied current direction (postero-anterior versus antero-posterior, perpendicular to the central sulcus) as well as pulse waveform (monophasic versus biphasic). The coil position was kept constant with a stereotactic positioning device.Motor thresholds varied consistently with changing stimulus parameters, despite substantial interindividual variability. By normalizing the values with respect to the square root of the energy of the capacitors in the different stimulators, we found a homogeneous pattern of threshold variations. The normalized Magstim threshold values were consistently higher than the normalized Dantec thresholds by a factor of 1.3. For both stimulator types the monophasic pulse was more effective if the current passed the motor cortex in a postero-anterior direction rather than antero-posterior. In contrast, the biphasic pulse was weaker with the first upstroke in the postero-anterior direction. We calculated mean factors for transforming the intensity values of a particular configuration into that of another configuration by normalizing the different threshold values of each individual subject to his lowest threshold value.Our transformation factors allow us to compare stimulation intensities from studies using different devices and pulse forms. The effectiveness of stimulation as a function of waveform and current direction follows the same pattern as in a peripheral nerve preparation (J Physiol (Lond) 513 (1998) 571).

The spatial extent of the effects of transcranial magnetic stimulation (TMS) on neural tissue is only coarsely understood. One key problem is the realistic calculation of the electric field induced in the brain, which proves difficult due to the complex gyral folding pattern that results in an inhomogeneous conductivity distribution within the skull. We used the finite element method (FEM) together with a high-resolution volume mesh of the human head to better characterize the field induced in cortical gray matter (GM). The volume mesh was constructed from T1-weighted structural magnetic resonance images to allow for an anatomically accurate modeling of the gyrification pattern. Five tissue types were taken into account, corresponding to skin, skull, cerebrospinal fluid (CSF) including the ventricles as well as cortical gray and white matter. We characterized the effect of the current direction on the electric field distribution in GM. Importantly, the field strength in GM was increased by up to 51% when the induced currents were perpendicular to the local gyrus orientation. This effect was mainly restricted to the gyral crowns and lips, but did not extend into the sulcal walls. As a result, the focality of the fields induced in GM was increased. This enhancement effect might in part underlie the dependency of stimulation thresholds on coil orientation, as commonly observed in TMS motor cortex studies. In contrast to the clear-cut effects of the gyrification pattern on the induced field strength, current directions were predominantly influenced by the CSF–skull boundary.

The ability to perform noninvasive, non-contact measurements of electric signals produced by action potentials is essential in biomedicine. A key method to do this is to remotely sense signals by the magnetic field they induce. Existing methods for magnetic field sensing of mammalian tissue, used in techniques such as magnetoencephalography of the brain, require cryogenically cooled superconducting detectors. These have many disadvantages in terms of high cost, flexibility and limited portability as well as poor spatial and temporal resolution. In this work we demonstrate an alternative technique for detecting magnetic fields generated by the current from action potentials in living tissue using nitrogen vacancy centres in diamond. With 50pT/$\sqrt{Hz}$ sensitivity, we show the first measurements of sensing from mammalian tissue with a diamond sensor using mouse muscle optogenetically activated with blue light. We show these measurements can be performed in an ordinary, unshielded lab environment and that the signal can be easily recovered by digital signal processing techniques.

ABSTRACT Despite the widespread use of transcranial magnetic stimulation (TMS), the precise cortical location underlying the physiological and behavioral stimulation effects are still only coarsely known. So far, mapping strategies rely on center of gravity approaches and therefore localize the stimulated cortical site only approximately and indirectly. Focusing on the motor cortex, we present a novel method to reliably determine the effectively stimulated cortical site at the individual subject level. The approach combines measurements of motor evoked potentials (MEPs) at different coil positions and orientations with numerical modeling of induced electric fields. We identify sharply bounded cortical areas around the gyral crowns and rims of the motor hand area as the origin of MEPs and show that the tangential component and the magnitude of the electric field is most relevant for the observed effect. To validate our approach, we determined motor thresholds for coil positions and orientations for the predicted cortical target. Our methods allows for the identification of optimal coil positions and orientations. Moreover, we used extensive uncertainty and sensitivity analyses to verify the robustness of the method and identify the most critical model parameters. Our generic approach improves the localization of the cortex area stimulated by TMS and may be transferred to other modalities such as language mapping.

Abstract Objective Most approaches to optimize the electric field pattern generated by multichannel Transcranial Electric Stimulation (TES) require the definition of a preferred direction of the electric field in the target region(s). However, this requires knowledge about how the neural effects depend on the field direction, which is not always available. Thus, it can be preferential to optimize the field strength in the target(s), irrespective of the field direction. However, this results in a more complex optimization problem. Approach We introduce and validate a novel optimization algorithm that maximizes focality while controlling the electric field strength in the target to maintain a defined value. It obeys the safety constraints, allows limiting the number of active electrodes and allows also for multi-target optimization. Main Results The optimization algorithm outperformed naïve search approaches in both quality of the solution and computational efficiency. Using the amygdala as test case, we show that it allows for reaching a reasonable trade-off between focality and field strength in the target. In contrast, simply maximizing the field strength in the target results in far more extended fields. In addition, by maintaining the pre-defined field strengths in the targets, the new algorithm allows for a balanced stimulation of two or more regions. Significance The novel algorithm can be used to automatically obtain individualized, optimal montages for targeting regions without the need to define preferential directions. It will automatically select the field direction that achieves the desired field strength in the target(s) with the most focal stimulation pattern.

ABSTRACT Magnetic resonance current density imaging (MRCDI) of the human brain aims to reconstruct the current density distribution caused by transcranial electric stimulation from MR-based measurements of the current-induced magnetic fields. The reconstruction problem is challenging due to a low signal-to-noise ratio and a limited volume coverage of the MR-based measurements, the lack of data from the scalp and skull regions and because MRCDI is only sensitive to the component of the current-induced magnetic field parallel to the scanner field. Most existing reconstruction approaches have been validated using simulation studies and measurements in phantoms with simplified geometries. Only one reconstruction method, the projected current density algorithm, has been applied to human in-vivo data so far, however resulting in blurred current density estimates even when applied to noise-free simulated data. We analyze the underlying causes for the limited performance of the projected current density algorithm when applied to human brain data. In addition, we compare it with an approach that relies on the optimization of the conductivities of a small number of tissue compartments of anatomically detailed head models reconstructed from structural MR data. Both for simulated ground truth data and human in-vivo MRCDI data, our results indicate that the estimation of current densities benefits more from using a personalized volume conductor model than from applying the projected current density algorithm. In particular, we introduce a hierarchical statistical testing approach as a principled way to test and compare the quality of reconstructed current density images that accounts for the limited signal-to-noise ratio of the human in-vivo MRCDI data and the fact that the ground truth of the current density is unknown for measured data. Our results indicate that the statistical testing approach constitutes a valuable framework for the further development of accurate volume conductor models of the head. Our findings also highlight the importance of tailoring the reconstruction approaches to the quality and specific properties of the available data.