Transcranial Magnetic Stimulation (TMS) coil placement and pulse waveform current are often chosen to achieve a specified E-field dose on targeted brain regions. TMS neuronavigation could be improved by including real-time accurate distributions of the E-field dose on the cortex. We introduce a method and develop software for computing brain E-field distributions in real-time enabling easy integration into neuronavigation and with the same accuracy as 1st -order finite element method (FEM) solvers. Initially, a spanning basis set (< 400) of E-fields generated by white noise magnetic currents on a surface separating the head and permissible coil placements are orthogonalized to generate the modes. Subsequently, Reciprocity and Huygens' principles are utilized to compute fields induced by the modes on a surface separating the head and coil by FEM, which are used in conjunction with online (real-time) computed primary fields on the separating surface to evaluate the mode expansion. We conducted a comparative analysis of E-fields computed by FEM and in real-time for eight subjects, utilizing two head model types (SimNIBS's 'headreco' and 'mri2mesh' pipeline), three coil types (circular, double-cone, and Figure-8), and 1000 coil placements (48,000 simulations). The real-time computation for any coil placement is within 4 milliseconds (ms), for 400 modes, and requires less than 4 GB of memory on a GPU. Our solver is capable of computing E-fields within 4 ms, making it a practical approach for integrating E-field information into the neuronavigation systems without imposing a significant overhead on frame generation (20 and 50 frames per second within 50 and 20 ms, respectively).

Abstract Across all electrical stimulation (neuromodulation) domains, conventional analysis of cell polarization involves two discrete steps: i) prediction of macroscopic electric field, ignoring presence of cells and; ii) prediction of cell polarization from tissue electric fields. The first step assumes that electric current flow is not distorted by the dense tortuous network of cell structures. The deficiencies of this assumption have long been recognized, but – except for trivial geometries – ignored, because it presented intractable computation hurdles. We leverage: i) recent electron microscopic images of the brain that have made it possible to reconstruct microscopic brain networks over relatively large volumes and; ii) a charge-based formulation of boundary element fast multipole method (BEM-FMM) to produce the first multiscale stimulations of realistic neuronal polarization by electrical stimulation that consider current flow distortions by a microstructure. The dataset under study is a 250×140×90 μm section of the L2/L3 mouse visual cortex with 396 tightly spaced neurite cells and 34 microcapillaries. We quantify how brain microstructure significantly distorts the primary macroscopic electric field. Although being very local, such distortions constructively accumulate along the neuronal arbor and reduce neuronal activating thresholds by 0.55-0.85-fold as compared to conventional theory. Data availability statement Post-processed cell CAD models (383), microcapillary CAD models (34), post-processed neuron morphologies (267), extracellular field and potential distributions at different polarizations (267×3), *.ses projects files for biophysical modeling with Neuron software (267×2), and computed neuron activating thresholds at different conditions (267×8) are made available online through BossDB, a volumetric open-source database for 3D and 4D neuroscience data. Significance statement This study introduces a novel method for modeling perturbations of impressed electric fields within a microscopically realistic brain volume, including densely populated neuronal cells and blood microcapillaries. It addresses a limitation present across decades of macroscopic-level electromagnetic models for electrical stimulation. For the investigated brain volume, our model predicted a neural activation threshold reduction factor of 0.85–0.55 when compared to the macroscopic approach. The present study begins to bridge a long-recognized gap in our analysis of bioelectricity and provides a framework to evaluate (and compensate) for the adequacy of macroscopic models in brain stimulation and electrophysiology.

Abstract Background Transcranial magnetic stimulation (TMS) treatment response is influenced by individual variability in brain structure and function. Sophisticated, user-friendly approaches, incorporating both established functional magnetic resonance imaging (fMRI) and TMS simulation tools, to identify TMS targets are needed. Objective The current study presents the development and validation of the Bayesian Optimization of Neuro-Stimulation (BOONStim) pipeline. Methods BOONStim uses Bayesian optimization for individualized TMS targeting, automating interoperability between surface-based fMRI analytic tools and TMS electric field modeling. BOONStim’s Bayesian optimization performance was evaluated in a sample dataset (N=10) using standard circular and functional connectivity-defined targets, and compared to densely sampled grid optimization. Results Bayesian optimization converged to similar levels of total electric field stimulation across targets in under 30 iterations, converging within 5% error of the maxima detected by grid optimization, and requiring less time. Conclusions BOONStim is a scalable and configurable user-friendly pipeline for individualized TMS targeting with quick turnaround.

This study aims to describe a MATLAB software package for transcranial magnetic stimulation (TMS) coil analysis and design.Electric and magnetic fields of the coils as well as their self- and mutual (for coil arrays) inductances are computed, with or without a magnetic core. Solid and stranded (Litz wire) conductors are also taken into consideration. The starting point is the centerline of a coil conductor(s), which is a 3D curve defined by the user. Then, a wire mesh and a computer aided design (CAD) mesh for the volume conductor of a given cross-section (circular, elliptical, or rectangular) are automatically generated. Self- and mutual inductances of the coil(s) are computed. Given the conductor current and its time derivative, electric and magnetic fields of the coil(s) are determined anywhere in space.Computations are performed with the fast multipole method (FMM), which is the most efficient way to evaluate the fields of many elementary current elements (current dipoles) comprising the current carrying conductor at a large number of observation points. This is the major underlying mathematical operation behind both inductance and field calculations.The wire-based approach enables precise replication of even the most complex physical conductor geometries, while the FMM acceleration quickly evaluates large quantities of elementary current filaments. Agreement to within 0.74% was obtained between the inductances computed by the FMM method and ANSYS Maxwell 3D for the same coil model. Although not provided in this study, it is possible to evaluate non-linear magnetic cores in addition to the linear core exemplified. An experimental comparison was carried out against a physical MagVenture C-B60 coil; the measured and simulated inductances differed by only 1.25%, and nearly perfect correlation was found between the measured and computed E-field values at each observation point.The developed software package is applicable to any quasistatic inductor design, not necessarily to the TMS coils only.

Obstructive sleep apnea syndrome (OSAS) is a highly prevalent condition associated with considerable metabolic, cardiovascular, and neurocognitive morbidity. Childhood OSAS is underdiagnosed due to a limited number of sleep laboratories and the lack of a screening test, and the subtlety of daytime symptoms in children compared to adults. A potential marker of OSAS is apnea-induced sympathoexcitation, which is likely to be exacerbated during rapid eye movement (REM) sleep. However, traditional methods of assessing sympathetic activity are either too invasive or insensitive/nonspecific for clinical use, particularly as a screening test. Study population comprised pediatric patients with OSAS (16 moderate/severe, 18 mild) and 18 normal non-snoring controls. We show that the chaotic dynamics of heart rate variability (HRV) as assessed by a sensitive noise titration assay is significantly increased during REM compared to non-REM sleep in children, particularly those with OSAS. The increase in heart rate chaos prevails in the face of decreased parasympathetic-mediated high-frequency component of the HRV power spectrum, indicating that the chaos was correlated to sympathetic instead of parasympathetic activity. Receiver operating characteristic analysis shows that such non-high frequency chaos reveals changing sympathetic-parasympathetic activities that are not discernible by conventional HRV metrics such as low- to high-frequency power ratio or sample entropy, with sensitivity and specificity sufficient to detect even mild OSAS in children. Results suggest a possible role for non-high frequency heart rate chaos as a selective noninvasive marker of sympathoexcitation in REM sleep, OSAS and potentially other cardiovascular abnormalities such as congestive heart failure.

Magnetic brain stimulation is a promising treatment in neurology and psychiatry, but clinical outcomes are variable. Unfortunately, mechanisms underlying magnetic stimulation effects are ill-defined, which impedes the development of stimulation protocols appropriate for different neurological conditions. Here we show, in vivo and ex vivo, that repetitive transcranial magnetic stimulation at low-intensity (LI-rTMS) induces axon outgrowth and synaptogenesis to repair a neural circuit. This repair depends on stimulation pattern, with complex patterns being particularly effective, and its mechanism requires the presence of cryptochrome (Cry), a putative magneto-receptor. Effective LI-rTMS patterns altered expression of Cry target genes known to promote neuronal repair. Because LI-rTMS generates electric fields too weak to depolarise neurons, these findings indicate that the magnetic field itself induces the repair. Our data open a new framework for magnetic stimulation - cryptochrome-mediated molecular and structural neuroplasticity. This information suggests new routes to treatments specific for each neurological disease.

In our recent work pertinent to modeling of brain stimulation and neurophysiological recordings, substantial modeling errors in the computed electric field and potential have sometimes been observed for standard multi-compartment head models. The goal of this study is to quantify those errors and, further, eliminate them through an adaptive mesh refinement (AMR) algorithm. The study concentrates on transcranial magnetic stimulation (TMS), transcranial electrical stimulation (TES), and electroencephalography (EEG) forward problems.We propose, describe, and systematically investigate an AMR method using the Boundary Element Method with Fast Multipole Acceleration (BEM-FMM) as the base numerical solver. The goal is to efficiently allocate additional unknowns to critical areas of the model, where they will best improve solution accuracy.The implemented AMR method's accuracy improvement is measured on head models constructed from 16 Human Connectome Project subjects under problem classes of TES, TMS, and EEG. Errors are computed between three solutions: an initial non-adaptive solution, a solution found after applying AMR with a conservative refinement rate, and a "silver-standard" solution found by subsequent 4:1 global refinement of the adaptively-refined model.Excellent agreement is shown between the adaptively-refined and silver-standard solutions for standard head models. AMR is found to be vital for accurate modeling of TES and EEG forward problems for standard models: an increase of less than 25% (on average) in number of mesh elements for these problems, efficiently allocated by AMR, exposes electric field/potential errors exceeding 60% (on average) in the solution for the unrefined models.This error has especially important implications for TES dosing prediction - where the stimulation strength plays a central role - and for EEG lead fields. Though the specific form of the AMR method described here is implemented for the BEM-FMM, we expect that AMR is applicable and even required for accurate electromagnetic simulations by other numerical modeling packages as well.