
Prof. Dr.-Ing. habil. Jens Haueisen
BMTI Institutsleiter und Fachgebietsleiter Biomedizinische Technik
Prof. Dr.-Ing. habil. Jens Haueisen
Telefon +49 3677 69 2861

Für eine genaue Vorwärtsmodellierung der transkraniellen elektrischen Stimulation (TES), der Elektrokrampftherapie (EKT) und der Elektroenzephalografie (EEG) müssen numerische Singularitäten in der Ladungsdichte im Bereich von Elektroden und Gewebegrenzflächen aufgelöst werden. Wir stellen eine Strategie zur adaptiven Gitterverfeinerung (AMR) für die ladungsbasierte Randelementmethode (BEM) vor, die durch die Fast-Multiple-Methode (BEM-FMM) beschleunigt wird und Elektroden- sowie Grenzflächensingularitäten berücksichtigt. Wir leiten einen neuen Fehlerabschätzer ab, der sowohl lokale als auch nichtlokale Beiträge des einlagigen Potentialoperators berücksichtigt, und konstruieren ein Verfeinerungskriterium auf der Grundlage der Differenz der Ladungslösung über die AMR-Iterationen hinweg. Wir bewerten diesen Ansatz an einem 5-schichtigen Kugelmodell sowie an mehreren probandenspezifischen Kopfmodellen, die aus den 7-Gewebe-Segmentierungen von SimNIBS (headreco) und den 40-Gewebe-Segmentierungen von Sim4Life (head40) abgeleitet wurden, wobei wir sowohl spannungsgesteuerte als auch stromgesteuerte Elektrodenformulierungen verwenden. Durch eine Konvergenzanalyse an den Zielstrukturen der weißen Substanz und des Hippocampus stellen wir für die SimNIBS- und Sim4Life-Modelle elektrische Felder mit relativen Restfehlern von unter 0,1 % bzw. 1 % fest. Unsere Ergebnisse zeigen, dass die auf BEM-FMM angewandte, auf Restfehlern basierende AMR in realistischen Kopfmodellen zu numerisch stabilen TES- und EEG-Vorwärtslösungen führt.
Originalveröffentlichung:
Derek A. Drumm, Gregory M. Noetscher, Hannes Oppermann, Jens Haueisen, Zhi-De Deng & Sergey N. Makaroff: Charge based boundary element method with residual driven adaptive mesh refinement for high resolution electrical stimulation modeling. Scientific Reports, 2026