Eliminación eficiente de artefactos para la estimulación adaptativa del cerebro profundo y un análisis de...

Área de la Ciencia:

• La neurociencia es la neurociencia.
• Ingeniería Biomédica Ingeniería Biomédica.
• Procesamiento de señales Procesamiento de señales.

Sus antecedentes:

• La estimulación cerebral profunda adaptativa (aDBS) ofrece neuromodulación personalizada, pero se enfrenta a desafíos con la contaminación de la señal inducida por la estimulación.
• Los métodos actuales de eliminación de artefactos presentan compensaciones entre la efectividad y la flexibilidad, lo que limita las aplicaciones en tiempo real.

Objetivo del estudio:

• Desarrollar un algoritmo computacionalmente eficiente, SMARTA+, para la eliminación robusta de artefactos en la estimulación cerebral profunda adaptativa (aDBS).
• Abordar las limitaciones de los métodos existentes, incluyendo el manejo de artefactos de corriente continua (CC) transitorios y mejorar las capacidades de procesamiento en tiempo real.

Principales métodos:

• Desarrolló SMARTA +, una versión mejorada de la eliminación de artefactos basados en la reducción y el manifiesto utilizando el algoritmo de adaptación de plantillas (SMARTA).
• SMARTA+ evaluado utilizando datos aDBS simulados y del mundo real de pacientes con enfermedad de Parkinson, evaluando la supresión de artefactos y el rendimiento computacional.

Principales resultados:

• SMARTA+ suprimió efectivamente tanto el estímulo como los artefactos transitorios DC, al tiempo que preservó las características espectrales y temporales de los potenciales de campo local (LFP).
• El algoritmo demostró robustez en varios protocolos de estimulación y superó a los métodos existentes como la sustracción de plantilla y el blanqueo de pulso.
• Logró un rendimiento comparable o mejor que SMARTA con un tiempo de computación significativamente reducido.

Conclusiones:

• SMARTA+ mejora la supresión de artefactos y la eficiencia computacional, por lo que es adecuado para sistemas aDBS de circuito cerrado en tiempo real.
• Este avance tiene potencial para mejorar las terapias de neuromodulación en una variedad de trastornos neurológicos.