机器学习定义精度tDCS用于改善认知功能

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 老年学是指老年学的学科.

背景情况:

• 经直流刺激 (tDCS) 与认知训练 (CT) 结合,有望提高老年人的认知功能.
• 对tDCS+CT的个体反应有所不同,可能是由于大脑解剖学的差异.

研究的目的:

• 创建一个客观的方法来个性化tDCS当前剂量以最大限度地提高认知能力.
• 为了提高非侵入性脑刺激对认知增强的有效性.

主要方法:

• 一个支持向量机 (SVM) 模型使用电流密度的计算模型预测了tDCS响应.
• 来自SVM的特征重量为高斯混合模型 (GMM) 提供了信息,以优化电极安装和电流强度.
• 该SVM-GMM方法旨在将tDCS非响应者转换为响应者.

主要成果:

• 优化的电流分布显示了响应者和非响应者之间的目标大脑区域中93%的声音智能连贯性.
• 非响应者的个性化tDCS剂量与响应者的剂量相比明显更接近.
• 优化的模型实现了高预测准确度 (99.993%的响应概率),并成功地将非响应者重新归类为响应者.

结论:

• 这项研究为定制的tDCS剂量优化奠定了基础.
• 这些发现支持对tDCS进行精准医学方法,以增强老年人的认知功能.
• 这一策略有可能改善认知衰退补救的结果.