计算机建模允许跨物种无监督地对性脑状态进行分类

科学领域:

• 计算神经科学是一种神经科学.
• 的研究研究.
• 生物医学信号处理

背景情况:

• 由于患者在治疗反应中的异质性,治疗个性化是至关重要的.
• 识别患者和时间特定的参数需要先进的诊断工具.
• 计算建模提供了机理性的洞察力,并且正在成为预测治疗结果的诊断工具.

研究的目的:

• 利用温德林模型,一种动态的计算模型,用于自动分类性大脑状态.
• 从人类患者的内脑电图 (EEG) 中对大脑状态进行分类,并从老鼠模型中记录本地场电位.
• 通过专家视觉评估验证基于模型的分类,并将其与数据驱动的原型进行比较.

主要方法:

• 采用温德林模型来模拟原型患者的大脑状态动态.
• 从人类 (n=4) 和老鼠 (n=3) 的病数据中分类了五秒钟的信号段,分为四种状态:间接性,预发,发病和ictal.
• 从真实数据中比较信号特征与模型衍生的特征向量进行自动分类.

主要成果:

• 在模型,老鼠和人类数据中,实现的分类性能显著高于机会水平 (平均灵敏度分别为0.99,0.77,0.56).
• 从老鼠和人类病记录中获得的模型驱动和数据驱动原型之间的相似性.
• 表明状态的关键电生理学模式在物种之间得到保存,并被计算模型准确地复制.

结论:

• 温德林模型和定义的一组信号特征使得在中完全自动和无监督的脑状态分类成为可能.
• 这些发现表明,人类和动物模型中病状态的电生理学模式得到保存,并通过计算建模验证.
• 这种方法对推进个性化和响应性治疗策略充满希望.