通过进化算法 (MOVEA) 进行多目标优化,用于人类大脑的高清跨电刺激

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 计算神经科学是一种神经科学.

背景情况:

• 跨电刺激 (tES) 的设计涉及到平衡冲突的目标,如强度,焦点和深度.
• 现有的方法通常需要预定义的方向或手动调整,限制了优化灵活性.

研究的目的:

• 引入一个通用框架,即通过进化算法进行多目标优化 (MOVEA),用于设计tES战略.
• 为了能够同时优化多个,往往相互冲突的TES目标,而没有预先定义的方向.

主要方法:

• 开发了MOVEA,这是一个利用进化算法的帕雷托优化框架.
• 应用MOVEA来比较跨交替电流刺激 (tACS) 和跨时间干扰刺激 (tTIS) 系统 (HD和双对).
• 在不同的目标深度和八个受试者中评估了刺激强度,焦点和方向性.

主要成果:

• 莫维亚产生最佳解决方案的帕雷托前线,尊重强度和焦点等目标之间的权衡.
• 与其他方法相比,间干扰刺激 (tTIS) 提高了60%的焦点.
• 高清tACS/tTIS实现了比两对tTIS更高的最大强度,在最佳协议中指出了个别差异.

结论:

• 莫维亚为优化tES策略提供了一种通用方法,适用于tACS和tTIS.
• 这些发现突显了tTIS在焦点方面的优势,并根据具体目标指导了基于特定目标的刺激系统的选择.
• 个性化的刺激方案是至关重要的,因为观察到的主体间的变化.