使用残余神经网络对DBS微电极记录进行分类,注意时间域
1Department for Applications of Artificial Intelligence in Medicine, NASK National Research Institute, Kolska 12, Warsaw, 01-045, Poland.
概括
这项研究引入了一种使用人工神经网络的计算机辅助系统,用于在帕金森病 (PD) 的深度大脑刺激 (DBS) 手术期间精确定位亚thalamic Nucleus (STN). 该系统增强了电极放置的准确性和对工件的强度.
科学领域:
- 神经外科 神经外科
- 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:
- 深度大脑刺激 (DBS) 对帕金森病 (PD) 管理至关重要.
- 刺激电极在体下核 (STN) 中的准确放置对于DBS的有效性至关重要.
- 由于STN的小尺寸,深度位置和测量错误的可能性,STN本地化具有挑战性.
研究的目的:
- 开发用于神经外科DBS的计算机辅助决策支持系统.
- 为了提高在STN内的刺激电极放置的精度和可靠性.
- 利用人工神经网络进行增强的微电极记录分析.
主要方法:
- 设计和开发了用于DBS手术的计算机辅助决策支持系统.
- 利用带有注意力机制的人工神经网络来分类微电极记录.
- 根据大脑组织的电活动计算刺激电极的预期位置.
主要成果:
- 开发的系统在实验中证明了它的实用性和效率.
- 对众多DBS手术记录的测试产生了令人鼓舞的结果.
- 具有自我注意力阻断的深度学习方法显示出具有竞争力的性能和对工件的稳定性.
结论:
- 该系统显著提高了在STN DBS手术中刺激电极放置的准确性.
- 使用深度学习与自我注意力增强了对记录文物的强度.
- 这种方法为STN在帕金森病治疗中的向提供了一种新且有效的方法.
