帕金森症的休息震可以区分于基于体下和皮质活动的自愿手动

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
• 机器学习 机器学习

背景情况:

• 帕金森症休息震是一种使人衰弱的症状,需要精确区分自发动作,以有效管理.
• 目前用于分析帕金森病 (PD) 中的大脑活动的方法通常仅集中在亚thalamic核 (STN) 活动上.

研究的目的:

• 调查结合皮质和脑下垂体大脑活动的有效性,以区分帕金森症休息震与各种自愿的手动.
• 评估皮质信号对PD患者运动状态分类的贡献.

主要方法:

• 从六名PD患者的STN中重新分析磁脑电图 (MEG) 和局部场势 (LFP) 记录.
• 将大脑活动时代分为四种运动状态的分类:震,握拳,前臂伸展和无震的休息,使用渐变增强的树学习.
• 使用单独的亚thalamic活动与联合皮质和亚thalamic特征的分类准确性的比较.

主要成果:

• 仅仅下体核活动不足以准确分类运动状态 (38%的平衡准确度).
• 结合皮质和脑下皮质特征,显著提高了分类准确度 (平衡准确度为75%).
• 即使只包括一个皮层区域,也平均提高了17%的分类,感觉运动区域是最有信息的.

结论:

• 电生理学记录,当结合皮质信号与亚thalamic活动,使可靠的区分各种运动状态在帕金森病.
• 这种结合的方法有望开发适应性深度大脑刺激 (aDBS) 系统,能够特定检测和量身定制的运动状态反应.