使用可解释的机器学习方法量化迷走神经刺激对子胃肌电活动的影响
Mahmoud Zeydabadinezhad1, Charles C Horn2, Babak Mahmoudi1,3
1Department of Biomedical Informatics, Emory University, Atlanta, GA, United States of America.
PloS one
|December 1, 2023
概括
迷走神经刺激 (VNS) 有效地改变了胃肠道的电活动. 信号处理和机器学习准确地量化了这些VNS诱导的生理变化,为适应性治疗铺平了道路.
科学领域:
- 神经胃肠病学 神经胃肠病学
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
背景情况:
- 神经刺激 (VNS) 显示出治疗胃肠道 (GI) 疾病的希望.
- 了解VNS对肠道功能的生理影响对于自适应性闭环疗法至关重要.
- 电气胃学 (EGG) 测量胃电活动 (GEAs),以评估胃肠功能.
研究的目的:
- 开发一种系统和可解释的方法来量化VNS对GEA的影响.
- 利用信号处理和机器学习来分析VNS诱导的胃肠道生理变化.
- 为设计针对肠道疾病的先进神经调节疗法创建一个强大的框架.
主要方法:
- 在中同时进行VNS诱导和EGG记录.
- 信号处理技术用于时间和频率域特征提取的应用.
- 实现用于特征选择的投票算法.
- 机器学习模型培训和验证用于GEA分类.
主要成果:
- 由VNS引起的电生理学变化最优的特征是针对不同分类任务的特定特征集.
- 功能选择显著改善了分类性能.
- 开发的分析管道增强了对VNS效应的表示学习.
- 该方法为先进的神经调节疗法提供了测试平台.
结论:
- 使用信号处理和机器学习的系统方法可以有效量化VNS对GEA的影响.
- 特征选择对于提高VNS诱导的生理变化分析的准确性和可解释性至关重要.
- 这项研究支持适应性闭环VNS治疗肠道疾病的开发.
