半自动发动机热点搜索 (SAMHS):一个框架,以实现对发动机热点识别的优化方法
Desmond Agboada1, Mirja Osnabruegge1,2, Roman Rethwilm3
1Institute of Psychology, University of the Bundeswehr Munich, Neubiberg, Germany.
Frontiers in human neuroscience
|January 2, 2024
概括
使用机器人辅助的横磁刺激 (TMS) 系统的新型半自动化运动热点搜索 (SAMHS) 提供了更高的精度来确定运动值. 虽然较长,但这种TMS-cobot方法提高了研究人员的精度.
科学领域:
- 神经科学是一个神经科学.
- 医疗技术 医疗技术 医学技术
- 机器人技术 机器人技术 机器人技术
背景情况:
- 发动机热点的识别对于跨磁刺激 (TMS) 应用至关重要,它会影响刺激的强度.
- 目前用于发动机热点识别的方法在效率和准确性上有所不同,这凸显了优化需求.
- 实验人员的经验对发动机热点的识别有重大影响,需要标准化和可靠的技术.
研究的目的:
- 引入和评估使用神经导航机器人辅助TMS系统 (TMS-cobot) 的半自动化电机热点搜索 (SAMHS) 技术.
- 将新型SAMHS技术的实用性和准确性与传统的手动电机热点识别方法进行比较.
- 评估TMS-cobot对关键电生理学指标的影响,如静止运动值 (RMT) 和刺激强度 (SI1mV).
主要方法:
- 一项双中心研究涉及32名参与者,他们接受了手动热点搜索 (MHS) 和TMS-cobot热点搜索 (CHS) 随机顺序.
- 记录了电生理学数据,包括RMT,SI1mV和电机唤起电位 (MEP) 幅度,以进行方法之间的比较.
- 在半自动发动机热点搜索 (SAMHS) 程序中使用了TMS-cobot系统.
主要成果:
- 与手动热点搜索 (MHS) 相比,TMS-cobot热点搜索 (CHS) 导致RMT和SI1mV较低.
- 在CHS方法中观察到趋向于更高的峰值到峰值MEP振幅.
- 尽管CHS的程序持续时间较长 (15.60分钟与2.43分钟相比),但热点识别的准确性优于CHS.
结论:
- 该SAMHS程序提供了一个优化的系统,用于电机热点的确定,平衡准确性和速度.
- 该TMS-cobot系统是用户友好的,适合有经验和新手TMS研究人员.
- 这种机器人辅助的方法提高了TMS应用中电机热点识别的精度.
