在帕金森病中,用于闭环深度大脑刺激的多时间尺度神经调节策略
Zhaoyu Quan1,2,3, Yan Li4,5,6,7, Shouyan Wang2,4,5,6,7
1Academy for Engineering and Technology, Fudan University, Shanghai, People's Republic of China.
Journal of neural engineering
|April 23, 2024
概括
这项研究引入了一种新的闭环深度大脑刺激 (DBS) 方法,用于帕金森病,有效调节跨多个时间尺度的β振荡,同时遵守临床约束.
科学领域:
- 计算神经科学是一种计算神经科学.
- 神经调节是一种神经调节.
- 生物医学工程 生物医学工程
背景情况:
- 贝塔振荡是帕金森病的关键指标.
- 目前的闭环深度大脑刺激 (DBS) 面临神经动力学的挑战.
- 调整DBS需要考虑多个时间尺度的神经变异.
研究的目的:
- 开发一个闭环DBS策略,在不同的时间尺度上调节β振荡幅度.
- 为了将基底 - - 皮质电路的固有变异纳入DBS控制中.
- 确保战略尊重对刺激参数的临床约束.
主要方法:
- 创建了一个基底 - - 皮层电路的动态平均场模型.
- 设计了一个动态目标模型来表示多个时间尺度的β功率变化 (毫秒到分钟).
- 为闭环DBS实现了一个带有动态目标的比例积分差分 (PID) 控制器,考虑到刺激振幅极限.
主要成果:
- 该模型准确地模拟了药物节奏,并捕获了跨时间尺度的β功率动态.
- 拟议的闭环DBS策略与恒定目标方法相比,实现了更顺的刺激.
- 贝塔功率在各种调制强度和临床约束下成功追踪了动态目标.
结论:
- 这项研究提出了一种新的闭环DBS方法,用于精确的多时尺度β功率调制.
- 该方法有效地解决了神经动态和帕金森病治疗临床限制的复杂性.
- 这些发现为优化DBS治疗疗效和安全提供了有希望的进展.
更多相关视频
14:14Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
Published on: August 12, 2018
8.9K
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.3K
