SAFE-OPT:贝叶斯优化算法,用于学习安全约束的最佳深度大脑刺激参数

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 深度大脑刺激 (DBS) 需要漫长的手动参数调节,延迟神经和精神疾病的有效治疗.
• 传统的贝叶斯优化 (BO) 提供了高效的参数搜索,但缺乏患者特定的安全约束,风险不良副作用.

研究的目的:

• 开发和验证SAFE-OPT,这是一个贝叶斯优化算法,用于DBS参数选择,该算法结合了特定主体的安全约束.
• 通过在优化过程中避免潜在有害的刺激设置来确保患者的安全.

主要方法:

• 开发了SAFE-OPT,这是一个贝叶斯优化算法,旨在学习和执行特定主题的安全约束.
• 通过多电极刺激诱导的空间记忆缺陷的动物模型验证的SAFE-OPT.
• 模拟SAFE-OPT配置 *in silico*以优化其性能,以实现安全高效的搜索.

主要成果:

• 在动物中,SAFE-OPT成功地确定了最佳的高刺激幅度,而不会影响任务性能.
• 该算法证明了与传统BO相比的样本效率,同时严格遵守安全门.
• SAFE-OPT避免选择超出个体受试者安全限制的刺激幅度.

结论:

• 将特定主题的安全约束集成到贝叶斯优化中,正如SAFE-OPT所示,对于安全有效的DBS参数调整至关重要.
• 这种方法代表了向临床采用深度大脑刺激疗法的自动化,安全优化的重要一步.