神经刺激强度-持续时间曲线的闭环估计方法使用费舍尔信息优化

科学领域:

• 神经科学是一个神经科学.
• 生物物理学的生物物理.
• 计算机建模 计算建模

背景情况:

• 现有的强度-持续时间 (SD) 曲线估计依赖于具有预先确定的脉冲持续时间的开放循环方法.
• 这些方法缺乏来自神经元数据的反,这可能会限制估计准确度.

研究的目的:

• 开发和评估一个闭环方法来估计强度-持续时间 (SD) 曲线.
• 根据实时神经元数据来代调整脉冲持续时间,以提高准确性.

主要方法:

• 一种使用费舍尔信息矩阵 (FIM) 优化的新型闭环估计方法.
• 脉冲持续时间的代调整,电机值 (MT) 的计算,并更新SD曲线估计,直到满足停止规则.

主要成果:

• 在满足停止规则方面,FIM方法取得了很高的成功率 (90%).
• 与随机和统一的采样方法相比,它估计了质和时间的平均绝对相对误差 (ARE) 显著较低.
• 在平均85个样本中,实现了0.57%的rheobase和2.15%的chronaxie的平均ARE.

结论:

• FIM方法为强度-持续时间 (SD) 曲线估计提供了更准确,更有效的方法.
• 适当选择脉冲持续时间范围,涵盖SD曲线的垂直和水平方面,对于准确的识别至关重要.