在深度大脑刺激中对感官反应的预测建模
László Halász1,2, Bastian E A Sajonz3, Gabriella Miklós1,4,5
1Institute of Neurosurgery and Neurointervention, Faculty of Medicine, Semmelweis University, Budapest, Hungary.
Frontiers in neurology
|October 16, 2024
概括
机器学习准确地预测了体深脑刺激 (DBS) 引起的麻醉症. 这个工具可以通过预测刺激诱导的感觉及其位置来优化DBS编程和计算机-大脑接口.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 深度大脑刺激 (DBS) 通常旨在避免刺激诱导的感觉,但这些可以故意诱导的应用程序,如计算机-大脑接口.
- 选择最佳的DBS参数来控制这些感觉是具有挑战性的,因为巨大的参数空间.
研究的目的:
- 开发一种机器学习模型,用于预测发生和体质位置的麻醉引起的thalamic DBS.
- 简化DBS参数的选择,以避免和诱导感觉.
主要方法:
- 利用了来自18个thalamic DBS线索的3,359个paresthetic感觉的数据集,跨越10个个体.
- 模拟了每个刺激的组织激活体积 (VTA).
- 训练了一种机器学习模型,使用刺激参数和VTA数据来预测感觉发生和位置.
主要成果:
- 该模型证明了与基准真相相对相当或实质性的协议 (Kappa 0.31-0.72),用于预测麻醉的存在和位置.
- 对于已见和未见病例的预测准确性相似 (Kappa 0.72与0.60).
- 对于特定的体位位置的预测准确性在未见病例中较低 (Kappa 0.53与0.31).
结论:
- 机器学习有可能优化DBS参数选择,改善术后管理.
- 预测模型可以指导临床DBS编程和调整基于DBS的计算机-大脑接口.
