基于局部场势的脑机接口,通过脊髓电刺激来抑制发作
Erika Maria Garcia Cerqueira1, Raquel Emanuela de Medeiros1, Fernando da Silva Fiorin1
1Edmond and Lily Safra International Institute of Neurosciences, Santos Dumont Institute, 59288-899 Macaiba, Brazil.
Biomedical physics & engineering express
|November 12, 2024
概括
这项研究开发了一种使用脊髓刺激的脑机界面 (BMI),以减少发作. 该系统有效地检测和抑制了活动,提供了潜在的新治疗方法.
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:
- 发作是一个重大的挑战,需要新的治疗策略.
- 目前治疗的治疗方法存在局限性,这推动了对替代干预措施的研究.
- 大脑机器接口 (BMI) 为实时发作检测和管理提供了一个有希望的途径.
研究的目的:
- 提出和评估一个闭环的大脑机器接口 (BMI) 抑制发作.
- 利用脊髓刺激 (SCS) 作为由检测系统触发的治疗干预.
- 应用一种半监督的机器学习方法,用于基于局部场势 (LFP) 模式的早期发作检测.
主要方法:
- 在Wistar大鼠中从海马和运动皮层获取LFP信号.
- 使用连续波段变换进行LFP信号 (1-13 Hz) 的带通波和时间频率分析.
- 基于Z分数的新型阶段锁定值 (PLV) 规范化与修改的k-平均值和戴维斯-博尔丁聚类用于发作检测.
- 闭环系统在抓住事件检测时触发30秒的SCS.
主要成果:
- 与对照条件相比,拟议的BMI系统显著降低了发作强度和持续时间.
- 该系统准确地检测到海马体和运动皮层中的同步活动.
- 脊髓刺激有效抑制了发作症状,证明了该系统的治疗潜力.
结论:
- 来自海马体和运动皮质的低频LFP信号对于发作检测有价值.
- 结合SCS的闭环BMI显示出作为的替代治疗方法的希望.
- 开发的半监督机器学习方法可以准确和及时地抑制发作.
