时间序列细分用于识别通过微电极阵列 in vitro 记录的型模式

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
• 计算神经科学是一种神经科学.

背景情况:

• 影响全球人口的1%,其中30-40%的患者对药物反应不佳.
• 闭环深度大脑刺激 (DBS) 为耐火性提供了一个有希望的替代方案.
• 有效的DBS需要算法来从局部场势 (LFP) 中识别生物标志物,以获得最佳的刺激时间.

研究的目的:

• 开发计算上便宜的算法来检测来自LFPs的相关事件.
• 为应对在实时发作检测系统中低功耗的挑战.
• 验证用于发作检测和潜在发作预测的新算法.

主要方法:

• 开发了两个算法:ZdensityRODE和AMPDE,利用时间序列分割 (TSS).
• 从LFP中提取不同级别的信息,以确定相关事件.
• 在使用微电极阵列的小鼠海马皮层切片中对4-氨基胺诱导的型活动进行了验证的算法.

主要成果:

• ZdensityRODE在ictal事件检测方面实现了93%的精度/回忆,在interictal检测方面达到42%的精度.
• 对于ictal事件检测,AMPDE实现了96%的精度和90%的回忆,对于interictal事件检测达到54%的精度.
• 这两种算法都在捕获型活动方面表现出有效性.

结论:

• 开发的算法可以有效地检测LFPs的发作事件.
• 这些算法支持发作检测,并具有发作预测和控制的潜力.
• 这些发现为设计闭环刺激装置的先进算法铺平了道路.