在tES中用于剂量规划的组优化方法

科学领域:

• 神经科学是一个神经科学.
• 计算建模 计算建模
• 医学物理 医学物理

背景情况:

• 优化跨电刺激 (tES) 需要精确的电场 (E-field) 分布,通常使用个性化磁共振成像 (MRI) 衍生头部模型来实现.
• 基于MRI的个性化模型在临床和研究应用中存在可扩展性的限制.
• 在tES结果的个体间的变化需要强大的优化策略.

研究的目的:

• 开发和评估tES参数的新型组级优化框架.
• 提高基于模型的tES协议的可扩展性和可访问性.
• 为了减少电子场分布和治疗结果的个体间变异性.

主要方法:

• 使用多个代表性头部模型的计算建模来优化tES参数.
• 采用了群组级优化方法,以最大限度地减少整个群体的E字段错误.
• 在54名受试者的数据上使用leave-one-out交叉验证验证框架.

主要成果:

• 群组优化显著优于基于标准模板或随机单个模型的协议.
• 在参与者之间表现出显著的结果变化减少.
• 确定了解剖特征和电子场参数之间的预测关系,从而实现了战略模型选择.

结论:

• 拟议的群组优化框架为基于MRI的个性化tES建模提供了一个可扩展和强大的替代方案.
• 这种方法提高了基于模型的tES的可行性和可访问性,以便在更广泛的临床和研究中使用.
• 对解剖学-电子场相关性的洞察力可以进一步完善未来的优化策略.