在tES中用于剂量规划的组优化方法
R Salvador1, J Zhou2, B Manor2
1Neuroelectrics, Barcelona, Spain.
Journal of neural engineering
|August 6, 2025
概括
一个新的跨电刺激 (tES) 团体级优化框架为个性化模型提供了一个可扩展的替代方案. 这种方法改善了电场 (E-field) 的定位,并减少了变异性,而不需要单独的MRI扫描.
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
- 计算机建模 计算建模
背景情况:
- 优化跨电刺激 (tES) 需要精确的电场 (E-field) 分布,以获得治疗效果.
- 基于MRI的个性化头部模型至关重要,但在临床和研究环境中限制了可扩展性.
研究的目的:
- 开发和评估tES参数的新型组级优化框架.
- 通过使用多个代表性的头部模型来克服基于MRI的个性化模型的局限性.
主要方法:
- 计算建模利用多个代表性头部模型来最大限度地减少组级错误.
- 通过对54名受试者数据的交叉验证进行评估.
- 分析解剖特征的有效性,概括性和预测效用.
主要成果:
- 群组优化协议在配对分析中显著优于基于标准模板的标准方法.
- 与模板相比,基于组的解决方案系统地展示了更好的定位和减少了糟糕的结果.
- 确定了解剖特征和E场参数之间的相关性,使得进一步优化成为可能.
结论:
- 拟议的群组优化框架是个性化tES模型的可扩展和强大的替代方案.
- 这种方法提高了基于模型的tES协议的可行性和可访问性.
- 它消除了先验选择单一代表性模板的需要.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.9K
08:25Radiation Planning Assistant - A Streamlined, Fully Automated Radiotherapy Treatment Planning System
Published on: April 11, 2018
15.4K
