关闭循环神经刺激的时间基础功能模型
Matthew J Bryan1, Felix Schwock2, Azadeh Yazdan-Shahmorad3
1Computer Science and Engineering, University of Washington, Paul G. Allen Center, Box 352350, 185 E Stevens Way NE, Seattle, Washington, 98195-0005, UNITED STATES.
Journal of neural engineering
|September 4, 2025
概括
人工智能 (AI) 现在可以为神经疾病量身定制闭环神经刺激. 时间基础功能模型 (TBFMs) 为个性化大脑刺激疗法提供高效,低延迟的AI.
科学领域:
- 神经科学
- 计算神经科学
- 人工智能
背景情况:
- 闭环神经刺激显示为治疗像帕金森病 (PD) 这样的神经疾病的前景.
- 目前的人工智能方法在实时大脑活动适应的样本效率,训练时间和延迟方面面临挑战.
- 定制人工智能用于个性化,响应神经刺激需要先进的建模技术.
研究的目的:
- 引入时间基础功能模型 (TBFMs) 作为人工智能驱动的闭环神经刺激解决方案.
- 评估TBFM对神经活动预测光遗传刺激效应的能力.
- 解决人工智能在神经刺激中的样本效率,训练时间和延迟的局限性.
主要方法:
- 开发和应用TBFMs用于光遗传刺激效应的空间时间前预测.
- 使用TBFM分析非人类灵长类动物的局部场势 (LFP).
- 对复杂的非线性动态系统和线性状态空间模型进行模型性能评估.
主要成果:
- TBFMs实现了高预测精度 (高于非线性模型的44%,高于线性模型的158%).
- 模型显示了样本效率 (<20分钟训练数据) 和快速训练 (<5分钟).
- 模拟显示了神经轨迹的成功闭环控制和优化刺激权衡 (AUC=0. 7).
结论:
- 对于神经刺激而言,TBFMs提供了计算效率高和快速的AI方法.
- 这种方法弥合了复杂的人工智能模型和实际临床应用之间的差距.
- 优化的TBFMs为神经疾病的新型个性化闭环刺激疗法铺平了道路.
