基于模拟和机器学习的性能评估和个性化电场预测人类大脑中的深层H1线圈

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
• 医学物理 医学物理

背景情况:

• 深度跨磁刺激 (DTMS) 越来越多地用于神经疾病治疗.
• H1线圈的复杂配置导致大脑中的电场诱导变化,需要进一步的性能评估.

研究的目的:

• 调查DTMS的H1线圈的性能,重点关注电场深度和聚焦特征.
• 评估磁性屏蔽块 (MSB),线圈电路长度和线圈间距对H1线圈性能的影响.
• 开发一种机器学习模型,以快速预测个性化大脑中诱导的电场.

主要方法:

• 分析不同激发频率的H1线圈性能,两种类型的MSB的尺寸,线圈电路长度和线圈间距.
• 开发一种机器学习模型,利用可优化的树算法进行电场预测.
• 将H1线圈的性能与八角线圈 (FOE) 的性能进行比较.

主要成果:

• 与FOE线圈 (<1.6厘米) 相比,H1线圈实现了3.67厘米的更深的电场半值深度 (D1/2).
• H1线圈的初始聚焦 (半值) 体积 (V1/2) 为567.94厘米3,比FOE线圈大.
• 在使用MSB优化和调整参数后,V1/2降至81.748cm3,D1/2.2略有增加.
• 机器学习模型表现出高预测准确度 (R2 = 0.99) 和速度 (0.014秒).

结论:

• 通过MSB和参数调整优化H1线圈设计,可以显著提高其对DTMS的聚焦能力.
• 开发的机器学习模型可以快速评估临床应用中的H1线圈性能.
• 在广泛采用优化H1线圈配置的临床应用之前,需要进一步的研究和验证.