基于机器学习的tFUS转换器定位的优化,用于有针对性的视觉皮层神经调节
概括
机器学习模型优化了跨的聚焦超声波 (tFUS) 传感器定位,以精确地刺激视觉皮层. 随机森林实现了最低的定位误差,增强了非侵入性神经调节潜力.
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
- 声学 声学 在声学方面
背景情况:
- 超焦超声波 (tFUS) 为视觉皮层刺激提供非侵入性神经调节.
- 精确的准受到复杂的头骨声学和计算密集型建模的阻碍.
研究的目的:
- 将机器学习模型进行比较,以优化tFUS传感器定位和焦距.
- 为了减少计算负载,同时保持高目标准确度,以刺激视觉皮层.
主要方法:
- 比较神经网络,随机森林,线性回归和支持矢量回归模型.
- 利用tFUS声学模拟数据与32名受试者的CT衍生头骨模型.
- 整合了SphereFit模型,以考虑转换器定位中的头骨曲率.
主要成果:
- 随机森林模型显示出卓越的性能,平均焦点误差最低 (2.76 ± 0.57毫米).
- 机器学习方法显著降低了计算需求.
- 在视觉皮层刺激方面保持了高目标准确度.
结论:
- 机器学习有效地优化了tFUS传感器定位,以精确地定位视觉皮层.
- 这种方法提高了非侵入性神经调节的效率.
- 潜在的应用包括视力恢复和神经康复.
更多相关视频
07:52Author Spotlight: Advancing Human Brain Modulation – Optimized Protocols for Transcranial Ultrasound Stimulation Experiments
Published on: June 28, 2024
1.8K
09:34A Methodological Protocol and Considerations for Transcranial Ultrasonic Stimulation in Exploratory Clinical Human Studies
Published on: December 12, 2025
140
