一个算法程序来测量深度大脑刺激诱导的囊激活使用电机唤起的潜力.

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

背景情况:

• 帕金森病的深度大脑刺激 (DBS) 需要精确的准,以避免内部囊激活的运动副作用.
• 目前的方法依赖于患者的主观报告,导致不一致和潜在的低于最佳的治疗计划.

研究的目的:

• 开发和验证一个自动化算法来检测和量化运动唤起的潜力 (mEPs),作为DBS诱导的运动副作用的客观生物标志物.
• 建立一种可靠的方法来改善DBS治疗中的手术准和设备编程.

主要方法:

• 信号处理技术旨在检测mEP,同时最大限度地减少噪音和刺激工件.
• 使用多通道电肌图 (EMG) 方法创建了一个统一的副作用生物标志物,即mEP评分.
• 分析了54个亚thalamic核 (STN) 线索的手术内记录,以描述mEP的生理特征.

主要成果:

• 自动化算法准确地检测到mEP并量化其特征 (频率,延迟,振幅,波形相似性).
• mEP得分与DBS振幅和接触配置有明显的关系,与STN-M2囊解剖学一致.
• 开发的方法为客观的副作用测量提供了一个端到端的方法.

结论:

• 自动化mEP检测提供了一个有希望的,客观的生物标志物,用于实时评估DBS程序期间的运动副作用.
• 这种方法可以提高在帕金森病中进行DBS治疗的手术准和编程的精度和效率.
• 经验证的mEP得分有助于更一致,更有效地优化DBS治疗.