Movement decoding using neural synchronization and inter-hemispheric connectivity from deep brain local field potentials.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

İnsan beynindeki elektriksel aktiviteyi hareketle ilişkilendirmek, merkezi sinir sistemi bozukluklarını tedavi etmek için müdahalelerin (örneğin derin beyin stimülasyonu (DBS)) geliştirilmesi ve rafine edilmesi için gereklidir. Ayrıca yeni nesil beyin-makine arayüzleri (BMI'lar) için bir temel görevi görür. Bu çalışma, hareketi ve buna karşılık gelen yanallığı derin beyin yerel alan potansiyellerinden (LFP'ler) yakalamak için yeni bir kod çözme stratejisini vurgulamaktadır.ApproachLFP'ler, görsel olarak düzeltilmiş bir parmak tıklama görevi sırasında Parkinson hastalığı veya distonisi olan on iki hastada subtalamik çekirdek veya globus pallidus interna'dan cerrahi olarak implante edilmiş elektrotlarla kaydedildi. Wavelet paket dönüşümü (WPT) ve Granger nedensellik yaklaşımlarına dayanan frekansa bağımlı nöral senkronizasyon ve hemisferler arası bağlantı özelliklerini çıkarmak için bir yöntem sunuyoruz. Yeni ağırlıklı ardışık özellik seçimi algoritması, bir özellik katkısı ölçüsü aracılığıyla optimal özellik alt kümelerini seçmek için geliştirilmiştir. Bu, kod çözme işlemi sırasında özellik öneminin tahmin edilmesini sağladığından, yüksek boyutsallık verilerinin sınırlı denemeleriyle karşı karşıya kaldığında özellikle yararlıdır.Ana sonuçlarBu yeni yaklaşım, kaydedilen LFP etkinliğinden hareketle ilgili davranışları doğru ve bilgilendirici bir şekilde çözebildi. Hareket tanımlaması için ortalama %99,8 doğruluk elde edilirken, daha sonraki yanallık sınıflandırması %81,5 idi. Özellik katkısı analizi, bazal gangliya yarımküreler arasında ipsilateral sürüşe kıyasla daha güçlü kontralateral nedensel sürüşü vurguladı, nedensellik önlemleri ile yanallık ayrımcılığını önemli ölçüde geliştirdi.Bu bulgular, hemisferler arası bağlantı ile ilgili nedensellik önlemlerinin yanı sıra optimal olarak seçilmiş nöral senkronizasyonun adaptif BMI'leri arttırmak için etkili bir kontrol sinyali sağlayabileceğini göstermektedir. DBS hastalarının durumunda, bu tür sinyalleri elde etmek, nispeten istikrarlı ve hesaplamalı olarak ucuz bir kontrol sinyali sağlarken ek bir ameliyat gerektirmez. Bu, motor korteks içindeki kayıtlara dayanarak subkortikal bölgelerden ek bilgi sağlayarak invaziv BMI'yi genişletme potansiyeline sahiptir.

Özgün kaynak özetini okuyun

ObjectiveCorrelating electrical activity within the human brain to movement is essential for developing and refining interventions (e.g. deep brain stimulation (DBS)) to treat central nervous system disorders. It also serves as a basis for next generation brain-machine interfaces (BMIs). This study highlights a new decoding strategy for capturing movement and its corresponding laterality from deep brain local field potentials (LFPs).ApproachLFPs were recorded with surgically implanted electrodes from the subthalamic nucleus or globus pallidus interna in twelve patients with Parkinson's disease or dystonia during a visually cued finger-clicking task. We introduce a method to extract frequency dependent neural synchronization and inter-hemispheric connectivity features based upon wavelet packet transform (WPT) and Granger causality approaches. A novel weighted sequential feature selection algorithm has been developed to select optimal feature subsets through a feature contribution measure. This is particularly useful when faced with limited trials of high dimensionality data as it enables estimation of feature importance during the decoding process.Main resultsThis novel approach was able to accurately and informatively decode movement related behaviours from the recorded LFP activity. An average accuracy of 99.8% was achieved for movement identification, whilst subsequent laterality classification was 81.5%. Feature contribution analysis highlighted stronger contralateral causal driving between the basal ganglia hemispheres compared to ipsilateral driving, with causality measures considerably improving laterality discrimination.SignificanceThese findings demonstrate optimally selected neural synchronization alongside causality measures related to inter-hemispheric connectivity can provide an effective control signal for augmenting adaptive BMIs. In the case of DBS patients, acquiring such signals requires no additional surgery whilst providing a relatively stable and computationally inexpensive control signal. This has the potential to extend invasive BMI, based on recordings within the motor cortex, by providing additional information from subcortical regions.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.