NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Bu makalede, derin beyin uyarım cihazlarını özerk olarak programlamak için yeni bir Bayesian adaptif çift denetleyici (ADC) sunuyoruz. Bayesian ADC'nin performansını, Parkinson hastalığının hesaplamalı bir modelinde beta gücünü azaltma bağlamında değerlendirdik, bu da beta gücünü mümkün olduğunca hızlı bir şekilde azaltan uyarım parametreleri setini bulmakla görevlendirildi. Burada, Bayesian ADC'nin çift hedefleri vardır: (a) şimdiye kadar bulunan en iyi parametreleri kullanarak beta gücünü en aza indirmek ve (b) daha iyi parametreler bulmak için alanı keşfetmek, böylece gelecekte daha iyi kontrole izin vermek. Bayesian ADC iki bölümden oluşur: iç parametreli geri besleme uyarıcısı ve dış parametre ayarlama döngüsü. İç döngü kısa bir zaman ölçeğinde çalışır ve beta salınımının fazına ve gücüne göre uyaran sağlar. Dış döngü, uyarım parametrelerinin etkilerini gözlemleyerek ve beta gücünü en aza indirmek için akıllı bir şekilde yeni parametreleri seçmek için Bayesian optimizasyonunu kullanarak uzun bir zaman ölçeğinde çalışır. Bayesian ADC'nin uyarım parametrelerini verimli bir şekilde optimize edebileceğini ve diğer optimizasyon algoritmalarından daha üstün olduğunu gösteriyoruz. Bayesian ADC, uyarım parametrelerini ayarlamak için sağlam ve genel bir çerçeve sağlar, herhangi bir geri bildirim sinyalini kullanmak için uyarlanabilir ve hastalıklar ve uyarıcı tasarımlar arasında uygulanabilir.
Özgün kaynak özetini okuyun
In this paper, we present a novel Bayesian adaptive dual controller (ADC) for autonomously programming deep brain stimulation devices. We evaluated the Bayesian ADC's performance in the context of reducing beta power in a computational model of Parkinson's disease, in which it was tasked with finding the set of stimulation parameters which optimally reduced beta power as fast as possible. Here, the Bayesian ADC has dual goals: (a) to minimize beta power by exploiting the best parameters found so far, and (b) to explore the space to find better parameters, thus allowing for better control in the future. The Bayesian ADC is composed of two parts: an inner parameterized feedback stimulator and an outer parameter adjustment loop. The inner loop operates on a short time scale, delivering stimulus based upon the phase and power of the beta oscillation. The outer loop operates on a long time scale, observing the effects of the stimulation parameters and using Bayesian optimization to intelligently select new parameters to minimize the beta power. We show that the Bayesian ADC can efficiently optimize stimulation parameters, and is superior to other optimization algorithms. The Bayesian ADC provides a robust and general framework for tuning stimulation parameters, can be adapted to use any feedback signal, and is applicable across diseases and stimulator designs.
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.