NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Derin Beyin Stimülasyonu (DBS) ameliyatı sırasında mikroelektrot kayıtlarına (MER) dayanan Subtalamik Nükleus (STN) lokalizasyonu için yeni bir yaklaşım sunulmuştur. DBS, Parkinson Hastalığı (PD) ile yaşayan bireyler için kabul edilen bir tedavidir. Bu ameliyat, elektrik akımını iletmek için STN'nin içine kalıcı bir elektrot yerleştirilmesini içerir. STN beynin içinde çok küçük bir bölge olduğundan, bir elektrotun doğru yerleştirilmesi cerrahi ekip için zorlu bir iştir. Kalıcı elektrotun yerleştirilmesinden önce, beyin aktivitesinin mikroelektrot kayıtları, STN'yi lokalize etmek için intraoperatif olarak kullanılır. Elektrotun yerleştirilmesi ve tedavinin başarısı bu konuma bağlıdır. Bu makalede, cerrahi ekibin STN'yi lokalize etmesine yardımcı olmak için objektif bir yaklaşım uygulanmaktadır. Bu, MER sinyallerinin işlenmesi ve STN'nin nörofizyolojik sınırlarını tanımlamak için bir Makine Öğrenimi (ML) algoritmasında kullanılmak üzere ameliyat sırasında özelliklerin çıkarılmasıyla elde edilir. Bu amaçla, cerrahi işlem sırasında STN'nin hem dorsal hem de ventral sınırlarını tespit etmek amacıyla yeni bir sınıflandırma yaklaşımı önerilmiştir. Bu çalışmada 100 PD hastadan toplanan sonuçlar, MER sinyallerinden dalgacık dönüşümü özelliklerini hesaplayarak ve çıkararak ve veri odaklı hesaplamalı derin sinir ağı modelini kullanarak STN sınırlarını %92 doğrulukla tespit etmenin mümkün olduğunu göstermektedir. Önerilen yöntem, yerleştirme sırasında elektrot yörüngesinin yolu boyunca nörofizyolojik doğrusal olmayanlığı modellemek için ameliyat sırasında gerçek zamanlı olarak uygulanabilir.
Özgün kaynak özetini okuyun
A new approach is presented for localizing the Subthalamic Nucleus (STN) during Deep Brain Stimulation (DBS) surgery based on microelectrode recordings (MERs). DBS is an accepted treatment for individuals living with Parkinson's Disease (PD). This surgery involves implantation of a permanent electrode inside the STN to deliver electrical current. Since the STN is a very small region inside the brain, accurate placement of an electrode is a challenging task for the surgical team. Prior to placement of the permanent electrode, microelectrode recordings of brain activity are used intraoperatively to localize the STN. The placement of the electrode and the success of the therapy depend on this location. In this paper, an objective approach is implemented to help the surgical team in localizing the STN. This is achieved by processing the MER signals and extracting features during the surgery to be used in a Machine Learning (ML) algorithm for defining the neurophysiological borders of the STN. For this purpose, a new classification approach is proposed with the goal of detecting both the dorsal and the ventral borders of the STN during the surgical procedure. Results collected from 100 PD patients in this study, show that by calculating and extracting wavelet transformation features from MER signals and using a data-driven computational deep neural network model, it is possible to detect the borders of the STN with an accuracy of 92%. The proposed method can be implemented in real-time during the surgery to model the neurophysiological nonlinearity along the path of the electrode trajectory during insertion.
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.