NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Hedefler. Parkinson hastaları genellikle titreme ve tedavi edilmesi zor olabilecek hareketlerin dondurulması gibi motor bozukluklardan muzdariptir. Hareketin çözülmesi için, duyusal uyaranların sağlanması önerilmiştir. Sürekli stimülasyondan kaçınmak için, hareket donması olan bölümlerin tespit edilmesi gerekir ki bu bir meydan okumadır. Bu potansiyel olarak hareket etme niyeti ile ilişkili olarak gözlemlenen hareketle ilgili kortikal potansiyellere (MRCP'ler) dayanan bir beyin-bilgisayar arayüzü (BCI) kullanılarak elde edilebilir. Bu çalışmada amaç MRCP'leri tek denemeli EEG.Approach'tan tespit etmekti. Dokuz Parkinson hastası 100 bilek hareketi ve 100 ayak bileği hareketi gerçekleştirirken, sürekli EEG ve EMG kaydedildi. Deney, ayrı günlerde iki seansta tekrarlandı. Zamansal, spektral ve şablon eşleştirme özellikleri kullanılarak, BCI performansının bir tahminini sağlamak için hareketle ilgili veya boş beyin aktivitesi içeren dönemler arasında ayrım yapmak için çevrimdışı analizde rastgele bir orman (RF), doğrusal ayrımcı analiz ve k-en yakın komşular (kNN) sınıflandırıcısı oluşturulmuştur. Üç sınıflandırma senaryosu test edildi: 1) oturum içi (aynı oturumdan ve katılımcıdan gelen eğitim ve test verilerini kullanarak), oturum içi (birinci oturumdan eğitim için ve ikinci oturumdan test için aynı katılımcıdan gelen verileri kullanarak) ve katılımcı genelinde (diğer katılımcı üzerinde eğitim ve test için bir hariç tüm katılımcılardan gelen verileri kullanarak). Oturum içi sınıflandırma senaryosu, oturumlar arasında benzer bir performansla %88-89 aralığında olan en yüksek sınıflandırma akturasi ile ilişkilendirildi. Performans, sırasıyla oturum içi ve katılımcılar arası sınıflandırma senaryosu için% 69-75 ve% 70-75'e düştü. RF ve kNN sınıflandırıcıları için en yüksek sınıflandırma accuracies elde edilmiştir. Sonuçlar, Parkinson hastalığı olan bireylerde hareket niyetlerini tespit etmenin mümkün olduğunu, böylece hareketlerin dondurulması için duyusal uyaranların iletimini kontrol edebilecek bir BCI çalıştırabileceklerini göstermektedir.
Özgün kaynak özetini okuyun
Objectives. Parkinson patients often suffer from motor impairments such as tremor and freezing of movement that can be difficult to treat. To unfreeze movement, it has been suggested to provide sensory stimuli. To avoid constant stimulation, episodes with freezing of movement needs to be detected which is a challenge. This can potentially be obtained using a brain-computer interface (BCI) based on movement-related cortical potentials (MRCPs) that are observed in association with the intention to move. The objective in this study was to detect MRCPs from single-trial EEG.Approach. Nine Parkinson patients executed 100 wrist movements and 100 ankle movements while continuous EEG and EMG were recorded. The experiment was repeated in two sessions on separate days. Using temporal, spectral and template matching features, a random forest (RF), linear discriminant analysis, and k-nearest neighbours (kNN) classifier were constructed in offline analysis to discriminate between epochs containing movement-related or idle brain activity to provide an estimation of the performance of a BCI. Three classification scenarios were tested: 1) within-session (using training and testing data from the same session and participant), between-session (using data from the same participant from session one for training and session two for testing), and across-participant (using data from all participants except one for training and testing on the remaining participant).Main results. The within-session classification scenario was associated with the highest classification accuracies which were in the range of 88%-89% with a similar performance across sessions. The performance dropped to 69%-75% and 70%-75% for the between-session and across-participant classification scenario, respectively. The highest classification accuracies were obtained for the RF and kNN classifiers.Significance. The results indicate that it is possible to detect movement intentions in individuals with Parkinson's disease such that they can operate a BCI which may control the delivery of sensory stimuli to unfreeze movement.
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.