Towards model-based characterization of individual electrically stimulated nerve fibers

Araştırma özeti

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

Koklear implantlar veya derin beyin uyarıcıları gibi nöroprostetikler, bozulmuş bir sistemin fonksiyonunun parçalarını geri yükleyebilir. Bu tür protezleri geliştirmek için, sinir liflerinin elektriksel uyarılmasının ayrıntılı bir şekilde anlaşılması gerekir. Bu bilgi, sürecin hesaplama modelleri ile en iyi şekilde temsil edilebilir. Şu anda, elektriksel olarak uyarılmış sinir liflerinin çoğu modeli, esas olarak birçok sinir lifinin kayıtlarının ortalama analiz değerlerinden oluşan birçok farklı veri kümesine dayanmaktadır. Bu, temel fenomenleri anlamak için geçerli bir yaklaşım olsa da, hem birçok farklı veri kümesinin kombinasyonu hem de ortalama analiz, sinir lifinin tepkisinde ayrıntıları karıştırabilir. Elektriksel olarak uyarılmış sinir liflerinin hesaplama modellerini daha da geliştirmek için, bir nöron modelinin parametrelerini tek bir sinir lifinin nabız-tren uyarılmasına yanıt olarak uyarabilecek bir optimizasyon prosedürü önermekteyiz. Bu şekilde modelin, 1 ms'den daha az bir ölçekte, gine domuzlarının elektriksel olarak uyarılmış işitsel sinir liflerinin çok çeşitli lif tepkilerini dikkat çekici bir şekilde yeniden üretebileceğini gösteriyoruz. Bu şekilde açığa çıkan parametre kümelerinin kesinliğini ve genellenebilirliğini analiz eder ve tartışırız. Optimizasyon prosedürü tarafından bulunan model parametreleri, daha sonra fiber yanıtında öngörülen fenomenlerin (örneğin, ani gecikme ve refrakter periyodu) korelasyon analizi ile gösterdiğimiz ayrıntılı bir fiber-fiber analizinin temelini oluşturabilir. Yazar Özeti Nöroprostetik, bozulmuş bir sinir sisteminin işlevini kısmen geri yükleyebilir. Bu tür protezlerin örnekleri, sağır insanların duymasına izin veren koklear implantlar veya Parkinson hastalığındaki titremeyi azaltabilen derin beyin uyarıcılarıdır. Bu tür protezlerin sadece varlığı zaten etkileyici olsa da, hala iyileştirme için yer var. Örneğin, koklear implant kullanıcıları, arka plan gürültüsündeki konuşmayı anlamada sorun yaşarlar ve derin beyin uyarıcıları konuşma zorlukları veya sınırlı ince motor kontrolü gibi ciddi yan etkilere sahip olabilirler. Bu tür implantları geliştirmek için, sinir liflerinin elektriksel uyarılmasının altında yatan sürecin ayrıntılı bir şekilde anlaşılması gerekir. Süreç anlayışımızın değerli bir temsili, elektriksel olarak uyarılmış sinir liflerinin hesaplamalı bir modelidir. Burada, bir modelin parametrelerini optimize ettik, böylece 118 bireysel sinir lifinin davranışı temsil edildi ve bu da lif başına tek bir parametre seti ile sonuçlandı. Bu şekilde, tek bir model, bu parametrelere dayalı olarak bireysel lifin ayrıntılı bir analizini sağlayan çok çeşitli yanıt modellerini yeniden üretebilir.

Özgün kaynak özetini okuyun

Neuroprosthetics, such as cochlear implants or deep brain stimulators, can restore parts of the function of an impaired system. To improve such prosthetics, a detailed understanding of the electrical stimulation of nerve fibers is required. This knowledge can best be represented by computational models of the process. Currently, most models of individual electrically stimulated nerve fibers are based on many different datasets, which mainly consist of the average analysis values of recordings of many nerve fibers. While this is a valid approach for understanding the basic phenomena, both the combination of many different datasets and the average analysis can confound details in the response of the nerve fiber. To improve computational models of electrically stimulated nerve fibers further, we propose an optimization procedure that can fit the parameters of a neuron model to the response of a single nerve fiber to pulse-train stimulation. We show that in this way, the model can reproduce a wide variety of fiber responses of electrically stimulated auditory nerve fibers of guinea pigs in a remarkably detailed way on a scale of less than 1 ms. We analyze and discuss the certainty and generalizability of the parameter sets thus exposed. The model parameters found by the optimization procedure can then form the basis for a detailed fiber-by-fiber analysis, which we illustrate by a correlation analysis of the predicted phenomena (e.g., spike latency and refractory period) in the fiber response. Author Summary Neuroprosthetics can partially restore the function of an impaired neural system. Examples of such prosthetics are cochlear implants, which allow deaf people to hear, or deep-brain stimulators, which can reduce the tremor in Parkinson’s disease. While the mere existence of such prosthetics is already impressive, there is still room for improvement. Cochlear implant users, for example, have problems understanding speech in background noise, and deep-brain stimulators can have serious side effects, such as speech difficulties or limited fine motor control. To improve such implants, a detailed understanding of the underlying process, the electrical stimulation of nerve fibers, is required. A valuable representation of our understanding of the process is a computational model of electrically stimulated nerve fibers. Here, we optimized the parameters of one model, such that the behavior of 118 individual nerve fibers was represented, resulting in a single parameter set per fiber. In this way, a single model can reproduce a wide variety of response patterns, which allows for a detailed analysis of the individual fiber based on these parameters.

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.