Energy-Optimal Electrical-Stimulation Pulses Shaped by the Least-Action Principle
Notice bibliographique
Résumé
Electrical stimulation (ES) devices interact with excitable neural tissue toward eliciting action potentials (AP's) by specific current patterns. Low-energy ES prevents tissue damage and loss of specificity. Hence to identify optimal stimulation-current waveforms is a relevant problem, whose solution may have significant impact on the related medical (e.g. minimized side-effects) and engineering (e.g. maximized battery-life) efficiency. This has typically been addressed by simulation (of a given excitable-tissue model) and iterative numerical optimization with hard discontinuous constraints--e.g. AP's are all-or-none phenomena. Such approach is computationally expensive, while the solution is uncertain--e.g. may converge to local-only energy-minima and be model-specific. We exploit the Least-Action Principle (LAP). First, we derive in closed form the general template of the membrane-potential's temporal trajectory, which minimizes the ES energy integral over time and over any space-clamp ionic current model. From the given model we then obtain the specific energy-efficient current waveform, which is demonstrated to be globally optimal. The solution is model-independent by construction. We illustrate the approach by a broad set of example situations with some of the most popular ionic current models from the literature. The proposed approach may result in the significant improvement of solution efficiency: cumbersome and uncertain iteration is replaced by a single quadrature of a system of ordinary differential equations. The approach is further validated by enabling a general comparison to the conventional simulation and optimization results from the literature, including one of our own, based on finite-horizon optimal control. Applying the LAP also resulted in a number of general ES optimality principles. One such succinct observation is that ES with long pulse durations is much more sensitive to the pulse's shape whereas a rectangular pulse is most frequently optimal for short pulse durations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».