RESPONSIVE NEUROMODULATORS BASED ON ARTIFICIAL NEURAL NETWORKS USED TO CONTROL SEIZURE-LIKE EVENTS IN A COMPUTATIONAL MODEL OF EPILEPSY
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Deep brain stimulation (DBS) has been noted for its potential to suppress epileptic seizures. To date, DBS has achieved mixed results as a therapeutic approach to seizure control. Using a computational model, we demonstrate that high-complexity, biologically-inspired responsive neuromodulation is superior to periodic forms of neuromodulation (responsive and non-responsive) such as those implemented in DBS, as well as neuromodulation using random and random repetitive-interval stimulation. We configured radial basis function (RBF) networks to generate outputs modeling interictal time series recorded from rodent hippocampal slices that were perfused with low Mg²⁺/high K⁺ solution. We then compared the performance of RBF-based interictal modulation, periodic biphasic-pulse modulation, random modulation and random repetitive modulation on a cognitive rhythm generator (CRG) model of spontaneous seizure-like events (SLEs), testing efficacy of SLE control. A statistically significant improvement in SLE mitigation for the RBF interictal modulation case versus the periodic and random cases was observed, suggesting that the use of biologically-inspired neuromodulators may achieve better results for the purpose of electrical control of seizures in a clinical setting.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle