Beta, gamma and High-Frequency Oscillation characterization for targeting in Deep Brain Stimulation procedures
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 successfully used to treat patients with Parkinson’s Disease. DBS employs an electrode that regulates the oscillatory activity of the basal ganglia, such as the subthalamic nucleus (STN). A critical point during the surgical implantation of such electrode is the precise localization of the target. This is done using presurgical images, stereotactic frames, and microelectrode recordings (MER). The latter allows neurophysiologists to visualize the electrical activity of different structures along the surgical track, each of them with well-defined variations in the frequency pattern; however, this is far from an automatic or semi-automatic method to help these specialists make decisions concerning the surgical target. To pave the way to automation, we analyzed three frequency bands in MER signals acquired from 11 patients undergoing DBS: beta (13-40 Hz), gamma (40-200 Hz), and high-frequency oscillations (HFO – 201-400 Hz). In this study, we propose and assess five indexes in order to detect the STN: variations in autoregressive parameters and their derivative along the surgical track, the energy of each band calculated using the Yule-Walker power spectral density, the high-to-low (H/L) ratio, and its derivative. We found that the derivative of one parameter of the beta band and the H/L ratio of the HFO/gamma bands produced errors in STN targeting like those reported in the literature produced by image-based methods (<2 mm). Although the indexes introduced here are simple to compute and could be applied in real time, further studies must be conducted to be able to generalize their results.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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