A Biologically-Informed Computational Framework for Pathway-Specific Spiking Patterns Generation and Efficacy Evaluation in Retinal Neurostimulators
Notice bibliographique
Résumé
Precise control of neuronal pathways is of critical importance for the efficacy of neuro-modulation prostheses designed to restore vision in patients with retinal degeneration. In this paper, a biologically-informed computational framework that enables generation and optimization of pathway-specific spiking patterns for retina ganglion cells (RGCs) is presented. The developed model is used to generate control signals for an implantable optical retinal neurostimulator device to modulate genetically-modified RGCs, thus enable cell-type-specific neural excitation. The model is also used to compare electrical and optical neuro-stimulations with respect to the quality of the visual perception they induce in the brain for the same visual stimulus. Our simulation results show that the type-specific activation of RGCs (an inherent advantage of optogenetics) makes optical stimulation significantly more effective than electrical stimulation in achieving high structural similarity between the visual stimulus and the estimated perception. The effect of increasing /-Lelectrode//-LLED array density to achieve a better performance in terms of the induced visual perception quality by optical and electrical stimulations was also studied using the developed model. The superiority of optical stimulation in this aspect was demonstrated through simulation 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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».