A Retina-Inspired Computational Model for Stimulation Efficacy Characterization and Implementation Optimization of Implantable Optogenetic Epi-Retinal Neuro-Stimulators
Notice bibliographique
Résumé
Abstract In this paper, a biologically-informed computational framework is developed to model the efficacy and to optimize the implementation of an implantable epi-retinal prosthesis that performs optogenetic stimulation through a μ LED array. The developed model is capable of translating visual stimulus inputs into corresponding signals evoked in the transfected retinal cells through optogenetic stimulation, calculating the subsequent neuronal activities of the following retinal layers, and estimating the resulted brain’s visual perception. As such, it can model and quantitatively analyze the impact of optical stimulation parameters (intensity, frequency, directivity, wavelength, etc.) and the μ LED array’s physical specifications (array size, density, pitch, implantation location, etc.) on the efficacy of the stimulation. Using this model, we compared optical and electrical stimulations in terms of the structural similarity between their induced visual perception in the brain and the visual stimulus input. We showed that thanks to the cell-type specificity of optogenetic stimulation, it can induce more relevant visual perception qualities than electrical stimulation. We also showed that its resulted visual perception substantially improves with scaling the stimulator’s array size. The model was also used to qualitatively and quantitatively analyze the impact of parameters such as implantation location, light intensity, single- and dual-wavelength stimulation, and illumination divergence angle on the quality of the optical-stimulation-induced visual perception. In each case, the simulation results were followed by our interpretation from a biological point of view. More importantly, in each case, we discussed how the results could be used for optimizing different parameters of an implantable optogenetic stimulator to achieve maximum efficacy and energy efficiency. Keywords: Retinal prosthesis, optogenetics, visual perception, optical stimulation, μ LED array, computational model, spatial resolution, pathway-specific stimulation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».