Proceedings of the 11th Annual Deep Brain Stimulation Think Tank: pushing the forefront of neuromodulation with functional network mapping, biomarkers for adaptive DBS, bioethical dilemmas, AI-guided neuromodulation, and translational advancements
Notice bibliographique
Résumé
The Deep Brain Stimulation (DBS) Think Tank XI was held on August 9-11, 2023 in Gainesville, Florida with the theme of "Pushing the Forefront of Neuromodulation". The keynote speaker was Dr. Nico Dosenbach from Washington University in St. Louis, Missouri. He presented his research recently published in Nature inn a collaboration with Dr. Evan Gordon to identify and characterize the somato-cognitive action network (SCAN), which has redefined the motor homunculus and has led to new hypotheses about the integrative networks underpinning therapeutic DBS. The DBS Think Tank was founded in 2012 and provides an open platform where clinicians, engineers, and researchers (from industry and academia) can freely discuss current and emerging DBS technologies, as well as logistical and ethical issues facing the field. The group estimated that globally more than 263,000 DBS devices have been implanted for neurological and neuropsychiatric disorders. This year's meeting was focused on advances in the following areas: cutting-edge translational neuromodulation, cutting-edge physiology, advances in neuromodulation from Europe and Asia, neuroethical dilemmas, artificial intelligence and computational modeling, time scales in DBS for mood disorders, and advances in future neuromodulation devices.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,006 |
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 ».