Model-based closed-loop control of thalamic deep brain stimulation
Notice bibliographique
Résumé
Abstract Closed-loop control of deep brain stimulation (DBS) is crucial for effective and automatic treatments of various neurological disorders like Parkinson’s disease (PD) and essential tremor (ET). Manual (open-loop) DBS programming solely based on clinical observations relies on neurologists’ expertise and patients’ experience. The continuous stimulation in open-loop DBS may decrease battery life and cause side effects. On the contrary, a closed-loop DBS system utilizes a feedback biomarker/signal to track worsening (or improving) patient’s symptoms and offers several advantages compared to open-loop DBS. Existing closed-loop DBS control systems do not incorporate physiological mechanisms underlying the DBS or symptoms, for example how DBS modulates dynamics of synaptic plasticity. In this work, we proposed a computational framework for development of a model-based DBS controller where a biophysically-reasonable model can describe the relationship between DBS and neural activity, and a polynomial-based approximation can estimate the relationship between the neural and behavioral activity. A controller is utilized in our model in a quasi-real-time manner to find DBS patterns that significantly reduce the worsening of symptoms. These DBS patterns can be tested clinically by predicting the effect of DBS before delivering it to the patient. We applied this framework to the problem of finding optimal DBS frequencies for essential tremor given EMG recordings solely. Building on our recent network model of ventral intermediate nuclei (Vim), the main surgical target of the tremor, in response to DBS, we developed a biophysically-reasonable simulation in which physiological mechanisms underlying Vim-DBS are linked to symptomatic changes in EMG signals. By utilizing a PID controller, we showed that a closed-loop system can track EMG signals and adjusts the stimulation frequency of Vim-DBS so that the power of EMG in [2, 200] Hz reaches a desired target. We demonstrated that our model-based closed-loop control system of Vim-DBS finds an appropriate DBS frequency that aligns well with clinical studies. Our model-based closed-loop system is adaptable to different control targets, highlighting its potential usability for different diseases and personalized systems.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».