Characterization of Subthalamic Nucleus Boundary and Trajectory Recommendations From a Commercially Available Microelectrode Recording Algorithm During Deep Brain Stimulation Surgery for Parkinson Disease
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Microelectrode recordings (MER) within the subthalamic nucleus (STN) are routinely performed during deep brain stimulation (DBS) surgery for Parkinson disease. Commercially available algorithms have been developed to detect STN boundaries and recommend an optimal DBS lead trajectory based on MER data. We aimed to characterize the variance of a broadly used algorithm's STN border estimates and trajectory recommendations. METHODS: MER data from 37 STN-DBS implants in 21 patients were analyzed offline using a semiautomated algorithm making use of oscillatory activity in MER data (HaGuide, Alpha Omega). Software recommendations were computed using the default STN settings across 3 different 'Site Sizes' and 2 'Waiting Times'. For each of the 6 trials, values for the STN Entrance, STN dorsolateral oscillatory region Exit, STN Exit, STN Length, dorsolateral oscillatory region ratio (%), Stimulation Depth, and trajectory recommendations were analyzed. RESULTS: Even with different input parameters, the algorithm's estimates of STN Exit and STN Entrance within the chosen trajectory had low intrasubject variability and were highly correlated with the depth of the final DBS lead as chosen by the clinical team (STN Exit: r = 0.86 and STN Entrance: r = 0.70; both P < .001). However, the algorithm's trajectory recommendations were more sensitive to input parameters, with the algorithm recommending more than 1 trajectory in 42% of implants. CONCLUSION: Semiautomated identification of STN boundaries by a commonly used algorithm is relatively less sensitive to algorithm input parameters and well-correlated with final STN-DBS lead depth as determined by an expert surgical team. However, algorithm-generated optimal trajectory recommendations are more strongly influenced by input parameters and should be interpreted with more caution during DBS implantation.
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 | 0,002 | 0,020 |
| 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 | 0,001 | 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) | 0,001 | 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 ».