Simulation of Brain Temperature Dynamics under Varying Pulse Widthsand the Influence of Na+ and K+ Conductance on Neuronal Activity
Notice bibliographique
Résumé
Neuron action potentials (APs) represent the transition of neurons from a resting to an active state.While activation via energy deposition and mechanical waves is recognized, the underlying mechanisms remain unclear.Low-Intensity Focused Ultrasound (LIFU) enables non-invasive neuromodulation, yet its interaction with neuronal excitability and AP initiation is not fully understood.This study presents a simulation framework to investigate brain thermal responses at the AP intensity threshold across varying pulse widths (PWs), leveraging thermal modeling's higher detection sensitivity compared to experimental methods.This work investigates thermal effects at the neuronal AP threshold under LIFU stimulation.A single-cell neuron model was used to define activation thresholds, and thermal responses were simulated across three pulse widths (1, 5, and 9 ms), each applied with a 10% duty cycle (DC) and 100 Hz pulse repetition frequency (PRF).An in-lab transducer was experimentally characterized and replicated in simulation to validate acoustic and thermal behavior.The study offers a novel framework linking neuronal excitability with thermal simulation for physiologically grounded LIFU dosimetry.Temperature elevations of approximately 0.010704 °C were observed across all PW inputs when maintaining a 10% DC.For simulations with a PRF of 100 Hz, the temperature increases were 0.010704 °C, 0.010708 °C, and 0.010712 °C for 1 ms, 5 ms, and 9 ms PWs, respectively.These minimal variations suggest that under constant DC, PW duration has negligible influence on thermal elevation.In contrast, PRF had a more noticeable impact on thermal buildup.Additionally, differences in sodium and potassium conduction were observed, indicating the distinct roles of ion channel dynamics in neuronal activation.Collectively, these findings enhance our understanding of LIFU-induced neuromodulation by clarifying the relationship between thermal responses and temporal input parameters.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».