論文の概要: Multi-objective optimization via evolutionary algorithm (MOVEA) for
high-definition transcranial electrical stimulation of the human brain
- arxiv url: http://arxiv.org/abs/2211.05658v1
- Date: Thu, 10 Nov 2022 15:42:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 15:13:36.582276
- Title: Multi-objective optimization via evolutionary algorithm (MOVEA) for
high-definition transcranial electrical stimulation of the human brain
- Title（参考訳）: 進化アルゴリズム(movea)によるヒト脳の高分解能経頭蓋電気刺激の多目的最適化
- Authors: Mo Wang, Kexin Lou, Zeming Liu, Pengfei Wei, Quanying Liu
- Abstract要約: 経頭蓋側頭葉刺激(TTIS)は、実験的研究において深部脳構造の刺激に有効であることが報告されている。
非最適化問題の解法として、進化アルゴリズムMOVEAによる多目的最適化という一般的なフレームワークを提案する。
その結果, tTISは, tTISの運動面積の最大強度は0.42V/m, tACSの0.51V/mと比較的低い値しか得られないが, 目標外における60%の活性化を減少させることにより, 焦点性の向上に寄与することが示唆された。
- 参考スコア（独自算出の注目度）: 8.977167559181984
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Transcranial temporal interference stimulation (tTIS) has been reported to be
effective in stimulating deep brain structures in experimental studies.
However, a computational framework for optimizing the tTIS strategy and
simulating the impact of tTIS on the brain is still lacking, as previous
methods rely on predefined parameters and hardly adapt to additional
constraints. Here, we propose a general framework, namely multi-objective
optimization via evolutionary algorithm (MOVEA), to solve the nonconvex
optimization problem for various stimulation techniques, including tTIS and
transcranial alternating current stimulation (tACS). By optimizing the
electrode montage in a two-stage structure, MOVEA can be compatible with
additional constraints (e.g., the number of electrodes, additional avoidance
regions), and MOVEA can accelerate to obtain the Pareto fronts. These Pareto
fronts consist of a set of optimal solutions under different requirements,
suggesting a trade-off relationship between conflicting objectives, such as
intensity and focality. Based on MOVEA, we make comprehensive comparisons
between tACS and tTIS in terms of intensity, focality and maneuverability for
targets of different depths. Our results show that although the tTIS can only
obtain a relatively low maximum achievable electric field strength, for
example, the maximum intensity of motor area under tTIS is 0.42V /m, while
0.51V /m under tACS, it helps improve the focality by reducing 60% activated
volume outside the target. We further perform ANOVA on the stimulation results
of eight subjects with tACS and tTIS. Despite the individual differences in
head models, our results suggest that tACS has a greater intensity and tTIS has
a higher focality. These findings provide guidance on the choice between tACS
and tTIS and indicate a great potential in tTIS-based personalized
neuromodulation. Code will be released soon.
- Abstract（参考訳）: transcranial temporal interferencestimul (ttis) は、実験研究において深部脳構造を刺激するのに有効であると報告されている。
しかし、以前の手法は事前定義されたパラメータに依存し、追加の制約にはあまり適応しないため、ttis戦略を最適化し、脳へのttiの影響をシミュレートするための計算フレームワークはまだ不足している。
本稿では、tTISや経頭蓋交互電流刺激(tACS)を含む様々な刺激技術に対する非凸最適化問題の解法として、進化的アルゴリズム(MOVEA)による多目的最適化(MOVEA)を提案する。
2段構造で電極モンタージュを最適化することにより、MOVEAは追加の制約(例えば、電極の数、回避領域)と互換性を持ち、MOVEAはパレートフロントを得るために加速することができる。
これらのパレートフロントは、異なる要件の下で最適なソリューションのセットで構成されており、強度や焦点など、対立する目的の間のトレードオフ関係を示唆している。
MOVEAに基づいて,異なる深さのターゲットに対する強度,焦点,操作性の観点から,tACSとtTISの総合的な比較を行った。
その結果, tTISは, tTISの運動面積の最大強度は0.42V/m, tACSの0.51V/mと比較的低い値しか得られないが, 目標外における60%の活性化体積を減少させることにより, 焦点性の向上に寄与することが示唆された。
さらに, tACS と tTIS の8名に対して, ANOVA を施行した。
頭部モデルの違いにもかかわらず,tACSは強度が高く,tTISは焦点度が高いことが示唆された。
これらの知見は, tACSとtTISの選択の指針となり, tTISをベースとしたパーソナライズドニューロモディゲーションの可能性が示唆された。
コードはまもなくリリースされる。
関連論文リスト
- Integrating Chaotic Evolutionary and Local Search Techniques in Decision Space for Enhanced Evolutionary Multi-Objective Optimization [1.8130068086063336]
本稿では,SOMMOP(Single-Objective Multi-Modal Optimization)とMOO(Multi-Objective Optimization)の両方に焦点を当てる。
SOMMOPではニッチ技術とカオス進化を統合し,ガウス突然変異を併用したパーシスタンス・クラスタリングを行った。
MOOでは,これらの手法を不確実性に基づく選択,適応的チューニングを組み込んだ包括的フレームワークに拡張し,決定論的群集に半径(R)の概念を導入する。
論文 参考訳（メタデータ） (2024-11-12T15:18:48Z) - C-MORL: Multi-Objective Reinforcement Learning through Efficient Discovery of Pareto Front [9.04360155372014]
制約付きMORLは制約付きポリシー最適化とMORLのシームレスなブリッジである。
我々のアルゴリズムは、離散的かつ連続的な制御タスクにおいて、ハイパーボリューム、期待されるユーティリティ、およびスパーシリティという観点でより一貫性があり、優れた性能を達成する。
論文 参考訳（メタデータ） (2024-10-03T06:13:56Z) - Multi-task multi-constraint differential evolution with elite-guided knowledge transfer for coal mine integrated energy system dispatching [9.050846217690856]
既存の制約付き多目的進化アルゴリズムは、複数の小さく不規則な実現可能な領域を見つけるのに苦労している。
本稿では、分散相関ドメイン知識を組み込んだマルチタスク進化アルゴリズムフレームワークを開発する。
石炭鉱山統合エネルギーシステムのケーススタディにおいて, 実現可能性, 収束性, 多様性に関する提案アルゴリズムを実証した。
論文 参考訳（メタデータ） (2024-06-29T10:00:16Z) - Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。
STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。
複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
論文 参考訳（メタデータ） (2024-06-19T07:17:04Z) - Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。
DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。
本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:13:02Z) - Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via
Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。
非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。
本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:58:05Z) - Knowledge Transfer for Dynamic Multi-objective Optimization with a
Changing Number of Objectives [4.490459770205671]
DMOPの目的が変化する状態遷移アルゴリズムには,十分な多様性が欠如していることが示される。
本稿では,変化後の多様性を高めるために,知識伝達動的多目的進化アルゴリズム(KTDMOEA)を提案する。
論文 参考訳（メタデータ） (2023-06-19T01:54:44Z) - Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process
Optimization [59.45414406974091]
我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。
NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。
その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
論文 参考訳（メタデータ） (2023-05-31T12:07:50Z) - PD-MORL: Preference-Driven Multi-Objective Reinforcement Learning
Algorithm [0.18416014644193063]
本稿では,連続ロボット作業にスケーラブルな選好空間全体をカバーするために,単一のユニバーサルネットワークをトレーニングする新しいMORLアルゴリズムを提案する。
PD-MORLは、連続制御タスクに挑戦するために最大25%大きなハイパーボリュームを達成する。
論文 参考訳（メタデータ） (2022-08-16T19:23:02Z) - Optimization-Inspired Learning with Architecture Augmentations and
Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。
フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。
低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文 参考訳（メタデータ） (2020-12-10T03:24:53Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。