論文の概要: \'Epilexie: A digital therapeutic approach for treating intractable
epilepsy via Amenable Neurostimulation
- arxiv url: http://arxiv.org/abs/2304.14583v1
- Date: Fri, 28 Apr 2023 01:06:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 15:37:32.825429
- Title: \'Epilexie: A digital therapeutic approach for treating intractable
epilepsy via Amenable Neurostimulation
- Title（参考訳）: 難治性てんかんに対するアメナブル神経刺激によるデジタル治療
- Authors: Ishan Shivansh Bangroo, Samia Tahzeen
- Abstract要約: 難治性てんかんに対するデジタル治療戦略の一環として,Amenable Neurostimulation (ANS) について検討した。
ANSはクローズドループシステムを使用して、影響を受ける領域のニューロンを選択的に刺激し、発作の頻度を下げる。
このパイロット研究の結果は、ANSが難治性てんかんに苦しむ人々にとって、現実的で成功した治療オプションである可能性を示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Epilepsy is a neurological illness that is characterised by continuous spasms
of shaking, sometimes known as convulsions. Although there are effective
treatments for epilepsy, such as drugs and surgery, there is still a group of
individuals who have intractable epilepsy that fails to respond to standard
methods. Intractable epilepsy is a severe neurological illness that ripples
across the globe and impacts millions of individuals. It is extremely difficult
to control intractable epilepsy, which is defined as the lack of response to
two or more standard antiepileptic medication treatments. In recent years, the
use of programmable electrical stimulation of the brain has shown promise as a
digital treatment strategy for lowering seizure frequency in individuals with
intractable epilepsy. In this research, the use of Amenable Neurostimulation
(ANS) as part of a digital treatment strategy to intractable epilepsy is
investigated. When applied to the brain, ANS uses a closed-loop system to
selectively stimulate neurons in the affected areas, therefore lowering the
frequency of seizures. In addition, the report describes the design and
execution of a pilot research employing ANS to treat intractable epilepsy,
including patient selection criteria, device settings, and outcome measures.
The findings of this pilot research point to the possibility that ANS might be
a realistic and successful therapy option for people afflicted with intractable
epilepsy. This paper demonstrated the prospects of digital medicines in
treating complicated neurological illnesses and recommends future routes for
research and development in this field.
- Abstract（参考訳）: てんかん(英: epilepsy)は神経疾患の一種で、震えの連続性けいれん(けいれん)によって特徴づけられる。
薬物や手術などのてんかんに対する効果的な治療は存在するが、標準的な方法に反応しない難治性てんかん患者のグループはまだ存在する。
難治性てんかん(Intractable epilepsy)は、世界中で波及し、何百万人もの人に影響を及ぼす重度の神経疾患である。
難治性てんかんのコントロールは極めて困難であり、2つ以上の標準的な抗てんかん薬治療に対する反応の欠如と定義されている。
近年、プログラム可能な脳電気刺激の使用は、難治性てんかん患者の発作頻度を下げるためのデジタル治療戦略として期待されている。
本研究では, 難治性てんかんに対するデジタル治療戦略の一環として, Amenable Neurostimulation (ANS) の使用について検討した。
脳に印加すると、ANSはクローズドループシステムを使用して影響領域のニューロンを選択的に刺激し、発作の頻度を下げる。
さらに, 患者選択基準, デバイス設定, アウトカム対策など, 難治性てんかんの治療にansを用いたパイロット研究の設計と実施について述べる。
このパイロット研究の結果は、ANSが難治性てんかんに苦しむ人々にとって、現実的で成功した治療オプションである可能性を示している。
本稿では、複雑な神経疾患の治療におけるデジタル医療の展望を実証し、今後の研究・開発への道筋を提言する。
関連論文リスト
- An Unobtrusive and Lightweight Ear-worn System for Continuous Epileptic Seizure Detection [2.3925084916107098]
難治性てんかんを患っている人の70%は、適切に診断し治療すれば無発作で生きられる。
頭皮ベースの脳波検査は費用がかかり、入院が必要で、熟練した専門家に手術を依頼し、ユーザーに不快感を与えている。
てんかん発作の発症を検出するための,新しい軽量で控えめで社会的に許容できる耳縫いシステムであるEarSDを提案する。
論文 参考訳（メタデータ） (2024-01-01T21:06:40Z) - BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph
Diffusion Learning [21.689503325383253]
実世界のSEEGデータセットにおけるてんかん性波を検出するための,最初のデータ駆動型研究を提案する。
臨床的には、てんかん波の活動は脳の異なる領域間で伝播していると考えられている。
各患者に対して正確なてんかん原性ネットワークをどうやって抽出するかという問題は、神経科学の分野では未解決の問題のままである。
論文 参考訳（メタデータ） (2023-06-15T08:29:10Z) - Supervised and Unsupervised Deep Learning Approaches for EEG Seizure
Prediction [2.3096751699592137]
てんかんは世界中で5000万人以上の人に影響を与えており、世界でも有数の神経疾患の1つとなっている。
てんかん発作の発生を予測する能力は、てんかんの顔を持つ人のリスクやストレスを軽減する可能性がある。
入射前発作の前兆として, 正常脳波(preictal, pre-seizure)を検出する問題を定式化する。
論文 参考訳（メタデータ） (2023-04-24T05:21:10Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳（メタデータ） (2021-12-08T13:07:21Z) - Automated Human Mind Reading Using EEG Signals for Seizure Detection [0.0]
てんかんは、紀元前4000年に全世界で発生した最も発生頻度の高い神経疾患の1つである。
神経学者を支援するディープラーニングにニューラルネットワークを使用するような、情報技術の分野では、自動化されたシステムがいくつか必要である。
本稿では,自動システムの開発に使用できる98.33%の精度を与えるモデルを提案する。
論文 参考訳（メタデータ） (2021-11-05T05:31:33Z) - EpilNet: A Novel Approach to IoT based Epileptic Seizure Prediction and
Diagnosis System using Artificial Intelligence [0.0]
本稿では,てんかん発作の予測・診断システムであるEpilNetを提案する。
1次元(1D)畳み込みニューラルネットワークである。EpilNetは5つのクラスで79.13%のテスト精度を与え、関連する研究と比較して約6-7%の大幅な増加をもたらした。
論文 参考訳（メタデータ） (2021-11-05T05:19:46Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Review of Machine Learning Algorithms for Brain Stroke Diagnosis and
Prognosis by EEG Analysis [50.591267188664666]
ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。
脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。
さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
論文 参考訳（メタデータ） (2020-08-06T19:50:29Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。