論文の概要: Personalized identification, prediction, and stimulation of neural
oscillations via data-driven models of epileptic network dynamics
- arxiv url: http://arxiv.org/abs/2310.13480v1
- Date: Fri, 20 Oct 2023 13:21:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 22:54:54.259843
- Title: Personalized identification, prediction, and stimulation of neural
oscillations via data-driven models of epileptic network dynamics
- Title（参考訳）: てんかん性ネットワークダイナミクスのデータ駆動モデルによる神経振動の個人化同定、予測および刺激
- Authors: Tena Dubcek, Debora Ledergerber, Jana Thomann, Giovanna Aiello, Marc
Serra-Garcia, Lukas Imbach and Rafael Polania
- Abstract要約: 脳波データから直接ててんかん性ネットワークダイナミクスの予測モデルを抽出するフレームワークを開発する。
本研究では,周期運転下での脳ネットワーク力学モデル間の直接対応を構築することができることを示す。
このことは、周期的な脳刺激がてんかん性ネットワークの病態状態を正常な機能的脳状態へと導くことを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural oscillations are considered to be brain-specific signatures of
information processing and communication in the brain. They also reflect
pathological brain activity in neurological disorders, thus offering a basis
for diagnoses and forecasting. Epilepsy is one of the most common neurological
disorders, characterized by abnormal synchronization and desynchronization of
the oscillations in the brain. About one third of epilepsy cases are
pharmacoresistant, and as such emphasize the need for novel therapy approaches,
where brain stimulation appears to be a promising therapeutic option. The
development of brain stimulation paradigms, however, is often based on
generalized assumptions about brain dynamics, although it is known that
significant differences occur between patients and brain states. We developed a
framework to extract individualized predictive models of epileptic network
dynamics directly from EEG data. The models are based on the dominant coherent
oscillations and their dynamical coupling, thus combining an established
interpretation of dynamics through neural oscillations, with accurate
patient-specific features. We show that it is possible to build a direct
correspondence between the models of brain-network dynamics under periodic
driving, and the mechanism of neural entrainment via periodic stimulation. When
our framework is applied to EEG recordings of patients in status epilepticus (a
brain state of perpetual seizure activity), it yields a model-driven predictive
analysis of the therapeutic performance of periodic brain stimulation. This
suggests that periodic brain stimulation can drive pathological states of
epileptic network dynamics towards a healthy functional brain state.
- Abstract（参考訳）: 神経振動は、脳内の情報処理とコミュニケーションの脳特異的なシグネチャであると考えられている。
また、神経疾患の病態的脳活動を反映しており、診断と予測の基礎を提供する。
てんかんは、脳内の振動の異常同期と非同期化を特徴とする最も一般的な神経疾患の1つである。
てんかん症例の約3分の1は薬剤耐性であり、脳の刺激が有望な治療法であると考えられる新しい治療法の必要性を強調している。
しかし、脳刺激のパラダイムの発展は、しばしば脳力学に関する一般的な仮定に基づいているが、患者と脳の状態の間に大きな違いが生じることは知られている。
脳波データから直接ててんかん性ネットワークダイナミクスの個人化予測モデルを抽出するフレームワークを開発した。
モデルは支配的なコヒーレント振動とその動的カップリングに基づいており、神経振動によるダイナミクスの確立された解釈と、患者特有の正確な特徴を組み合わせる。
周期的駆動下での脳-ネットワークダイナミクスのモデルと,周期的刺激による神経エントレーメントのメカニズムとの直接的な対応を構築できることを示す。
この枠組みをてんかん状態(永久的発作活動の脳状態)患者の脳波記録に適用すると、周期的脳刺激の治療効果のモデル駆動予測解析が得られる。
このことは、周期的な脳刺激がてんかん性ネットワークの病態状態を正常な機能的脳状態へと導くことを示唆している。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。
このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。
これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - Parsing altered brain connectivity in neurodevelopmental disorders by integrating graph-based normative modeling and deep generative networks [1.2115617129203957]
本稿では,神経型集団における脳ネットワークの発達を特徴付けるために,深層生成モデルとグラフベース規範モデルを統合する枠組みを提案する。
神経型脳ネットワークの発達軌跡を効果的に把握するために, バイオインスパイアされた配線制約が組み込まれている。
自閉症スペクトラム障害児の多用例に応用し,本枠組みの臨床的有用性を示す。
論文 参考訳（メタデータ） (2024-10-14T20:21:11Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - BrainODE: Dynamic Brain Signal Analysis via Graph-Aided Neural Ordinary Differential Equations [67.79256149583108]
本稿では,脳波を連続的にモデル化するBrainODEというモデルを提案する。
遅延初期値とニューラルODE関数を不規則な時系列から学習することにより、BrainODEは任意の時点の脳信号を効果的に再構築する。
論文 参考訳（メタデータ） (2024-04-30T10:53:30Z) - Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。
本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。
本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
論文 参考訳（メタデータ） (2024-04-22T09:40:07Z) - BrainWave: A Brain Signal Foundation Model for Clinical Applications [21.624743680602744]
我々は、侵襲的および非侵襲的なニューラル記録のための最初の基礎モデルであるBrainWaveを提示する。
ブレインウェーブは、約16,000人の個人から4万時間以上の電気的脳記録(13.79TBのデータ)を事前訓練した。
分析の結果、BrainWaveは他の競合モデルよりも優れており、神経疾患の診断と診断における最先端のパフォーマンスを一貫して達成していることがわかった。
論文 参考訳（メタデータ） (2024-02-15T16:04:11Z) - 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) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - Reinforcement Learning Framework for Deep Brain Stimulation Study [10.505656411009388]
脳内の機能不全ニューロンは時折同期して活動し、多くの神経疾患を引き起こすとされる。
本稿では、このニューロンの集合的挙動をエミュレートする最初の強化学習体育館の枠組みについて述べる。
我々は,RLによる3つの信号伝達系に対する同期の抑制に成功し,フレームワークの雑音に対する安定性を特徴付けるとともに,複数のPPOエージェントを係合させることにより不要な振動を除去した。
論文 参考訳（メタデータ） (2020-02-22T16:48:43Z)
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。