論文の概要: {\epsilon}-Neural Thompson Sampling of Deep Brain Stimulation for
Parkinson Disease Treatment
- arxiv url: http://arxiv.org/abs/2403.06814v1
- Date: Mon, 11 Mar 2024 15:33:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 18:37:13.944764
- Title: {\epsilon}-Neural Thompson Sampling of Deep Brain Stimulation for
Parkinson Disease Treatment
- Title（参考訳）: パーキンソン病治療のための深部脳刺激の「epsilon」-ニューラル・トンプソンサンプリング法
- Authors: Hao-Lun Hsu, Qitong Gao, Miroslav Pajic
- Abstract要約: 本稿では,Deep Brain Stimulation (DBS) デバイスのためのコンテキスト型マルチアームバンディット (CMAB) ソリューションを提案する。
本研究は,基底神経節(BG)領域における不規則ニューロンの発射活動を捉える信号としてコンテキストを定義した。
エプシロン探索戦略は、古典的なトンプソンサンプリング法の上に導入され、エプシロンニューラルツと呼ばれるアルゴリズムが導かれる。
- 参考スコア（独自算出の注目度）: 15.303196613362099
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep Brain Stimulation (DBS) stands as an effective intervention for
alleviating the motor symptoms of Parkinson's disease (PD). Traditional
commercial DBS devices are only able to deliver fixed-frequency periodic pulses
to the basal ganglia (BG) regions of the brain, i.e., continuous DBS (cDBS).
However, they in general suffer from energy inefficiency and side effects, such
as speech impairment. Recent research has focused on adaptive DBS (aDBS) to
resolve the limitations of cDBS. Specifically, reinforcement learning (RL)
based approaches have been developed to adapt the frequencies of the stimuli in
order to achieve both energy efficiency and treatment efficacy. However, RL
approaches in general require significant amount of training data and
computational resources, making it intractable to integrate RL policies into
real-time embedded systems as needed in aDBS. In contrast, contextual
multi-armed bandits (CMAB) in general lead to better sample efficiency compared
to RL. In this study, we propose a CMAB solution for aDBS. Specifically, we
define the context as the signals capturing irregular neuronal firing
activities in the BG regions (i.e., beta-band power spectral density), while
each arm signifies the (discretized) pulse frequency of the stimulation.
Moreover, an {\epsilon}-exploring strategy is introduced on top of the classic
Thompson sampling method, leading to an algorithm called {\epsilon}-Neural
Thompson sampling ({\epsilon}-NeuralTS), such that the learned CMAB policy can
better balance exploration and exploitation of the BG environment. The
{\epsilon}-NeuralTS algorithm is evaluated using a computation BG model that
captures the neuronal activities in PD patients' brains. The results show that
our method outperforms both existing cDBS methods and CMAB baselines.
- Abstract（参考訳）: 深部脳刺激(DBS)はパーキンソン病(PD)の運動症状を緩和するための効果的な介入である。
従来の商用DBSデバイスは、脳の基底神経節(BG)領域、すなわち連続DBS(cDBS)に固定周波数周期パルスを供給できるだけである。
しかし、一般的にはエネルギーの非効率や言語障害などの副作用に苦しむ。
最近の研究は、cDBSの限界を解決するための適応DBS(aDBS)に焦点を当てている。
具体的には, エネルギー効率と治療効果の両方を達成するために, 刺激の頻度を適応させるために強化学習(rl)ベースの手法が開発されている。
しかし、一般にRLアプローチは大量のトレーニングデータと計算資源を必要とするため、DBSに必要なリアルタイム組み込みシステムにRLポリシーを統合するのが難しくなる。
対照的に、コンテクスト・マルチアーム・バンディット(cmab)は一般に、rlよりもサンプル効率が良い。
本研究では,aDBSに対するCMABソリューションを提案する。
具体的には、bg領域における不規則なニューロンの発射活動(すなわちベータバンドのパワースペクトル密度)を捉える信号と定義し、各腕は刺激の(離散化された)パルス周波数を示す。
さらに、古典的なトンプソンサンプリング法の上に探索戦略を導入し、学習されたCMABポリシーがBG環境の探索と利用のバランスを良くするアルゴリズムを {\epsilon}-Neural Thompson sample ({\epsilon}-NeuralTS) と呼ぶ。
{\epsilon}-NeuralTSアルゴリズムは、PD患者の脳内の神経活動を捉える計算BGモデルを用いて評価される。
その結果,本手法は既存のcDBS法とCMABベースラインよりも優れていることがわかった。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Diffusion Boosted Trees [56.46631445688882]
拡散ブーストツリー(DBT)は、決定木によってパラメータ化される新しい拡散生成モデルであると見なすことができる。
DBT は弱を条件分布の強い勾配に結合し、それらの密度形式について明示的な仮定をしない。
論文 参考訳（メタデータ） (2024-06-03T22:11:38Z) - Towards Understanding the Robustness of Diffusion-Based Purification: A Stochastic Perspective [65.10019978876863]
拡散性浄化(DBP)は、敵の攻撃に対する効果的な防御機構として出現している。
本稿では、DBPプロセスの本質が、その堅牢性の主要な要因であると主張している。
論文 参考訳（メタデータ） (2024-04-22T16:10:38Z) - An Improved Strategy for Blood Glucose Control Using Multi-Step Deep Reinforcement Learning [3.5757761767474876]
血糖コントロール(BG)は、体外インスリン注入によって、個人のBGを健康な範囲に保持する。
最近の研究は、個別化および自動化されたBG制御アプローチの探索に費やされている。
深層強化学習(DRL)は新たなアプローチとしての可能性を示している。
論文 参考訳（メタデータ） (2024-03-12T11:53:00Z) - Learning Control Policies of Hodgkin-Huxley Neuronal Dynamics [1.629803445577911]
ニューラルネットワークを用いてオフラインで値関数を近似し、フィードバックフォームを介してリアルタイムで制御(刺激)を生成する。
数値実験では, 分布外サンプルに対するアプローチの精度と, 系の緩やかな衝撃や乱れに対する頑健さが示されている。
論文 参考訳（メタデータ） (2023-11-13T18:53:50Z) - Offline Learning of Closed-Loop Deep Brain Stimulation Controllers for
Parkinson Disease Treatment [6.576864734526406]
パーキンソン病(PD)による運動負荷に対する脳深部刺激(DBS)の期待
米国食品医薬品局(FDA)が承認したDBSデバイスは、一定の振幅で連続DBS(cDBS)刺激を届けることができる。
このエネルギー非効率な操作は、デバイスのバッテリ寿命を短縮し、動的に活動に適応できず、重大な副作用を引き起こす可能性がある。
論文 参考訳（メタデータ） (2023-02-05T20:29:53Z) - Novel Reinforcement Learning Algorithm for Suppressing Synchronization
in Closed Loop Deep Brain Stimulators [0.6294759639481188]
パーキンソン病は、脳内の病理振動の変化と発火特性の増大を特徴とする。
深部脳刺激薬(DBS)は、運動回路の同期と病理振動を検査・制御するために用いられる。
本研究は、低消費電力の神経疾患のエピソードにおける神経活動の同期を抑制するための新しい強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-25T11:29:55Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳（メタデータ） (2022-03-28T14:03:45Z) - A Multi-rater Comparative Study of Automatic Target Localization Methods
for Epilepsy Deep Brain Stimulation Procedures [6.1757304574413245]
深部脳刺激(Deep Brain Stimulation、DBS)は、抗てんかん薬や切除手術が良好な結果に至らない場合に、代替の治療法として現れる。
手順の計画や標準化を容易にするため,DBS刺激対象を自動的にローカライズするアルゴリズムを開発することが望ましい。
本研究では、ANT-DBSの様々なローカライゼーション手法をベンチマークすることで、広範な比較研究を行う。
論文 参考訳（メタデータ） (2022-01-26T15:20:24Z) - Performance of Dual-Augmented Lagrangian Method and Common Spatial
Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。
使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
論文 参考訳（メタデータ） (2020-10-13T20:50:13Z) - 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。