論文の概要: Preliminary Results of Neuromorphic Controller Design and a Parkinson's Disease Dataset Building for Closed-Loop Deep Brain Stimulation
- arxiv url: http://arxiv.org/abs/2407.17756v1
- Date: Thu, 25 Jul 2024 04:10:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-26 15:17:52.230863
- Title: Preliminary Results of Neuromorphic Controller Design and a Parkinson's Disease Dataset Building for Closed-Loop Deep Brain Stimulation
- Title(参考訳): クローズドループ脳深部刺激のためのニューロモルフィックコントローラ設計とパーキンソン病データセット構築の予備的結果
- Authors: Ananna Biswas, Hongyu An,
- Abstract要約: 閉ループDeep Brain Stimulation (CL-DBS) はパーキンソン病患者の運動障害を軽減することを目的としている。
現在のCL-DBSシステムは、強化学習、ファジィインタフェース、フィールドプログラマブルゲートアレイ(FPGA)など、エネルギー非効率なアプローチを利用している。
本研究は、PD患者の各種重症度に応じてDBS電気信号の大きさを調整するために、Leaky Integrate and Fire Neuron(LIF)コントローラを用いた新しいニューロモルフィックアプローチを提案する。
- 参考スコア(独自算出の注目度): 1.3044677039636754
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Parkinson's Disease afflicts millions of individuals globally. Emerging as a promising brain rehabilitation therapy for Parkinson's Disease, Closed-loop Deep Brain Stimulation (CL-DBS) aims to alleviate motor symptoms. The CL-DBS system comprises an implanted battery-powered medical device in the chest that sends stimulation signals to the brains of patients. These electrical stimulation signals are delivered to targeted brain regions via electrodes, with the magnitude of stimuli adjustable. However, current CL-DBS systems utilize energy-inefficient approaches, including reinforcement learning, fuzzy interface, and field-programmable gate array (FPGA), among others. These approaches make the traditional CL-DBS system impractical for implanted and wearable medical devices. This research proposes a novel neuromorphic approach that builds upon Leaky Integrate and Fire neuron (LIF) controllers to adjust the magnitude of DBS electric signals according to the various severities of PD patients. Our neuromorphic controllers, on-off LIF controller, and dual LIF controller, successfully reduced the power consumption of CL-DBS systems by 19% and 56%, respectively. Meanwhile, the suppression efficiency increased by 4.7% and 6.77%. Additionally, to address the data scarcity of Parkinson's Disease symptoms, we built Parkinson's Disease datasets that include the raw neural activities from the subthalamic nucleus at beta oscillations, which are typical physiological biomarkers for Parkinson's Disease.
- Abstract(参考訳): パーキンソン病は世界中で何百万人もの個人を苦しめている。
パーキンソン病に対する有望な脳再生療法として、CL-DBS(Clocd-loop Deep Brain Stimulation)は運動障害を緩和することを目的としている。
CL-DBSシステムは、胸部にバッテリ駆動の医療装置を埋め込んだもので、患者の脳に刺激信号を送信する。
これらの電気刺激信号は電極を介して標的の脳領域に伝達され、刺激の大きさは調節可能である。
しかし、現在のCL-DBSシステムは、強化学習、ファジィインタフェース、フィールドプログラマブルゲートアレイ(FPGA)など、エネルギー非効率なアプローチを採用している。
これらのアプローチにより、従来のCL-DBSシステムは、インプラントやウェアラブル医療機器では実用的ではない。
本研究は、PD患者の各種重症度に応じてDBS電気信号の大きさを調整するために、Leaky Integrate and Fire Neuron(LIF)コントローラを用いた新しいニューロモルフィックアプローチを提案する。
我々のニューロモルフィックコントローラ、オンオフLIFコントローラ、デュアルLIFコントローラは、CL-DBSシステムの消費電力をそれぞれ19%と56%減らすことに成功した。
一方、抑制効率は4.7%と6.77%向上した。
さらに、パーキンソン病の症状のデータ不足に対処するため、我々はパーキンソン病の典型的な生理的バイオマーカーであるベータ発振時の視床下核からの生の神経活動を含むパーキンソン病データセットを構築した。
関連論文リスト
- Using AI to Measure Parkinson's Disease Severity at Home [2.656113227046603]
パーキンソン病(PD)患者の運動能力を評価する人工知能システムを提案する。
運動障害学会統一パーキンソン病評価尺度(MDS-UPDRS)を施行した3人の神経学者による世界250人の参加者のデータを評価した。
我々の機械学習モデルは,MDS-UPDRS認定レーダよりも優れており,平均絶対誤差は0.59であり,レーダのMAEは0.79であった。
論文 参考訳(メタデータ) (2023-03-30T17:40:14Z) - Parkinsons Disease Detection via Resting-State Electroencephalography
Using Signal Processing and Machine Learning Techniques [0.0]
パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。
脳波はPD患者の異常を示す。
1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
論文 参考訳(メタデータ) (2023-03-29T06:03:05Z) - 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) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
論文 参考訳(メタデータ) (2022-05-12T08:59:57Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳(メタデータ) (2022-04-29T19:27:06Z) - Electrostimulation of Brain Deep Structures in Parkinson's Disease [0.0]
研究対象は、パーキンソン病の進行期および後期の56例であった。
パーキンソン病における深部脳構造の電気的刺激は患者の状態を有意に改善した。
論文 参考訳(メタデータ) (2021-09-18T06:01:46Z) - Transfer Learning improves MI BCI models classification accuracy in
Parkinson's disease patients [50.591267188664666]
運動運動に基づくBCI(MIBCI)は、パーキンソン病患者の能力向上と障害症状の軽減を可能にする。
精度と時間関連キャリブレーションの課題を克服するためには、高度なMotor Imagery BCI法が必要である。
本研究は, PD患者に対するMI BCIの精度向上を目的とした, 転写学習に基づくFBCSPアプローチを提案する。
論文 参考訳(メタデータ) (2020-10-29T19:28:00Z) - 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) - Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing
Parkinson's Disease Motor Severity [39.51722822896373]
パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。
PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。
MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
論文 参考訳(メタデータ) (2020-07-17T11:49:30Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z) - 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。