論文の概要: Deep Learning Model Predictive Control for Deep Brain Stimulation in Parkinson's Disease

• arxiv url: http://arxiv.org/abs/2504.00618v1
• Date: Tue, 01 Apr 2025 10:16:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:31.992236
• Title: Deep Learning Model Predictive Control for Deep Brain Stimulation in Parkinson's Disease
• Title（参考訳）: パーキンソン病における深部脳刺激の深部学習モデル予測制御
• Authors: Sebastian Steffen, Mark Cannon,
• Abstract要約: パーキンソン病(PD)に対するDBSのためのデータ駆動計算アルゴリズムを提案する。 ベータバンド・アクティビティ・レスポンスのシミュレーションモデルを用いたテストでは、トラッキングエラーと制御アクティビティの両方で20%以上を達成する。 提案した制御戦略は、CLDBSを標的としたPDや他の疾患の治療に応用可能な、一般化可能なデータ駆動技術を提供する。
• 参考スコア（独自算出の注目度）: 0.552480439325792
• License:
• Abstract: We present a nonlinear data-driven Model Predictive Control (MPC) algorithm for deep brain stimulation (DBS) for the treatment of Parkinson's disease (PD). Although DBS is typically implemented in open-loop, closed-loop DBS (CLDBS) uses the amplitude of neural oscillations in specific frequency bands (e.g. beta 13-30 Hz) as a feedback signal, resulting in improved treatment outcomes with reduced side effects and slower rates of patient habituation to stimulation. To date, CLDBS has only been implemented in vivo with simple control algorithms, such as proportional or proportional-integral control. Our approach employs a multi-step predictor based on differences of input-convex neural networks to model the future evolution of beta oscillations. The use of a multi-step predictor enhances prediction accuracy over the optimization horizon and simplifies online computation. In tests using a simulated model of beta-band activity response and data from PD patients, we achieve reductions of more than 20% in both tracking error and control activity in comparison with existing CLDBS algorithms. The proposed control strategy provides a generalizable data-driven technique that can be applied to the treatment of PD and other diseases targeted by CLDBS, as well as to other neuromodulation techniques.
• Abstract（参考訳）: パーキンソン病(PD)に対する深部脳刺激(DBS)のための非線形データ駆動型モデル予測制御(MPC)アルゴリズムを提案する。 DBSは一般にオープンループで実装されるが、クローズループDBS(CLDBS)は特定の周波数帯域(例えばベータ13-30Hz)における神経振動の振幅をフィードバック信号として使用し、副作用の低減と患者の刺激に対する居住率の低下による治療結果の改善をもたらす。 これまでCLDBSは、比例制御や比例積分制御のような単純な制御アルゴリズムでのみインビボで実装されてきた。 提案手法では,入力凸ニューラルネットワークの違いに基づく多段階予測器を用いて,ベータ発振の将来の進化をモデル化する。 マルチステップ予測器の使用により、最適化水平線上での予測精度が向上し、オンライン計算が簡単になる。 ベータバンド活動応答のシミュレーションモデルとPD患者のデータを用いたテストでは、既存のCLDBSアルゴリズムと比較して、トラッキングエラーと制御アクティビティの両方で20%以上の削減を実現している。 提案したコントロール戦略は、CLDBSを標的としたPDや他の疾患の治療や、他の神経調節技術に適用可能な、一般化可能なデータ駆動技術を提供する。

関連論文リスト

• {\epsilon}-Neural Thompson Sampling of Deep Brain Stimulation for Parkinson Disease Treatment [15.303196613362099]
  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。
  論文  参考訳（メタデータ） (2024-03-11T15:33:40Z)
• FPGA Deployment of LFADS for Real-time Neuroscience Experiments [2.1110034280282153]
  LFADS(Latent Factor Analysis via Dynamical Systems)は、1回の試験で同時に記録された高次元神経スパイデータから潜時ダイナミクスを推定するためのディープラーニング手法である。 本研究では,LFADSモデルをFPGA(Field Programmable Gate Arrays)に実装する。 我々の実装では、Xilinx U55Cで1回の試行でデータを処理するために41.97$mu$sの推論遅延を示す。
  論文  参考訳（メタデータ） (2024-02-02T07:52:20Z)
• 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)
• 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)
• Low-Resource Music Genre Classification with Cross-Modal Neural Model Reprogramming [129.4950757742912]
  ニューラルモデル再プログラミング(NMR)の概念に基づく低リソース(音楽)分類のための事前学習モデルを活用する新しい手法を提案する。 NMRは、凍結した事前学習モデルの入力を変更することにより、ソースドメインからターゲットドメインへの事前学習モデルの再取得を目指している。 実験結果から,大規模データセットに事前学習したニューラルモデルは,この再プログラミング手法を用いて,音楽ジャンルの分類に成功できることが示唆された。
  論文  参考訳（メタデータ） (2022-11-02T17:38:33Z)
• NeuralDP Differentially private neural networks by design [61.675604648670095]
  ニューラルネットワーク内のいくつかの層の活性化を民営化する手法であるNeuralDPを提案する。 本研究では,DP-SGDと比較して,プライバシーとユーティリティのトレードオフを大幅に改善した2つのデータセットを実験的に検証した。
  論文  参考訳（メタデータ） (2021-07-30T12:40:19Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)
• 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)
• Rectified Linear Postsynaptic Potential Function for Backpropagation in Deep Spiking Neural Networks [55.0627904986664]
  スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。 本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
  論文  参考訳（メタデータ） (2020-03-26T11:13:07Z)
• Semi-Implicit Back Propagation [1.5533842336139065]
  ニューラルネットワークトレーニングのための半単純バック伝搬法を提案する。 ニューロンの差は後方方向に伝播し、パラメータは近位写像で更新される。 MNISTとCIFAR-10の両方の実験により、提案アルゴリズムは損失減少とトレーニング/検証の精度の両方において、より良い性能をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-02-10T03:26:09Z)

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。