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 15:43:09.037086
• 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: http://creativecommons.org/licenses/by/4.0/
• 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

• Active Human Feedback Collection via Neural Contextual Dueling Bandits [84.7608942821423]
  本稿では,人間の嗜好フィードバックを抽出するアルゴリズムであるNeural-ADBを提案する。 優先フィードバックがBradley-Terry-Luceモデルに従うと、Neural-ADBが学習したポリシーの最悪の準最適差は、選好データセットが増加するにつれて、サブ線形速度で減少することを示す。
  論文  参考訳（メタデータ） (2025-04-16T12:16:10Z)
• {\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)
• A Learnable Prior Improves Inverse Tumor Growth Modeling [8.87818392404259]
  両アプローチの独特な長所を相乗的に活用する新しい枠組みを提案する。 磁気共鳴画像から脳腫瘍細胞濃度を推定するための高速深層学習アルゴリズムと高精度進化戦略を統合することの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-07T13:59:34Z)
• 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)
• The Neuron as a Direct Data-Driven Controller [43.8450722109081]
  本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。 我々は、ニューロンを生物学的に実現可能なコントローラとしてモデル化し、ループダイナミクスを暗黙的に識別し、潜伏状態を推測し、制御を最適化する。 我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
  論文  参考訳（メタデータ） (2024-01-03T01:24:10Z)
• 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)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• 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)
• Multi-Sample Online Learning for Spiking Neural Networks based on Generalized Expectation Maximization [42.125394498649015]
  スパイキングニューラルネットワーク(SNN)は、バイナリニューラルダイナミックアクティベーションを通じて処理することで、生物学的脳の効率の一部をキャプチャする。 本稿では, シナプス重みを共有しながら, 独立したスパイキング信号をサンプリングする複数のコンパートメントを活用することを提案する。 鍵となる考え方は、これらの信号を使ってログライクなトレーニング基準のより正確な統計的推定と勾配を求めることである。
  論文  参考訳（メタデータ） (2021-02-05T16:39:42Z)
• 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)
• 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。