論文の概要: In-Vivo Training for Deep Brain Stimulation

• arxiv url: http://arxiv.org/abs/2510.03643v1
• Date: Sat, 04 Oct 2025 03:14:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.174055
• Title: In-Vivo Training for Deep Brain Stimulation
• Title（参考訳）: 深部脳刺激に対するin-Vivoトレーニング
• Authors: Nicholas Carter, Arkaprava Gupta, Prateek Ganguli, Benedikt Dietrich, Vibhor Krishna, Samarjit Chakraborty,
• Abstract要約: パーキンソン病(PD)に対する深部脳刺激療法(DBS)の有用性 最近の研究は、RLエージェントが刺激周波数と振幅を調節するDBSに強化学習(RL)を使用している。 生体内で測定可能な脳活動に応じてこれらの刺激パラメータを適応するRLベースのDBSアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.9543943371833464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep Brain Stimulation (DBS) is a highly effective treatment for Parkinson's Disease (PD). Recent research uses reinforcement learning (RL) for DBS, with RL agents modulating the stimulation frequency and amplitude. But, these models rely on biomarkers that are not measurable in patients and are only present in brain-on-chip (BoC) simulations. In this work, we present an RL-based DBS approach that adapts these stimulation parameters according to brain activity measurable in vivo. Using a TD3 based RL agent trained on a model of the basal ganglia region of the brain, we see a greater suppression of biomarkers correlated with PD severity compared to modern clinical DBS implementations. Our agent outperforms the standard clinical approaches in suppressing PD biomarkers while relying on information that can be measured in a real world environment, thereby opening up the possibility of training personalized RL agents specific to individual patient needs.
• Abstract（参考訳）: ディープブレイン刺激(Deep Brain Stimulation、DBS)はパーキンソン病(PD)の治療法である。 最近の研究は、RLエージェントが刺激周波数と振幅を調節するDBSに強化学習(RL)を使用している。 しかし、これらのモデルは患者では測定できないバイオマーカーに依存しており、脳内チップ(BoC)シミュレーションにのみ存在する。 本研究は,生体内における脳活動の測定値に応じて,これらの刺激パラメータを適応させるRL-based DBSアプローチを提案する。 脳基底核領域のモデルに基づいて訓練されたTD3ベースのRLエージェントを用いて, PD重症度に相関したバイオマーカーの抑制効果が, 現代の臨床用DBS実装と比較して高いことが確認された。 実環境において測定可能な情報に頼りながらPDバイオマーカーを抑えるための標準的な臨床手法よりも優れており,個別の患者のニーズに応じて個別のRLエージェントを訓練する可能性が開けている。

関連論文リスト

• AdaBrain-Bench: Benchmarking Brain Foundation Models for Brain-Computer Interface Applications [52.91583053243446]
  非侵襲的なBrain-Computer Interface(BCI)は、人間の脳を外部デバイスに接続する安全でアクセスしやすい手段を提供する。 近年,自己指導型プレトレーニングの導入により,非侵襲的BCI研究の展望が変化しつつある。 AdaBrain-Benchは、広範囲にわたる非侵襲的BCIタスクにおける脳基盤モデルを評価するための標準化されたベンチマークである。
  論文  参考訳（メタデータ） (2025-07-14T03:37:41Z)
• Sample-Efficient Reinforcement Learning Controller for Deep Brain Stimulation in Parkinson's Disease [6.443133356814665]
  本稿では,RLをベースとした適応神経刺激のための,サンプル効率のよいアクター批判フレームワークSEA-DBSを提案する。 SEA-DBSは予測報酬モデルを統合し、リアルタイムフィードバックへの依存を減らすとともに、Gumbel Softmaxベースの探索を安定的で差別化可能なポリシー更新に利用している。 以上の結果から,SEA-DBSは実効的かつ効果的なRLベースのaDBSフレームワークであり,リアルタイムな資源拘束型神経調節を実現することが示唆された。
  論文  参考訳（メタデータ） (2025-07-08T18:30:26Z)
• Neurophysiologically Realistic Environment for Comparing Adaptive Deep Brain Stimulation Algorithms in Parkinson Disease [1.45543311565555]
  aDBSでは、外科的に配置された電極が神経生理学的フィードバックに基づいて動的に変化した刺激を脳に送る。 我々は,そのモデルを比較するために,最初の神経生理学的に現実的なベンチマークを導入する。 我々は,ディープラーニング(RL)アルゴリズムを学習し,評価するための構造化環境として,我々のフレームワークを構築した。
  論文  参考訳（メタデータ） (2025-04-26T09:44:44Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• 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)
• {\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)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• 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)
• 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。