机构名称：
¥ 1.0
摘要：由于存在大量不同的配置，因此调整刺激参数是深部脑刺激 (DBS) 治疗中的一项挑战。因此，基于特定刺激设置产生的组织激活体积 (VTA) 可视化的系统已经开发出来。然而，医疗专家仍然必须通过反复试验来寻找产生所需 VTA 的 DBS 设置。因此，我们的目标是为当前的临床设备开发一种 DBS 参数调整策略，以便在生物物理上可行的约束下定义目标 VTA。我们提出了一种机器学习方法，可以估计给定 VTA 的 DBS 参数值，该方法包括两个主要阶段：i) 基于 K 近邻的变形，以定义保留生物物理上可行约束的目标 VTA。ii) 参数估计阶段，包括使用度量学习突出显示相关 VTA 属性的数据投影，以及用于估计生成目标 VTA 的 DBS 参数的回归/分类算法。我们的方法允许设置符合生物物理的目标 VTA，并准确预测所需的刺激参数配置。此外，我们的方法的性能对于各向同性和各向异性的组织电导率都是稳定的。此外，经过训练的系统的计算时间对于现实世界的实现是可以接受的。
支持深部脑刺激编程的机器学习方法
主要关键词
相关文件推荐
