XiaoMi-AI文件搜索系统
World File Search System深部
使用多个独立控制接触的最佳闭环深部脑刺激
深部脑刺激 (DBS) 是治疗多种神经系统疾病（包括帕金森病和特发性震颤）的成熟方法。已知这些疾病的症状与基底神经节和丘脑的病理性同步神经活动有关。据推测，DBS 会使这种活动不同步，从而导致症状整体减轻。具有多个独立可控触点的电极是 DBS 技术的最新发展，它有可能更精确地瞄准一个或多个病理区域，减少副作用并可能提高治疗的功效和效率。然而，这些系统的复杂性增加促使人们需要了解 DBS 应用于大脑内多个区域或神经群时的效果。基于理论模型，我们的论文探讨了如何最好地将 DBS 应用于多个神经群以最大限度地使大脑活动不同步的问题。其中的核心是我们推导出的解析表达式，这些解析表达式可以预测在施加刺激时症状严重程度应如何变化。利用这些表达式，我们构建了一个闭环 DBS 策略，该策略描述了如何使用反馈信号的相位和幅度将刺激传递给各个接触点。我们模拟了我们的方法，并将其与文献中发现的另外两种方法进行了比较：协调复位和锁相刺激。我们还研究了我们的策略预计会产生最大效益的条件。
深部脑刺激对原发性震颤患者言语清晰度的影响
目的：本研究旨在调查尾部未定带 (cZi) 的深部脑刺激 (DBS) 如何影响特发性震颤患者的言语清晰度。方法：对 35 名参与者进行了评估：停止刺激、接受旨在缓解震颤的慢性刺激以及在增加振幅水平的单侧刺激期间。在每种刺激条件下，参与者阅读瑞典智力测试中的 10 个独特的无意义句子。两名不知道刺激条件的听众以随机程序将所有录制的句子正字法转录。计算每个患者和刺激条件的平均言语清晰度分数，并对停止刺激和接受刺激的分数进行比较。结果：慢性 cZi-DBS 对言语清晰度没有显著影响，双侧和单侧治疗的结果没有差异。在增加振幅的单侧刺激期间，
揭示帕金森病中神经自适应深部脑刺激编程的复杂性
在过去的三十年中，帕金森病 (PD) 的深部脑刺激 (DBS) 一直以连续开环方式应用，对特定患者一天内的状态或症状变化没有反应。最近神经刺激器技术的进步使得闭环自适应 DBS (aDBS) 成为 PD 的治疗选择，在不久的将来，刺激将以基于需求的方式进行调整。虽然 aDBS 在治疗运动症状方面具有巨大的临床潜力，但它也带来了更好地了解如何实施它以最大限度地发挥其益处的需求。从这个角度来看，我们根据对几种支持 aDBS 的研究神经刺激器的经验，概述了为 aDBS 编程几个关键参数的注意事项。从本质上讲，aDBS 取决于成功识别相关生物标志物，这些标志物可以实时可靠地测量，并与控制刺激适应的控制策略相结合。然而，诸如刺激允许适应的窗口以及刺激改变的速率等辅助参数对性能的影响同样巨大，并且会根据控制策略和患者而变化。标准化的 aDBS 编程协议对于确保其在临床实践中的有效应用至关重要。
深部脑刺激自动轨迹规划的帕累托前沿与加权和
摘要。深部脑刺激 (DBS) 的术前路径规划是一个多目标优化问题，即在多个放置约束之间寻找最佳折衷点。它的自动化通常通过使用聚合方法将问题转变为单目标来解决。然而，尽管这种方法很直观，但它以无法找到所有最优解而闻名。在本文中，我们引入了一种基于多目标优势的 DBS 路径规划方法。我们将它与经典的多个约束的聚合加权和以及由神经外科医生对 14 个 DBS 病例进行的回顾性研究的手动规划进行了比较。结果表明，基于优势的方法优于手动规划，并且与传统的加权和方法相比，它涵盖了更多相关的最佳切入点选择，因为传统的加权和方法会丢弃外科医生可能喜欢的有趣解决方案。
PassFlow：用于预测深部脑刺激结果的多模式工作流程
目的：深部脑刺激 (DBS) 是一种行之有效的帕金森病 (PD) 治疗方法，通常可增强运动功能。然而，DBS 后可能会出现一些不良副作用，从而降低患者的生活质量。因此，临床团队必须仔细选择要进行 DBS 的患者。在过去十年中，曾有人尝试将术前数据与 DBS 临床结果联系起来，其中大部分都集中在运动症状上。在本文中，我们提出了一种基于机器学习的方法，能够预测大量 PD 的 DBS 临床结果。方法：我们提出了一种多模式管道，称为 PassFlow，可预测 84 个临床术后临床评分。PassFlow 由一个用于压缩临床信息的人工神经网络、一种用于从 T1 成像中提取形态生物标志物的最先进的图像处理方法以及一个用于执行回归的 SVM 组成。我们在 196 名接受 DBS 的 PD 患者身上验证了 PassFlow。结果：PassFlow 的相关系数高达 0.71，能够显著预测 84 个评分中的 63 个，优于比较线性方法。还发现，利用这些术前信息预测的指标数量与可获得这些信息的患者数量相关，表明 PassFlow 方法仍在积极学习中。结论：我们提出了一种基于机器学习的新型流程，用于预测 PD 患者 DBS 术后的各种临床结果。PassFlow 考虑了来自不同数据模式的各种生物标志物，仅从术前数据中就显示出一些评分的高相关系数。这表明，DBS 的许多临床结果都可以预测，而与特定的模拟参数无关，因为 PassFlow 已在没有此类刺激相关信息的情况下得到验证。
FastField：用于有效近似深部脑刺激电场的开源工具箱
深部脑刺激 (DBS) 是一种通过电调节神经组织来缓解某些脑部疾病症状的外科疗法。预测电场和激活组织体积的计算模型是有效参数调整和网络分析的关键。目前，我们缺乏支持复杂电极几何形状和刺激设置的高效灵活软件实现。现有工具要么太慢（例如有限元法 - FEM），要么太简单，对基本用例的适用性有限。本文介绍了 FastField，一个用于 DBS 电场和 VTA 近似的高效开源工具箱。它根据叠加原理计算可扩展的电场近似，并根据脉冲宽度和轴突直径计算 VTA 激活模型。在基准测试和案例研究中，FastField 的求解时间约为 0.2 秒，比使用 FEM 快 ∼ 1000 倍。此外，它几乎与使用 FEM 一样准确：平均 Dice 重叠度为 92%，这大约是临床数据中发现的典型噪声水平。因此，FastField 有潜力促进有效的优化研究并支持临床应用。
脑解剖结构标准化，可帮助治疗运动障碍的深部脑刺激
深部脑刺激 (DBS) 疗法需要在植入前进行广泛的针对患者的计划，以实现最佳临床效果。对患者大脑图像进行集体分析很有前景，可以为您提供更系统的计划帮助。本文介绍了使用组特定的多模态迭代模板创建过程的规范化管道设计。重点是比较一系列免费配准工具的性能并选择最佳组合。该工作流程应用于 19 名具有 T1 和 WAIR 模态图像的 DBS 患者。使用文献中的几种设置，使用 ANTS、FNIRT 和 DRAMMS 计算非线性配准。使用丘脑和丘脑底结构的单一专家标签及其在整个组中的一致性来测量配准精度。使用其他地方发布的高方差设置的 ANTS 提供了最佳性能。FNIRT 和 DRAMMS 均未达到 ANTS 的性能水平。根据所得的解剖结构的标准化定义，使用来自 19 名患者的数据提出了定义 58 个结构的间脑区域图谱。
强迫症患者终纹床核深部脑刺激后电场分布
摘要背景深部脑刺激 (DBS) 正在被研究作为治疗难治性强迫症 (OCD) 的方法。许多不同的大脑目标正在接受试验。这些目标中的几个例如腹侧纹状体（包括伏隔核 (NAc)）、腹侧囊、下丘脑脚和终纹床核 (BNST)）属于同一网络，在解剖学上彼此非常接近，甚至重叠。关于特定目标中的各种刺激参数将如何影响周围解剖区域并影响 DBS 的临床结果的数据仍然缺失。方法在一项对 11 名接受 BNST DBS 的参与者的初步研究中，我们通过针对患者特定的电场模拟来研究哪些解剖区域受到电场的影响，以及这是否与临床结果相关。我们的研究结合个体患者12和24个月随访时的刺激参数以及术前MRI和术后CT图像数据，计算电场分布，建立个体刺激场的解剖模型。结果 12和24个月随访时，BNST内刺激的个体电刺激场相似，主要涉及内囊前肢（ALIC）、内囊膝部（IC）、BNST、穹窿、前内侧苍白球外核（GPe）和前连合。在12个月的随访中，腹侧ALIC和前内侧GPe的耶鲁-布朗强迫症量表测量的临床效果与刺激之间存在统计学上显着相关性（p <0.05）。结论 许多正在研究的强迫症目标在解剖学上接近。从我们的研究可以看出，脱靶效应是重叠的。因此，ALIC、NAc 和 BNST 区域的 DBS 可能被认为是对同一靶标的刺激。
PassFlow：用于预测深部脑刺激结果的多模式工作流程
目的：深部脑刺激 (DBS) 是一种行之有效的帕金森病 (PD) 治疗方法，通常可增强运动功能。然而，DBS 后可能会出现一些不良副作用，从而降低患者的生活质量。因此，临床团队必须仔细选择要进行 DBS 的患者。在过去十年中，曾有人尝试将术前数据与 DBS 临床结果联系起来，其中大部分都集中在运动症状上。在本文中，我们提出了一种基于机器学习的方法，能够预测大量 PD 的 DBS 临床结果。方法：我们提出了一种多模式管道，称为 PassFlow，可预测 84 个临床术后临床评分。PassFlow 由一个用于压缩临床信息的人工神经网络、一种用于从 T1 成像中提取形态生物标志物的最先进的图像处理方法以及一个用于执行回归的 SVM 组成。我们在 196 名接受 DBS 的 PD 患者身上验证了 PassFlow。结果：PassFlow 的相关系数高达 0.71，能够显著预测 84 个评分中的 63 个，优于比较线性方法。还发现，利用这些术前信息预测的指标数量与可获得这些信息的患者数量相关，表明 PassFlow 方法仍在积极学习中。结论：我们提出了一种基于机器学习的新型流程，用于预测 PD 患者 DBS 术后的各种临床结果。PassFlow 考虑了来自不同数据模式的各种生物标志物，仅从术前数据中就显示出一些评分的高相关系数。这表明，DBS 的许多临床结果都可以预测，而与特定的模拟参数无关，因为 PassFlow 已在没有此类刺激相关信息的情况下得到验证。
无线可编程记录和刺激自由移动人类的深部脑活动
信号，但本质上并非为研究而设计，因此缺乏灵活的控制和与可穿戴传感器的集成。我们开发了一个移动深部脑记录和刺激 (Mo-DBRS) 平台，该平台可实现无线和可编程的颅内脑电图记录和电刺激，并与虚拟/增强现实 (VR/AR) 和可进行外部测量的可穿戴设备集成和同步（例如，运动捕捉、心率、皮肤电导、呼吸、眼球追踪和头皮脑电图）。当用于植入神经设备的自由移动人类时，该平台可适应生态有效的环境，有利于阐明自然行为背后的神经机制，并开发神经和精神疾病的可行疗法。