Estimation of the neuromodulation parameters from the planned volume of tissue activated in deep brain stimulation

Autor: Viviana Gómez-Orozco, Mauricio Alexander Álvarez-López, Óscar Alberto Henao-Gallo, Genaro Daza-Santacoloma, Álvaro Ángel Orozco-Gutiérrez
Jazyk: angličtina
Rok vydání: 2016
Předmět:
Zdroj: Revista Facultad de Ingeniería Universidad de Antioquia, Iss 79, Pp 9-18 (2016)
Druh dokumentu: article
ISSN: 0120-6230
2422-2844
Popis: La estimulación cerebral profunda (ECP) es una terapia con resultados promisorios para el tratamiento de desórdenes del movimiento. Esta envía estimulación eléctrica por medio de un electrodo a una región específica del cerebro. La propagación espacial de la respuesta neuronal a esta estimulación se conoce como volumen de tejido activado (VTA). Cambios en los parámetros de estimulación que controlan el VTA, como la amplitud, el ancho de pulso y la configuración de polaridad del electrodo pueden afectar la efectividad de la terapia ECP. En este estudio, desarrollamos una metodología novedosa para estimar los parámetros de neuromodulación de ECP adecuados, a partir del VTA planeado, que trata de maximizar los efectos terapéuticos y minimizar los efectos adversos de la ECP. Para la estimación de las salidas continuas (amplitud y ancho de pulso), usamos regresión de soporte vectorial de múltiples salidas, tomando la geometría del VTA como espacio de entrada. Para la estimación de la configuración del electrodo desarrollamos varios problemas de clasificación, también utilizando máquinas de soporte vectorial para el mismo espacio de entrada. Nuestra metodología logra resultados prometedores tanto en el caso de regresión como para predecir los contactos activos del electrodo y su polaridad. Combinando técnicas de modelamiento de neuronas biológicas junto con aprendizaje de máquina, se introduce una novedosa área de investigación donde los parámetros de neuromodulación en ECP pueden sintonizarse manualmente especificando un volumen geométrico
Databáze: Directory of Open Access Journals