N2GNet rastreia o desempenho da marcha a partir de sinais neurais subtalâmicos na doença de Parkinson

04 de janeiro de 2025 - Resumo A estimulação cerebral profunda adaptativa (DBS) fornece terapia individualizada para pessoas com doença de Parkinson (PWP), ajustando a estimulação em tempo real usando sinais neurais que refletem seu estado motor. Os algoritmos atuais, no entanto, usam recursos neurais condensados ​​e selecionados manualmente, o que pode resultar em uma terapia menos robusta e tendenciosa. Neste estudo, propomos a rede Neural-to-Gait Neural (N2GNet), um novo modelo de regressão baseado em aprendizagem profunda capaz de rastrear o desempenho da marcha em tempo real a partir de potenciais de campo locais do núcleo subtalâmico (STN LFPs). Os dados LFP foram adquiridos quando dezoito PWP realizaram a pisada no lugar, e as forças de reação do solo foram medidas para rastrear suas mudanças de peso representando o desempenho da marcha. Ao exibir uma correlação mais forte com mudanças de peso em comparação com o poder beta de correlação mais alta das duas derivações e superar outros designs de modelos avaliados, o N2GNet aproveita efetivamente uma banda de frequência abrangente, não limitada à faixa beta, para rastrear o desempenho da marcha exclusivamente de LFPs STN (segue...) Fonte: Nature.