新算法可以帮助实现下一代深度脑刺激设备

通过将小电脉冲直接传送到大脑，深度脑刺激(DBS)可以缓解与帕金森病相关的震颤或帮助缓解慢性疼痛。这项技术对许多患者都很有效，但研究人员希望通过增加感知大脑活动的能力，使DBS设备更加智能，并相应地调整刺激。

现在,一个新算法由布朗大学生物工程师开发的这项技术可能是迈向这种适应性脑起搏器的重要一步。该算法消除了DBS系统难以感知的一个关键障碍大脑信号同时传送刺激．

“我们知道有电信号在大脑我们希望能够记录这些信号，并利用它们自动调整神经调节疗法，”布朗大学生物医学工程助理教授大卫·波顿(David Borton)说，他是一项描述该算法的研究的通讯作者。“问题是，刺激会产生电子伪影，破坏我们试图记录的信号。所以我们已经开发了一种识别和移除这些伪影的方法，所以剩下的就是来自大脑的感兴趣的信号。”

这项研究发表在该杂志上Cell报告方法．这项工作由在布朗大学博尔顿实验室工作的博士生妮可·普罗文茨(Nicole Provenza)和明尼苏达大学的博士生埃文·达斯汀-范·莱因(Evan Dastin-van Rijn)共同领导，埃文在布朗大学读本科时就参与了这个项目，由博尔顿和应用数学副教授马修·哈里森(Matthew Harrison)担任顾问。博尔顿的实验室隶属于布朗大学卡尼脑科学研究所。

DBS系统通常包括一个植入大脑的电极，该电极与植入胸部的类似起搏器的设备相连。电脉冲以医生设定的一致频率传送。刺激频率可以随着疾病状态的变化而调整，但这必须由医生手动完成。如果设备能够感知疾病的生物标志物并自动做出反应，它可能会导致更有效的DBS治疗，副作用可能更少。

研究人员说，有几个因素使得同时感知和刺激变得困难。首先，刺激的频率特征工件有时会与研究人员想要检测的大脑信号重叠。因此，仅仅是去除频率带来消除伪影也可能会去除重要的信号。为了消除工件并保持其他数据完整，需要识别工件的确切波形，这就提出了另一个问题。植入的大脑传感器通常被设计成在最小的功率下运行，因此传感器采样电信号的速率导致数据的分辨率相当低。准确识别这种低分辨率数据的伪波形是一个挑战。

为了解决这个问题，研究人员想出了一种方法，将低分辨率的数据转换为高分辨率的波形图像。尽管传感器不收集高分辨率数据，但随着时间的推移，它们确实收集了大量数据。利用一些聪明的数学方法，布朗大学的研究小组找到了一种方法，可以将一些数据拼凑成一幅高分辨率的人工造物波形图。

Dastin-van Rijn说:“我们基本上是取伪波形中相似点记录的样本的平均值。”“这使我们能够预测这些样本中工件的贡献，然后将其移除。”

在一系列的实验室实验中计算机模拟，该团队表明，他们的算法在分离信号和人工制品的能力方面优于其他技术。该团队还将该算法用于之前从人类和动物模型中收集的数据，以证明他们可以准确地识别并移除伪影。

普罗文茨说:“我认为我们的方法的一大优势是，即使我们感兴趣的信号与模拟工件非常相似，我们的方法仍然可以区分两者之间的区别。”“这样我们就可以在保持信号完整的情况下摆脱藏物。”

研究人员说，该算法的另一个优点是计算成本不高。它有可能在当前的DBS设备上实时运行。这为实时人工制品过滤打开了大门，这将使同时记录和刺激成为可能。

“这是适应系统的关键，”Borton说。“能够摆脱刺激伪影，同时仍然记录重要的生物标志物，这将最终实现闭环治疗系统。”

---

---