新算法可以帮助实现下一代深度脑刺激设备

现在，布朗大学生物工程师开发的一种新算法可能是实现这种自适应DBS的重要一步。该算法消除了DBS系统难以在同时提供刺激的同时感知大脑信号的关键障碍。

“我们知道大脑中存在与疾病状态相关的电信号，我们希望能够记录这些信号，并使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·博尔顿(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，刺激伪影的频率特征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。”

在一系列实验室实验和计算机模拟中，该团队表明，他们的算法在分离信号和伪影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。”