基于皮层振荡的帕金森状态闭环控制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61801273
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.0万
  • 负责人：
    苏斐
  • 依托单位：
    山东农业大学
  • 学科分类：
    F0124.生物电子学与生物信息处理
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

Deep brain stimulation (DBS) is an efficient therapy for a variety of neurodegenerative disorders, such as Parkinson’s disease. Closed-loop DBS works by responding the variation of neural activities in real-time and then providing adaptive stimulation signal, such that the individualized stimulation is realized. However, how to construct closed-loop DBS is a challenging subject. This project proposes an idea of using cortical oscillation activities to reflect the variation of Parkinsonian clinical state, and the aim is to solve the difficulty in selecting the feedback signal for closed-loop DBS. The combined experiment data analysis and computational modeling methods are used in this project. Analyze the relationship between Parkinsonian state and cortical oscillation activities, between beta band (13-30Hz) oscillations of the basal ganglia and cortical oscillation activities, and between DBS parameters and cortical oscillation activities. Construct the cortex-basal ganglia-thalamus network model to describe above relations, and explore the cortical oscillation features which can reflect the variation of Parkinsonian state and quantify the performance of DBS. Based on the constructed computational model, use the obtained cortical oscillation feature as feedback signal to create the closed-loop DBS. This project will promote new insights into the Parkinsonian pathology and closed-loop DBS design from the perspective of cortex oscillation.
深度脑刺激（DBS）是治疗帕金森等神经系统变性疾病的一种有效方法。闭环DBS通过实时响应神经活动的变化，自适应地调节刺激信号，实现“个体化”刺激。但是，如何构建闭环DBS是一个挑战性课题。本项目提出一种利用皮层振荡活动反映帕金森临床状态变化的思路，用来解决闭环DBS中难以选取合适反馈信号的问题。项目采用实验数据分析和数学建模相结合的方法。分析帕金森状态与皮层振荡活动间的关系，基底核beta频段（13-30Hz）振荡与皮层振荡活动间的关系，DBS参数与皮层振荡活动间的关系；构建基底核-丘脑-皮层网络数学模型刻画上述关系，寻找能够反映帕金森状态变化、衡量DBS作用效果的皮层振荡活动特征；基于构建的模型，将得到的皮层振荡活动特征作为反馈，构建闭环DBS。本项目从皮层振荡的角度对帕金森病理和闭环DBS构建方法提出了新的见解。

结项摘要

深部脑刺激（DBS）手术在过去30中取得了长足发展，成为功能外科手术治疗中晚期帕金森患者的主要手段。随着帕金森患者数目增多，DBS手术也会增多，这将助推智能DBS程控策略的发展，特别是能够进行自我优化的闭环DBS的发展。实现个体化的闭环DBS必须解决两个关键科学问题：挖掘临床可记录的生理信号特征以实时解码临床状态，结合控制理论思想设计具有个体特异性的闭环控制算法。. 本项目通过对单侧帕金森大鼠黑质网状部多电极阵列记录数据和皮层M1区域螺钉记录数据进行预处理和特征提取，得到可以刻画从正常状态到帕金森状态变化的数据特征（神经元放电速率、核团振荡功率）；结合当前实验研究和本项目生理数据分析结果，构建皮层-基底核-丘脑回路生理模型，模型包括8个神经核团，能够复现正常和帕金森状态对应的基底核核团放电速率、放电模式、振荡活动变化及皮层区域振荡活动变化；调节模型参数模拟帕金森状态演进过程和不同DBS参数作用下网络振荡活动的变化，得到帕金森状态与基底核区域13-35Hz频段异常振荡活动相关，与皮层区域18-23Hz和21-26Hz频段异常振荡活动相关；最后，采用不同振荡活动功率作为生物标记物，结合运动状态对振荡活动调控的研究结果，提出选取动态变化的功率值作为参考信号，比较传统比例-积分控制、模糊逻辑控制及预测和模糊控制相结合的三种算法作用效果，论证了预测和模糊结合的优势，采用FPGA硬件平台、STM32刺激器和matlab算法设计搭建闭环DBS预临床仿真平台。. 本项目在执行过程中与山东省立医院神经内科建立了密切合作关系，采集了50例帕金森患者临床运动状态数据，后期拟结合多模态生理和运动数据，更精准评估临床状态。项目在动物模型、数据分析建模及个体化调控方面取得重要进展，并为后续研究规划了方向。

项目成果

期刊论文数量（6）
专著数量（0）
科研奖励数量（1）
会议论文数量（3）
专利数量（4）
FPGA-Based Real-Time Simulation Platform for Large-Scale STN-GPe Network
基于FPGA的大规模STN-GPe网络实时仿真平台
  • DOI：
    10.1109/tnsre.2020.3027546
  • 发表时间：
    2020-11-01
  • 期刊：
    IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING
  • 影响因子：
    4.9
  • 作者：
    Chen，Min;Zu，Linlu;Su，Fei
  • 通讯作者：
    Su，Fei
Model-Based Closed-Loop Suppression of Parkinsonian Beta Band Oscillations through Origin Analysis
通过原点分析基于模型的帕金森病 Beta 频带振荡的闭环抑制
  • DOI：
    10.1109/tnsre.2021.3056544
  • 发表时间：
    2021-02
  • 期刊：
    IEEE Transactions on Neural Systems and Rehabilitation Engineering
  • 影响因子：
    4.9
  • 作者：
    Fei Su;Min Chen;Linlu Zu;Shanshan Li;Huiyan Li
  • 通讯作者：
    Huiyan Li
基于SSH框架的NC数据可视化验证系统研究
  • DOI：
    10.16652/j.issn.1004
  • 发表时间：
    2018
  • 期刊：
    现代电子技术
  • 影响因子：
    --
  • 作者：
    杜景林;喻亚楠
  • 通讯作者：
    喻亚楠
基于模糊控制的帕金森状态闭环调节
  • DOI：
    10.3778/j.issn.1002-8331.2006-0452
  • 发表时间：
    2020
  • 期刊：
    计算机工程与应用
  • 影响因子：
    --
  • 作者：
    苏斐;王红;祖林禄;王江;刘晨
  • 通讯作者：
    刘晨
Model Predictive Control for Seizure Suppression Based on Nonlinear Auto-Regressive Moving-Average Volterra Model
基于非线性自回归移动平均Volterra模型的癫痫发作抑制模型预测控制
  • DOI：
    10.1109/tnsre.2020.3014927
  • 发表时间：
    2020-10-01
  • 期刊：
    IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING
  • 影响因子：
    4.9
  • 作者：
    Chang, Siyuan;Wei, Xile;Che, Yanqiu
  • 通讯作者：
    Che, Yanqiu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于自适应聚类的虚假评论检测
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    南京大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    严馨;余正涛;石林宾;苏斐
  • 通讯作者：
    苏斐

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码