运动皮层刺激到肌肉响应的映射：一种深度神经网络建模方法
机器学习
2020-11-17 v1 神经与进化计算
摘要
一个能够可靠地从相应脑刺激建模肌肉响应的深度神经网络（DNN）有潜力增进对协调运动控制的认识，适用于众多基础科学与应用用例。此类用例包括理解由中风等神经损伤引起的异常运动模式，以及基于刺激的神经损伤恢复干预如配对联想刺激。本工作中，我们探索了潜在的 DNN 模型，并推荐使用平方误差最小的模型以实现 M2M-Net 的最优性能——该网络将运动皮层的经颅磁刺激映射至相应肌肉响应，所用要素包括：有限元仿真、经验神经响应剖面、卷积自编码器、独立的深度网络映射器以及多肌肉激活记录。我们讨论了不同建模方法与架构背后的原理，并对比了它们的效果。此外，为获得复杂度与性能分析之间权衡的比较性见解，我们探索了不同技术，包括将两种经典信息准则扩展至 M2M-Net。最后，我们发现当输入采用神经响应剖面时，类似于将运动皮层刺激映射至肌肉直接与协同连接组合的模型表现最佳。
引用
@article{arxiv.2002.06250,
title = {Mapping Motor Cortex Stimulation to Muscle Responses: A Deep Neural Network Modeling Approach},
author = {Md Navid Akbar and Mathew Yarossi and Marc Martinez-Gost and Marc A. Sommer and Moritz Dannhauer and Sumientra Rampersad and Dana Brooks and Eugene Tunik and Deniz Erdoğmuş},
journal= {arXiv preprint arXiv:2002.06250},
year = {2020}
}
备注
6 pages, 4 figures