Portiloop:一种基于深度学习的闭环脑刺激开放科学工具
信号处理
2022-10-12 v3 机器学习
神经与进化计算
神经元与认知
摘要
闭环脑刺激指的是捕获诸如脑电图(EEG)等神经生理测量,快速识别感兴趣的神经事件,并产生听觉、磁或电刺激,从而精确地与脑过程交互。这是一种有前景的基础神经科学新方法,或许也可用于恢复退化记忆功能等临床应用;然而,现有工具昂贵、笨重,且实验灵活性有限。在本文中,我们提出 Portiloop,一种基于深度学习、便携且低成本的闭环刺激系统,能够靶向特定脑振荡。我们首先记录了可由商用组件构建的开放硬件实现。我们还提供了一种快速、轻量的神经网络模型以及一种自动将模型超参数优化至所需脑振荡的探索算法。最后,我们在一个具有挑战性的实时睡眠纺锤波检测测试用例上验证了该技术,结果可与 Massive Online Data Annotation 纺锤波数据集(MODA;群体共识)上的离线专家表现相媲美。软件和方案作为开放科学计划向社区提供,以鼓励进一步开发并推进闭环神经科学研究。
引用
@article{arxiv.2107.13473,
title = {The Portiloop: a deep learning-based open science tool for closed-loop brain stimulation},
author = {Nicolas Valenchon and Yann Bouteiller and Hugo R. Jourde and Xavier L'Heureux and Milo Sobral and Emily B. J. Coffey and Giovanni Beltrame},
journal= {arXiv preprint arXiv:2107.13473},
year = {2022}
}
备注
10 pages, 6 Figures (+ Supplementary: 10 pages, 13 Figures), journal paper. Open source code at https://github.com/Portiloop