白质网络结构引导直接电刺激通过最优状态转移
神经元与认知
2018-05-04 v1
摘要
脑电刺激目前正被研究作为神经系统疾病的疗法。然而，由于局灶性刺激对邻近和远端区域的有益影响尚不清楚，优化此类疗法的机会受到挑战。在此，我们利用网络控制理论构建脑网络功能模型，预测刺激如何穿过脑白质网络并影响大尺度动力学。我们使用结合皮层电图（ECoG）和扩散加权成像（DWI）的数据检验这些预测，这些受试者自愿参与广泛的刺激方案。我们假定白质束以特定的基于模型的方式约束刺激，定义其将大脑驱动到新状态（包括与成功记忆编码相关的状态）的能力。在对我们模型的首次验证中，我们发现真实的白质束模式比零模型的人工模式能更准确地预测直接电刺激诱发的状态转移。然后我们使用定向最优控制框架求解驱动大脑到达给定状态所需的最优能量。我们表明，直观上，我们的模型预测当起始状态距离目标记忆状态较远时需要更大的能量。然后我们基于能量需求提出关于哪些结构特性将导致高效记忆改善刺激的可检验假设。我们的工作表明个体白质结构在引导直接电刺激动力学中起着至关重要的作用，更普遍地为脑刺激响应的网络控制理论模型的效用提供了实证支持。
引用
@article{arxiv.1805.01260,
title = {White Matter Network Architecture Guides Direct Electrical Stimulation Through Optimal State Transitions},
author = {Jennifer Stiso and Ankit N. Khambhati and Tommaso Menara and Ari E. Kahn and Joel M. Stein and Sandihitsu R. Das and Richard Gorniak and Joseph Tracy and Brian Litt and Kathryn A. Davis and Fabio Pasqualetti and Timothy Lucas and Danielle S. Bassett},
journal= {arXiv preprint arXiv:1805.01260},
year = {2018}
}