رویکردی جدید برای محاسبه فیبر عصبی فعال در تحریک عمیق مغزی با توجه به مدل استاندارد آکسونی توسط هوش مصنوعی

چکیده مقاله

یکی از جنبه های مهم در تحریک عمیق مغز DBS ،پیش بینی فعال سازی عصبی در پاسخ به تحریک الکتریکی است مدل های محاسباتی ابزاری برای پیش بینی اثراتDBS بر فیبر عصبی فعال شده هستند برای افزایش عملکرد بالینی این مدل ها، هزینه محاسباتی و تخصص فنی مورد نیاز آنها باید به حداقل برسد پیش بینی کننده های سریع فعال سازی، پیاده سازی را ساده می کنند و زمان اجرا را کاهش می دهند، اما دقت را از دست می دهند ما به دنبال حل این موضوع با استفاده از قابلیت های سرعت و تعمیم شبکه های عصبی مصنوعی ANN ،یک رویکرد پیش بینی کننده جدید فعال سازی فیبر عصبی در پاسخ به DBS ایجاد کردیم ما چندین تغییر از یک پیش بینی کننده مبتنی بر ANN را برای پیش بینی پاسخ مدل استانداردآکسون های میلین دار به تحریک الکتریکی خارج سلولی در نظر گرفتیم شبکه های عصبی مصنوعی با استفاده از مجموعه داده های تولید شده از یک مدل المان محدود از یک سیستم DBS کاشته شده همراه با مدل اکسونی آموزش داده شدند شبکه های عصبی مصنوعی زمان مورد نیاز برای پیش بینی آستانه های آکسون را در مقایسه با مدل استاندارد آکسونی، چهار تا پنج مرتبه کاهش دادند ما نشان دادیم که ANN ها می توانند یک رویکرد جدید محاسباتی ، دقیق و قوی فعال سازی عصبی در پاسخ به DBS باشند

کلیدواژه‌ها

نویسندگان

روح اله قاسمی

ارشد، مهندسی پزشکی ، گروه فنی و مهندسی، واحد علی آبادکتول، دانشگاه آزاد اسلامی، علی آبادکتول، ایران

سید علی محمد تقوی

ارشد، مهندسی کامپیوتر، گروه فنی و مهندسی ،واحد علی آبادکتول، دانشگاه آزاد اسلامی، علی آبادکتول، ایران

مهرداد رخشانی

کارشناس ،مهندسی الکترونیک، گروه فنی و مهندسی ،دانشگاه آزاد اسلامی ،واحد علی اباد کتول، علی آبادکتول، ایران

قاسمی، روح اله و تقوی، سید علی محمد و رخشانی، مهرداد،1403،رویکردی جدید برای محاسبه فیبر عصبی فعال در تحریک عمیق مغزی با توجه به مدل استاندارد آکسونی توسط هوش مصنوعی،بیست و پنجمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات بیست و پنجمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات27 دی 1403 · بابل