Доставляя небольшие электрические импульсы непосредственно в мозг, глубокая стимуляция мозга может ослабить тремор, связанный с болезнью Паркинсона, или помочь облегчить хроническую боль. Этот метод хорошо работает для многих пациентов, но исследователи хотели бы создать устройства DBS, которые были бы немного умнее, добавив возможность ощущать активность в мозгу и соответствующим образом адаптировать стимуляцию.
Теперь новый алгоритм, разработанный биоинженерами из Университета Брауна, может стать важным шагом на пути к такой адаптивной DBS. Алгоритм устраняет ключевое препятствие, которое мешает системам DBS воспринимать сигналы мозга , одновременно обеспечивая стимуляцию.
Исследователи говорят, что существует несколько факторов, которые затрудняют одновременное восприятие и стимуляцию. Во-первых, частотная характеристика артефакта стимуляции может иногда перекрываться с характеристикой сигнала мозга, который исследователи хотят обнаружить. Таким образом, простое вырезание полос частот для устранения артефактов также может удалить важные сигналы. Чтобы устранить артефакт и оставить другие данные нетронутыми, необходимо определить точную форму волны артефакта, что представляет собой еще одну проблему. Имплантированные датчики мозга обычно рассчитаны на минимальную мощность, поэтому скорость, с которой датчики измеряют электрические сигналы, обеспечивает данные с довольно низким разрешением. Точная идентификация формы волны артефакта с данными с таким низким разрешением является сложной задачей.
Чтобы обойти эту проблему, исследователи придумали способ превратить данные с низким разрешением в изображение формы волны с высоким разрешением. Несмотря на то, что датчики не собирают данные с высоким разрешением, они собирают много данных с течением времени. Используя некоторые хитрые математические методы, команда Брауна нашла способ объединить биты данных в изображение с высоким разрешением формы волны артефакта.
Еще одно преимущество, по словам исследователей, заключается в том, что алгоритм не требует больших вычислительных затрат. Потенциально он может работать в реальном времени на текущих устройствах DBS. Это открывает дверь к фильтрации артефактов в реальном времени, что позволяет одновременно записывать и стимулировать.
Источник — Aobe.