Neuromodülasyon Nedir?
Neuromodülasyon, beyin fonksiyonlarını geliştiren veya restore eden bir tekniktir. Bu yöntem, genellikle Parkinson hastalığı, epilepsi ve depresyon gibi durumların tedavisinde kullanılır. Açıktan kapalı döngüye geçiş yapmak, talep üzerine modülasyon sağlamaktadır; bu da tedavi etkilerini artırırken yan etkileri azaltmaktadır. Böylece hassas ve kişiselleştirilmiş elektro tıpta önemli gelişmelere yol açma potansiyeli taşımaktadır.
Kapalı Döngü Neuromodülasyonun Zorlukları
Kapalı döngü neuromodülasyon stratejileri, gerçek zamanlı sinirsel çözümleme ve kodlama gibi çeşitli zorluklarla karşı karşıyadır. Makine öğrenimi algoritmaları ve sinir ağları, farklı patolojik durumlarla ilişkili karmaşık sinirsel aktiviteleri yorumlamak için kullanılmaktadır. Ancak hastalıklardan etkilenen sinir fonksiyonlarını restore etmek için doğru müdahalelere ihtiyaç vardır. Mobil sistemler, serbest hareket ve kronik tedavi koşullarında hasta çalışmaları yapılmasını kolaylaştırmaktadır.
Beyin-Makine Etkileşimli Neuromodülasyon Araştırma Aracı
Bu zorlukları aşmak için araştırmacılar Beyin-Makine Etkileşimli Neuromodülasyon Araştırma Aracı (BMINT) geliştirmiştir. Bu araç, sinirsel aktiviteyi algılamakta, verileri makine öğrenimi algoritmaları ve sinir ağları kullanarak işlemekte ve gerçek zamanlı elektriksel stimülasyon sunmaktadır. Araç, beyin ile kendisi arasında iki yönlü bilgi transferini sağlar ve etkili gerçek zamanlı sinyal işleme için edge AI hesaplama kullanır.
BMINT, üç ana donanım modülünden oluşmaktadır:
- Kaydetme: 24-bit genlik çözünürlüklü ve 2000 Hz örnekleme frekansına sahip sekiz kanaldan oluşan sinir fizyolojik sinyaller kaydetmektedir. Araştırmacılar, kompakt yapısı ve düşük güç tüketimi nedeniyle NVIDIA Jetson Nano geliştirme kitini hesaplama modülü olarak kullanmışlardır.
- Hesaplama: Diğer neuromodülasyon cihazlarıyla, örneğin transkraniyal manyetik uyarım (TMS) ve ultrasonik uyarım gibi, arayüz sağlamak için çeşitli giriş/çıkış portlarına sahiptir.
- Uyarım: Gerçek zamanlı ayarlanan, 2 kanallı sabit akım elektrik uyarımı sunmaktadır.
Araştırmacılar, halka açık önceden eğitimli AI model kütüphanelerinin mevcut olması ve özelleştirilmiş AI modelleri için CUDa, cuDNN ve NVIDIA TensorRT gibi çeşitli optimizasyon ve hızlandırma araçları nedeniyle NVIDIA Jetson platformunu tercih etmişlerdir.
Sonuçlar ve Performans
BMINT, bilişsel işlemenin verimliliğini sağlarken, sistem zaman gecikmesini yalnızca 2.829 ± 0.057 ms’ye düşürmeyi başarmıştır. Bu zaman, beyin hastalıkları ile ilişkili beta veya gamma sinir osilasyonları döngülerinden oldukça düşüktür.
Gerçek zamanlı kapalı döngü neuromodülasyonu uygulama sürecinde, BMINT modelinin %96.16 hassasiyet oranı elde etmiştir. 500 saniye boyunca uygulanan çevrimiçi süreçte altı yanlış pozitif tespit edilmiştir, böylece yanlış pozitif oranı yaklaşık %1.42 olarak belirlenmiştir.
Sonuç ve Gelecek Çalışmalar
BMINT, yerel alan potansiyellerinin, ECoG, EEG veya EMG’lerin sinirsel hissini sağlayarak gerçek zamanlı elektrik uyarımını pulse bazında sunma kapasitesine sahiptir. BMINT, 3 ms’nin altında sistem zaman gecikmesi ile makine öğrenimi algoritmalarının verimli bir şekilde uygulandığı bir yapıdır.
Daha fazla bilgi için Beyin-Makine Etkileşimli Neuromodülasyon Araştırma Aracı makalesine ve /gaosiy/research-tool-seizure-detection GitHub reposuna göz atabilirsiniz.
