- 2 次围观
深部脑刺激（DBS）建模在很大程度上依赖于生物物理神经元模型，以估计神经激活阈值并预测刺激传播范围。在本研究中，我们系统比较了一种被广泛采用的轴突模型——McIntyre-Richardson-Grill（MRG）模型（模型 I）——与一种更为详细的生物物理模型——Cohen 模型（模型 II），以评估结构和电生理差异如何影响预测的 DBS 结果。由 2202 DBS 电极导线产生的电场分布被作为细胞外输入刺激施加于这些神经元模型。在不同的轴突-电极距离、脉冲宽度和刺激频率条件下，对两种模型均进行了双相脉冲刺激模拟。根据刺激参数和接触点位置的不同，激活距离约为 2 至 10 mm。在 2 mA 条件下，模型 I 的激活距离达到 6 mm，而模型 II 达到 10 mm，表明后者具有更高的兴奋性。在匹配的纤维束之间，阈值差异范围为 -1.40 mA 至 0.27 mA，其中在 97.7% 的情况下，模型 II 所需阈值更低。两种模型均显示出脉冲宽度与激活阈值之间存在显著的反向关系。然而，它们对频率的响应存在差异：模型 II 在较高频率下表现出阈值升高，而模型 I 则显示出轻微下降。以距离、脉冲宽度和频率为输入训练的机器学习回归器取得了较高的预测精度，其中梯度提升表现最佳。与模型 I（R^2 = 0.977；RMSE = 0.089 mA；MAE = 0.068 mA）相比，模型 II 展示出更优的预测指标（R^2 = 0.986；RMSE = 0.045 mA；MAE = 0.034 mA）。总体而言，两种模型均能可靠估计 DBS 诱发的激活，但结构差异会显著影响兴奋性及频率依赖性行为。在充分认识各自优势与局限性的前提下，任一模型均可用于推导激活距离，以估计患者特异性 DBS 模拟中的电场等值水平和组织激活体积。
深部脑刺激（DBS）建模在很大程度上依赖于生物物理神经元模型，以估计神经激活阈值并预测刺激扩散范围。在本研究中，我们系统比较了一种被广泛采用的轴突模型——McIntyre-Richardson-Grill（MRG）模型（模型 I）——与一种更为详细的生物物理模型——Cohen 模型（模型 II），以评估结构和电生理差异如何影响对 DBS 结果的预测。
由 2202 DBS 电极导线产生的电场分布被作为细胞外输入刺激施加于神经元模型。两种模型均在双相脉冲刺激条件下进行了模拟，并考察了不同轴突—电极距离、脉冲宽度和刺激频率下的响应。
激活距离约为 2 至 10 mm，具体取决于刺激参数和电极接触点位置。在 2 mA 条件下，模型 I 的激活距离达到 6 mm，而模型 II 达到 10 mm，表明其兴奋性更高。在匹配的纤维束之间，阈值差异范围为 −1.40 mA 至 0.27 mA，其中模型 II 在 97.7% 的情况下所需阈值更低。两种模型均显示出脉冲宽度与激活阈值之间存在显著负相关关系。然而，它们的频率响应存在差异：模型 II 在较高频率下表现出阈值升高，而模型 I 则表现出轻微下降。
以距离、脉冲宽度和频率为输入训练的机器学习回归模型获得了较高的预测精度，其中梯度提升算法表现最佳。与模型 I（R^2 = 0.977；RMSE = 0.089 mA；MAE = 0.068 mA）相比，模型 II 表现出更优的预测指标（R^2 = 0.986；RMSE = 0.045 mA；MAE = 0.034 mA）。
总体而言，两种模型均能可靠地估计 DBS 诱发的激活，但结构差异会显著影响兴奋性及频率依赖性行为。在充分认识各自优势与局限性的前提下，任一模型均可用于推导激活距离，以估计患者特异性 DBS 模拟中的电场等值水平和组织激活体积。
作者声明不存在竞争性利益。
感谢您有意帮助传播 bioRxiv 的相关信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.23.746536v1?rss=1
🏷️ 深部脑刺激 轴突模型 神经激活阈值 电场模拟 机器学习回归