Machine learning enables non-Gaussian investigation of changes to peripheral nerves related to electrical stimulation.
Machine learning enables non-Gaussian investigation of changes to peripheral nerves related to electrical stimulation.
复制标题
机器学习能够对与电刺激相关的周围神经的变化进行非高斯调查。
DOI：
10.1038/s41598-024-53284-w
复制
发表时间：
2024-02-02
影响因子：
4.6
通讯作者：
中科院分区：
文献类型：
--
作者：
周围神经系统（PNS）的电刺激对于许多疾病的治疗性处理变得越来越重要。因此，随着周围神经越来越成为电刺激的目标，确定电刺激如何以及何时导致神经组织的解剖学变化是至关重要的。我们在这里介绍了一个卷积神经网络和支持向量机的细胞分割和分析的组织学样本的大鼠坐骨神经刺激不同的电流强度。我们描述的方法和目前的结果，突出了该方法的有效性：机器学习实现了高效的神经测量收集，而多变量分析揭示了神经解剖结构的显着变化，即使受到根据香农电流限制被认为是安全的刺激水平。
Electrical stimulation of the peripheral nervous system (PNS) is becoming increasingly important for the therapeutic treatment of numerous disorders. Thus, as peripheral nerves are increasingly the target of electrical stimulation, it is critical to determine how, and when, electrical stimulation results in anatomical changes in neural tissue. We introduce here a convolutional neural network and support vector machines for cell segmentation and analysis of histological samples of the sciatic nerve of rats stimulated with varying current intensities. We describe the methodologies and present results that highlight the validity of the approach: machine learning enabled highly efficient nerve measurement collection, while multivariate analysis revealed notable changes to nerves’ anatomy, even when subjected to levels of stimulation thought to be safe according to the Shannon current limits.
登录
查看更多内容
DOI：
10.1002/jbm.b.31223
发表时间：
2009-05
期刊：
Journal of biomedical materials research. Part B, Applied biomaterials
影响因子：
--
作者：
Cogan SF;Ehrlich J;Plante TD;Smirnov A;Shire DB;Gingerich M;Rizzo JF
通讯作者：
Rizzo JF
影响因子：
64.8
作者：
Harris CR;Millman KJ;van der Walt SJ;Gommers R;Virtanen P;Cournapeau D;Wieser E;Taylor J;Berg S;Smith NJ;Kern R;Picus M;Hoyer S;van Kerkwijk MH;Brett M;Haldane A;Del Río JF;Wiebe M;Peterson P;Gérard-Marchant P;Sheppard K;Reddy T;Weckesser W;Abbasi H;Gohlke C;Oliphant TE
通讯作者：
Oliphant TE
影响因子：
4.5
作者：
Johnson RL;Wilson CG
通讯作者：
Wilson CG
影响因子：
5.3
作者：
Duncan, Ian D.;Radcliff, Abigail B.
通讯作者：
Radcliff, Abigail B.
影响因子：
4
作者：
McCreery D;Pikov V;Troyk PR
通讯作者：
Troyk PR