Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > Machine learning for adaptive deep brain stimulation in Parkinson's disease: closing the loop

Publicações

Machine learning for adaptive deep brain stimulation in Parkinson's disease: closing the loop

Título
Machine learning for adaptive deep brain stimulation in Parkinson's disease: closing the loop
Tipo
Artigo em Revista Científica Internacional
Ano
2023
Autores
Oliveira, AM
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Coelho, L
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Carvalho, E
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Ferreira Pinto, MJ
(Autor)
FMUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Ver página do Authenticus Sem ORCID
Vaz, R
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Revista
Título: Journal of NeurologyImportada do Authenticus Pesquisar Publicações da Revista
Vol. 270
Páginas: 5313-5326
ISSN: 0340-5354
Editora: Springer Nature
Outras Informações
ID Authenticus: P-00Y-V78
Resumo (PT):
Abstract (EN): Parkinson's disease (PD) is the second most common neurodegenerative disease bearing a severe social and economic impact. So far, there is no known disease modifying therapy and the current available treatments are symptom oriented. Deep Brain Stimulation (DBS) is established as an effective treatment for PD, however current systems lag behind today's technological potential. Adaptive DBS, where stimulation parameters depend on the patient's physiological state, emerges as an important step towards smart DBS, a strategy that enables adaptive stimulation and personalized therapy. This new strategy is facilitated by currently available neurotechnologies allowing the simultaneous monitoring of multiple signals, providing relevant physiological information. Advanced computational models and analytical methods are an important tool to explore the richness of the available data and identify signal properties to close the loop in DBS. To tackle this challenge, machine learning (ML) methods applied to DBS have gained popularity due to their ability to make good predictions in the presence of multiple variables and subtle patterns. ML based approaches are being explored at different fronts such as the identification of electrophysiological biomarkers and the development of personalized control systems, leading to effective symptom relief. In this review, we explore how ML can help overcome the challenges in the development of closed-loop DBS, particularly its role in the search for effective electrophysiology biomarkers. Promising results demonstrate ML potential for supporting a new generation of adaptive DBS, with better management of stimulation delivery, resulting in more efficient and patient-tailored treatments.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 14
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Da mesma revista

Therapeutic ancillary examinations in clinical neurology (2024)
Outra Publicação em Revista Científica Internacional
Araújo, R; Noyce, AJ; Bloem, BR
Successful pallidal deep brain stimulation in 15-year-old with Tourette syndrome: 2-year follow-up (2013)
Outra Publicação em Revista Científica Internacional
João Massano; Sousa, C; Foltynie, T; Zrinzo, L; Hariz, M; Vaz, R
PROBABLE EXACERBATION OF MYASTHENIA-GRAVIS BY OFLOXACIN (1993)
Outra Publicação em Revista Científica Internacional
AZEVEDO, E; RIBEIRO, JA; POLONIA, J; PONTES, C
Diagnostic investigation and multidisciplinary management in motor neuron disease (2005)
Outra Publicação em Revista Científica Internacional
Rocha, JA; Reis, C; Simoes, F; Fonseca, J; Ribeiro, JM

Ver todas (19)

Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Direito da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-09-08 às 22:36:47 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico