deep brain stimulation
PulseAugur coverage of deep brain stimulation — every cluster mentioning deep brain stimulation across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的核磁共振成像框架模拟纵向大脑衰老速度
研究人员开发了Brain-PACE，一个新颖的深度西蒙核磁共振成像框架，用于模拟纵向脑加速。这种新方法直接从成对的核磁共振成像扫描中估计结构性大脑衰老的速率，比从重复的横断面估计中进行的间接计算提供了更直接的方法。Brain-PACE识别出相当一部分轻度认知障碍患者存在加速衰老，并且与神经退化的临床和生物标志物的关联比以前的方法更强。
-
新的L1L1方法优化脑深部电刺激电极配置
研究人员开发了一种名为L1L1的新型元启发式方法，用于优化定向脑深部电刺激（DBS）的电极配置。该方法解决了电极放置和组织特性不确定性带来的复杂性。L1L1方法在嘈杂条件下尤其表现出产生稀疏和空间选择性刺激模式的能力，优于传统的互易原理和Tikhonov正则化最小二乘法等方法。
-
神经形态控制器为帕金森病提供节能自适应DBS
研究人员开发了一种新颖的神经形态硅神经元控制器，名为SiLIF-DBS，用于帕金森病患者的自适应脑深部刺激（aDBS）。该控制器采用CMOS技术实现，旨在通过跟踪症状波动，为DBS提供更智能、更节能的解决方案。在模拟中，SiLIF-DBS控制器能有效抑制大脑中的病理性β活动，同时比传统的开环刺激方法消耗的能量显著减少。
-
神经形态学习将脑深部电刺激能耗降低 80%
研究人员开发了一种用于自适应脑深部电刺激 (DBS) 的节能学习方法，以治疗帕金森病。该方法将执行器的能耗直接纳入强化学习奖励中，从而优化了刺激能耗和推理效率。在电路模型上训练的深度脉冲 Q 网络在与连续 DBS 相比，在减少病理性振荡方面实现了 45.2% 的降低，同时将刺激电荷降低了 80.0%。该策略被压缩到 SynSense XyloAudio 3 神经形态处理器上，实现了比传统硬件显著更低的能耗。
-
新的 Bandit 算法应对对抗性攻击和复杂应用
研究人员正在探索 Bandit 算法的新前沿，重点关注其在复杂场景中的应用和鲁棒性。一篇论文研究了高维离线 Bandit 上的对抗性攻击，揭示了用于评估生成式 AI 的奖励模型的漏洞。其他研究深入探讨了理论进展，例如方差敏感 Thompson 采样、重试感知 Bandit 的有限时间遗憾分析以及对抗性线性上下文 Bandit 的改进算法。此外，还有研究考察了 Bandit 在潜在状态环境、具有延迟反馈的决斗 Bandit，甚至深度脑刺…
-
CEO们接受战争、通胀和AI作为常态，优先考虑灵活性
商界领袖越来越将战争、通胀和人工智能等挑战视为全球格局的永久性特征，而非暂时性危机。这种视角转变需要对商业战略进行根本性重新定义，强调“最大程度的灵活性”以应对不断变化的供应链、网络威胁和消费者行为。这种新常态要求在长期规划中采取积极主动和适应性的方法。