23020

مدل‌سازي، پيش‌بيني و كنترل صرع با بهره‌گيري از تئوري‌هاي ديناميك غير‌خطي و كنترل

دكتري تخصصي

طراحي كاربردي - ارتعاشات و كنترل

1393-1399

1399/9/26

دكتر اميرحسين دوائي مركزي

مكانيك

حدود يك درصد از جمعيت جهان به بيماري صرع مبتلا هستند و از اين ميان، نزديك به يك سوم آنها به درمان‌هاي دارويي مقاومند. يك راهكار نوين، كنترل بيماري صرع به كمك روش‌هاي تحريك عصبي است. اين رساله در نظر دارد تا با مدل‌سازي حملات صرعي، توسعه يك الگوريتم پيش‌بيني و پيشنهاد يك روش كنترلي جهت بهينه‌سازي روش‌هاي تحريك عصبي بازدارنده تشنج، گامي در جهت كمك به بيماران صرعي بردارد. توصيف ديناميك مغز از ديدگاه سيستم‌هاي ديناميكي مي‌تواند به درك بهتري از رفتارهاي پيچيده مغز از جمله حملات صرعي منجر شود. لذا در اين رساله پس از معرفي و بيان پيشينه تحقيق، ابتدا رفتار ديناميكي يك مدل برهمكنش قشرمغز و تالاموس بررسي مي‌شود. اين مدل شامل ورودي‌هاي حسي و ورودي‌هاي قشر مغز است كه مي‌توانند رفتار ديناميكي مدل را تحت تاثير قرار دهند. با توجه به ايده نگاه به تشنج‌ها به عنوان يك پديده رزونانسي، پاسخ مدل در اثر تحريكات هارمونيك مختلف مورد توجه قرار گرفته تا اثر فركانس و شدت تحريك بر سيگنال‌ قشر مغزي مشخص گردد. نشان داده مي‌شود كه امكان جهش دامنه نوسانات و هيسترزيس در اثر خميدگي منحني پاسخ فركانسي وجود دارد. نتايج حاصل از اين مطالعه ايده گذار بين حالت تشنج و حالت عادي در بيماران مبتلا به صرع در اثر رزونانس غيرخطي مغز را تقويت مي‌كند. با توجه به اين ايده در فصل بعد به منشا ديناميكي الگوي اسپايك-موج در مغز پرداخته مي‌شود. اين الگو، ويژگي متمايز سيگنال‌هاي مغزي در تعدادي از اختلالات صرعي مغز از جمله صرع غائب كودكان و صرع حساس به نور است. در اين قسمت اين تئوري مطرح مي‌شود كه اين‌گونه تشنج‌ها را نيز مي‌توان از ديدگاه ديناميكي بجاي يك سيكل حدي، يك پديده رزونانسي در نظر گرفت. بر اين اساس و به كمك مفهوم رزونانس اتفاقي، يك مدل محاسباتي ارائه مي‌شود كه مي‌تواند گذار خود به خود بين حالت‌هاي طبيعي و تشنج مغز را شبيه‌سازي كند. همچنين به كمك اين مدل سعي مي‌شود تا برخي يافته‌هاي آزمايشگاهي و باليني تفسير شوند. افزون بر اين، بر اساس نتايج اين قسمت، يك مدل تالاموكورتيكال توسعه مي‌يابد كه مي‌تواند پاسخ ناهنجار مغز به محرك‌هاي متناوب بصري در بيماران مبتلا به صرع حساس به نور را شبيه‌‌سازي كند. در ادامه، بر پايه معيارهايي كه از قسمت مدل‌سازي استخراج مي‌شود، الگوريتمي جهت پيش‌بيني تشنج‌ها ارائه و كارآيي آن با استفاده از داده‌هاي سيگنال‌هاي مغزي چهارده بيمار، نشان داده مي‌شود. در نهايت مدل ارائه شده براي شبيه‌سازي تشنج، به گونه‌اي توسعه داده مي‌شود كه بتوان سيگنال‌هاي مغزي واقعي را به عنوان ورودي به آن اعمال كرد. با اضافه كردن ورودي كنترلي به اين مدل، اثر پارامترهاي كنترل حلقه باز شامل فركانس و دامنه تحريك‌هاي پالسي بررسي شده و در انتها يك روش كنترل حلقه بسته كه كارآيي بسيار بهتري از نظر تلاش كنترلي نسبت به كنترل حلقه باز دارد؛ ارائه شده است. اين كاهش در مصرف انرژي از لحاظ عملي داراي اهميت است و عوارض جانبي تحريك الكتريكي را كاهش و عمر باتري در محرك‌‌هاي كاشتني در مغز را افزايش مي‌دهد.

1399/10/19

Modeling, prediction and control of epileptic seizures using nonlinear dynamical systems and control theories

12/17/2021 12:00:00 AM

About one percent of the world's population has epilepsy, and about a third of them are resistant to drug therapy. A new way is to control epilepsy with the help of neurostimulation methods. This dissertation intends to take a step towards helping epileptic patients by modeling epileptic seizures, developing a prediction algorithm, and proposing a control method for optimizing nerve stimulation techniques. Increasing evidence suggests that the brain dynamics can be interpreted from the viewpoint of dynamical systems. Therefore, in this dissertation, after the introduction and literature review, first, dynamic behavior of a thalamocortical is investigated. The model includes both cortical and sensory inputs that can affect the dynamic nature of the model. Driving response of the model subjected to various harmonic stimulations is considered to identify the effects of stimulus parameters on the cortical output. The amplitude jump phenomena and hysteresis are shown to be possible as a result of the bending in the frequency response curve. These results suggest that the jump phenomenon due to the brain nonlinear resonance can be responsible for the transitions between ictal and interictal states. According to this idea, in the next chapter, the dynamic origin of the spike-wave pattern in the brain is investigated. This pattern is a distinctive feature of brain signals in a number of epileptic brain disorders, including absent epilepsy in children and photosensitive epilepsy. The main proposition of this chapter is that epileptic seizures could be interpreted as a resonance phenomenon rather than a limit cycle behavior and spike and wave discharges during epileptic seizures can be explained as a resonance phenomenon in a nonlinear system. Based on the computational results and the concept of stochastic resonance, a model for absence epilepsy is presented which can simulate spontaneous transitions between ictal and interictal states. This model is also used to explain some experimental and clinical findings. In addition, based on the results of this section, a thalamocortical model is developed that can simulate the abnormal response of the brain to intermittent visual stimuli in patients with photosensitive epilepsy. In the following, based on the criteria extracted from the modeling section, an algorithm for predicting seizures is presented and its efficiency is shown using the brain signals of fourteen patients. Finally, the proposed model for seizure simulation is developed in such a way that real brain signals can be applied as input to the model. By applying a control signal to the model, a wide range of stimulation amplitudes and frequencies are systematically explored. Simulation results reveal that HFS can effectively suppress the seizure-like activity. Furthermore, a closed loop control strategy is proposed, which requires much less control effort for blocking abnormal activity of the model output. Such an energy reduction could be of practical importance, to reduce possible side effects and increase battery life for implanted neurostimulators.

صرع , تشنج , مدل توده عصبي , ديناميك غيرخطي , تحريك فركانس بالا , كنترل‌حلقه بسته

epilepsy , seizure , neural mass model , nonlinear dynamics , high frequency stimulation , closed loop control