Title
In-silico модел периферног нерва у циљу планирања интранеуралне стимулације
Creator
Kljajić, Jelena S.
CONOR:
134799369
Copyright date
2024
Object Links
Select license
Autorstvo-Nekomercijalno-Bez prerade 3.0 Srbija (CC BY-NC-ND 3.0)
License description
Dozvoljavate samo preuzimanje i distribuciju dela, ako/dok se pravilno naznačava ime autora, bez ikakvih promena dela i bez prava komercijalnog korišćenja dela. Ova licenca je najstroža CC licenca. Osnovni opis Licence: http://creativecommons.org/licenses/by-nc-nd/3.0/rs/deed.sr_LATN. Sadržaj ugovora u celini: http://creativecommons.org/licenses/by-nc-nd/3.0/rs/legalcode.sr-Latn
Language
Serbian
Cobiss-ID
Theses Type
Doktorska disertacija
description
Datum odbrane: 05.07.2024.
Other responsibilities
Academic Expertise
Tehničko-tehnološke nauke
University
Univerzitet u Beogradu
Faculty
Elektrotehnički fakultet
Alternative title
In-silico modeling methods used for peripheral intraneural stimulation planning
Publisher
[Ј. Кљајић]
Format
XIII, 88 str.
description
Електротехника и рачунарство - Биомедицинско инжењерство / Electrical and Computer Engineering - Biomedical engineering
Abstract (sr)
Ова дисертација бави се развојем нових и унапређењем постојећих техника намењених
за преклиничко планирање електричне интранеуралне стимулације периферних нерава.
Оваква електростимулација намењена је враћању реалистичних сензација из недоста-
јућег екстремитета, а у циљу побољшања квалитета живота појединаца који су доживели
ампутацију.
У оквиру тезе развијен је Електро-неурални модел, који на реалистичан начин репли-
цира интерфејс електрода-нерв и предвиђа активност аксона као одговор на директну
електричну неуростимулацију. Осим карактеристикама ткива, електроде, аксона и ком-
плетног протокола стимулације, овај модел велику пажњу посвећује и унапређењима на
пољу реконструкције нервне геометрије и поштовања комплексности формација унутар
реалног нерва. Предложен модел имплементиран је и верификован кроз ПроприоСтим,
стратегију планирања биомиметичке стимулације у циљу враћања природног осећаја
проприоцепције.
Један од резултата истраживања је и алгоритам који је у стању да на основу неу-
ређеног скупа тачака у 2Д простору успешно препозна и реконструише нервне контуре.
Иновативност овог приступа огледа се у комбиновању непараметарске кластеризације,
проширене адаптивним Калмановим фитром и класификационе методе најближих су-
седа. Предложен приступ показао је супериорност у одређеним аспектима у односу на
постојеће технике. Одређена унапређења и допуне могли би прилагодити овај алгоритам
за употребу и у бројним другим областима где је оваква реконструкција потребна.
Трећи сегмент ове тезе бави се истраживањем феномена сензорне адаптације и разво-
јем методе која би била у стању да исту моделира. На тај начин би се могле предвидети
и, у перспективи, спречити непланиране и нежељене флуктуације у одзиву на задату
директну електричну неуростимулацију.
Abstract (en)
This dissertation deals with the development of new and improvement of existing techniques
designed for preclinical planning of electrical intraneural stimulation of peripheral nerves.
Such electrical stimulation is aimed at restoring realistic sensations from a missing limb, with
the goal of improving the quality of life for individuals who have undergone amputation.
Within the thesis, the Electro-neural model has been developed, realistically replicating
the electrode-nerve interface and predicting axonal activity in response to direct electrical
neurostimulation. In addition to tissue, electrode and axon characteristics, and the complete
stimulation protocol, this model pays significant attention to advancements in nerve geometry
reconstruction and the complexity of formations within a real nerve. The proposed model
has been implemented and verified through ProprioStim, a strategy for planning biomimetic
stimulation to restore a natural sense of proprioception.
One of the research results is an algorithm capable of successfully recognizing and reconstructing
nerve contours based on an unordered set of points in 2D space. The innovation of
this approach lies in the combination of non-parametric clustering, adaptive Kalman filter,
and nearest neighbor classification methods. The proposed approach has shown superiority in
certain aspects compared to existing techniques. Certain refinements and adjustments could
tailor this algorithm for application in various other domains where such reconstruction is
required.
The third segment of this thesis explores the phenomenon of sensory adaptation, aiming
to develop a method capable of modeling it. In this way, it could predict and, in perspective,
prevent unplanned and unwanted fluctuations in response to the given direct electrical neurostimulation
Authors Key words
рачунарско моделирање, неуростимулација, нервна геометрија, неу-
ропростетика, периферни нерви, реконструкција кривих, неорганизоване тачке, сензорна
адаптација, проприоцепција
Authors Key words
computational modeling, neurostimulation, nerve geometry, neuroprosthetics,
peripheral nerves, curve reconstruction, unorganized points, sensory adaptation, proprioception
Classification
621.3.032:612.81(043.3)
004.9(043.3)
Type
Tekst
Abstract (sr)
Ова дисертација бави се развојем нових и унапређењем постојећих техника намењених
за преклиничко планирање електричне интранеуралне стимулације периферних нерава.
Оваква електростимулација намењена је враћању реалистичних сензација из недоста-
јућег екстремитета, а у циљу побољшања квалитета живота појединаца који су доживели
ампутацију.
У оквиру тезе развијен је Електро-неурални модел, који на реалистичан начин репли-
цира интерфејс електрода-нерв и предвиђа активност аксона као одговор на директну
електричну неуростимулацију. Осим карактеристикама ткива, електроде, аксона и ком-
плетног протокола стимулације, овај модел велику пажњу посвећује и унапређењима на
пољу реконструкције нервне геометрије и поштовања комплексности формација унутар
реалног нерва. Предложен модел имплементиран је и верификован кроз ПроприоСтим,
стратегију планирања биомиметичке стимулације у циљу враћања природног осећаја
проприоцепције.
Један од резултата истраживања је и алгоритам који је у стању да на основу неу-
ређеног скупа тачака у 2Д простору успешно препозна и реконструише нервне контуре.
Иновативност овог приступа огледа се у комбиновању непараметарске кластеризације,
проширене адаптивним Калмановим фитром и класификационе методе најближих су-
седа. Предложен приступ показао је супериорност у одређеним аспектима у односу на
постојеће технике. Одређена унапређења и допуне могли би прилагодити овај алгоритам
за употребу и у бројним другим областима где је оваква реконструкција потребна.
Трећи сегмент ове тезе бави се истраживањем феномена сензорне адаптације и разво-
јем методе која би била у стању да исту моделира. На тај начин би се могле предвидети
и, у перспективи, спречити непланиране и нежељене флуктуације у одзиву на задату
директну електричну неуростимулацију.
“Data exchange” service offers individual users metadata transfer in several different formats. Citation formats are offered for transfers in texts as for the transfer into internet pages. Citation formats include permanent links that guarantee access to cited sources. For use are commonly structured metadata schemes : Dublin Core xml and ETUB-MS xml, local adaptation of international ETD-MS scheme intended for use in academic documents.
