Los puntos clave no están disponibles para este artículo en este momento.
Resumen Objetivo. Las prótesis retinianas utilizan corriente eléctrica para activar neuronas de la retina interna, proporcionando visión artificial a personas ciegas. La estimulación epirretinal se dirige principalmente a las células ganglionares de la retina (RGC), que se pueden modelar con ecuaciones de cable. Los modelos computacionales ofrecen una herramienta para investigar los mecanismos de activación retiniana y mejorar los paradigmas de estimulación. Sin embargo, la documentación sobre la estructura y los parámetros del modelo de RGC es limitada, y la implementación del modelo puede influir en las predicciones. Enfoque. Creamos una guía funcional para construir un modelo de cable multicompartmental de RGC de mamífero y aplicar estímulos extracelulares. A continuación, investigamos cómo la forma tridimensional de la neurona influye en las predicciones del modelo. Finalmente, probamos varias estrategias para maximizar la eficiencia computacional. Resultados principales. Realizamos análisis de sensibilidad para examinar cómo la representación de las dendritas, la trayectoria del axón y el diámetro del axón influyen en la dinámica de la membrana y los umbrales de activación correspondientes. Optimizamos la discretización espacial y temporal de nuestro modelo de cable multicompartmental. También implementamos varias teorías simplificadas de predicción de umbrales basadas en la función de activación, pero estas no coincidieron con la precisión de predicción lograda por las ecuaciones de cable. Significado. A través de este trabajo, proporcionamos orientación práctica para modelar la estimulación extracelular de las RGC para producir predicciones fiables y significativas. Los modelos computacionales robustos sientan las bases para mejorar el rendimiento de las prótesis retinianas.
Kish et al. (Mon,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: