《Biomimetics》:A Dynamic Virtual Channel Approach to Enhance Retinal Prosthetic Precision
Zhengyang Liu,
Tianruo Guo,
Yuyan He,
Shiwei Zheng,
Xiaoyu Song,
Cuixia Dai,
Jiaxi Li,
Xinyu Chai,
Yao Chen and
Liming Li
编辑推荐:
视觉假体旨在通过电刺激存活的视网膜神经元来模拟仿生视觉功能。提高电诱发人工视觉的空间分辨率仍然是视网膜假体的一个关键挑战。研究人员探究了动态虚拟通道(dynamic virtual channel, DVC)参数如何塑造视网膜神经节细胞(retinal gan
视觉假体旨在通过电刺激存活的视网膜神经元来模拟仿生视觉功能。提高电诱发人工视觉的空间分辨率仍然是视网膜假体的一个关键挑战。研究人员探究了动态虚拟通道(dynamic virtual channel, DVC)参数如何塑造视网膜神经节细胞(retinal ganglion cell, RGC)群体对视网膜表面刺激的反应,以改善空间精度和激活效率。研究人员开发了一个计算建模框架,利用分层优化策略量化DVC性能。首先,利用静态虚拟通道(static virtual channel, SVC)映射电流比(α)和刺激强度如何调控RGC激活,定义了最佳的SVC参数空间。在此基础上,通过评估虚拟通道间间隔(ΔT)、α和强度的联合效应来细化DVC方案。该策略显著降低了DVC参数优化的复杂性。在SVC刺激下,增加强度改善了感受野(receptive field, RF)质心随α位移的线性度,而α和强度共同设定了RF质心位置和激活区域。在DVC刺激下,ΔT强烈调节RGC激活,尤其是在短间隔时。从SVC优化参数初始化后,调节ΔT和强度比SVC产生了更受限的激活和更低的刺激强度,表明DVC可作为一种新的刺激策略来增强视网膜刺激的空间精度和激活效率。本研究提供了首个关于视网膜DVC刺激的系统分析,并为下一代假体提供了实用的优化框架。
该研究针对视网膜假体空间分辨率不足的核心问题,通过引入时间维度的动态调控,系统探讨了动态虚拟通道(Dynamic Virtual Channel, DVC)对视网膜神经节细胞(Retinal Ganglion Cell, RGC)群体激活特性的影响。研究人员构建了结合有限元电场模拟与多 compartment Hodgkin-Huxley 类型 RGC 模型的跨尺度计算框架,在 150 × 150 μm 区域内模拟了 964 个 RGC 的空间响应。研究采用双相平衡脉冲刺激,通过两步优化策略——首先优化静态虚拟通道(Static Virtual Channel, SVC)的电流比(α)与强度以获得线性感受野(Receptive Field, RF)质心位移,进而以此为基础引入虚拟通道间间隔(ΔT)作为额外自由度优化 DVC 参数,最终实现了在较低刺激强度下获得更聚焦的 RGC 群体激活。相关成果发表在《Biomimetics》期刊。
关键技术方法概述
研究人员利用 COMSOL Multiphysics 建立包含玻璃体、多层视网膜及电极的有限元模型计算电场分布;在 NEURON 环境中构建包含轴突各段及树突的 RGC 电生理模型,整合钠、钾、钙等多种离子通道动力学。刺激范式上,定义了由相邻 α 值组成的 DVC 对(DVCP),并通过椭圆拟合算法量化激活的 RGC RF 区域面积及质心位置,以此作为评估空间精度的主要指标。
研究结果
3.1. 选定电极参数下的单峰电场分布及 SVC 下的群体激活阈值
通过有限元建模发现,在特定电极直径(20 μm)、边缘间距(50 μm)及电极-视网膜距离(50 μm)下,SVC 刺激可在神经节细胞层(GCL)表面产生单峰电位分布,其峰值位置随 α 从 0 到 1 变化而从电极 E2 平滑移至 E1。RGC 群体激活阈值呈高斯分布,在 α=0.5 时最高,且与电场峰值幅度呈线性相关。
3.2. SVC 下刺激强度与 α 共同塑造激活的 RGC RF 空间分布
研究发现,在 SVC 模式下,激活的 RGC RF 面积随 α 增加呈先增后减趋势,在 α=0.5 时达到最大。RF 质心位置随 α 增加而向 E1 移动,在低强度(1.2×阈值)下呈 S 型曲线,而在较高强度(1.3×阈值)下更接近线性。刺激强度不仅影响质心位移的线性度,还显著扩大激活区域,二者存在权衡关系。
3.3. SVC 刺激下的优化刺激性能
基于上述发现,研究人员提出了一种同时优化 α 和强度的策略,旨在实现 RF 质心在电极间线性位移同时保持激活面积一致。结果显示,在目标 RF 面积为 3000、4500 及 5500 μm2的条件下,均能获得质心位置接近等分线且面积差异小于 200 μm2的优化参数组合,其中 3000 μm2组表现出最高的潜在分辨率。
3.4. DVC 刺激的基线参数定义
为降低 DVC 参数(α、强度、ΔT)联合优化的维度灾难,研究选取表现最佳的 SVC 参数(3000 μm2组)作为 DVC 的基线强度(IBi),并由此定义了三个相邻的 DVCP(α1-α2, α2-α3, α3-α4),将问题简化为在固定 α 对的情况下仅优化 ΔT 和强度。
3.5. 使用 SVC 优化参数作为 DVC 初始化的机制原理
这种两步优化策略在机制上是合理的,因为 SVC 参数主要决定激活的空间特征(质心与面积),而 ΔT 主要调节膜电位的时间整合。模拟显示 DVC 下的 RF 质心始终被限制在对应 SVC 定义的并集空间包络内,且位移线性度保持良好(R2> 0.9)。
3.6. DVC 刺激下的刺激性能
DVC 阈值(DTH)随 ΔT 增加呈三相变化:初始轻微下降(0.3–0.7 ms 最低),随后明显上升,最终在 >100 ms 时稳定于构成该 DVCP 的 SVC 阈值水平。在短 ΔT 下,利用膜电位的时间总和效应,亚阈值 VC 对即可激活 RGC。激活的 RF 面积同样表现出对 ΔT 的非单调依赖:在 ΔT 为 0.3–2 ms 时增加,随后急剧下降至稳定值。这种调制范围受刺激强度和 α 对的影响,且在中等强度下最为显著。通过调节 ΔT 和强度,RF 面积可在宽动态范围内被调控,且 DVCP2表现出最宽的调制容量。
3.7. DVC 刺激下的优化刺激性能
进一步联合优化 ΔT 和强度,研究人员成功实现了目标 RF 面积为 1600 和 3000 μm2的 DVC 配置。优化后的参数(如 0.88~0.91 × IBi强度配合 20~30 ms ΔT)能产生面积高度一致(如 1584 μm2± 43 μm2)且质心线性位移优异(R2> 0.98)的激活模式。重要的是,达到相同或更优空间精度时,DVC 所需的刺激强度显著低于最佳 SVC,证明了其在电荷效率和空间聚焦上的优势。
讨论与结论总结
讨论部分总结
研究人员指出 DVC 将虚拟通道范式从静态独立刺激扩展到具有时间结构的序列刺激,首次在 RGC 群体水平上系统分析了时间间隔(ΔT)的调制作用。研究发现 ΔT 是一个强有力的控制维度,短间隔下的时间总和效应可降低激活阈值并扩大激活区,而较长的 ΔT 则使激活收敛于两个 SVC 的并集。与 SVC 相比,DVC 通过联合调节强度和 ΔT,能在更低阈值下实现更紧凑的 RF 激活(如 1584 ± 43 μm2vs SVC 的 3036 ± 57 μm2),这并非单纯由 ΔT 引起,而是参数空间扩展带来的综合效益。该方法学上将刺激范式推进至更接近临床实际的序列调制,且 DVC 作为软件定义策略无需硬件改动,具有极高的临床转化潜力。此外,研究还进行了 SWOT 分析,指出了 DVC 在利用 RGC 时间整合特性、兼容现有硬件方面的优势,以及参数优化复杂、缺乏实验验证等局限。
结论部分翻译
这项工作建立了一个优化 DVC 刺激的概念框架,作为通向高分辨率视网膜假体策略的途径。与激活模式主要由刺激强度和电流比决定的 SVC 刺激不同,DVC 的性能除了刺激强度和电流比之外还对时间动态高度敏感。特别是,连续 VC 之间的刺激间隔(inter-stimulus interval)显著塑造了 RGC 激活的空间范围和聚焦度,尤其是在电场时间重叠变得显著的较短间隔时。通过系统地细化 ΔT 和刺激幅度,DVC 范式可被设计用来引发在空间上更具选择性、能量效率更高的群体反应,从而更好地近似生理募集,进而提升人工视觉系统的精度和功能性保真度。