---
type: "NewsArticle"
title: "نموذج ذكاء اصطناعي أعاد بناء إشارات الدماغ العميقة من تسجيلات القشرة لأبحاث التحفيز العميق"
description: "اختبر تحليل متعدد المراكز لتسجيلات أشخاص باضطرابات حركية ما إذا كان نموذج توليدي يستطيع استنتاج النشاط تحت القشري من إشارات القشرة لسد فجوات بيانات التحفيز المغلق الحلقة."
resource: "https://nootropikler.com/ar/news/deep-learning-subcortical-signal-reconstruction-dbs"
tags: ["علم الأعصاب", "بحث", "تحفيز الدماغ"]
timestamp: 2026-10-05T14:45:43Z
language: "ar"
---

# نموذج ذكاء اصطناعي أعاد بناء إشارات الدماغ العميقة من تسجيلات القشرة لأبحاث التحفيز العميق

اختبر تحليل متعدد المراكز لتسجيلات أشخاص باضطرابات حركية ما إذا كان نموذج توليدي يستطيع استنتاج النشاط تحت القشري من إشارات القشرة لسد فجوات بيانات التحفيز المغلق الحلقة.

Author: فريق تحرير Nootropik News
Published: 2026-10-05T14:45:43Z
Update: 2026-10-05T14:45:43Z
News/source date: 2026-09-01
Production: AI-assisted sourced summary and translation; no independent medical expert review is claimed.

## تصميم الدراسة

طور الباحثون إطار تعلم عميق يجمع المعالجة الطيفية ونماذج الانتشار التوليدية لاستنتاج تسجيلات الدماغ العميقة من تخطيط كهربية القشرة. وقيموه باستخدام 723 ساعة من التسجيلات القشرية وتحت القشرية المتزامنة من 49 مريضًا في ثلاثة مراكز، عبر أهداف وسلوكيات وحالات دوائية وظروف تحفيز متعددة.

## ما الذي تظهره النتائج؟

أعاد النموذج بناء الإشارات تحت القشرية في الظروف المختبرة واحتفظ بسمات مثل دفعات بيتا المرتبطة بشدة الأعراض الحركية. واختبر المؤلفون أيضًا ما إذا كانت الإشارات المستنتجة تساعد في تحديد حالة الدماغ عند انقطاع التسجيل العميق المباشر. وقد يساعد النهج في تعويض البيانات المفقودة في أبحاث التحفيز التكيفي.

## الحدود

كان هذا تقييمًا استعاديًا لنموذج باستخدام تسجيلات سريرية قائمة. الإشارات المعاد بناؤها تقديرات وليست قياسات مباشرة، ولا تظهر الدراسة أن نظام تحفيز عميق يتحكم فيه الذكاء الاصطناعي يحسن نتائج المرضى. ويلزم التحقق في استخدام سريري مستقبلي.

## Sources

- [Generative deep learning reconstructs subcortical neural signals from cortical recordings for closed-loop brain stimulation](https://www.nature.com/articles/s41746-026-03173-5) — 2026-09-01
