@phdthesis{Ecole1878,
           month = {septembre},
           title = {The Effects of Intracortical Microstimulation Parameters on Neural Responses},
          school = {{\'E}cole Polytechnique de Montr{\'e}al},
          author = {Meghan Chelsea Watson},
            year = {2015},
             url = {http://publications.polymtl.ca/1878/},
        abstract = {R{\'E}SUM{\'E} Les microstimulations de tissues nerveux du cerveau sont utilis{\'e}s dans un grand nombre de proth{\`e}ses sensorielles, de th{\'e}rapies cliniques et autres activit{\'e}s de recherche se servant de la stimulation {\'e}lectrique. Actuellement, les param{\`e}tres de stimulation sont adapt{\'e}s {\`a} chaque application via des tests it{\'e}ratifs. Les m{\'e}thodes d'optimisation cherchent {\`a} am{\'e}liorer les stimuli d{\'e}velopp{\'e}s pour des objectifs sp{\'e}cifiques de stimulation, mais la compr{\'e}hension fondamentale de la fa{\c c}on dont les param{\`e}tres de stimulation influencent les circuits neuronaux qu?ils activent reste largement incompl{\`e}te. Ce d{\'e}ficit retarde l'optimisation de protocoles existants et rend le d{\'e}veloppement de nouvelles applications de stimulation difficile. {\`A} ce jour, un certain nombre de dispositifs proth{\'e}tiques valid{\'e}s d{\`e}s les ann{\'e}es 1970 restent en d{\'e}veloppement, principalement en raison de l'incapacit{\'e} de ces dispositifs {\`a} communiquer efficacement avec le cerveau. Pour utiliser la stimulation {\'e}lectrique afin de transmettre des messages au syst{\`e}me nerveux central, une meilleure conception du patron du signal de stimulation est n{\'e}cessaire. Dans cette th{\`e}se, nous {\'e}tudions l'influence que chaque param{\`e}tre du signal (un courant constant, sym{\'e}trique carr{\'e} biphasique) exerce sur les r{\'e}ponses qu'il {\'e}voqu{\'e}es au travers des microstimulations de la zone intracorticale caudale du membre ant{\'e}rieur dans le cortex moteur chez le rat. Les param{\`e}tres de ce signal sont l'amplitude du courant, la fr{\'e}quence et la dur{\'e}e d'impulsion, l?intervalle d'interphase et la dur{\'e}e du train. Leurs effets ont {\'e}t{\'e} {\'e}valu{\'e}s par un examen des r{\'e}ponses {\'e}lectromyographiques {\'e}voqu{\'e}es dans les muscles des membres ant{\'e}rieurs du rat en r{\'e}ponse {\`a} chaque stimulus.  Les principaux r{\'e}sultats d{\'e}crivent comment chaque param{\`e}tre de stimulation influence l'amplitude, la latence d?apparition et la dur{\'e}e de la r{\'e}ponse. Une composante jusque-l{\`a} inexplor{\'e}e du signal de la r{\'e}ponse (que nous appelons 'activation r{\'e}siduelle') est aussi analys{\'e}e pour la premi{\`e}re fois. Les th{\'e}ories quant {\`a} l'origine et le m{\'e}canisme neuronal sous-jacent de ce ph{\'e}nom{\`e}ne sont propos{\'e}s et les param{\`e}tres de stimulation touchant son apparition, la pr{\'e}valence et la dur{\'e}e sont d{\'e}crits. La fiabilit{\'e} des signaux de stimulation pour {\'e}voquer des r{\'e}ponses coh{\'e}rentes est {\'e}galement {\'e}valu{\'e}e par rapport aux variations de param{\`e}tres. Une m{\'e}thodologie pour la conception optimis{\'e}e des signaux de stimulation est propos{\'e}e en utilisant un mod{\`e}le de calcul simple, repr{\'e}sentant les relations d'entr{\'e}e-sortie entre les param{\`e}tres de stimulation et les r{\'e}ponses qu'ils {\'e}voquent. Ce mod{\`e}le utilise une approche de r{\'e}seau neuronal artificiel et peut {\^e}tre utilis{\'e} pour pr{\'e}dire les propri{\'e}t{\'e}s de la r{\'e}ponse lorsque les param{\`e}tres du stimulus sont connus. Compte tenu de la pr{\'e}valence de la stimulation c{\'e}r{\'e}brale dans les applications cliniques, de recherche et th{\'e}rapeutiques, les proc{\'e}dures m{\'e}thodologiques et de mod{\'e}lisation propos{\'e}es ont des implications importantes dans l'optimisation des paradigmes de stimulation actuels et le d{\'e}veloppement de protocoles de stimulation pour de nouvelles applications.
----------ABSTRACT Microstimulation of brain tissue plays a key role in a variety of sensory prosthetics, clinical therapies and research applications. At present, stimulus parameters are tailored to each application via iterative testing. Computational optimization methods seek to improve tried and tested waveforms developed for specific purposes, however the fundamental understanding of how stimulation parameters influence the neural circuits they activate remains widely unknown. This deficit hinders both the optimization of existing protocols and the development of new stimulation applications. To date, a number of prosthetic devices validated as early as the 1970?s linger in the development stages largely due to the inability to effectively interface these devices with the brain. In order to use electrical stimulation to convey messages to the central nervous system, a better understanding of stimulus signal design is required. In this thesis, I investigate the influence that each parameter of the constant-current, symmetric, biphasic square waveform exerts on the responses it evokes through intracortical microstimulation of the caudal forelimb area of the rat motor cortex. The parameters under investigation include the current amplitude, pulse frequency, pulse duration, interphase interval and train duration of the stimulus and effects were assessed by examining the electromyographic responses evoked in the rat forelimb muscles in response to each stimulus. The major findings describe how each parameter of the stimulus signal influences the magnitude, onset latency, and duration of the response. A previously unexplored component of the response signal (which we called ?residual activation?) is analyzed for the first time. Hypotheses as to the origin and underlying neural mechanism of this phenomenon are proposed and the stimulus parameters affecting its occurrence, prevalence and duration are described. The reliability of stimulation signals for evoking consistent responses is also assessed with respect to parameter variations. A methodology for the informed design of stimulation signals is proposed and aided by the development of a simple computational model representing the input-output relationships between stimulation parameters and the responses they evoke. This model uses an artificial neural network approach and can be used to predict the properties of the response when the parameters of the stimulus are known. Given the prevalence of brain stimulation in clinical, research and therapeutic applications the proposed methodological and modeling procedures have important implications in the optimization of current stimulation paradigms and the development of stimulation protocols for new applications.}
}