癌症是人们一直面临的致命疾病之一。每年,无数人因癌症诊断晚或治疗不当而死亡。神经胶质瘤是最常见的原发性脑肿瘤之一,具有不同的侵袭性和亚区域,会影响患病风险。尽管基于多模态磁共振成像 (MRI) 预测总体生存率具有挑战性,但在本研究中,我们评估了肿瘤的位置特征是否以及如何影响总体生存率预测。这种方法是独立评估的,并与放射学特征相结合。该过程是在一组包含胶质母细胞瘤患者 MRI 图像的数据集上进行的。为了评估切除状态的影响,将数据集分为两组,患者被报告为大体全切除和未知切除状态。然后,使用不同的机器学习算法来评估位置特征与总体生存率之间的关联。回归模型的结果表明,基于位置的特征对患者的总体生存率有相当大的独立影响。此外,分类器模型显示,通过将基于位置的特征添加到放射学特征中,预测准确性有所提高。
恢复无法说话或移动的患者的沟通能力是解码脑电波以进行脑机接口 (BCI) 控制的主要目标之一。许多用于通信的 BCI 方法依赖于对视觉刺激的注意,通常采用一种奇怪的范式,并且需要眼球运动和足够的视力。然而,依赖 BCI 通信的患者可能缺乏这些能力。因此,我们开发了一种基于响应的通信 BCI,它独立于凝视转移,但利用注意力向左或右视野的隐性转移。我们从 29 个通道记录了脑电图 (EEG),并联合记录了垂直和水平眼电图。使用 14 个后通道对半球之间基于注意力的细微差异(也称为 N2pc)进行数据驱动解码,这些后通道有望反映视觉空间注意力的相关性。 18 名健康参与者通过秘密地将注意力集中在两个彩色符号(绿叉和红叉分别代表“是”和“否”)之一上,同时保持视线集中在中央,从而对 120 条语句做出了回应。在所有参与者中,平均有 88.5%(标准差:7.8%)的回应被在线正确解码。为了研究刺激特征对准确性的潜在影响,我们通过改变符号大小和偏心率,以不同的视角呈现符号。离线分析显示,刺激特征对 BCI 的可控性影响微乎其微。因此,我们通过新方法表明,对彩色符号的空间注意是一种控制 BCI 的强大方法,它有可能支持眼球运动受损和视力低下的严重瘫痪患者与周围环境进行交流。