XiaoMi-AI文件搜索系统
World File Search SystemBeta2
Rio-Bermudez.大脑皮层.2020.pdf - Blumberg 实验室
主动睡眠 (AS) 为同步皮质和皮质下结构内及之间的神经活动提供了独特的发展环境。在一周大的大鼠中，肌阵挛性抽搐的感觉反馈（AS 的特征性相位运动活动）会促进海马体和红核（中脑运动结构）中相干的 θ 振荡 (4-8 Hz)。抽搐的感觉反馈还会以纺锤波爆发的形式触发感觉运动皮质中的节律活动，纺锤波爆发是由 θ、α/β（8-20 Hz）和 β2（20-30 Hz）频段中的节律成分组成的短暂振荡事件。在这里，我们想知道这些纺锤波爆发成分中的一个或多个是否从感觉运动皮质传递到海马体。通过同时记录 8 日龄大鼠的胡须桶状皮质和背侧海马，我们发现 AS（而非其他行为状态）会促进皮质-海马相干性，尤其是在 beta2 波段。通过切断眶下神经以阻止胡须抽搐的感觉反馈传递，AS 期间的皮质-海马 beta2 相干性显著降低。这些结果证明了感觉输入（尤其是在 AS 期间）对于协调这两个正在发育的前脑结构之间的节律性活动的必要性。
手动运动中皮质肌肉耦合的探索
抽象目标。这项研究的主要目的是研究皮质肌肉，皮质内和肌间耦合。在此，我们建立了一个Cortico-Muscular功能网络（CMFN），以评估与制作拳头，张开手和手腕屈曲相关的网络差异。方法。我们使用转移熵（TE）来计算脑电图和肌电图数据之间的因果关系，并建立了TE连接矩阵。然后，我们应用了图理论来分析CMFN的聚类系数，全局效率和小世界属性。我们还使用hulief-f来提取beta2频段的TE连接矩阵的特征，以进行不同的手动运动，并在使用此功能进行动作识别时观察到高精度。主要结果。我们发现，Beta频段中三个动作的CMFN具有小世界属性，其中Beta2频段的小世界更强大。此外，我们发现提取的特征主要集中在左额叶区域，左运动区域，枕叶和相关肌肉中，这表明CMFN可用于评估与不同手动运动相关的皮层和肌肉之间的耦合差异。总体而言，我们的结果表明，Beta2（21-35 Hz）波是皮质和肌肉之间的主要信息载体，并且可以在Beta2频段中使用CMFN来评估皮质肌肉耦合。意义。我们的研究初步探讨了与手动运动相关的CMFN，提供了有关皮质和肌肉之间信息传播的其他见解，从而为中风患者的病理学皮质区域奠定了基础。
尝试使用闭眼定量脑电图来开发 K1 跆拳道运动员的脑电波模型——初步概念
摘要：背景：脑损伤是格斗运动中常见的问题，尤其是在跆拳道等运动中。跆拳道是一项有多种比赛形式的格斗运动，大多数接触式格斗都是按照 K-1 规则进行的。虽然这些运动需要高水平的技能和身体耐力，但频繁的脑部微创伤会对运动员的健康和福祉造成严重后果。研究表明，格斗运动是脑损伤风险最高的运动之一。在脑损伤最多的运动项目中，拳击、混合武术 (MMA) 和跆拳道都名列前茅。方法：这项研究针对一组 18 名表现出高水平运动表现的 K-1 跆拳道运动员进行。受试者年龄在 18 至 28 岁之间。QEEG（定量脑电图）是对 EEG 记录的数字频谱分析，其中数据使用傅里叶变换算法进行数字编码和统计分析。每次对一个人的检查持续约 10 分钟，闭眼进行。使用 9 个导联分析特定频率（Delta、Theta、Alpha、感觉运动节律 (SMR)、Beta 1 和 Beta2）的波幅和功率。结果：中央导联的 Alpha 频率显示高值，前额叶 4（F4 导联）的 SMR 显示高值，F4 导联和顶叶 3（P3）的 Beta 1 显示高值，所有导联的 Beta2 显示高值。结论：SMR、Beta 和 Alpha 等脑波的高活动性会影响注意力、压力、焦虑和注意力，从而对跆拳道运动员的运动表现产生负面影响。因此，运动员监测自己的脑波活动并使用适当的训练策略来获得最佳效果非常重要。
随着年龄的脑电图频率的主要频率
摘要。这项工作研究了大脑两个半球的脑电图（EEG）节奏的主要频率的不对称性。研究了三个年龄段：16-20、21-35和35 - 60年。对主要频率的研究是在一般组中进行的，并在男性和女性中分别进行。学生，更多的教育学生和大学工作人员被招募为学科。使用八个单极铅中的神经元1脑光谱仪研究了脑电图的主要频率。根据国际“ 10-20％”系统，将电极应用于头皮。受试者的脑电图闭着眼睛记录了一个清醒状态。研究了五种EEG节奏的主要频率：Alpha，beta1，beta2，Theta和Delta Rhythms。可以发现，在一般组的不同年龄时期，单个脑电图中存在不对称性。另外，在分别研究男性和女性时，在不同年龄时期内观察到主要频率的不对称性。我们的数据表明16至60岁的人类脑半球的电活动可能存在不对称性。
基于转移熵的方法从临床角度分析睁眼和闭眼条件下的信息流
研究正常或病理条件下的大脑动态已被证明是一项具有挑战性的任务，因为对于最佳方法没有统一的共识。在本文中，我们提出了一种基于传递熵的方法来研究健康受试者在睁眼（EO）和闭眼（EC）静息状态下不同大脑半球之间的信息流。我们使用了一个模拟临床环境中技术条件的实验装置，并从 65 Hz 采样率的 24 通道脑电图（EEG）短记录中收集数据集。我们的方法考虑了两种条件下的半球间和半球内信息流分析，并依赖于从 EEG 通道之间的传递熵估计计算出的 4 个指标。这些指标提供有关活动连接的数量、强度和方向性的信息。我们的结果表明，在 EC 条件下，alpha、beta1 和 beta2 频带的信息传递有所增加，但在任何一种条件下，半球间信息移动都没有优先的方向。这些结果与之前报道的以更高采样率进行更密集的 EEG 记录的研究一致。总之，我们的方法表明，在 EO 和 EC 静息状态下，大脑信息传递的动态存在显著差异，这也可以应用于常规临床治疗。