摘要:本项先导研究旨在分析皮肤电反应 (GSR) 生物反馈训练对缓解期 18 名精神分裂症男性患者的影响。结果通过以下工具进行验证:阳性和阴性症状量表 (PANSS)、疾病接受量表 (AIS)、自我效能量表 (GSES)、贝克认知洞察力量表 (BCIS) 量表、色彩试验测试 (CTT-1、CTT-2)、d2 心理测试、定量脑电图 (QEEG) 生物反馈、听觉事件相关电位 (ERP) 和血清脑源性神经营养因子 (BDNF) 水平。3 个月后在同一患者中比较结果。PANSS 量表上的变量结果有统计学上显著的变化。对于 BDNF 变量,出现了统计学上显著的增加,表明 GSR 生物反馈训练可能会影响神经营养因子的血清水平。BCIS、AIS 和 GSES 变量的结果发生了统计学上显著的变化,表明认知和社交功能有所改善。θ / β 和 θ / 感觉运动节律 (SMR) 比率的结果发生了变化,表明注意力和注意力有所改善。额叶脑区 (Fz) 的 N1 波幅度和中央脑区 (Cz) 的 P2 波潜伏期发生了变化,这表明初始感知分析有所改善。在一组精神分裂症患者中使用 GSR 生物反馈会产生有趣的结果,但需要进一步深入研究。
1 德国海德堡大学曼海姆大学医学中心(UMM)医学院第一医学系,邮编 68167 曼海姆;rujia.zhong@medma.uni-heidelberg.de (RZ);schimanski.t@gmail.com (TS);feng.zhang@medma.uni-heidelberg.de (FZ);huan.lan@medma.uni-heidelberg.de 或 lh6402196@126.com (HL);alyssa.hohn@web.de (AH);qiang.xu@medma.uni-heidelberg.de (QX);mengying.huang@medma.uni-heidelberg.de (MH);zhenxing.liao@medma.uni-heidelberg.de (ZL);lin.qiao@medma.uni-heidelberg.de (LQ); zhen.yang@medma.uni-heidelberg.de (ZY); yingrui.li@medma.uni-heidelberg.de (YL); zhihan.zhao@medma.uni-heidelberg.de (ZZ); xin.li@medma.uni-heidelberg.de (XL); roselena1996@gmail.com (LR); sebastian9876@googlemail.com (SA); lasse-maywald@web.de (LM); jonasnelsonmueller@googlemail.com (JM); hendrik.dinkel@yahoo.de (HD); yannick.xi@medma.uni-heidelberg.de (YX); siegfried.lang@umm.de (SL); ibrahim.akin@umm.de (IA) 2 DZHK(德国心血管研究中心),合作伙伴网站,68167 曼海姆,德国; narasimha.swamy@mdc-berlin.de (NS); mandy.kleinsorge@gwdg.de (MK); sebastian.dieck@mdc-berlin.de (SD); lukas.cyganek@gwdg.de (LC) 3 西南医科大学心血管研究所,教育部医学电生理重点实验室,四川省医学电生理重点实验室,泸州 646000,中国 4 苏黎世大学心脏中心心脏病学系,Rämistrasse 100,8091 苏黎世,瑞士;ardan.saguner@usz.ch (AS); first.duru@usz.ch (FD) 5 海德堡大学人类遗传学研究所人类遗传学系,69120 海德堡,德国; johannes.jannsen@uni-heidelberg.de 6 马克斯·德尔布吕克分子医学中心,13125 柏林,德国 7 哥廷根大学医学中心心脏病学和肺病学诊所干细胞科,37075 哥廷根,德国 8 波鸿鲁尔大学贝格曼希尔大学医院,44789 波鸿,德国;ibrahim.elbattrawy2006@gmail.com * 通讯地址:xiaobo.zhou@medma.uni-heidelberg.de;电话:+49-621-383-1448;传真:+49-621-383-1474 † 这些作者对本文的贡献相同。‡ 这些作者为高级作者。
摘要:脑电图 (EEG) 是一种非侵入性方法,通过监测认知和运动任务期间的神经反应来辨别人类行为。机器学习 (ML) 是一种很有前途的人类活动识别 (HAR) 工具,可解释人工智能 (XAI) 可以阐明 EEG 特征在基于 ML 的 HAR 模型中的作用。本研究的主要目的是调查基于 EEG 的 ML 模型对日常活动(例如休息、运动和认知任务)进行分类的可行性,并通过 XAI 技术对模型进行临床解释,以阐明对不同 HAR 状态贡献最大的 EEG 特征。该研究涉及对 75 名健康个体的检查,这些个体之前没有神经系统疾病的诊断。在静息状态、两种运动控制状态(行走和工作任务)和认知状态(阅读任务)期间获得了 EEG 记录。电极被放置在大脑的特定区域,包括额叶、中央叶、颞叶和枕叶(Fz、C1、C2、T7、T8、Oz)。使用 EEG 数据训练了几种 ML 模型以进行活动识别,并采用 LIME(局部可解释模型不可知解释)对 HAR 模型中最具影响力的 EEG 频谱特征进行临床解释。HAR 模型的分类结果,尤其是随机森林和梯度提升模型,在区分所分析的人类活动方面表现出色。ML 模型在人类活动识别方面表现出与 EEG 频谱带的一致性,这一发现得到了 XAI 解释的支持。总之,将可解释人工智能(XAI)纳入人类活动识别(HAR)研究可能会改善患者康复、运动意象、医疗保健元宇宙和临床虚拟现实设置的活动监测。
将正电子发射断层扫描(PET)用作β-淀粉样蛋白(Aβ)脑病理学的初始或唯一生物标志物可能会抑制阿尔茨海默氏病(AD)由于成本,获取和耐受性而引起的药物开发和临床使用。我们开发了一种QEEG-ML算法,以预测主观认知下降(SCD)和轻度认知障碍(MCI)患者之间的β病理,并使用βPET验证了它。我们比较了MCI患者与患有和没有PET固定的β-淀粉样蛋白斑块患者之间的QEEG数据。We compared resting-state eyes-closed electroencephalograms (EEG) patterns between the amyloid positive and negative groups using relative power measures from 19 channels (Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1, O2), divided into eight frequency bands, delta (1-4 Hz),theta(4-8 Hz),Alpha 1(8-10 Hz),Alpha 2(10-12 Hz),β1(12-15 Hz),β2(15-20 Hz),Beta 3(20-30 Hz)和gamma(30-45 Hz),由Fft和DeNocy cancys cancys concy.s.使用遗传算法策略分析了所得的152个特征,以识别最佳特征组合并最大程度地提高分类精度。在基因建模方法的指导下,我们将脑电图的每个通道和频率带作为基因,并在给定维度内用所有可能的组合对其进行了建模。然后,我们收集了显示出最佳性能并识别出在上级模型中最常出现的基因的模型。通过重复此过程,我们收集了一个近似最佳的模型。我们发现,随着遗传算法的这种迭代发展的发展,平均性能的增加。我们最终达到了85.7%的敏感性,89.3%的特异性,SCD淀粉样蛋白阳性/负分类的精度为88.6%,83.3%的敏感性和83.3%的敏感性,85.7%的特异性特异性,而MCI MCI淀粉样蛋白淀粉样蛋白阳性阳性/负分类的精度为84.6%。
摘要 - 在事件相关的电位(ERP)信号分类中,在特定时间范围内识别相关的局部峰对于特征提取和随后的分类任务至关重要,尤其是在有关精神分裂症等精神疾病的研究中。但是,精神分裂症研究中的ERP数据通常包含许多对分类过程贡献的小峰。因此,至关重要的是,仅辨别和保留为改进分类结果传达特定特征的显着峰值。最近,基于高档和降尺度表示(UDR)技术的基于视觉的平滑算法已经证明了其在保留突出峰的特征时的有效性,同时从信号波形中滤除了非平衡峰。在UDR的操作下,输入信号在图像域中可视化。输入形状受到稀疏算法的影响,并将所得骨骼投射回信号域。此过程类似于神经科医生对信号的目视检查,在该信号中标记了突出的峰,而无关的峰被忽略了特征提取。这项研究将UDR应用于两个精神分裂症和匹配对照患者中记录的ERP的数据集,以评估其在信号分类中的有效性。此外,当使用较少的ERP通道时,我们分析了UDR对分类准确性的影响。我们使用多个分类器测试了这些效果。索引项 - 与事件相关电位(ERP),精神分裂症,平滑过滤器,信号处理,UDR,高档和下限表示实验结果表明,当在所有通道上应用UDR时,EEGNET表现出最显着的增强,精度增加了2.55%。此外,当信号时期的数量减半时,UDR在7个模型中有4个促进了增强,浅孔convnet的提高最高2.4%。值得注意的是,在仅FZ,CZ和PZ电极位置的信号形成的子数据集中使用UDR时,可以在更多模型上观察到精度增强。这些发现强调了UDR在增强精神分裂症分类准确性方面的有希望的潜力,尤其是应用于关注关键通道的数据集时。
接受您对本网站的访问和使用(“站点”)均受以下条款和条件以及所有适用法律的约束。通过访问和浏览本网站,您可以在不限制或条件的情况下接受这些条款和条件,并承认有关您与Aspen Healthcare FZ LLC(“ Aspen”)之间有关本网站使用的任何其他协议都被取代,并且没有武力或效力。本网站上的医疗信息/条件产品信息由Aspen提供,仅用于一般信息目的。仅在医生或合格的医疗专业人员的处方时可用列出的许多药品和医疗设备产品,并且并非所有此类产品在所有国家 /地区都可以使用。产品信息并非旨在提供完整的医疗信息。如果您有医疗状况,请立即查看您自己的医生或医疗保健提供者。Aspen不提供个性化的医学诊断或特定于患者的治疗建议。,您应始终通过与您的处方医师直接讨论任何药物或医疗设备的适当使用,或者在适当的情况下,将任何药物或医疗设备直接讨论任何药物或医疗设备的适当使用,始终获得有关您的处方药或医疗设备(包括其有益的医疗用途和可能的不良影响)的完整医疗信息。医疗专业人员可以从产品的信息传单中获取完整的医疗信息。有关这些产品的信息可能因国家而异。您必须保留并复制您下载的任何信息中包含的每一个版权通知或其他专有权利通知。患者,医师和其他医疗专业人员应向当地医疗资源和监管机构核对适合其国家的信息。此外,许多国家的当前法规限制了Aspen提供信息和/或直接对患者有关其处方产品的问题的能力(甚至在某些情况下都禁止)。Aspen将根据当地法规对您的合格医疗保健专业人员的询问做出回应,并向您的合格医疗保健专业人员提供信息。使用信息您可以自由浏览本网站,但您只能从本网站访问,下载或使用信息,包括任何文本,图像,音频和视频(“信息”),以供您自己的非商业用途。未经Aspen的书面许可,您不得分发,修改,传输,重复使用,重新宣传或使用该信息出于商业目的。您应该假设您在本网站上看到或阅读的所有内容都是版权的,除非另有说明,否则不得使用本条款和条件或本网站上的文本中提供的所有内容,未经Aspen的书面许可。Aspen既不是保证,也不代表您对本网站上显示的材料的使用不会侵犯未拥有或隶属于Aspen的第三方的权利。除了上述有限的授权,信息中没有许可或任何其他方或任何其他方的版权。本网站还可以包含或参考专利,专有信息,技术,产品,流程或其他专有权或其他专有权,其Aspen,Aspen Group或其分支机构和/或其他方的专有权。商标/专有权利,您应该假设出现在本网站上的所有产品名称,无论是在大型印刷品中出现还是商标符号都是Aspen,Aspen集团或其分支机构和/或其他方的商标。在任何此类商标,专利,商业秘密,技术,产品,流程和其他专有权利中均无许可证,授予或授予您或授予您或授予您的其他专有权。保证的免责声明,而阿斯彭(Aspen)采取合理的努力来确保信息准确且最新信息,但信息可能包含技术不准确或印刷错误。Aspen保留对信息进行更改,更正和/或改进此类信息中描述的产品和程序的权利,恕不另行通知。Aspen对任何信息的准确性不做任何保证或陈述。Aspen对网站内容中的任何错误或遗漏不承担任何责任或责任。所有信息均提供“原样”。 Aspen不提供对本网站上信息或其可能用途的信息的完整性或准确性的保证。因此,应由现场访问者仔细评估信息。Aspen,Aspen,或任何其他Aspen集团公司,或任何其他参与创建,生产或交付本网站的方既不对任何直接,偶然,后果,间接或惩罚性损害负责,该损害因使用本网站或无法使用本网站或任何错误或该网站内容中的任何错误或遗漏而造成的任何直接,偶然,间接或惩罚性损害。上述某些司法管辖区不允许排除隐含的担保,因此上述排除可能不适用于您。Aspen也不承担任何责任,也不承担任何损害或可能感染您的计算机设备或其他财产的损害,因为您访问,使用该网站,信息或信息下载信息。Aspen保留随时终止本网站的权利,而无需责任。
1。Stratum™外部墙壁覆层系统必须根据2024年7月的Stratum™Weeptraber技术手册安装。2。通过验证满足F3P1和H2P2,需要对F3V1和/或H2V1的相关设计进行特定评估,以满足NCC所定义的适当授权:(i)具有20或更少的风险分数,当时所有风险因素的总和是根据表F3V1A/H2V1A确定了所有风险因素的总和。 (ii)不承受最终的极限状态风压超过2.5kpa; (iii)仅包含符合2047的窗口。这被认为包括4055风分类N1W,N2W,N3W,N4W,N4W,C1W和C2W,不包括4055 Wind Clastications,N5W,N6W,N6W,C3W和C4W。超过2.5kpa最终限制状态风压力且不超过5.97kpa的最终极限状态风压的防水应用超出了该认证的范围,并且遵守对气象的范围,受监管机构的特定地点设计和批准。参考A6。3。对于第9类建筑物的2类,Stratum™外部墙壁覆层系统仅适用于固定在木螺柱框架上的C型耐火结构。4。遵守FRL的依赖性取决于根据A3中概述的2024年7月7月的Stratum™Weatherboards构建的系统。与评估系统的任何偏差都不构成此一致性证书的一部分。a。在内侧,将1层GTEK™石膏板安装为内壁衬里。b。用于木材和钢制框架应用,如果使用Stratum™外部壁盖系统作为墙壁系统的一部分,则壁系统将达到FRL 60/60/60时,当12mm Stratum™Weatherboard与1层16mm GTEK™GTEK™Fire and Fire板上的1层安装时,将达到60/60/60。For timber and steel framing applications, if the Stratum™ External Wall Cladding System is used as part of a wall system, the wall system achieves an FRL 90/90/90 when 12mm Stratum™ Weatherboard is installed in conjunction with 2 layers of 16mm GTEK™ Fire and Wet Area Plasterboard on the external fireside where joints in the second layer are to be staggered relative to joints in the first layer or ensuring第一层石膏板中的关节被第二张纸覆盖。在内侧,将安装1层10mm GTEK™石膏板作为内壁衬里。c。与1级和10级建筑物和结构有关的外墙的施工方法必须遵守ABCB住房规定的第9.2部分。5。结构认证仅限于覆层,不包括子结构。Stratum™气象板必须根据A3节中适当的跨度表固定在结构上足够的外墙框架上。结构支持成员是根据项目的需求分别设计和设计的。在所有情况下,都要求Stratum™外部壁盖系统合并。一个。根据AS 1684或AS 1720.1建造的木框架;或b。7。根据NASH标准的住宅和低层钢框架制成的冷形式钢架,第1部分:设计标准;或c。符合上述最低要求和其他标准的框架,以及适用的澳大利亚建筑法规6。在所有装置中,面板的下侧与下面的地面水平的底面之间的最小间隙必须符合ABCB住房规定第7.5.7部分中的规格。stratum™外壁覆层系统适用于在指定的丛林大火易于面积的建筑物中,需要在AS 3959:2018构建时接受丛林大火攻击水平(BAL),直至BAL – FZ,并根据AS 3959:2018(由州和领土变体)(受国家和领土变体)(约束)在1级建筑物的A3级建筑物中,或者在1级建筑物中构建,或者是一级建筑物,或一堂3级建筑物,或一堂3级建筑物。8。符合BAL Low-FZ的依从性仅限于实现30/30/30的FRL的测试系统。参考FRL系统的A3。建筑设计师有责任确保按照AS 3959-2018实现合规性。9。在新南威尔士州,Stratum™外部墙壁覆层系统适合在指定的灌木丛易发区域的建筑物上使用:a。对于根据AS 3959:2018建造时,对于1级建筑物,2级建筑物,3级建筑物,建筑物的4级部分或10A级建筑物,除非为BAL – 40的Bush Fire Protection修改。b。10。使用认证的产品/系统的使用受这些限制和条件的约束,必须与下面的认证范围一起阅读。对于9级建筑物,这是一个特殊的防火目的,位于灌木丛攻击水平(BAL)的区域中,不超过BAL – 122.5,根据AS 3959:2018确定。