XiaoMi-AI文件搜索系统
World File Search SystemResting
EEG-FNIRS休息状态研究-NSF-PAR
摘要 - 目的：肌萎缩性侧索硬化症（ALS）是一种复杂的神经退行性疾病，会导致自愿肌肉控制的逐渐丧失。最近的研究报道了通过测量电生理或血管性神经动力学神经功能的单峰技术，对ALS中静止状态功能性脑网络的变化的变化有冲突。然而，迄今为止，尚无研究探索ALS静息状态大脑中同时的电和血管 - 血流动力学的变化。使用互补的多模式脑电图（EEG）和功能性近红外光谱（FNIRS）记录和分析技术，我们探索了ALS患者的基本多维神经贡献，可改变的振荡和功能连接性。方法：10名ALS患者和9个年龄匹配的对照在静止状态下进行了多模式的EEG-FNIRS记录。在两组中，两组中两种方式的静止状态功能连接性（RSFC）和功率谱进行了分析并在统计学上进行了比较。结果：在ALS中观察到alpha和beta带中的额叶额EEG连通性提高，并增加了额叶和右孔内FNIRS连接性的增加。额叶，中央和颞theta和αEEGEEG的功率在ALS中降低，顶叶和枕αEEGEEG功率也是如此，而ALS的额叶和顶叶血液动力学频谱功率则增加。的意义：这些结果表明，神经元网络中的电 - 血管破坏扩展到ALS患者的运动外区域，这些区域最终可以引入ALS的新型神经标记物，这些神经标志物可以进一步利用为诊断和预后工具。
中风患者脊椎治疗后静止状态脑电图信号的功能连通性分析
摘要：中风障碍通常以认知和运动效果的形式出现，导致生活质量下降。恢复策略和机制，例如神经可塑性，是重要的因素，因为这些因素可以帮助提高康复的效果。本研究研究了脊骨疗法的脊柱操纵（SM）及其对24个亚急性静息状态功能连通性的影响与通过脑电图监测（EEG）监测的慢性中风患者。功能连通性分别通过相干和相位滞后指数（PLI）估算。非参数基于群集的置换测试用于评估SM后功能连通性变化的统计显着性。结果表明，默认模式网络（DMN）中Alpha频段中PLI度量的功能连接性显着增加。SM，T（23）= 10.45，p = 0.005之间的后扣带回皮层和偏头顶区域之间的功能连通性增加。在假控制程序之后没有发生重大变化。这些发现表明SM可能会改变中风患者大脑中的功能连通性，并突出了EEG在SM后监测神经塑性变化的潜力。此外，在可能受到大脑中疼痛感知，情节记忆，导航和空间表示等因素（例如疼痛感知，情节记忆，导航和空间代表）等因素之间可能影响的区域之间观察到了改变的连通性。但是，在本研究中未直接监测这些因素。因此，需要进一步的研究来阐明观察到的变化的基本机制和临床意义。
编辑创新的能源存储的高级高级材料：综合，表征和应用
摘要：创伤性脑损伤（TBI）是人头因事故或跌倒而受到影响的常见伤害之一，并且是最常提交的保险索赔之一。但是，当个人通过提供虚假的医疗状况尝试保险欺诈索赔时，通常总是被滥用。因此，需要即时大脑条件分类系统。本研究提出了一种新型的分类结构，可以对非重生TBI患者和健康受试者进行分类，该患者使用静止状态脑电图（EEG）作为输入，解决计算机断层扫描（CT）扫描和磁共振成像（MRI）的固定性问题。所提出的体系结构利用长期内存（LSTM）和错误校正校正输出编码支持向量机（ECOC-SVM）进行多类分类。通过每个时间步骤将预处理的EEG时间序列提供给网络，LSTM单元将记住上一步的重要信息。LSTM单元的激活用于训练ECOC-SVM。 EEG的时间优势得到扩增，并能够达到100％的分类精度。 将所提出的方法与文献中的现有作品进行了比较，这表明所提出的方法在分类准确性，敏感性，特殊性和精度方面都优越。LSTM单元的激活用于训练ECOC-SVM。EEG的时间优势得到扩增，并能够达到100％的分类精度。将所提出的方法与文献中的现有作品进行了比较，这表明所提出的方法在分类准确性，敏感性，特殊性和精度方面都优越。
电生理学和神经影像学研究——意识障碍中的静息状态和感觉刺激：综述
严重的脑损伤可能导致意识障碍 (DOC)，如昏迷、植物人状态 (VS)、微意识状态 (MCS) 或闭锁综合征 (LIS)。迄今为止，DOC 的诊断仅依赖于临床评估或主观评分系统（如格拉斯哥昏迷量表），这些系统无法检测到细微的变化，从而导致诊断错误。DOC 患者的误诊率高且无法预测意识的恢复，引起了人们对意识评估的极大研究兴趣。研究人员已经探索了使用各种刺激和神经成像技术来改善诊断。在本文中，我们介绍了静息状态和感官刺激方法的重要发现，并重点介绍了在意识评估中被证明有效的刺激。我们首先根据 (a) 应用/不使用刺激（即感觉刺激/基于静息状态）、(b) 所用刺激类型（即听觉、视觉、触觉、嗅觉或心理意象）、(c) 所用电生理信号（EEG/ERP、fMRI、PET、EMG、SCL 或 ECG）来回顾文献。在感觉刺激方法中，听觉刺激已被广泛使用，因为它对这些患者来说更容易进行。嗅觉和触觉刺激的探索较少，需要进一步研究。情绪刺激，如受试者自己的名字或熟悉声音的叙述或受试者自己的面部/家庭照片或音乐，会引起比中性刺激更强烈的反应。基于静息状态分析的研究采用了复杂性、功率谱特征、熵和功能连接模式等措施来区分 VS 和 MCS 患者。静息状态脑电图和 fMRI 是最先进的技术，在预测昏迷患者的恢复方面具有巨大的潜力。此外，基于 EMG 和心理意象的研究试图从 VS 患者那里获得意志反应，从而可以检测他们的命令执行能力。这可能为与这些患者沟通提供有效的手段。最近的研究采用了 fMRI 和 PET 来了解与心理意象相对应的大脑激活模式。这篇综述促进了我们对用于诊断 DOC 患者的技术的了解，并试图为未来的研究提供思路。
步态疾病的脑小血管疾病患者的大脑功能改变：静止状态的功能性MRI研究
步态障碍是脑小血管疾病（CSVD）的重要临床特征，它增加了跌倒和残疾的风险。大脑结构改变和CSVD患者的步态障碍已得到很好的证明。然而，步态障碍患者的内在静止脑功能模式在很大程度上尚不清楚。58名CSVD患者已参与我们的研究，并根据步态检查分为步态障碍组（CSVD-GD，n = 29）和NOT-NGAIT障碍组（CSVD-NGD，n = 29）。步态通过定时和GO测试以及能量消耗和活动的智能设备（IDEEA）进行定量评估。使用低频频率（FALFF）分析的功能性MRI和分数幅度用于探索局部固有的神经振荡改变。基于Falff结果的功能连接性被计算出来，以检测远程连接的潜在变化。与CSVD-NGD组相比，CSVD-GD组在主要位于感觉运动网络和额叶网络的区域中显示出Falff的下降，例如左侧补充运动区域（SMA.L）和左侧的顶壁回和左下角，并增加了右下角的Falff，在右下角吉里（Orbital Gyrus（Orbital Part）中，左下角是左侧的Pureane，以及左CARAINE，以及左CARAINE，以及左侧的caudate，pured caudaud of puretaud of caud od pured of tod of tod。此外，CSVD-GD患者在SMA.L和颞叶之间表现出较低的连通性，这与步态速度有关。sma.l的falff值与节奏有关。这项研究强调了步态障碍的CSVD患者中SMA的区域和网络相互作用异常。这些发现可以进一步了解CSVD中步态障碍的神经机制。
使用原始静息状态脑电图数据的基于循环神经网络的急性脑震荡分类器
脑震荡是全球关注的健康问题。尽管脑震荡发病率很高，但对这种弥漫性脑损伤的机制的全面了解仍然难以实现。然而，众所周知，脑震荡会导致严重的功能障碍；儿童和青少年受到的影响比成年人更大，恢复时间也更长；正在康复的人更容易遭受更多脑震荡，每次受伤都会增加长期神经和心理健康并发症的风险。目前，脑震荡管理面临两大挑战：没有客观的、临床认可的、基于大脑的方法来确定 (i) 运动员是否遭受了脑震荡，以及 (ii) 运动员何时康复。诊断基于临床测试和症状及其严重程度的自我报告。自我报告非常主观，症状只能间接反映潜在的脑损伤。在这里，我们介绍了一种基于深度学习的长短期记忆 (LSTM) 循环神经网络，该网络仅使用一段短暂（即 90 秒）的静息状态 EEG 数据样本作为输入，即可区分健康和急性脑震荡后青少年运动员。运动员在数据收集过程中既不需要执行特定任务，也不需要受到刺激，并且获取的 EEG 数据既没有经过过滤、清除伪影，也没有进行显式特征提取。LSTM 网络使用 27 名患有运动相关脑震荡的男性青少年运动员的数据进行训练和测试，以 35 名健康青少年运动员为基准。在严格测试期间，分类器始终以 > 90% 的准确率识别脑震荡，其整体中值曲线下面积 (AUC) 对应于 0.971。这是第一个仅依赖易于获取的静息状态 EEG 数据的高性能分类器实例。它是朝着开发一种易于使用、基于大脑的、在个体层面上自动进行脑震荡分类的方法迈出的关键一步。
将常见的认知模型应用于静息态 fMRI 可识别帕金森病中的异常功能连接
要全面了解人类的认知功能，必须结合网络化大脑区域之间的相互作用模型。这些网络相互作用的改变是许多神经退行性疾病认知障碍的根本原因，为大脑结构和认知功能之间提供了重要的生理联系。认知架构通常用于解释健康大脑如何运作，通常使用基于任务的活动。然而，这种描述是不完整的。大多数系统级大脑活动都是自发的或内在的，无论受试者是否在执行任务都会发生。在这里，我们提供证据表明，共同认知模型（一种从现有认知架构分析中得出的共识模型）可以（a）推广到解释静息状态下的大脑活动，而不是在执行任务期间，以及（b）正确识别帕金森病中基底神经节连接的差异。关键词：共同认知模型；静息态 fMRI；帕金森病；动态因果建模
静息态脑活动对临床预后不确定的缺氧昏迷患者的早期预测结果
多项神经影像学研究表明，CA 后 5 天内 DWI 的变化预示着不良预后。8-15 然而，DWI 分析的时机至关重要，因为弥散值在缺氧后不久就会发生变化。10 此外，虽然 DWI 是不良预后的有力预测指标，但它不够敏感，无法识别出预后良好的患者。大脑的自发活动不是随机的，而是在功能网络中组织的。16 静息状态 fMRI (rs-fMRI) 是绘制患者和健康志愿者大脑功能连接 (FC) 的有力工具。17 多项研究报告称，rs-fMRI 可以区分慢性脑损伤患者的意识状态，FC 下降与意识受损程度相关。18 最近有研究表明，fMRI 可以检测到脑创伤后昏迷患者对被动刺激反应的早期意识迹象 19 并且 FC 强度与昏迷后缺氧患者的良好长期预后相关。 20 然而，rs-fMRI 尚未系统地评估对昏迷后缺氧患者的早期预后。我们的研究旨在使用 rs-fMRI 和机器学习方法预测昏迷结果（即意识恢复与昏迷状态；即良好与不良结果）。我们专注于特别具有临床意义的病例，特别是昏迷的早期缺氧后患者和标准多模态测试后预后不确定的患者。
静息状态血氧水平的延迟时间-...
静息状态功能性磁共振成像 (rs-fMRI) 的最新证据表明，健康人脑具有时间组织，该组织以非常复杂的时间延迟结构为代表。这种结构似乎是大脑信息流、大脑活动的整合/传播以及信息处理的基础。因此，它可能与高度协调的复杂大脑现象（如意识）的出现有关。然而，在意识状态改变期间，这种结构可能发生的变化仍未得到充分研究。在这项研究中，我们假设由于高阶功能的中断和大脑信息流的改变，意识障碍 (DOC) 患者的自发性大脑活动的时间延迟结构可能会发生变化。我们通过比较 48 名 DOC 患者和 27 名健康对照 (HC) 受试者在静息状态下获得的 fMRI 静息状态数据的时间延迟投影来探索这一假设。结果表明，与 HC 相比，DOC 患者的时间延迟结构有所改变。具体而言，中扣带皮层 (mCC) 内潜伏期的平均值和方向性会随着意识水平的变化而变化。具体而言，mCC 内潜伏期的正值与意识状态的保持有关，而 DOC 患者的负值则与意识水平成比例变化。这些结果表明，mCC 可能在 HC 受试者中作为大脑活动的整合者发挥着关键作用，但这种作用在意识改变的状态下会消失。
研究论文 通过静息态闭眼脑电图检测中度创伤性脑损伤
创伤性脑损伤 (TBI) 是如果医疗救治延误，可能带来严重后果的损伤之一。通常，需要分析计算机断层扫描 (CT) 或磁共振成像 (MRI) 来确定中度 TBI 患者的严重程度。然而，由于如今 TBI 患者的数量不断增加，对每位潜在患者进行 CT 扫描或 MRI 扫描不仅成本高昂，而且耗时。因此，在本文中，我们研究了使用具有计算智能的脑电图 (EEG) 作为替代方法来检测中度 TBI 患者严重程度的可能性。EEG 程序比 CT 或 MRI 便宜得多。虽然与 CT 和 MRI 相比，EEG 的空间分辨率不高，但它的时间分辨率很高。使用传统的计算智能方法从 EEG 分析和预测中度 TBI 非常繁琐，因为它们通常涉及复杂的信号预处理、特征提取或特征选择。因此，我们提出了一种使用卷积神经网络 (CNN) 自动对健康受试者和中度 TBI 患者进行分类的方法。该计算智能系统的输入是静息状态下的闭眼脑电图，未经预处理和特征选择。使用的脑电图数据集包括 15 名健康志愿者和 15 名中度 TBI 患者，这些数据来自马来西亚吉兰丹马来西亚理科大学医院。将所提出方法的性能与其他四种现有方法进行了比较。所提出方法的平均分类准确率为 72.46%，优于其他四种方法。结果表明，所提出的方法有可能用作中度 TBI 的初步筛查，以选择患者进行进一步诊断和治疗计划。