摘要 可以使用侵入性方法监测脑血流 (CBF) 自身调节 (AR),例如颅内压 (ICP) 和动脉血压 (ABP),以计算 CBF AR 指数 (PRx)。监测 PRx 可以减少患者继发性脑损伤的程度。脑血流图 (REG) 是一种经 FDA 批准的测量 CBF 的非侵入性方法。REGx 是一种 CBF AR 指数,是根据 REG 和手臂生物阻抗脉冲波计算得出的。我们的目标是测试 REG 的神经监测效果。对 13 名神经重症监护患者进行了 28 次测量。使用生物阻抗放大器和定制软件在笔记本电脑上记录 REG/手臂生物阻抗波形。同一程序用于离线数据处理。病例 #1:患者平均 REGx 从第一天的 -0.08 增加到第二天的 0.44,表明颅内顺应性 (ICC) 恶化 (P < 0.0001,CI 0.46–0.58)。两天的格拉斯哥昏迷量表 (GCS) 均为 5。病例 #2:REGx 从第一次记录的 0.32 降低到最后一次记录的 0.07 (P = 0.0003,CI -0.38 至 -0.12)。GCS 分别为 7 和 14。病例 #3:在 36 分钟的记录中,REGx 从 0.56 降低到 -0.37 (P < 0.0001,95%,CI -1.10 至 -0.76)。中心静脉压从 14 mmHg 变为 9 mmHg。 REG 脉搏波形态从 ICC 较差变为 ICC 形态良好。生物阻抗记录可以量化 CBF AR 的主动/被动状态,指示 ICC 的恶化并实时呈现。REGx 可以作为 PRx 的合适、非侵入性替代方案,用于头部受伤患者。
头三个月的非侵入性产前测试(NIPT)通常在11至14周之间进行检查以检查是否有染色体异常,并且可以在单个合并测试或多步过程中完成。从孕妇那里取的血液样本,分析了自由β-Human绒毛膜促性腺激素(HCG)和与妊娠相关的血浆蛋白A(PAPP-A)水平。此外,可以进行超声检查以测量颈部半透明(胎儿背面和上覆的皮肤之间的空间厚度)。这些测试的结果(以及母亲年龄的考虑)用于计算胎儿染色体疾病的特定风险。如果这些结果证明了胎儿异常的显着概率,则可以进行侵入性测试,例如羊膜穿刺术或绒毛膜绒毛采样(CVS)。
经颅磁刺激 (TMS) 是一种调节人类大脑活动和行为的非侵入性方法。然而,刺激效果在不同研究和个体之间差异很大,从而限制了 TMS 在研究或临床环境中的大规模应用。我们发现低频刺激对感觉和认知大脑区域的功能连接有相反的影响。生物物理建模随后确定了这些区域特定效应背后的神经机制。刺激额叶皮质会降低局部抑制并破坏前馈和反馈连接。相反,相同的刺激会增加局部抑制并增强枕叶皮质的前向信号传导。最后,我们将功能整合确定为一个宏观网络参数,以预测刺激对个体受试者的区域特定影响。总之,我们揭示了 TMS 调节如何关键地依赖于目标区域的连接特性,并提出了一种成像标记来提高非侵入性脑刺激对研究和临床应用的灵敏度。
机器学习 - 为医疗保健Kaiyi Zhang,Jianwu Wang,Tianyi Liu,Yifei Luo,Yifei Luo,Xiaodong Chen* K.材料科学与工程学院,Nanyang Technological University 50 Nanyang Avenue,新加坡639798,新加坡电子邮件:chenxd@ntu.edu.edu.edu.sg Y. Luo博士,X. Chen材料研究所教授,科学,技术与研究机构,科学,技术与研究机构(A*Star),2 Fusionopolis Way,Innovis,Innovis,Innovis,#083 33关键词:非侵入性生物传感器,机器学习,生理学,数据处理,临床实践,食品安全
自计算机出现以来,人类一直在寻求富有表现力、直观且通用的计算机输入技术。虽然已经开发了多种模式,包括键盘、鼠标和触摸屏,但它们需要与中间设备进行交互,这可能会受到限制,尤其是在移动场景中。基于手势的系统利用摄像头或惯性传感器来避免使用中间设备,但它们往往只在不被遮挡或明显的动作中表现良好。几十年来,人们一直在设想脑机接口 (BCI),通过允许仅通过思维向计算机输入来解决接口问题。然而,高带宽通信仅使用为单个个体设计的解码器的侵入式 BCI 进行了演示,因此无法扩展到普通大众。相比之下,肌肉中的神经运动信号可以访问细微的手势和力量信息。在这里,我们描述了一种非侵入式神经运动接口的开发,该接口允许使用表面肌电图 (sEMG) 进行计算机输入。我们开发了一个高度灵敏且强大的硬件平台,该平台易于佩戴/脱下,可感知手腕上的肌电活动并将有意的神经运动命令转换为计算机输入。我们将此设备与一个经过优化的基础设施配对,该基础设施可从数千名同意的参与者那里收集训练数据,这使我们能够开发通用的 sEMG 神经网络解码模型,该模型适用于许多人,而无需对每个人进行校准。未包括在训练集中的测试用户在连续导航任务中以每秒 0.5 次目标获取、在离散手势任务中以每秒 0.9 次手势检测和每分钟 17.0 个调整字的速度展示手势解码的闭环中值性能。我们证明,通过为个人个性化 sEMG 解码模型,输入带宽可以进一步提高 30%,预计未来人类和机器将共同适应,提供无缝翻译人类意图的功能。据我们所知,这是第一个直接利用生物信号的高带宽神经运动接口,具有跨人群的高性能开箱即用泛化功能。
自计算机出现以来,人类一直在寻求富有表现力、直观且通用的计算机输入技术。虽然已经开发了多种模式,包括键盘、鼠标和触摸屏,但它们需要与中间设备进行交互,这可能会受到限制,尤其是在移动场景中。基于手势的系统利用摄像头或惯性传感器来避免使用中间设备,但它们往往只在不被遮挡或明显的动作中表现良好。几十年来,人们一直在设想脑机接口 (BCI),通过允许仅通过思维向计算机输入来解决接口问题。然而,高带宽通信仅使用为单个个体设计的解码器的侵入式 BCI 进行了演示,因此无法扩展到普通大众。相比之下,肌肉中的神经运动信号可以访问细微的手势和力量信息。在这里,我们描述了一种非侵入式神经运动接口的开发,该接口允许使用表面肌电图 (sEMG) 进行计算机输入。我们开发了一个高度灵敏且强大的硬件平台,该平台易于佩戴/脱下,可感知手腕上的肌电活动并将有意的神经运动命令转换为计算机输入。我们将此设备与一个经过优化的基础设施配对,该基础设施可从数千名同意的参与者那里收集训练数据,这使我们能够开发通用的 sEMG 神经网络解码模型,该模型适用于许多人,而无需对每个人进行校准。未包括在训练集中的测试用户在连续导航任务中以每秒 0.5 次目标获取、在离散手势任务中以每秒 0.9 次手势检测和每分钟 17.0 个调整字的速度展示手势解码的闭环中值性能。我们证明,通过为个人个性化 sEMG 解码模型,输入带宽可以进一步提高 30%,预计未来人类和机器将共同适应,提供无缝翻译人类意图的功能。据我们所知,这是第一个直接利用生物信号的高带宽神经运动接口,具有跨人群的高性能开箱即用泛化功能。
创伤应激与健康研究实验室(Jeannie Beckham 博士;Scott Moore 医学博士、哲学博士;Eric Dedert 博士;A. Kriby、M. Dennis、L. Hair、C. Polick、A. Troutman、M. Evans 等;杜克大学精神病学和行为科学系、杜克大学脑刺激研究中心(BSRC)、脑刺激工程实验室(BSEL)、杜克大学-北卡罗来纳大学脑成像与分析中心(BIAC)、杜克大学脑科学研究所(DIBS)、杜克大学临床研究所(DCRI)达勒姆 VA 医疗保健系统(DVAHCS);大西洋中部精神疾病研究、教育和临床中心(MIRECC);达勒姆 VA 治疗难治性疾病(TRD)诊所;VA 临床科学研究与开发(CSR&D);加州大学圣地亚哥分校 Greg Appelbaum 博士;维克森林大学 Merideth Addicott 博士
a 伊利诺伊大学厄巴纳-香槟分校生物工程系,伊利诺伊州厄巴纳 61801;b 伊利诺伊大学厄巴纳-香槟分校贝克曼高级科学技术研究所,伊利诺伊州厄巴纳 61801;c 伊利诺伊大学厄巴纳-香槟分校 Carl R. Woese 基因组生物学研究所,伊利诺伊州厄巴纳 61801;d 伊利诺伊大学厄巴纳-香槟分校卡尔伊利诺伊医学院,伊利诺伊州厄巴纳 61801;e 伊利诺伊大学厄巴纳-香槟分校伊利诺伊癌症中心,伊利诺伊州厄巴纳 61801;f 匹兹堡大学神经生物学系和动物成像中心,宾夕法尼亚州匹兹堡 15203;g 伊利诺伊大学厄巴纳-香槟分校化学系,伊利诺伊州厄巴纳 61801; h 伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系,伊利诺伊州厄巴纳 61801;i 伊利诺伊大学厄巴纳-香槟分校动物科学系,伊利诺伊州厄巴纳 61801;j 伊利诺伊大学厄巴纳-香槟分校神经科学项目,伊利诺伊州厄巴纳 61801;k 伊利诺伊大学厄巴纳-香槟分校昆虫学系,伊利诺伊州厄巴纳 61801
摘要:近几十年来,基于侵入性临床研究的大量证据表明,高频振荡(HFOS)是癫痫发作区(SOZ)定位的有希望的生物标志物,因此,有可能改善术后外的癫痫病患者。新兴的临床文献表明,可以使用诸如头皮电解学(EEG)和磁脑摄影(MEG)之类的方法对HFO进行无创记录。不仅HFO被认为是SOZ的有用生物标志物,而且还具有衡量疾病严重程度,监测治疗和评估前进结果的潜力。在本文中,我们回顾了有关人脑中非侵入性检测到的HFO的最新临床研究,重点是癫痫。 无创检测到的头皮HFO已在各种类型的癫痫病中进行了研究。 HFO也在其他病理性脑部疾病(例如偏头痛和自闭症)中进行了无创研究。 在此,我们讨论了非侵入性HFO研究中报告的挑战,包括在临床环境中MEG和高密度EEG设备缺乏,低信号比率,缺乏临床批准的自动检测方法,以及在物理和病理HFOS之间区分的难度。 需要有关HFO的非侵入性记录方法的其他研究,尤其是前瞻性多中心研究。 进一步的研究是基本的,在临床环境中经常评估HFO之前,需要进行大量工作;但是,未来似乎很有希望。在本文中,我们回顾了有关人脑中非侵入性检测到的HFO的最新临床研究,重点是癫痫。无创检测到的头皮HFO已在各种类型的癫痫病中进行了研究。HFO也在其他病理性脑部疾病(例如偏头痛和自闭症)中进行了无创研究。在此,我们讨论了非侵入性HFO研究中报告的挑战,包括在临床环境中MEG和高密度EEG设备缺乏,低信号比率,缺乏临床批准的自动检测方法,以及在物理和病理HFOS之间区分的难度。需要有关HFO的非侵入性记录方法的其他研究,尤其是前瞻性多中心研究。进一步的研究是基本的,在临床环境中经常评估HFO之前,需要进行大量工作;但是,未来似乎很有希望。