XiaoMi-AI文件搜索系统
World File Search Systemtheta
与现实世界阅读相关的认知吸收独立皮质活动和连接
在生态有效背景下描述文本阅读背后的大脑活动，并确定这些活动的某些方面是否独立于一个人的认知吸收 (CA) 状态，这是认知神经科学中重要但尚未探索的研究方向。这项研究调查了 25 名人类受试者在观看现场戏剧舞台表演时与文本阅读相关的眼动行为和脑电图 (EEG) 活动，并进一步评估了与自我感知 CA 的关系。从行为上讲，受试者预期文本的出现，并以独立于 CA 的方式看待它。从神经生理学上讲，文本存在/不存在主要通过 EEG θ 活动和视觉空间处理区域内或之间的 β 连接来区分。重要的是，文本存在相关的额叶眼区 θ 活动增加和楔前叶与初级视觉皮层之间的 β 连接与 CA 无关，表明文本阅读行为的自动化中存在潜在作用。
554定量脑电图作为注意力缺陷多动障碍的诊断辅助
CPT代码：代码描述95957脑电图（EEG）的数字分析（例如，用于癫痫尖峰分析）95812脑电图（EEG）扩展监视； 41-60分钟95813脑电图（EEG）扩展监测；大于1小时的描述注意力缺陷/多动症ADHD在儿童，青少年和成人中很常见，并且由无意义和/或多动症冲动性的普遍症状定义，这至少会在工作，学校或家庭环境的至少2个领域中受损。刺激药减少了与ADHD相关的症状，尽管人们担心药物过度诊断和过度处方药。诊断目前，通过通过访谈和标准问卷评估行为症状和障碍，可以在临床上诊断多动症。诊断可能具有挑战性，因为核心症状是非特异性的。它们可能存在于其他精神疾病（例如学习障碍，引起障碍，情感障碍）或环境影响（例如缺乏纪律）中。另外，ADHD是一种具有多种亚型的异质性疾病，经常与其他精神疾病共存。在过去的几十年中，已经进行了大量研究，涉及多动症患者的脑电图（EEG）衍生的脑波模式是否与没有ADHD的患者有所不同。EEG模式通常分为4个频率范围：Delta（<4 Hz），Theta（4-7 Hz），Alpha（8-12 Hz）和Beta（13-25 Hz）。然后可以根据4个频率范围的总功率来计算波形的相对功率。ADHD中最大的研究重点是ADHD患者的theta波活性增加和THETA/β比率增加。基于神经精神的ADHD评估AID（NEBA）系统是一种特定的定量脑电图（QEEG）系统，可测量EEG的静息THETA/β比，其电极位于中央中线位置（称为国际10-20 EEG系统中的位置CZ）。QEEG使用计算机分析以及从时域到频域（快速转换）的数学变换，以确定每个频率下的总功率。NEBA系统使用专有截止值来基于静止的theta/beta比生成ADHD的可能性的估计。建议使用NEBA系统来确认临床诊断或支持ADHD儿童和青少年的进一步测试。该系统并非旨在评估临床医生对ADHD诊断为阴性的患者，并且该系统在这种情况下不会产生解释性报告。还提出，临床医生的诊断印象以及NEBA系统产生的结果可能会降低多动症过度诊断的可能性，从而降低了预期使用人群中不必要的药理治疗的风险。此外，由于对ADHD中脑电图的研究的研究，神经反馈是对ADHD的潜在治疗方法的（请参阅策略＃515）。这种治疗使用EEG脑波活动采用生物反馈原理，并尝试以有益的方式改变脑电波模式。摘要描述注意力缺陷/多动症（ADHD）患者的脑波模式可能会发生变化，可以通过定量脑电图来衡量。市售系统，
从 EDA、ECG 和 EEG 数据中获取的适应性见解
生理自适应虚拟现实可以驱动交互并调整虚拟内容以更好地满足用户的需求并支持特定目标。然而，心理生理推理的复杂性阻碍了有效的适应，因为认知和生理特征之间的关系很少表现出一一对应的关系。因此，有必要采用多模态方法来评估适应的效果。在这项工作中，我们分析了在与 VR 自适应系统交互过程中获得的多模态数据集（EEG、ECG 和 EDA），该系统使用 EDA 作为输入来适应次要任务难度。我们评估了动态调整对不同生理特征及其相关性的影响。我们的结果表明，当自适应系统增加次要任务难度时，theta、Beta 和相位 EDA 特征会增加。此外，我们发现在难度调整过程中 theta、alpha 和 beta 振荡之间存在高度相关性。我们的结果展示了如何使用特定的 EEG 和 EDA 特征来评估 VR 自适应系统。
mnemonic训练的大脑调整为常规奇数模式子维持数字记忆
据说我们的物种使用助记符（“记忆的魔法”）在大脑中刻有大量信息。然而，尚不清楚助记符如何影响记忆和神经基础是什么。在这项脑电图研究中，我们研究了助记符训练是否提高了加工效率和/或改变编码模式以支持记忆增强的假设。通过22天的数字图像助记符（世界一流麦克努斯主义者使用的定制记忆技术）进行22天的培训，一组儿童在训练后显示出短期记忆的增加，但增益有限。这种训练导致了定期的奇数神经模式（即，在序列中数字与奇数位置的数字编码期间，P200增强和theta功率的增强）。至关重要的是，P200和Theta功率效应预测了训练引起的记忆力的改善。这些发现提供了表明，表明弹药如何改变了功能性脑组织中反映的编码模式，以支持记忆增强。
根据神经技术检测学习障碍...
学习障碍 (LD) 是一种神经处理障碍，会导致信息处理和理解障碍。LD 不仅影响学业成绩，还会影响与家人、朋友和同事的关系。因此，在学年之前检测出儿童的学习障碍非常重要，可以避免焦虑、欺凌和其他社交问题。本研究旨在根据从脑电图 (EEG) 捕获的情绪实现学习障碍检测，以识别自闭症谱系障碍 (ASD)、注意力缺陷多动障碍 (ADHD) 和阅读障碍的症状，以便尽早诊断并协助临床医生评估。结果显示，ASD 儿童的几种症状包括 Alpha 功率低（Alpha-Beta 测试 (ABT) 功率比和 ASD U 形图），ADHD 儿童的 Theta-Beta 测试 (TBT) 功率比高，而阅读障碍的左心室 Theta 功率高于右心室 Theta 功率 (LRT)。可以得出结论，本研究提出的学习障碍检测方法适用于 ASD、ADHD 和阅读障碍的诊断。
临床神经生理学
目的：尽管高清经颅直流电刺激 (HD-tDCS) 的电生理机制尚不清楚，但它已被证明可以改善慢性创伤性脑损伤 (TBI) 患者的认知能力。方法：患有 TBI 的退伍军人接受针对前辅助运动区 (pre-SMA) 的主动阳极 (N = 15) 与假性 (N = 10) HD-tDCS。在基线和干预完成后，同时进行 Go-NoGo 任务和脑电图 (EEG)。结果：我们发现在主动 HD-tDCS 干预后，在覆盖 pre-SMA 的额中线电极中，Go 期间的 θ 事件相关频谱扰动 (ERSP) 和试验间相位相干性 (ITPC) 增加，但在假性治疗后没有发现。我们还发现在主动 HD-tDCS 之后，额中线和左后区域之间的 Go 期间 θ 相位相干性增加。主动 HD-tDCS 后，左侧中央区域的 alpha-theta ERSP 后期增加。值得注意的是，仅在主动组中，额中线区域较低的基线 theta ERSP/ITPC 预示着干预后 Go 表现的更多改善。结论：慢性 TBI 对 HD-tDCS 调制的反应存在局部和区域间振荡变化。意义：这些发现可能指导未来的研究利用 EEG 时间频率指标不仅测量干预效果，还选择可能对治疗反应最佳的候选人。2022 年国际临床神经生理学联合会。由 Elsevier BV 出版，保留所有权利。
n-pep-12补充缺血性卒中后对频域qeeg
摘要背景N-PEP-12是一种饮食补充剂，具有神经保护作用和培养性认知作用，如实验模型和缺血性中风后患者的临床研究所示。我们检验了以下假设：N-PEP-12影响亚急性至慢性上闭塞性缺血性病变的患者的定量电解形态图（QEEG）参数。方法，我们对探索性临床试验进行了二级数据分析（ISRCTN10702895），评估了90天每天治疗90天对神经认知功能和神经记录结果的90天治疗的功效和安全性，对术后认知损害的患者对对照组的患者进行了神经认知功能和神经记录结果。所有参与者在基线时（中风后30 - 120天）和90天后在静止状态和活跃状态下进行了两次32通道QEEG。在Alpha，Beta，Theta，Delta频带，Delta/Alpha功率比（DAR）和（Delta+Theta）/（Alpha+Beta）比（DTABR）（DTABR）上的功率谱密度进行了研究组，并使用手段比较和描述方法进行了比较。其次，探索了QEEG参数与可用的神经心理学测试之间的关联。结果我们的分析表明，在alpha，beta，delta，theta，da和dtab功率频谱密度中，脑电图段（p <0.001）具有统计学上显着的主要影响。在alpha功率中发现了脑电图和时间之间的相互作用效应。在0.05α水平（p = 0.023）中，N-PEP-12补充剂与安慰剂的患者之间的theta光谱功率有显着差异，与时间点无关。需要进一步的研究来巩固我们的发现。结论90天，每天90毫克的N-PEP-12给药对近后缺血性中风后患者的某些QEEG指标产生了重大影响，证实了势后神经记录的可能增强。
重复的经颅磁刺激（RTMS）
在您参加的每一天，您将举行2次会议。两个会话将至少分开一个小时。课程通常会持续12分钟，除了第一次会议将持续30-60分钟。每个会话都带有加速的间歇性theta爆发（AITBS）协议，涉及有3个600个脉冲，每个脉冲持续3分钟，介于两者之间。
基于注意力和放松训练的BCI神经反馈游戏
种类 波段 (Hz) 特性 Delta 1~4 深度睡眠状态 Theta 4~8 正常睡眠状态 Alpha 8~12 介于睡眠与活动之间的中间状态 SMR波 12~15 集中注意力的状态 Beta-1 15~18 学习、记忆、计算等精神活动的状态 Beta-2 22~30 大脑超负荷（压力）的状态
从 EDA、ECG 和 EEG 数据中获取的适应性见解
生理自适应虚拟现实可以驱动交互并调整虚拟内容，以更好地满足用户的需求并支持特定目标。然而，心理生理推理的复杂性阻碍了有效的适应，因为认知和生理特征之间的关系很少表现出一一对应关系。因此，有必要采用多模态方法来评估适应的效果。在这项工作中，我们分析了在与 VR 自适应系统交互过程中获得的多模态数据集 (EEG、ECG 和 EDA)，该系统使用 EDA 作为适应次要任务难度的输入。我们评估了动态调整对不同生理特征及其相关性的影响。我们的结果表明，当自适应系统增加次要任务难度时，θ、β 和相位 EDA 特征会增加。此外，我们发现在难度调整过程中，θ、α 和β 振荡之间存在高度相关性。我们的结果显示了如何使用特定的 EEG 和 EDA 特征来评估 VR 自适应系统。