XiaoMi-AI文件搜索系统
World File Search System去同步
感觉运动节奏-带有音频的脑机接口...
多项研究表明脑机接口 (BCI) 训练对中风康复具有积极的临床效果。本研究探讨了基于感觉运动节律 (SMR) 的 BCI 与音频提示、运动观察和多感觉反馈对中风后康复的疗效。此外，我们讨论了 BCI 训练中训练强度和训练持续时间之间的相互作用。24 名患有严重上肢 (UL) 运动障碍的中风患者被随机分为两组：2 周 SMR-BCI 训练结合常规治疗（BCI 组，BG，n = 12）和 2 周常规治疗（无 SMR-BCI 干预）（对照组，CG，n = 12）。使用临床测量量表测量运动功能，包括 Fugl-Meyer 上肢评估 (FMA-UE；主要结果测量)、Wolf 运动功能测试 (WMFT) 和改良 Barthel 指数 (MBI)，测量时间分别为基线（第 0 周）、干预后（第 2 周）和随访周（第 4 周）。在第 0 周和第 2 周记录分配到 BG 的患者的 EEG 数据，并通过 mu 节律 (8-12 Hz) 的 mu 抑制均值事件相关去同步 (ERD) 进行量化。第 2 周时两组的所有功能评估评分（FMA-UE、WMFT 和 MBI）均显著提高（p < 0.05）。第 4 周时 BG 的 FMA-UE 和 WMFT 改善程度显著高于 CG。双侧半球的μ抑制与第2周的运动功能评分均呈正趋势。本研究提出了一种新的有效的SMR-BCI系统，并证明结合音频提示、运动观察和多感觉反馈的SMR-BCI训练与常规治疗相结合可以促进持久的UL运动改善。
涉及运动规划的大脑过程是诱发事件相关去同步的主要因素
事件相关去同步 (ERD) 是在运动执行和运动想象过程中在感觉运动区域观察到的脑电图 (EEG) 频谱功率的相对衰减。它是众所周知的 EEG 特征，常用于脑机接口。然而，其潜在的神经机制尚未完全了解，因为 ERD 是一个与涉及多条通路的外部事件相关的单一变量，例如运动意图、计划和执行。在本研究中，我们旨在确定诱发 ERD 的主要因素。在两种不同的实验条件下，指示参与者以三种不同的（10%、25% 或 40%MVF：最大自主力）水平握住他们的右手：涉及实时视觉力反馈 (VF) 的闭环条件或前馈 (FF) 方式的开环条件。在每种情况下，参与者被要求重复抓握任务一定次数，时间分别为休息（10.0 秒）、准备（1.0 秒）和运动执行（4.0 秒）。EEG 信号与运动任务同时记录，以评估每种条件下事件相关频谱扰动的时间过程并分析 EEG 功率的调制。我们对指示的抓握力水平和反馈条件下的 mu 和 beta-ERD 进行了统计分析。在 FF 条件下（即无力反馈），运动执行期间中期，对侧运动皮层的 mu 和 beta-ERD 显著减弱，而在 VF 条件下，即使在保持抓握期间，ERD 也保持不变。只有体感皮层的 mu-ERD 在高负荷条件下趋于略强。结果表明，ERD 的程度反映了改变虚拟平衡点的运动计划过程中涉及的神经活动，而不是招募运动神经元来调节抓握力的运动控制过程。
通过脑电图诱导的机械臂自主游戏教学...
摘要 — 本文讨论了一个简单的室内游戏，玩家必须将球穿过固定在可变云台平台上的环。这项研究的动机是通过机械臂学习有经验的玩家的游戏动作，以便随后由机器人训练年幼的儿童（受训者）。机器人学习玩家在不同游戏状态下的游戏动作，这些动作由环的云台方向及其相对于玩家的径向距离决定。有经验的玩家/专家的动作由六个参数定义：玩家右臂的三个连接坐标和给定投掷中球的三维速度。这里采用强化学习来调整概率学习自动化的状态动作概率矩阵，该矩阵基于玩家因成功（或失败）将球穿过给定环而获得的奖励（或惩罚）分数。混合脑机接口 (BCI) 用于检测玩家游戏动作中的失败，通过在运动执行后自然唤醒错误相关电位 (ErrP) 信号，由运动想象指示。在运动想象后没有 (存在) ErrP 的情况下，系统认为玩家的尝试是成功 (失败)，从而根据各个游戏实例的成功/失败调整学习自动机中的概率。在状态动作概率矩阵收敛后，将其用于规划，其中选择与自动机中给定状态下最高概率相对应的动作进行执行。机器人可以使用具有收敛概率分数的学习自动机自主地训练儿童游戏。进行的实验证实，当环放置在距离机器人 4 英尺的中等距离时，机器人手臂在运动执行阶段的成功率非常高 (超过 90%)。索引词——脑机接口、强化学习、游戏、事件相关电位、事件相关去同步/同步。
月经周期对运动想象和动作观察过程中脑电图 Alpha 和 Beta 波段的影响
女性性类固醇 (FSS) 会影响运动系统，调节运动皮层兴奋性以及灵活性和协调性任务的表现。然而，目前尚未探索 FSS 是否会影响运动行为的认知成分。Mu 是一种感觉运动节律，在运动想象 (MI) 和动作观察 (AO) 等实践中通过脑电图 (EEG) 在 alpha (8-12 Hz) 和 beta (15-30 Hz) 频带中观察到。这种节律为研究与运动认知有关的神经回路活动提供了一个窗口。在此，我们研究了感觉运动区域 (C3 和 C4，假设驱动方法) 的 alpha-mu 和 beta-mu 功率以及额叶、顶叶和枕叶区域的 alpha 和 beta 功率 (数据驱动方法) 是否在月经周期的月经期、卵泡期和黄体期受到不同的调节。为此，这些女性在三个月经周期的三个阶段接受了 MI 和 AO。比较了月经周期各个阶段皮质区域的 alpha 和 beta 波段的光谱活动，并进行了与雌激素和孕酮水平的相关性分析。对于基于假设的方法，卵泡期 C3 通道中的 beta-mu 事件相关去同步 (ERD) 明显强于月经期和黄体期。对于数据驱动的方法，MI 期间额叶区域的 beta ERD 在卵泡期高于月经期和黄体期。这些发现表明 FSS 对执行运动控制的影响。在 OA 期间研究的皮质区域中未观察到月经周期阶段的影响，但 alpha 和 beta 波段与卵泡期血浆雌二醇水平呈正相关。因此，当雌二醇水平较低时，代表镜像神经元活动的 alpha 和 beta 波段的衰减似乎与皮质活动的抑制有关，从而改善运动动作的认知处理。
揭示经颅直流电刺激 (tDCS) 和脑机接口 (BCI) 干预对中风后慢性康复患者的转化效应——一项替代治疗设计研究
摘要：中风是一种由脑梗塞或脑出血引起的使人衰弱的临床疾病，对运动功能恢复构成重大挑战。先前的研究表明，应用经颅直流电刺激 (tDCS) 可以改善神经系统疾病或障碍患者的神经可塑性。通过调节皮质兴奋性，tDCS 可以增强常规疗法的效果。虽然上肢康复已得到广泛研究，但对下肢的研究仍然有限，尽管它们在运动、独立性和良好的生活质量方面发挥着重要作用。由于神经肌肉残疾造成的生命和社会成本很高，tDCS 设备相对低成本、安全性和便携性，结合低成本的机器人系统，可以优化治疗并降低康复成本，增加获得神经肌肉康复尖端技术的机会。本研究探索了一种新方法，该方法依次利用以下过程：tDCS、基于运动想象 (MI) 的脑机接口 (BCI) 和虚拟现实 (VR)，以及电动踏板末端执行器。这些方法用于增强大脑可塑性并加速中风后患者的运动恢复。这些结果对于下肢功能严重受损的中风后患者尤其重要，因为这里提出的系统以实时闭环设计提供运动训练，促进足部区域 (Cz) 周围的皮质兴奋，同时患者直接用大脑信号控制电动踏板。这种策略有可能显著改善康复结果。研究设计遵循交替治疗设计 (ATD)，即采用双盲方法来测量中风后患者的身体功能和大脑活动的改善情况。结果表明，患肢的运动功能、协调性和速度以及感觉改善呈积极趋势。对脑电图信号中的事件相关去同步 (ERD) 的分析揭示了 Mu、低 beta 和高 beta 节律的显著调节。虽然这项研究没有提供辅助心理练习训练优于传统疗法的确凿证据，但它强调了进行更大规模调查的必要性。
Cagle 等人：在 Tourette 深部脑刺激中以生理学和基于 Atlas 的靶向性为指导的导线重新定位
背景：丘脑的中央 (CM) 区域是深部脑刺激 (DBS) 治疗图雷特综合症 (TS) 的常见目标。然而，目前还没有标准的微电极记录或大刺激方法来区分 CM 丘脑与其他附近的结构和核。病例报告：我们在这里介绍了一个 TS DBS 中传统立体定向靶向失败的病例。术后局部场电位记录 (LFP) 显示的特征包括随意运动期间的 β 功率去同步和静息时丘脑皮质相位幅度耦合。这些发现表明 DBS 导线的位置不是最理想的，位于丘脑的腹侧中间 (VIM) 核，而不是预期的 CM 区域。由于初次手术后三个月抽搐严重程度量表没有临床改善，患者接受了导线修订手术。DBS 导线的轻微重新定位导致了截然不同的临床结果。之后，LFP 显示 beta 失同步减少以及丘脑皮质相位幅度耦合消失。随访临床访问记录了患者整体抽搐评分的改善。讨论：此案例提供了初步证据，表明将生理学与基于图谱的定位相结合可能会改善某些 Tourette DBS 病例的预后。需要更大规模的前瞻性研究来证实这些发现。亮点：本报告展示了一例中心核区域深部脑刺激 (DBS) 失败的病例。我们观察到 DBS 手术几个月后抽搐改善不理想，随后的导线修订改善了结果。神经生理学提供了一个重要线索，表明 DBS 导线放置不理想的可能性。在导线修订期间重复 LFP 显示 beta 失同步减少以及丘脑皮质相位幅度耦合消失。在双侧 DBS 导线修订期间稍微重新定位后抽搐结果有所改善。此案例提供了初步证据支持使用生理学来增强 Tourette DBS 病例的基于图谱的定位。
HCN通道和Theta振荡
[收到2023年5月2日； 2023年6月6日修订； 2023年6月7日接受的摘要：越来越多的证据表明超极化激活阳离子（HCN）通道在控制静息膜电位，起搏器活动，记忆形成，睡眠和唤醒中的作用。它们的失功可能与癫痫和与年龄相关的记忆下降的发展有关。神经元过度兴奋性参与癫痫生成和脑电图的去同步在人类阿尔茨海默氏病（AD）和动物模型的痴呆症过程中发生，但这些作用的基本离子和细胞机制尚不广泛地理解。有些人建议在包括AD在内的神经发生疾病过程中，参与记忆形成的theta节奏可以用作记忆障碍的标志。本综述重点介绍了超极化HCN通道，theta振荡，记忆形成及其在痴呆症（包括AD）中的作用之间的相互作用。虽然单独使用，但这些因素中的每个因素都与强有力的支持证据相互联系，但我们希望在这里将这种联系扩展到更具包容性的情况。因此，HCN通道可以为开发用于预防和/或治疗痴呆的新治疗剂提供分子靶标。关键词：阿尔茨海默氏病，痴呆症，拉莫三嗪，HCN通道，IH电流，theta振荡，记忆，EEG，EEG引言此评论研究了神经元兴奋性的超极化激活阳离子（HCN）通道的功能，EEG Theta theta theta band band Syncronication和Memory Cormination and Memory Cormitation和Memory cormatient。HCN通道会在许多类型的神经元中产生超极化激活的阳离子电流（I H）。它最近对HCN依赖性内阳离子当前生理学的干扰及其对痴呆症可能发育的贡献，例如阿尔茨海默氏病（AD）的贡献。最近的证据表明我参与了
利用脑机接口康复系统进行上肢训练和下肢训练
脑机接口 (BCI) 利用用户的大脑活动来控制外部设备，而无需实际运动（Wolpaw 等人，2002 年；Belkacem 等人，2020 年）。这种大脑活动可以使用脑电图 (EEG)、皮层电图、立体脑电图、功能性近红外光谱 (fNIRS) 或功能性磁共振成像 (fMRI) 记录，其中 EEG 使用最多（Orban 等人，2022 年；Islam 和 Rastegarnia，2023 年）。最近，使用 EEG 的 BCI 已成为中风后 UE 运动康复的有前途的技术（Mane 等人，2022 年）。在这种情况下，BCI 在用户和外部设备之间建立了一个闭环系统。通过响应与运动相关的神经活动提供有意义的实时反馈来促进 BCI 和用户之间的这种交互。用户自己执行运动执行、运动尝试或运动想象 (MI)，其中 MI 是运动的心理排练。重要的是，所有三种策略都伴随着事件相关的去同步 (ERD) 和同步 (ERS)，这反映了振荡功率的降低和增加 (Pfurtscheller 和 Lopes da Silva，1999 年；Pfurtscheller 等人，2006 年；Miller 等人，2010 年)。可以使用不同的外部设备（例如，机器人、手臂矫形器、视觉反馈、功能性电刺激 (FES)）向用户提供反馈，其中提供本体感受反馈的设备可能比仅提供视觉反馈更有效 (Ono 等人，2014 年；Bai 等人，2020 年)。具体而言，触发 FES 的 BCI（BCI-FES）被认为是最有效的 (Bai 等人，2020 年)。荟萃分析表明，用于 UE 运动康复的 BCI 可以改善 UE 运动功能（Bai 等人，2020 年；Kruse 等人，2020 年）。然而，人们对下肢 (LE) 运动康复的了解较少。最近基于运动相关皮质电位（Mrachacz-Kersting 等人，2016 年）、BCI-FES（Chung 等人，2020 年；Sebastián-Romagosa 等人，2023 年）和功能性近红外光谱介导的神经反馈（Mihara 等人，2021 年）的 BCI 研究显示步态表现有所改善。Sebastián-Romagosa 等人（2023 年）显示在 25 个疗程中步行速度提高了 0.19 米/秒。然而，迄今为止尚未研究多种 BCI 治疗对中风患者功能状态的影响。
脑电图中心理运动意象分类的稳定性取决于分类器模型的选择和实验设计，而不是信号预处理
心理运动意象 (MI) 是指在心理上执行运动任务（Milton 等人，2008 年，例如打网球或游泳）。此类任务可用于体育领域（Schack 等人，2014 年）或评估严重脑损伤患者的认知表现（Stender 等人，2014 年；Engemann 等人，2018 年），利用事件相关去同步 (ERD) 可靠地检测脑损伤患者的高级认知功能（Cruse 等人，2011 年、2012b 年）。可靠地检测健康人的 MI 任务表现对于诊断工具评估无法对任务做出公开反应的脑损伤患者的隐性意识是必不可少的。在一项关于心理 MI 的里程碑式研究（ Goldfine 等人，2011 ）中，作者证明，所有健康对照组的脑电活动都有意识地调节，并与活跃心理或静息状态的时间锁定在一起。但这些调节是不一致的。因此，我们得出结论，在测试健康人时，即在考虑患有严重脑损伤的患者之前，是否有可能可靠地区分心理 MI 范式中的活跃状态和静息状态，这一点值得担忧。从技术上讲，稳定的心理 MI 大脑状态的检测似乎高度依赖于所使用的信号处理、分类程序和统计分析，正如对心理 MI 数据的重新分析（ Henriques 等人，2016 ）中所报告的那样。因此，在这项工作中，我们重新审视了健康个体中 MI 范式的潜力，并研究了四个不同的研究问题（RQ）。我们首先研究定量分析 EEG 数据时的两个非常关键的问题：伪影的识别和剔除以及电极空间的选择。由经过培训的研究人员对 EEG 信号进行目视检查，并手动去除充满伪影的信号周期，是从记录中去除受污染通道（Cruse 等，2011、2012a）或尾迹（Cruse 等，2012b）的常用方法。这种伪影剔除方法可以应用于明显的伪影，如眨眼或运动，但肌源性活动往往与感兴趣的大脑活动（McMenamin 等，2010）混合在一起，因此无法用这种策略从信号中去除。独立成分分析（ICA）是分离肌源性和大脑活动的有力工具。ICA 将数据分解为独立成分，然后通过目视检查将其分类为肌源性或真正的大脑活动。然而，受过训练的专家的错误分类可能是导致 ICA 性能有限的原因（Olbrich 等人，2011 年）。大约三分之一的 EEG 分类研究使用手动伪影清除，然后不进行伪影清除，并且
以及基于脑电图的运动想象脑的个体内变异性......
在脑电图 (EEG) 记录中，不同受试者之间和同一受试者内随时间推移都存在普遍且难以捉摸的受试者间和受试者内变异性 ( Saha and Baumert ， 2020 )。受试者间变异性可归因于年龄、性别和生活习惯等因素，这些因素与大脑地形和电生理有关 ( Seghier et al. ， 2004 ； Herzfeld and Shadmehr ， 2014 ； Wu et al. ， 2014 ； Seghier and Price ， 2018 ； Antonakakis et al. ， 2020 )。受试者内部的变异性可以解释为心理和生理的变化，例如疲劳、放松和注意力（Smith 等人，2005 年；Meyer 等人，2013 年；Nishimoto 等人，2020 年；Trinh 等人，2021 年；Hu 等人，2022 年）。受试者间和受试者内部的变异性对基于 EEG 的脑机接口 (BCI) 领域构成了重大挑战（Ray 等人，2015 年；Saha 等人，2017 年；Lee 等人，2019 年；Chikara 和 Ko，2020 年；Wei 等人，2021 年；Huang 等人，2022 年）。通过检测感觉运动节律 (SMR) 中的事件相关去同步/同步 (ERD/ERS)，基于运动想象的 BCI (MI-BCI) 已被提出用于神经康复应用，范围从运动障碍、严重肌肉疾病和瘫痪患者到肢体运动恢复 (Wolpaw and Wolpaw, 2012; Mane et al., 2020)。然而，来自某个受试者的训练有素的 BCI 模型不能直接应用于另一个受试者。此外，先前的研究表明 BCI 效率低下的问题，有 10% 到 50% 的用户无法操作 MI-BCI 系统 (Vidaurre and Blankertz, 2010; Liu et al., 2020)。即使是对同一受试者，BCI 系统的性能也会随着时间的推移而下降。受试者间和受试者内变异性的存在导致传统机器学习泛化能力的下降，从而限制了MI-BCI的实用化应用（Ahn and Jun，2015；Saha等，2017）。在传统机器学习框架下，训练集和测试集需要独立同分布（IID）（Duda and Hart，2006）。然而，受试者间和受试者内的变异性使得IID条件假设不再成立。通过放宽IID假设的限制要求，迁移学习被认为是一种有效的方法，可以提高模型对受试者间和受试者内变异性的可重用性和泛化能力（Jayaram等，2016；Pan，2020）。已经提出了一系列方法将知识从源域迁移到目标域。不变表示的目的是寻找跨不同会话或主题的不变学习模型，例如正则化公共空间模式 (CSP) 和不变 CSP (Blankertz 等，2007；Cheng 等，2017；Xu 等，2019)。随着深度学习技术的发展，领域自适应方法已经提出并几乎完全主导了 BCI 应用领域（Li 等人，2010 年；Liu 等人，2012 年；Samek 等人，2013 年；Fukunaga，2013 年；Dagaev 等人，2017 年；Azab 等人，2019 年；Hong 等人，2021 年）。一些端到端优势和更强的特征学习能力受到了越来越多的关注（Autthasan 等人，2021 年）。虽然受试者间和受试者内的变异性对实际应用的挑战已逐渐被注意到，并且迁移学习可以在一定程度上弥补性能下降，但对受试者间和受试者内变异性的理解仍然有限。大多数研究人员将受试者间和受试者内的变异性视为类似类型的问题（ Jayaram 等人，2016 年）。虽然受试者间和受试者内的变异性都会导致