XiaoMi-AI文件搜索系统
World File Search System康复训练
人工智能驱动的神经康复训练框架
摘要：康复治疗认知障碍是医疗诊所面临的挑战之一，这种障碍可能发生在脑损伤、痴呆和衰老导致的正常认知衰退之后。目前的认知康复治疗已被证明是解决这一问题最有效的方法。然而，a) 它并不适合每个患者，b) 成本高，c) 它通常在临床环境中实施。任务生成器 (TG) 是一个用于生成认知训练任务的免费工具。但是，TG 并非旨在适应和监控患者的认知进展。因此，我们在 BRaNT 项目中提出通过信念修正和机器学习技术、游戏化和远程监控功能增强 TG，使医疗专业人员能够在家中提供长期个性化的认知康复治疗。BRaNT 是一项跨学科的努力，旨在解决当前实践的科学局限性，并为卫生系统的可持续性提供解决方案，并有助于改善患者的生活质量。本文提出了 BRaNT 的 AI-Rehab 框架，解释了在数据不足的情况下的分析挑战，并提出了一种一旦有足够数据就可能适用的替代 AI 解决方案。
短期 BCI 神经反馈康复训练引起的 EEG 脑连接变化：案例研究
结果：结果显示两组的 ERD 功率衰减估计没有显著差异。但与无反馈组相比，神经反馈组的 ERP 脑网络参数有显著变化和趋势特性。短期 MI 训练后，神经反馈组的 Mu 波段功率衰减增加但不显著（拟合线斜率 = 0.2，t 检验值 p > 0.05），而非反馈组则出现不显著的下降（拟合线斜率 = − 0.4，t 检验值 p > 0.05）。在基于 ERP 的脑网络分析中，神经反馈组的网络参数在所有尺度上均显著衰减（t 检验值：p < 0.01）；而非反馈组的大多数网络参数没有显著变化（t 检验值：p > 0.05）。
虚拟现实神经康复
本研究探讨虚拟现实（VR）技术在神经康复中的应用，通过查阅大量资料，介绍VR在神经康复中的优势，随后介绍VR在脑卒中患者、帕金森患者、精神心理疾病康复中的应用现状，并调查现阶段VR技术在康复医学中的应用研究实验。研究结果表明，与传统平衡训练相比，基于VR的神经康复训练方法可以更有效地缓解脑卒中后倾斜综合征患者的倾斜程度，加强躯干控制能力和平衡功能。当传统康复训练对帕金森患者的步态和平衡效果不够好时，基于VR的康复训练至少可以作为一种替代疗法。而且，VR游戏在促进肢体康复和脑损伤康复方面取得了很大突破，这对那些患有运动和活动障碍的人有不可思议的益处。对神经损伤患者精神障碍的治疗和恢复也有益处，虽然VR还存在成本高、技术突破瓶颈等限制，但在神经康复训练中，在缓解病痛、增进兴趣、恢复患者心理健康等方面具有很大的优势。
运动想象脑机接口康复系统增强中风患者上肢表现并改善大脑活动：一项临床研究
本研究比较了运动想象脑机接口（MI-BCI）联合物理治疗与单纯物理治疗在缺血性卒中康复训练前后的疗效，探讨MI-BCI的康复效果是否受患者病情严重程度影响，以及MI-BCI是否对所有患者都有效。40例住院缺血性卒中合并运动障碍患者参与了本研究，患者分为MI组和对照组，在康复训练前后进行功能评估。以Fugl-Meyer评分（FMA）为主要结局指标，其肩肘评分和腕关节评分为次要结局指标，采用运动评估量表（MAS）评估运动功能恢复情况。采用非造影CT（NCCT）探讨不同类型的大脑中动脉高密度征对缺血性卒中预后的影响。脑拓扑图能够直接反映大脑的神经活动，利用脑拓扑图来检测中风后脑功能的变化和脑拓扑功率响应。与康复训练后的 MI 组和对照组相比，MI-BCI 康复后功能结果更好，包括总 FMA 评分（MI = 16.70 ± 12.79，对照组 = 5.34 ± 10.48）、FMA 肩肘评分（MI = 12.56 ± 6.37，对照组 = 2.45 ± 7.91）、FMA 腕评分（MI = 11.01 ± 3.48，对照组 = 3.36 ± 5.79）、MAS 评分（MI = 3.62 ± 2.48，对照组 = 1.85 ± 2.89）、NCCT（MI = 21.94 ± 2.37，对照组 = 17.86 ± 3.55）实现相关增加的可能性显著更高。研究结果表明MI-BCI康复训练比常规康复训练更能有效改善脑卒中后上肢运动功能障碍患者运动功能，验证了主动诱导神经康复的可行性。患者病情的严重程度可能会影响MI-BCI系统的康复效果。
虚拟的注意力增强和运动辅助...
摘要 — 中风等疾病导致上肢功能障碍，导致日常活动困难。研究表明，使用虚拟现实游戏进行康复训练有助于患者恢复手臂功能。研究发现，确保患者积极参与并在过程中付出努力对于获得更好的训练效果非常重要。本文介绍了一种帮助患者提高参与度并在虚拟现实介导的上肢康复训练中提供运动辅助的方法。通过改变屏幕上呈现的光标和物体之间的拖动速度，向患者产生虚拟力的幻觉，作为唯一的反馈，从而实现注意力增强和运动辅助。我们使用所提出的方法展示了两种游戏形式，包括目标接近游戏和迷宫跟踪游戏。对人类参与者的评估实验结果表明，与没有注意力增强和运动辅助的游戏相比，所提出的方法可以提供路径引导，显着提高用户的路径跟随性能，并且需要用户更多的参与。
结合脑机接口康复系统的机器学习方法优化
摘要.[目的]中风患者无法自行活动，必须进行康复训练，让神经系统触发并恢复功能。传统做法是使用电极帽提取脑波特征，并与辅助设备相结合。但存在电极帽不易佩戴、电位识别不佳的问题，且不同的提取方法会影响脑机接口（BCI）的准确性，仍有改进空间。[对象与方法]本实验使用的脑波耳机无需导电凝胶即可获得良好的脑电图进行神经诱导并驱动上肢康复机器人。接下来，邀请8名中风患者和200名正常参与者进行为期4周的康复训练。使用快速傅里叶变换（FFT）、幅值平方相干性（MSC）特征提取方法和诱导闪烁频率的五种机器学习技术来确定训练的有效性。 [结果] 结果表明最佳稳态视觉诱发闪烁频率为 6 Hz, FFT 的识别率比 MSC 方法提高约 5.2%; 对不同的特征提取方法采用优化模型可使识别率提高 1.3%～9.1%。[结论] 基于 Fugl-Meyer 评估 (FMA)、改良 Ashworth 量表 (MAS) 指数改进及功能性磁共振成像 (fMRI) 的图像显示大脑运动感觉区域已成为集中激活现象。 除了强化特征提取方法外, 还让肘部动作有明显的恢复效果。关键词: 脑机接口, 稳态视觉诱发电位, 特征提取
免疫检查点抑制剂相关暴发性心肌炎合并严重肌炎1例
近年来，随着ICIs的广泛应用，其免疫相关不良事件（irAE）也逐年增多，本文报道1例肾癌患者使用替雷利珠单抗治疗后出现ICI相关暴发性心肌炎及严重肌炎的病例，我们在早期诊断的基础上，应用体外膜肺氧合（ECMO）技术纠正休克、维持循环，积极应用激素冲击疗法辅以免疫球蛋白及血浆置换，患者心脏功能逐渐好转，经过后期长达3个月的支持治疗及康复训练，患者肌力恢复并好转出院。本文旨在为临床医生如何识别、诊断和处理irAEs提供参考。
EEG和FNIRS的早期融合改善了运动图像的分类
大脑 - 计算机界面（BCIS）是通信系统，它利用大脑产生的控制信号与周围环境相互作用，而无需参与周围神经系统和肌肉（Nicolas-Alonso和Gomez-Gil，2012年）。这些年来，在BCI领域取得了繁荣的进步。运动图像（MI）是BCI研究中的常见范例之一（Kaiser等，2011），它是通过想象执行给定任务（Jeannerod，1995）来完成的，例如Grabing（Herath and Mel，Mel，2021），Lifting（Kasemsumsumsumsumsumsumsumran and Boonchieng，2019年），以及。mi-bcis被广泛用于帮助由中风引起的运动功能障碍的患者（Ang等，2010），肌萎缩性的侧面硬化症（Lulé等，2007），脊髓损伤（Cramer等，2007），因此，进行日常生活援助或康复训练。由于运动图像任务诱导事件相关的对同步和同步（ERD/ERS）
具有eeg-emg-的GNN的顺序学习模型 -
运动图像（MI）是在没有身体运动的情况下想象运动的心理过程（Aggarwal和Chugh，2019年）。脑部计算机界面（BCIS）广泛用于中风患者的康复训练（McAvinue和Robertson，2008年）。通过使用MI，可以训练患者对其大脑信号的控制，从而激活有助于运动的设备。这种训练方法被认为可以增强感觉输入，从而导致大脑可塑性改善运动功能（Hwang等，2009）。通过使用脑电图（EEG）分析来捕获患者的运动意图并使他们能够控制外部装置，已证明了这种康复策略的可行性。与传统的运动康复相比，基于脑电图的MI方法可以通过受试者的自主意图进行主动训练，并已证明在中风恢复高原后为患者提供更好的康复结果（Young等人，2014年）。