XiaoMi-AI文件搜索系统
World File Search System电位
脉冲定时对皮层和丘脑底核深部脑刺激诱发电位的影响
脉冲时间的影响是我们了解如何有效调节基底神经节丘脑皮质 (BGTC) 回路的重要因素。通过电刺激丘脑底核 (STN) 产生的单脉冲低频 DBS 诱发电位可以洞察回路激活，但长延迟成分如何随脉冲时间的变化而变化尚不清楚。我们研究了在 STN 区域传递的刺激脉冲之间的时间如何影响 STN 和皮质中的神经活动。在五名帕金森病患者的 STN 中植入的 DBS 导线被暂时外化，从而可以传递脉冲间隔 (IPI) 为 0.2 至 10 毫秒的成对脉冲。通过 DBS 导线和头皮 EEG 的局部场电位 (LFP) 记录来测量神经激活。 DBS 诱发电位是使用通过联合配准的术后成像确定的背外侧 STN 中的接触器计算的。我们使用小波变换和功率谱密度曲线量化了不同 IPI 对跨频率和时间的诱发反应幅度的影响程度。STN 和头皮 EEG 中的 DBS 诱发反应的 β 频率内容随着脉冲间隔时间的增加而增加。间隔 < 1.0 ms 的脉冲与诱发反应的微小变化相关。1.5 到 3.0 ms 的 IPI 使诱发反应显著增加，而 > 4 ms 的 IPI 产生适度但不显著的增长。当 IPI 在 1.5 到 4.0 ms 之间时，头皮 EEG 和 STN LFP 反应中的 β 频率活动最大。这些结果表明，DBS 诱发反应的长延迟成分主要在 β 频率范围内，并且脉冲间隔时间会影响 BGTC 电路激活的水平。
局部场电位以区域特定和频率依赖的方式反映皮质群体动态
摘要 皮质神经元群体的脉冲活动可以通过少数群体范围内的协方差模式的动态很好地描述，我们将其激活称为“潜在动态”。这些潜在动态主要由电路中相同的相关突触电流驱动，这些突触电流决定了局部场电位 (LFP) 的产生。然而，潜在动态和 LFP 之间的关系在很大程度上仍未得到探索。在这里，我们描述了灵长类动物在伸手过程中感觉运动皮层三个不同区域的这种关系。潜在动态和 LFP 之间的相关性依赖于频率，并且因区域而异。然而，对于任何给定区域，这种关系在整个行为过程中保持稳定：在每个初级运动皮层和运动前皮层中，LFP-潜在动态相关性曲线在运动计划和执行之间非常相似。LFP 和神经群体潜在动态之间的这些强大关联有助于弥合使用任一类型记录报告行为神经相关性的大量研究。
AN1158：使用 Intersil 数字控制电位器 (XDCP) 进行设计
简而言之，电位计的分辨率是相邻抽头位置之间差异的度量。在比率应用中，这对应于电压阶跃，而在电阻应用中，分辨率更接近于增量电阻。理论分辨率可以定义为输出比率可调节的灵敏度的测量值，相当于抽头数（忽略零抽头）的倒数，以百分比表示。可以设置的精度通常称为可调性或可设置性。在标准 XDCP 上，硬件设计人员可以使用 256、124、32 或 16 个抽头，分别提供 1.01%、1.59% 和 3.23% 的分辨率。这些分辨率在各个抽头之间大致恒定（尽管相对线性度更保守地指定为 20%），并且电位计在滑动片移动时表现出单调行为。对于四路器件（例如 X9241A），可以使用软件命令实现内部级联，最多允许 253 个抽头（0.39% 分辨率）。在新一代 XDCP 上，使用双 128 抽头和双 256 抽头器件甚至可以实现更高的分辨率。但是，对于标准 XDCP，使用外部硬件或使用某些软件方案已经可以实现极高的分辨率（请参阅 Intersil 应用笔记 AN43“软件实现高分辨率非易失性数字电位计”）。类似的分析将成立
与错误相关的电位：挑战和应用
错误相关电位（ERRP）是与错误处理相关的神经生理信号。在过去的三十年中有很多情况下，在许多情况下报告了它们是生成的，即当一个主题认为他/她/她/她已经犯了错误并在选择反应时间范式中立即识别出来时，当主体会在不知道是否出错的情况下，当主体的反馈中，当主体的反馈是错误的（反馈erfack erfect of persect）时，当主体会在选择反馈的情况下（“响应errp”），或者是“反馈”或“智能”的反馈（）当反馈不是预期的反馈时，与大脑计算机界面（BCI）的相互作用（“相互作用errp”）。ERRP的组件出现在500毫秒的时间窗口中，并且在大脑中自然而然地引起了用户的明确意图。因此，其自动检测可以以无数的方式实时使用。鉴于错误监测社会互动，行为，人机相互作用和认知学习的重要性，人们开始认识到，通过机器学习自动检测错误信号的可能性可能与许多现实生活中的临床和非临床环境中的许多现实应用有关。ERRP已经被用作多种应用程序中的一种概念，用于检测和纠正BCI选择以提高可靠性，随着时间的推移调整BCI系统或使人工智能系统学习。此外，近年来，人们对基于错误监测错误监测的临床应用中基于ERRP的方法的整合越来越感兴趣。虽然错误信号的实际使用仍处于起步阶段，并且是一个开放的研究领域，但为了了解其起源和潜在的神经机制，还有很多知识。Aiming at contributing to this research field, the special Research Topic on challenges and applications of ErrPs was launched in Frontiers in Human Neuroscience – Brain-Computer Interfaces, which brought together inputs from clinical and basic neuroscience, psychology, and engineering, presenting new neurophysiological insights about error signals, novel applications, both in terms of original contributions and literature reviews.
主动断层区作为可再生能源电位（水力发电厂和地理发电厂）和
基于地质调查，Lampung的地质状况受到苏门答腊岛西侧的苏门答腊大型群岛的影响，从利瓦山谷（Liwa Valley）到塞曼科湾（Semangko Bay）的拉瑙湖（Ranau Lake）的大苏门特断层区域。它们是kumering故障和semangko故障。kumering故障是位于拉瑙湖（Ranau Lake）附近的一个主动断层，而Semangko断层是Suoh Valley和Semangko Bay附近发现的活跃故障。在两个有效断层交叉的两个位置，已经建造了几种可再生能源，并且有可能用于开发和建设，尤其是水力发电厂和地热植物。Ranau-Suoh湖谷之间有几个水电位置。其中一个是正在研究地质危害潜力的水力发电厂。同时，对于Suoh Valley，地热发电厂有一些潜在的区域。
丘脑底核神经元局部场诱发电位中深部脑刺激伪影的噪声消除
本研究介绍了一种噪声消除技术，用于 MER 机器通过丘脑底核深部脑刺激/或刺激器 (STN-DBS) 在局部场电位 (LFP) 中进行电刺激获取的丘脑底核 (STN) 神经元微电极信号。我们提出了一种新方法，用于消除由不同于典型 LFP (低频电位) 信号的脉冲发生器触发的诱导刺激伪影。该方法经过处理和准确性测试，并计算用于体外状态的执行。结果表明，该方法可以很好地抑制刺激伪影。并且还在帕金森病 (PD) 受试者 (患者) 的体内状态下进行了测试。它用于处理从 PD 手术中收集的 LFP 信号，以初步探索 STN、DBS 参数 (刺激强度、刺激电压、频率和幅度脉冲宽度) 内 beta 波段同步变化的定量依赖性。研究结果表明，DBS 过程可以克服过度的β频率（30Hz）活动，并且随着 DBS 电流在 1-3V 范围内增加，刺激频率在 60-120Hz 范围内增加，减少程度也随之增加。该方法为探索诱导电刺激对帕金森脑活动的即时效果提供了科学研究和技术支持，并可作为未来技术的研究工具。
健康和脊髓损伤患者的大脑活动和事件相关电位分析
近年来，研究表明，经皮脊髓刺激 (tSCS) 可用于治疗脊髓损伤 (SCI) 患者的痉挛并促进其行走，其方式与硬膜外脊髓刺激 (eSCS) 类似。但对于脑损伤患者，尚未取得同样的效果。人们认为，tSCS 会影响脊髓神经网络，抑制信号会部分取代大脑的功能。人们对这一过程了解甚少。此外，脊髓与大脑的相互作用或 tSCS 对脊柱和大脑的影响并非研究重点。人们在一定程度上了解 SCI 导致的脊髓和大脑的塑性过程，但尚不清楚 tSCS 对同一器官的影响。影响下运动神经元活动的神经结构是治疗下肢痉挛的目标。这项工作将通过与大脑的连接或缺失来研究这些影响和结构。本硕士论文。项目旨在开发处理管道和测量协议，并设置和评估大脑和肌肉的同步测量，以分析和评估肌肉和运动引起的大脑电位。大脑的事件相关电位（ERP）分析和时频分析（TFA）用于估计皮质和肌肉之间时域和频域的信息。工作结果表明，通过结合脑电图（EEG）和肌电图（EMG）信号，可以研究大脑运动皮层、感觉皮层和肌肉之间的相互作用。研究结果表明，使用信号处理管道可以在EEG中检测到tSCS和髌腱反射的影响。此外，还检测了电位的潜伏期，并解释了健康和脊髓损伤之间的比较分析。因此，确定神经肌肉连接可以为康复的理论基础提供信息。
在帕金森病的运动解码方面，皮层脑电图优于丘脑底局部场电位
摘要 脑信号解码有望在临床脑机接口 (BCI) 的发展中取得重大进展。在帕金森病 (PD) 中，目前已有首个用于自适应深部脑刺激 (DBS) 的双向 BCI 植入物。脑信号解码可以扩展自适应 DBS 的临床实用性，但神经源、计算方法和 PD 病理生理对解码性能的影响尚不清楚。这代表了未来神经技术发展中尚未满足的需求。为了解决这个问题，我们开发了一种基于术中感觉运动皮层电图 (ECoG) 和丘脑底 LFP 的侵入性脑信号解码方法来预测 11 名接受 DBS 的 PD 患者的握力（一种代表性的运动解码应用）。我们证明 ECoG 优于丘脑底 LFP，可准确解码握力。梯度增强决策树 (XGBOOST) 优于其他模型架构。基于 ECoG 的解码性能与运动障碍呈负相关，这可归因于运动准备和运动期间的丘脑底 β 爆发。这凸显了帕金森病病理生理对神经编码运动活力能力的影响。最后，我们开发了一种连接组分析，可以通过使用患者的连接组指纹来预测患者个体 ECoG 通道的握力解码性能。我们的研究为侵入性脑信号解码提供了一个神经生理学和计算框架，以帮助开发个性化的智能自适应 DBS 精准医疗方法。
实践12 动作电位产生的计算机模拟
实践 12 动作电位产生的计算机模拟 实践目的 本实践的目的是通过计算机研究动作电位如何依赖于电压门控钠通道和钾通道的特性。 要准确（定量）描述这一现象需要生物物理学语言，借助生物物理学语言，我们不仅可以准确描述生物电，特别是兴奋性，还可以准确预测与疾病相关的变化将如何影响轴突电位的产生。 本实践让学生了解神经生理学家如何描述神经细胞的基本神经生理特性以及日常实践中动作电位的产生。 实验设置 计算机软件“MetaNeuron”用于模拟可兴奋细胞的电生理特性，由明尼苏达大学的 Eric Newman 开发。 第一部分 目的：本部分实践的目的是让您熟悉 MetaNeuron 软件和描述动作电位过程的基本参数。模拟过程：1. 打开 MetaNeuron 软件。从 Lesson 下拉菜单中选择 Lesson 4: Axon action potential 。根据定义的参数（下图中标记），程序计算膜电位随时间的值。请注意窗口底部的红色图表，显示何时施加去极化刺激。去极化刺激的持续时间由 Width (ms) 参数决定（上图中的蓝色框；默认值为 0.1ms）。达到阈值电位后，就会产生动作电位。软件只接受以点作为小数分隔符的值。
视觉刺激背景亮度对引发稳态视觉诱发电位的影响
归因于脑电图（EEG）信号的信噪比差（SNR）[3]。可以通过增加信号水平和/或降低噪声水平来改善SSVEP信号的SNR。研究人员在改善SSVEP的SNR并提高BCI性能方面取得了长足的进步。首先，研究人员通过应用高级信号处理方法改善了SNR。例如，在当前的BCI系统中广泛使用试验平均，以改善脑电图分析中的SNR [3]。空间过滤已用于将多通道脑电图数据投射到低维空间空间中，以消除任务 - 无关的组件并改善与任务相关的EEG信号的SNR [4]。对于SSVEP，规范相关分析（CCA）方法可以最大程度地提高SSVEP的检测频率[5，6]。独立的组件分析是另一种空间滤波方法，通过将与任务相关的脑电图组件与任务 - iRrelevant eeg和人为成分分开，从而增强了脑电图信号的SNR [7，8]。第二，研究人员设计了实验以获得增强的与任务相关的脑电图信号并改善SNR。例如，在有效的基于SSVEP的BCI中，与使用Checkerboard刺激获得的刺激相比，使用情感人脸的视觉刺激大大提高了SSVEP信号的振幅[9]。第三，一些研究人员调整了视觉刺激亮度的参数，以调节SSVEP响应的幅度，从而改善了SSVEP的SNR [10-12]。例如，相关研究表明，亮度对比信息对于形式，运动和深度的感知至关重要[13，14]。亮度对比或“调制深度”定义为最大亮度的比率减去最小亮度与最大亮度以及