XiaoMi-AI文件搜索系统
World File Search System脑电图
密度脑电图
摘要 目的 功能连接 (FC) 越来越多地被用作神经调节和提高性能的目标。目前，使用脑电图 (EEG) 对 FC 进行可靠的评估需要具有高密度蒙太奇的实验室环境和较长的准备时间。本研究调查了使用低密度 EEG 蒙太奇重建源 FC 以用于实际应用的可行性。方法 使用逆解重建源 FC，并将其量化为 alpha 频率中绝对虚相干的节点度。我们使用模拟的相干点源以及两个真实数据集来研究电极密度（19 个电极 vs. 128 个电极）和使用模板与基于单个 MRI 的头部模型对定位精度的影响。此外，我们还检查了低密度 EEG 是否能够捕捉个体间相干强度的变化。结果 在数值模拟和实际数据中，电极数量的减少导致相干源和耦合强度的重建可靠性降低。然而，当比较从 19 个电极重建 FC 的不同方法时，使用波束形成器获得的源 FC 优于传感器 FC、独立成分分析后计算的 FC 和使用 sLORETA 获得的源 FC。特别是，只有基于波束形成器的源 FC 才能捕捉运动行为的神经相关性。结论 从低密度 EEG 重建 FC 具有挑战性，但使用波束形成器的源重建时可能是可行的。
eeg-basics.pdf - 脑电图
神经系统的整合作用，描述了突触和运动皮层 1913 年 - 埃德加·道格拉斯·阿德里安 (Edgar Douglas Adrian)：神经中的全或无原则 1929 年 - 汉斯·伯杰 (Hans Berger)：第一个人类脑电图 1932 年 - 扬·弗里德里希·滕尼斯 (Jan Friedrich Toennies)：多通道墨水书写脑电图机 1932 年 - ED Adrian 和 C.S Sherrington 因在功能方面的工作获得诺贝尔奖
脑电图接口的脑电图（EEG）波的分析和提取
Analysis and Extraction of Electroencephalogram (EEG) wave for Brain-Computer Interfacing Pantha Protim Sarker Department of Electrical and Electronic Engineering, Bangabandhu Sheikh Mujibur Rahman Science and Technology University, Gopalganj, Bangladesh pantha[at]bsmrstu.edu.bd Abstract: The present work demonstrates the mining of brain data using non-invasive methods by简单地将大脑和计算设备接口。这项工作试图通过两个不同的传感器来分析和收集脑电图（EEG）信号，以进行大脑计算机交流（BCI）系统。这两个传感器之间进行了详细的性能分析。然后使用各种信号处理技术和算法来提取大脑的两个有用特征，注意力和冥想。最后，对于本文的后期部分，大脑的注意力（EEG Beta波）和冥想（EEG Theta Wave）值成功地进行了调节，以使其可用于实际应用。关键字：脑部计算机交流（BCI），脑电图（EEG），非侵入性信号提取，注意，冥想1。简介1.1。动机运动神经元疾病是受影响人无法移动肌肉的大脑功能障碍之一。，因此他们的正常运动受到阻碍。在这种情况下，受影响的人无法与外界交流。统计数据表明，每年约有50,000人受运动神经元疾病的影响[1]。大脑的研究也非常重要，因为大脑相关疾病。1.2。问题规范但是，如果开发了大脑信号的成功信号提取程序，我们可以为受运动神经元疾病影响的人们提供一种通信和控制电气轮椅等外部机车设备的方法。对疾病的适当诊断和治疗取决于对大脑当前状况的正确理解。例如，癫痫是一种疾病，其中大脑的电信号可用于分析神经元数据。可以通过检测从大脑的电信号中提取的典型癫痫的模式来成功诊断癫痫[2]。电信号还可以在头部受伤，中风或脑肿瘤后检测出异常的脑波。其他情况，例如头晕，头痛，痴呆和睡眠问题，可能会显示出异常的大脑模式。因此，找到一种更便宜，更可靠的方法来收集大脑数据并从中提取有用的功能，从而导致了这项研究工作。
近红外光谱和脑电图......
背景。暴食症 (BED) 与神经行为改变同时发生，这些改变与处理与疾病相关的内容（例如视觉食物刺激）有关。直接针对它们的神经反馈 (NF) 是否适合治疗仍不清楚。本研究旨在确定个性化、基于功能性近红外光谱的实时 NF (rtfNIRS-NF) 和基于高β脑电图的 NF (EEG-NF) 的可行性并评估其效果，假设优于等待名单 (WL)。方法。单中心、评估者盲法可行性研究，随机分配到 rtfNIRS-NF、EEG-NF 或 WL，并在基线 (t 0)、评估后 (t 1) 和 6 个月随访 (t 2) 进行评估。NF 包括 8 周内 12 次 60 分钟的食物特异性 rtfNIRS-NF 或 EEG-NF 疗程。主要结果是通过访谈评估的 t 1 时的暴饮暴食频率。次要结果包括可行性、饮食失调症状、心理和身体健康、体重管理相关行为、执行功能以及 t 1 和 t 2 时的大脑活动。结果。在 72 名患者（意向治疗）中，结果显示 NF 在招募、流失、依从性、依从性、接受度和评估完成度方面的可行性。暴饮暴食在 t 1 时改善了 -8.0 次，NF 与 WL 相比没有优势（-0.8 次，95% CI -2.4 至 4.0），但 t 2 时 NF 的估计值相对于 t 1 有所改善。在食物渴望、焦虑症状和体重指数方面，NF 优于 WL，但总体影响大多较小。大脑活动变化接近于零。结论。结果显示，食物特异性 rtfNIRS-NF 和 EEG-NF 在 BED 中的可行性，并且与 WL 相比没有治疗后差异，但暴饮暴食可能继续改善。考虑到剂量反应关系和给药方式，在双盲随机设计中进行长期随访，有必要提供确认和机制证据。
基于可穿戴脑电图的诊断
早期检测对于控制阿尔茨海默病 (AD) 进展和延缓认知衰退至关重要。磁共振成像等传统医疗程序成本高昂，需要长时间等待，并且需要复杂的分析。或者，在过去几年中，研究人员已经成功评估了基于机器学习和脑电图 (EEG) 的 AD 检测方法。尽管如此，这些方法通常依赖于手动处理或涉及非便携式 EEG 硬件。这些方面对于自动诊断而言并不理想，因为它们需要额外的人员并妨碍便携性。在这项工作中，我们报告了基于使用 16 个通道的商业 EEG 采集系统的自驱动 AD 多类判别方法的初步评估。为此，我们记录了三组参与者的 EEG：轻度 AD、轻度认知障碍 (MCI) 非 AD 和对照组，并实施了自驱动分析流程来区分这三组。首先，我们将自动伪影剔除算法应用于 EEG 记录。然后，我们从预处理的时期中提取了功率、熵和复杂性特征。最后，我们通过留一交叉验证使用多层感知器评估了多类分类问题。我们获得的初步结果与文献中的最佳结果（0.88 F1 分数）相当，这表明可以通过基于商业 EEG 和机器学习的自驱动方法检测 AD。我们相信这项工作和进一步的研究可能有助于在一次咨询会话中检测 AD，从而降低与 AD 筛查相关的成本并可能推进医疗治疗。© 2022 作者。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）