CMC学习系列 (2):EEG-EMG有可能作为运动恢复的生物标志物

news2024/11/19 9:23:49

CMC学习系列:EEG-EMG有可能作为运动恢复的生物标志物

  • 0. 引言
  • 1. 主要贡献
  • 2. 方法
    • 2.1 显著 bins 数量
    • 2.2 偏侧性指数
  • 3. 结果
    • 3.1 临床评估
    • 3.2 CMC
    • 3.3 卒中后CMC随时间变化
  • 4. 讨论和结论
  • 5. 总结
  • 欢迎来稿

论文地址:https://www.frontiersin.org/journals/neurology/articles/10.3389/fneur.2019.00126/full
论文题目:Cortico-Muscular Coherence Is Reduced Acutely Post-stroke and Increases Bilaterally During Motor Recovery: A Pilot Study
论文代码:无

0. 引言

中风后的运动恢复被认为需要改变皮层和肌肉之间的功能连接皮质-肌肉连贯性已被提议作为中风后运动缺陷的潜在生物标志物,能够量化恢复,并可能指示参与功能恢复的皮层区域。我们记录了健康参与者和缺血性卒中后患者在手腕伸展期间同时进行的脑电图和肌电图,评估了卒中后三个时间点的功能。随着手腕活动度在临床上恢复,脑电图-肌电图的连贯性随着时间的推移而增加,到最终评估时,患者组的连贯性高于健康对照组。此外,两组之间的皮质分布不同,与健康参与者相比,患者的皮质区域更大且更偏侧分散。研究结果表明,脑电图-肌电图的连贯性有可能作为运动恢复的生物标志物,并提供有关基于实时脑电图的康复治疗中应针对的皮质区域的信息。

总的来说:这样研究验证了随着卒中患者的恢复,其患侧脑电图-肌电图的连贯性随之上升。此外,与健康参与者相比,其具有更大更宽的皮质相干区域。。。。

1. 主要贡献

  1. 调查了一组 4 名患有急性左半球缺血性中风的患者在亚急性慢性期的临床进展和平行 CMC 变化,并比较了 7 名健康志愿者的恢复情况与 CMC
  2. 估计了一项研究需要招募的患者数量,该研究比较了治疗组之间中风后头几个月的中风康复情况。

2. 方法

相干性之前博客介绍的有,就不再介绍了。。。

2.1 显著 bins 数量

在这里插入图片描述

在接下来的计算中,运动皮层电极(FC5、FC3、FC1、FC2、FC4、FC6、C5、C3、C1、Cz、C2、C4、C6、CP5、CP3、CP1、CPz、CP2、CP4、CP6)上β波段(12-30赫兹)的显著相干值均包括在内。反映 CMC 所涉及的空间范围和频率范围的显着 bins 的数量是通过计算运动皮层上的 EEG 电极位点的数量来确定的,在这些位点上,对于 β 波段中 37 个频率中的每一个 (12-30Hz 对应着37个频率) ,上述步骤中的引导和排列被认为具有显著的连贯性

2.2 偏侧性指数

在这里插入图片描述
其中,Q是相应半球的最大相干性。偏侧性指数的范围可以从 -1 到 1,正值表示左半球(病变)偏侧,反之亦然。

3. 结果

3.1 临床评估

临床评估观察到的患者组上肢活动性的改善:(A) 腕部 FMA (B) FMA-UE 评分的运动功能部分所标记

在这里插入图片描述

3.2 CMC

在健康参与者中,在运动期间在对侧半球观察到β脑电图-肌电图的连贯性。7 名健康参与者的平均 β 脑电图-肌电图相干性。显示的值来自对 7 名健康参与者的所有 37 个频率箱的 beta 波段中的个体平均相干性模式进行平均。使用所述方法确定为不显著的 CMC 值设置为零
在这里插入图片描述
卒中患者β频段的脑电图-肌电图相干性随时间变化,程度增加,地形分布变化(随着三个运动恢复疗程的变化)如下所示:
在这里插入图片描述

3.3 卒中后CMC随时间变化

卒中后 β 脑电图-肌电图相干性随时间的变化。(A) β频率范围内相干峰值的平均秩。(B) 跨电极和 β 频率的箱数的平均排名。(C) 相干偏侧性指数 (p = 0.84)。(D) 最终评估患者与健康参与者之间 β 脑电图-肌电图相干性峰值水平之间的比较 (p = 0.011)。
在这里插入图片描述

4. 讨论和结论

我们确定了健康参与者对侧手部运动的β频率范围内的脑电图-肌电图相干性,并监测了缺血性中风患者运动恢复过程中该标志物的发展。CMC最初在急性恢复阶段是最小的,然后随着时间的推移逐渐增加,达到比健康参与者更高的水平。此外,其分布与健康参与者的分布不同在对侧(同侧)和病变半球都观察到 CMC,并且在 β 范围内包含更多频带和更大的皮质区域,包括后皮质区域。CMC 的这些变化伴随着显着的运动恢复,使用 FMA 的手腕子部分和 FMA-UE 运动功能部分进行评估,观察到这些 FMA 分数与 CMC 之间存在相关性。我们的研究结果表明,β 频率范围内的 EEG-EMG 相干性有可能用作中风恢复期间的生物标志物。此外,研究结果表明,由脑电图活动引导的康复疗法,如脑机接口和TES,应该针对广泛的皮层区域,并定期更新恢复期间使用的参数,因为CMC与皮质-脊髓通讯相关,并且在中风康复过程中其空间分布发生变化

Carlowitz-Ghori 等人 也研究了卒中恢复过程中 CMC 的变化。他们研究了 11 名患者在中风急性和慢性阶段受影响和未受影响的手运动期间的 CMC。他们发现,与未受影响的手相比,受影响的手在急性期的运动过程中的连贯性显着下降。在慢性期,与急性期相比,未受影响的手的这种连贯性差异减小峰值连贯性显着降低。与我们的研究结果相反,他们没有观察到受影响手在时间过程中峰值相干性的增加。然而,这可以归因于这样一个事实,即他们纳入的患者的医学研究委员会评分至少为 3,而我们的四名患者中有三名在治疗前根本没有运动(反映为手腕 FMA 评分为 0)。

在目前的研究中,没有发现偏侧性指数的显着差异,这与之前的一项研究结果一致,该研究比较了11名慢性中风患者(中风后的平均年数:6.5)和9名年龄匹配的参与者。

我们的患者在运动恢复后表现出更广泛的双侧激活模式对侧半球的受累更多。相比之下,在一项涉及慢性卒中患者的研究中,在手腕伸展期间,只有患手对侧的半球显示 CMC 。在卒中后更急性的阶段,病变附近的皮质区域暂时接管运动功能以补偿皮质影响的丧失,这可能在康复过程中再次转变为更类似于健康参与者的空间模式。我们还注意到,我们患者的 CMC 相对于健康参与者组的 CMC 是后位的,这与先前报道的卒中后皮质活动增加的结果一致 。目前正在研究大量可以促进中风恢复的神经免疫介质和生物因素。脑皮层广泛区域参与卒中后运动恢复可能与卒中后生物分子的广泛释放有关。

在上述研究中,卒中后较长的时间段可能表明,我们观察到的变化与中枢神经系统的早期代偿机制有关,而在恢复的早期阶段,偏侧性可能从高指数转向对侧再到更双边的模式

目前的研究有许多局限性。必须谨慎解释健康参与者和患者数据之间的直接比较,因为在比较的两个队列中,EEG-EMG记录期间运动范式的细节不同。虽然健康的参与者进行了重复的、自定进度的运动,但由于中风后早期任务的难度,患者的运动更接近于等长收缩,其中活动受限明显。β 带中的 CMC 主要被描述为与次最大等长收缩相关,尽管在涉及动态肌肉收缩的中风患者中也观察到它。执行重复运动范式的单个患者显示的数据表明,在未受影响的手腕运动期间,与受中风影响的手腕相比,对侧和侧向 β CMC 更大。尽管健康受试者组的相干性主要出现在 β 频带(α 和 γ 相干性不太明显),但 β 峰相干性的差异也可以归因于不同类型的运动,而不仅仅是中风后的皮质可塑性

5. 总结

到此,使用 EEG-EMG有可能作为运动恢复的生物标志物 已经介绍完毕了!!! 如果有什么疑问欢迎在评论区提出,对于共性问题可能会后续添加到文章介绍中。

如果觉得这篇文章对你有用,记得点赞、收藏并分享给你的小伙伴们哦😄。

欢迎来稿

欢迎投稿合作,投稿请遵循科学严谨、内容清晰明了的原则!!!! 有意者可以后台私信!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1547821.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

信号处理--基于混合CNN和transfomer自注意力的多通道脑电信号的情绪分类的简单应用

目录 关于 工具 数据集 数据集简述 方法实现 数据读取 ​编辑数据预处理 传统机器学习模型(逻辑回归,支持向量机,随机森林) 多层感知机模型 CNNtransfomer模型 代码获取 关于 本实验利用结合了卷积神经网络 (CNN) 和 Transformer 组件的混合…

在DasViewer里怎么查看三维模型的坐标系?

量测就可以查看坐标系了,或者查看xml文件中坐标系的代号。量测就可以查看坐标系了,或者查看xml文件中坐标系的代号。 DasViewer是由大势智慧自主研发的免费的实景三维模型浏览器,采用多细节层次模型逐步自适应加载技术,让用户在极低的电脑配置下,也能流畅…

Go语言学习Day3:数据类型、运算符与流程控制

名人说:莫愁千里路,自有到来风。 ——钱珝 创作者:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 目录 1、数据类型①布尔类型②整型③浮点型④string⑤类型转换 2、运算符①算术运算符②逻辑运算符③关…

STM32学习笔记(6_8)- TIM定时器的编码器接口代码

无人问津也好,技不如人也罢,都应静下心来,去做该做的事。 最近在学STM32,所以也开贴记录一下主要内容,省的过目即忘。视频教程为江科大(改名江协科技),网站jiangxiekeji.com 现在开…

원클릭으로 주류 전자상거래 플랫폼 상품 상세 데이터 수집 및 접속 시연 예제 (한국어판)

클릭 한 번으로 전자상거래 플랫폼 데이터를 캡처하는 것은 일반적으로 웹 페이지에서 정보를 자동으로 추출 할 수있는 네트워크 파충류 기술과 관련됩니다.그러나 모든 형태의 데이터 수집은 해당 웹 사이트의 사용 약관 및 개인 정보 보호 정책 및 현지 법률 및 규정을 준수…

百度蜘蛛池平台在线发外链-原理以及搭建教程

蜘蛛池平台是一款非常实用的SEO优化工具,它可以帮助网站管理员提高网站的排名和流量。百度蜘蛛池原理是基于百度搜索引擎的搜索算法,通过对网页的内容、结构、链接等方面进行分析和评估,从而判断网页的质量和重要性,从而对网页进行…

JAVA面试大全之基础篇

目录 1、语法基础 1.1、面向对象特性?​​​​​​​ 1.2、a a b 与 a b 的区别 1.3、3*0.1 0.3 将会返回什么? true 还是 false? 1.4、能在 Switch 中使用 String 吗? 1.5、对equals()和hashCode()的理解? 1.6、final、finalize 和 finally 的不同之…

【物联网开源平台】tingsboard二次开发

别看这篇了,这篇就当我的一个记录,我有空我再写过一篇,编译的时候出现了一个错误,然后我针对那一个错误执行了一个命令,出现了绿色的succes,我就以为整个tingsboard项目编译成功了,后面发现的时候&#xff…

怎么清理苹果电脑内存?CleanMyMac X4.15.2最新中文版使用教程

近日,我的苹果电脑似乎遭遇了一点小麻烦,每当深入工作或沉浸于娱乐之时,突如其来的一个警告弹窗就像一颗冰凉的霰弹,打断了我所有的思绪:内存不足!!!怎么清理苹果电脑内存&#xff0…

机器学习——神经网络简单了解

一、神经网络基本概念 神经网络可以分为生物神经网络和人工神经网络 (1)生物神经网络,指的是生物脑内的神经元、突触等构成的神经网络,可以使生物体产生意识,并协助生物体思考、行动和管理各机体活动。 (2)人工神经网络,是目前热门的深度学习的研究…

蔓灵花组织wmRAT分析

wmRAT分析 MD5:35639088a2406aa9e22fa8c03e989983 样本分析 多次调用sleep函数绕过沙箱检测。 创建线程获取username computername 磁盘驱动器个数 通过域名microsoft.com获取ip地址 通过c2服务器域名maxdimservice.com获取ip地址85.239.53.31 408460函数获取…

44 el-dialog 的 appendToBody 属性, 导致 vue 响应式失效

前言 我们经常会碰到 一些 模型和视图 不同步的问题 通常意义上 主要的问题为 列表的某响应式数据更新着更新着 后面就变成非响应式对象了, 然后 就造成了 数据一直在更新, 但是 视图的渲染后面就未渲染了, 这是一个由于 模型上的问题 导致的数据的不在响应式更新 又或者 是…

借力AI+视频号电商,腾讯广告业务这驾马车能跑多远?

腾讯的“功劳簿”又添上了几笔。 日前,腾讯披露了2023年四季度及全年财报。报告显示,2023年,腾讯营收6090.15亿元,同比增长10%;调整后净利润(Non-IFRS)1576.88亿元,同比增长36%。 …

在stable diffusion中手指纠错的指令和关键词是什么?

在Stable Diffusion模型中,如果您想对生成的图像中的手指进行纠错,您可以在描述中使用特定的指令和关键词来引导模型关注于手指区域并作出调整。 "Perfect hand" (完美的手) "Five fingers" (五个…

中国科学院半导体研究所汪林望:在曙光超级计算机上对第一性原理计算软件LS3DF进行1000万个硅原子模拟

编者荐语: 面对纳米材料等大体系时,电荷补丁法可以计算几千甚至上万原子, 但是电荷补丁法作为非自洽计算,不能给出原子受力,也不能用来弛豫原子坐标。面对摩尔条纹或线性位错等问题,我们需要弛豫原子的坐标…

javaSwing模拟写字板

一、摘要 目前,很多新的技术领域都涉及到了Java语言,Java语言是面向对象编程,并且涉及到网络、多线程等重要的基础知识,因此Java语言也是学习面向对象编程和网络编程的首选语言。此简易JAVA写字板程序,使用Java程序编…

Object Detection--Loss Function:从IoU到CIoU

本篇总结Loss Function中的IoU系列代码。 1. IoU 交并集,两个框交集面积除以并集面积。(论写写画画的重要性)(找原文看看) """ box1[x1, y1, x2, y2] box2[x1, y1, x2, y2] return iou ""…

Qt 作业 24/3/26

1、实现闹钟 #ifndef WIDGET_H #define WIDGET_H#include <QWidget> #include <QTime> #include <QLineEdit>QT_BEGIN_NAMESPACE namespace Ui { class Widget; } QT_END_NAMESPACEclass Widget : public QWidget {Q_OBJECTpublic:Widget(QWidget *parent …

python(django)之单一接口管理功能后台开发

1、创建数据模型 在apitest/models.py下加入以下代码 class Apis(models.Model):Product models.ForeignKey(product.Product, on_deletemodels.CASCADE, nullTrue)# 关联产品IDapiname models.CharField(接口名称, max_length100)apiurl models.CharField(接口地址, max_…

关键技术解析:CH-99除硼树脂在超纯水制备中对硼高效去除的应用实践与性能优势

超纯水(UPW)是科技和研究领域的关键资源&#xff0c;其中硼元素的去除对于保证其品质至关重要。本文将介绍一种高效的除硼技术——Tulsimer CH-99树脂&#xff0c;并阐述其在超纯水制备中的应用及优势。 首先&#xff0c;让我们了解超纯水的制备过程。超纯水是通过一系列精密的…