基于Transformer的深度学习网络与时空信息结合的原始EEG分类方法

研究背景及目的 近年来,脑机接口(Brain-Computer Interface,BCI)系统在神经工程和神经科学领域广泛应用,而脑电图(Electroencephalogram,EEG)作为反映中枢神经系统不同神经元群体活动的数据工具,已经成为这些领域中核心的研究内容。然而,EEG信号具有低空间分辨率、高时间分辨率、低信噪比以及个体差异大等特征,这些都为信号处理和准确分类带来了极大的挑战。尤其在运动想象(Motor Imagery,MI)这一EEG-BCI系统常用范式中,准确分类不同MI任务的EEG信号对于BCI系统的功能恢复和康复具有重要意义。 传统的MI-EEG分类方法通常基于手工特征提取和分类,但这些方法可能在特征提取阶段丢失EEG的有用信息。近年来,深度学习模型因其自动特征提取和...

通过肌电控制的机器人手训练揭示慢性中风中双侧脑半球平衡恢复的神经机制

通过肌电控制的机器人手训练揭示慢性中风中双侧脑半球平衡恢复的神经机制

通过EMG驱动的机器人手训练揭示慢性中风患者跨半球平衡恢复的神经机制:来自动态因果建模的见解 中风是一种常见的致残原因,其中大部分中风幸存者会患上上肢瘫痪。上肢功能受损的后果可持续六个月以上,只有少数中风幸存者 (少于12%) 能完全康复。为了恢复这些患者的日常生活能力,提高他们的生活质量,研究人员一直致力于开发中风后运动康复方案。 近年来,使用机器人辅助装置进行上肢康复的研究引起了广泛关注。机器人康复提供了一种一致、密集且互动的训练体验,能够吸引患者积极参与。综合分析显示,接受机器人辅助训练的个体在上肢的Fugl-Meyer 评估 (FMA-UE) 分数以及上肢的功能活动方面都有显著改善。然而,针对腕部和手部功能的机器人在运动控制和日常生活活动的改善方面效果有限。随着意图驱动机器人的引入,...

基于小波的时间-频谱-注意力相关系数用于运动想象EEG分类

脑机接口(Brain-Computer Interface, BCI)技术近年来发展迅速,被认为是一种无需通过外周神经和肌肉,仅通过大脑直接控制外部设备的前沿技术。特别是在运动想象(Motor Imagery, MI)脑电图(Electroencephalography, EEG)应用中,BCI 技术展现了巨大的潜力。通过分析MI-EEG信号,可以帮助患有物理障碍或神经肌肉退化的病人提高生活质量。然而,由于个体之间的差异以及大脑活动的稳定性、低信噪比(Signal-to-Noise Ratio, SNR)等因素,如何从复杂的EEG信号中提取有效特征以提高MI-EEG分类系统的准确性,仍然是一个巨大的挑战。 在MI-EEG分类中,特征提取与表示是决定分类性能的关键。当前广泛使用的特征提取方法,...

基于注意力的双尺度融合卷积神经网络用于运动想象脑机接口

基于注意力的双尺度融合卷积神经网络用于运动想象脑机接口

脑机接口(Brain-Computer Interface, BCI)作为一种新增强通信与控制技术近年来逐渐崭露头角。基于电生理特征(如脑电图,EEG)的BCI中,运动想象(Motor Imagery, MI)是一个重要分支,通过解码用户的运动意图用于临床康复、智能轮椅控制、及光标控制等领域。然而,由于EEG信号的复杂性,如低信噪比(Signal-to-Noise Ratio, SNR)、非平稳性、低空间分辨率和高时间分辨率等特点,准确解码运动意图仍具有挑战性。现有的MI基BCI解码主要使用传统机器学习和深度学习方法。传统机器学习通常分为特征提取和特征分类两个独立步骤,方法包括快速傅里叶变换(Fast Fourier Transform, FFT)、通用空间模式(Common Spatial...

基于注意力机制深度学习的单通道脑电图睡眠分期分类方法

电子电气工程师学会 (IEEE)《神经系统与康复工程事务》2021年第29卷刊登了一篇题为《一种基于注意力深度学习的单通道EEG睡眠阶段分类方法》的文章。本文由Emadeldeen Edele、Zhenghua Chen、Chengyu Liu、Min Wu、Chee-Keong Kwoh、Xiaoli Li及Cuntai Guan等学者撰写。文章的主要目的是提出一种新型的基于注意力的深度学习模型,用于通过单通道的脑电图(EEG)信号进行自动睡眠阶段分类。 研究背景 睡眠是人类重要的生理过程,直接影响到每日生活的各个方面。有研究表明,高质量的睡眠能够促进身体健康和脑功能的提升,而睡眠中断则可能导致失眠或睡眠呼吸暂停等睡眠障碍。睡眠阶段(如浅睡和深睡)对免疫系统、记忆和代谢等起着关键作用,因此...

听觉记忆识别与预测编码的大脑时空层次结构

听觉记忆识别与预测编码的大脑时空层次结构

听觉记忆识别与预测编码的大脑时空层次结构 背景介绍 本研究旨在探索人类脑在识别之前记忆的音乐序列及其系统性变化时的层次性脑机制。虽然有关视空模式的神经处理已经进行了广泛研究,但对意识识别听觉序列及其关联的预测误差的理解依然不足。听觉系统从随时间发展形成的模式和序列中提取信息,为理解大脑的时间层次提供了独特的机会。相关研究推测大脑通过预测编码理论(Predictive Coding Theory,PCT)不断更新内部模型来预测外界信息和刺激。 研究来源 本文作者包括L. Bonetti, G. Fernández-Rubio, F. Carlomagno, M. Dietz, D. Pantazis, P. Vuust和M. L. Kringelbach,分别来自奥胡斯大学、牛津大学、波洛尼亚...

扩展 OPM-MEG 临床应用:一种高效的牙箍金属伪影自动抑制方法

拓展OPM-MEG在临床中的应用:一种有效自动抑制牙套金属伪影的方法 背景介绍 磁性脑电图(Magnetoencephalography, MEG)是一种通过多通道磁场测量传感器重建大脑神经电流分布和功能网络的技术。MEG相比于电生理学(Electroencephalography, EEG)在源空间分辨率上有显著优势,同时其磁场信号不受颅骨和头皮组织传导的干扰,在时间分辨率上也优于功能性磁共振成像(Functional Magnetic Resonance Imaging, fMRI)。因此,MEG在研究大脑功能与认知、癫痫的临床应用以及神经疾病研究中具有重要地位。 目前,MEG测量主要依赖两种设备:商用超导量子干涉装置(SQUID)和可穿戴光泵磁力计(Optically Pumped M...

基于监督机器学习的脑CT分析作为院外心脏骤停后结果的预测指标

脑部CT分析作为院外心脏骤停后预后预测工具的监督机器学习分析 研究背景 心脏骤停(Out-of-Hospital Cardiac Arrest, OHCA)是西方世界主要的死亡原因之一,其存活率极低,仅为3%到16%。OHCA后的神经学预后和总体预后主要由缺氧缺血性脑损伤(Hypoxic-Ischemic Brain Injury, HIBI)决定。大多数OHCA导致的死亡是因为认为预后很差而撤除生命支持。因此,准确识别HIBI和进行可靠的预后判断对告知亲属、做出治疗决策以及合理使用有限的重症监护资源至关重要。 研究动机 OHCA带来的医学挑战巨大,准确的预后判断对于患者、家属和医护人员具有深远影响。当前使用的预后算法包括电生理、临床、影像和实验室参数。然而,尽管脑部CT(Cerebral ...

顽固性癫痫患者的癫痫发作起始区定位方法研究

近年来,难治性癫痫(refractory epilepsy)越来越受到医学界的关注。这种癫痫被定义为尽管经过两次适当的抗癫痫药物治疗,仍持续发生严重的癫痫发作。对于药物治疗无效的患者来说,如果能够准确定位癫痫发作起源区(seizure onset zone, SOZ),通过切除或消融该区域的治疗方法可能会具有治愈作用。然而,在美国,通过立体定向脑电图(stereoelectroencephalography, SEEG)电极监测不同脑区的癫痫活动是药物难治性癫痫患者常见的手术评估方法,但这种方法依赖于检测到足够数量的癫痫发作,患者需住院监测数日甚至数周。此外,即使完成SEEG监测,SOZ的精准定位也无法得到保证。因此,研究如何提高SOZ的定位准确性具有重要意义。 这篇论文的主要作者包括Ale...

基于深度学习放射组学模型结合临床放射特征检测胰腺导管腺癌患者隐匿性腹膜转移的研究与验证

深度学习放射组学模型结合临床放射学特征预测胰腺导管腺癌患者隐性腹膜转移的开发与验证 背景介绍 胰腺导管腺癌(Pancreatic Ductal Adenocarcinoma, PDAC),一种极为致命的恶性肿瘤,其5年生存率约为11%。其糟糕的预后部分是由于80-85%的患者在出现症状时,已经被诊断出为晚期疾病,不可切除或已经发生转移,包括隐性腹膜转移(Occult Peritoneal Metastases, OPM)。腹膜是PDAC转移的第二常见途径,约10-20%的患者在首次诊断时即表现为腹膜转移,对于这一部分患者来说,早期识别腹膜转移将极大地影响治疗选择以避免不必要的手术。 传统的腹膜转移诊断依赖于计算机断层扫描(CT),但是由于缺乏明显的标志,早期腹膜转移往往难以被发现。诊断性分期...