基于表面肌电图的人体运动意图识别研究进展

分析基于表面肌电图人体运动意图识别的研究方法和识别效果。     

睡眠呼吸暂停综合征患者的睡眠分期算法研究

针对可穿戴睡眠监测缺乏有效的自动睡眠分期和睡眠质量评价方法这一问题,提出一种适用于睡眠呼吸暂停综合征患者的自动睡眠分期方法。通过心电图R-R间期序列,分别得到心率变异性、呼吸幅度变异性和呼吸率变异性信号。以此为基础,提取时域、频域及非线性特征共55个。利用门控循环单元网络,分别构建清醒-睡眠二分类、清醒-快速眼动-非快速眼动睡眠三分类、清醒-快速眼动-浅睡-慢波睡眠四分类、清醒-快速眼动-非快速眼动Ⅰ-Ⅱ-Ⅲ期五分类等共4个不同分类粒度的睡眠分期模型;采用损失函数类别加权方法,有效降低数据非平衡对分期结果的影响。验证数据来自SHRS数据库的274例患者。借助准确率、Cohen's Kappa系数和睡眠结构指标对该睡眠分期方法进行性能评价。结果表明4个分类器的准确率分别为85.06%、75.44%、63.80%、62.13%,Cohen's Kappa系数达到了0.54、0.49、0.41、0.41,睡眠结构分析评估与临床结果之间的差异无统计学意义。所提出的方法基本满足睡眠质量评估的需求,适用于可穿戴睡眠监测应用。     

经颅磁刺激在脑卒中运动功能障碍康复中的研究进展

脑卒中是一种高发病率的急性脑血管疾病,常伴随肢体运动功能障碍的后遗症。经颅磁刺激(transcranial magnetic stimulation, TMS)作为一种非侵入式的脑刺激方法,大量临床实验证明其对卒中后运动功能障碍有明显的康复作用,但背后的神经康复机制仍不明确,需要更多的研究和探索。本文从TMS在运动功能评估、干预和康复预测模型的建立等方面入手,梳理、总结了近年来TMS在脑卒中运动康复领域的发展进程和研究现状,以期为后续研究提供参考。     

生后早期大鼠初级视皮层Ⅰ层中间神经元电学特性研究

目的:研究视觉发育可塑性关键期内大鼠初级视皮层Ⅰ层中间神经元的电学特性,以期通过分析其电学特性进一步区分神经元的类型。方法:采用脑片膜片钳全细胞记录技术,观察13～15天SD大鼠初级视皮层Ⅰ层单眼反应区(Oc1M)中间神经元的被动、主动电学特性和动作电位的发放特征。结果:大鼠初级视皮层Ⅰ层中间神经元动作电位的后电位表现为后去极化和后超极化两种形式。后去极化的幅度能够达到15.11±3.02 mV;而后超极化的幅度为-6.22±0.53 m V。基于后电位的不同,将Ⅰ层中间神经元分为后去极化神经元(ADPNs)和后超极化神经元(AHPNs)两类。对两类神经元的电学特性进行统计比较发现,ADPNs具有较高的静息电位、较低的阈电位和较高的能障(P<0.05)。此外,两类神经元在动作电位峰幅值、最大下降斜率、峰展宽以及频率适应性上均具有显著性差异(P<0.05)。结论:在视觉发育可塑性关键期内,大鼠初级视皮层Ⅰ层中间神经元可根据其电学特性分为ADPNs和AHPNs两种类型,二者可以进一步通过其被动和主动电学特性以及动作电位发放特性加以区分。     

人工智能在孤独症谱系障碍康复中的应用

孤独症谱系障碍(ASD)是一组神经发育障碍性疾病,主要表现为社会情感互动、语言和非言语交流障碍,不能建立和发展伙伴关系,影响社会性发展。传统的诊断工具如《孤独症诊断观察量表-修订版》、《孤独症诊断访谈量表》以及干预措施如应用行为分析法、结构化教育、社交故事等虽已应用于临床,但ASD的早期精准诊断与治疗仍面临各种挑战。人工智能的发展将临床医学带入智能时代,人工智能在医学领域的应用为ASD的诊断时效性和精准性以及其核心症状的改善提供广阔前景。不足的医疗资源,昂贵的治疗成本等因素导致的ASD康复难题将由于人工智能的介入而有望得以解决。本文查阅近年文献,从机器学习、虚拟现实技术、机器人介导下的ASD干预以及人工智能在ASD康复领域中应用的伦理学和发展前景四方面进行论述。     

视觉运动诱导的脑机接口技术应用于脑卒中患者上肢运动功能和认知功能的效果

目的 探讨视觉运动诱导的脑机接口(BCI)技术应用于脑卒中患者上肢运动功能和认知功能的治疗效果。方法 2021年7月至2022年3月，陕西省康复医院患有上肢手功能障碍和认知障碍的脑卒中患者50例随机分为对照组(n=25)和试验组(n=25)。两组均接受常规康复，对照组进行传统被动式手功能康复训练，试验组进行视觉运动诱导的BCI康复训练，共2周。治疗前后分别比较两组Fugl-Meyer评定量表上肢部分(FMAUE)、改良Barthel指数(MBI)和蒙特利尔认知评估量表(MoCA)评分，并对计算试验组的脑参与度。结果 治疗前，两组FMA-UE、MBI和MoCA评分比较均无显著性差异(P> 0.05)。治疗2周后，两组FMA-UE、MBI和MoCA评分均较治疗前显著提高(t> 2.481, P <0.001)，且试验组优于对照组(t> 2.453, P <0.05)；试验组平均脑参与度在治疗后上升21%。结论 基于视觉运动诱导的BCI康复训练有利于促进脑卒中患者上肢运动功能的恢复以及认知功能的提升。     

基于自适应多尺度脑功能连接的局灶性癫痫发作检测方法研究

利用长时程脑电图检测癫痫发作是临床中较为广泛的应用,然而这项工作乏味、耗时,且很大程度上依赖于临床医生的自身经验和主观判断,准确性和可重复性也较低。针对长时程脑电图检测癫痫中存在的问题,提出一种基于自适应多尺度脑功能连接的癫痫发作检测方法(AMBFC),并选取10例局灶性癫痫患者的发作期和非发作期的样本作为研究对象。首先在一个滑动时间窗内,通过多元经验模态分解(MEMD)提取19通道脑电信号的7个本征模函数(IMF)分量及残差;然后建立多变量自回归(MVAR)模型,利用有向传递函数(DTF)提取流出信息强度,进行特征组合,并通过主成分分析(PCA)降维保留原始特征数目的85%;最后经代价敏感支持向量机(CSVM)分类区分发作期和非发作期脑电,并通过五重交叉验证进行癫痫发作检测算法的效果评价。结果表明,AMBFC算法检测脑电癫痫发作得到的平均准确率为98.6％,精确率为81.9％,召回率为81.4％,F2值为0.80。与各IMF分量、DTF-CSVM算法等检测结果相比,AMBFC算法更具有优越性。有望应用于长时程脑电的实时监测。     

脑卒中后康复机器人联合多种干预方式的研究进展

肢体运动功能障碍是脑卒中严重的后遗症之一。康复机器人是一种对脑卒中后运动功能康复的重要物理干预手段，但该手段只能提供单一的机械训练，无法对神经回路产生高效的影响。康复机器人联合电刺激、磁刺激构成了多种联合干预方式，被广泛应用于脑卒中患者的康复治疗中，研究结果发现，联合干预方式相较于单一手段具有更显著的康复效果。本文就康复机器人联合三种干预方式对脑卒中后运动功能恢复的研究进行综述，以期为后续研究提供思路。