首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    BRAIN:脑电微状态+fMRI:路易体痴呆的动态脑功能障碍及其起源

    路易体痴呆包括路易体和帕金森痴呆两种,而且两者都有认知波动这样的暂时性临床症状。一般认为这种功能障碍是由于大脑内在动力学特性的异常导致。在此背景下,英国纽卡斯尔大学的研究者Schumacher,Taylor以及剑桥大学的合作者O’Brien等人采用横断设计将42例路易体痴呆患者与27例阿尔茨海默症患者和18名健康人进行对比,并采用脑电微状态(该微状态是指一种短暂且稳定的脑内拓扑结构,其时间特征可为大脑动态变化提供有力视角)技术在毫秒级别上进行了分析。此外,作者也使用动态fMRI探究大脑中的哪种加工过程驱动着这种微状态。结果发现,与阿尔茨海默症患者和健康对照组相比,路易体痴呆患者的微状态持续时间明显延长。而阿尔茨海默症患者的微状态动力性基本与对照组持平。相应的,路易体痴呆患者每秒内微状态降低的数量也显著较其他两组更多。路易体痴呆患者组的平均微状态持续时间与认知波动的严重程度呈正相关,而与神经基底节、丘脑网络和大型皮层网络(如视觉和运动网络)之间的动态功能连接呈负相关。

    05

    如何用ICA去除脑电信号中的干扰?

    《本文同步发布于“脑之说”微信公众号,欢迎搜索关注~~》   独立成分分析(ICA)已经成为脑电信号预处理,特别是去除干扰信号过程中一个标准流程。ICA是一种盲源算法,其通过一定的方法把信号分解成相互独立的多个源信号。尽管ICA算法为研究者去除脑电信号中的干扰源提供了便利,但是在具体运用时带有一定的主观性,因此需要一定的经验才能够鉴别出干扰成分。当然,目前也有一些自动化鉴别干扰成分插件,但是这些插件也只能提供一个参考而已,最后还需要自己的判定。这里,笔者总结一些典型噪声成分的特点,希望对各位朋友有所帮助。    EEGlab中植入了最常用的ICA算法,建议采用EEGlab运行ICA。ICA跑完之后,可以画出每个成分的拓扑图、功率谱曲线等,我们可以依据这些信息鉴别出噪声成分,进而把这些成分去掉。 1.眨眼   眨眼引起的干扰最主要特点是:独立成分的拓扑图主要分布于前端眼部电极,如图1所示。此外,该成分的功率谱曲线没有明显的peak。

    00
    领券