相关实验视频
Updated: Jun 2, 2026
09:55
Monitoring Acupuncture Effects on Human Brain by fMRI
Published on: April 8, 2010
15.5K
针对功能重组进行神经成像机制,以改善中风后的运动:基于机器学习的功能磁共振成像研究
Mengxin Lu1, Zhongming Du2, Jiping Zhao2
1Department of Neurology, Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing, China.
Frontiers in neuroscience
|June 5, 2023
概括
机器学习确定了预测中风后运动恢复的脑区域. 针调节了大脑连接,促进了中风患者的运动功能的改善.
科学领域:
- 神经科学是一个神经科学.
- 康复医学 康复医学 康复医学
- 医疗成像医学成像
背景情况:
- 脑卒中康复对于运动恢复至关重要.
- 针显示了影响中风后运动功能的潜力.
- 神经成像和机器学习为大脑重组和针机制提供了新的见解.
研究的目的:
- 应用机器学习来预测中风后运动改善的临床重要差异最小值 (MCID).
- 为了识别与运动恢复相关的神经成像特征.
- 在中风患者中探索大脑功能重组和针机制.
主要方法:
- 49名患有单边运动通路损伤的缺血性中风患者进行了运动功能评估 (Fugl-Meyer评估).
- 根据运动改善,患者被分为MCID和非MCID组.
- 休息状态和针状态 (阳灵泉点) fMRI 用于分析患者和健康对照者的功能连接 (FC).
主要成果:
- 机器学习在分类患者方面实现了75.51%的准确性.
- 确定了8个感兴趣的特征区域 (ROI),与对照组相比,中风患者的FC减少.
- 在MCID组的患者表现出更广泛的FC减少.
- 阳灵泉针在中风患者中调节了异常FC,具有特定群体的影响.
结论:
- 识别的ROI可以预测中风患者的运动改善分类.
- 已识别的ROI中减少的FC与运动缺陷有关.
- 针影响双边大脑半球,恢复异常的FC并促进运动恢复.
