人工组件拒绝值的分析,以加强中风后幸存者神经活动的特征
概括
在脑电图 (EEG) 中优化人工物排斥值对于精确分析中风康复中神经活动至关重要. 在运动图像EEG中,建议在50%-70%的信任值之间进行有效的工件移除.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 康复科学 康复科学 康复科学
背景情况:
- 脑电图 (EEG) 神经振荡是中风幸存者的运动功能恢复的重要生物标志物.
- 脑电图信号中的人工物阻碍了它们的临床应用,需要有效的人工物去除技术.
- 独立组件分析 (ICA) 与独立组件标签 (ICLabel) 结合,是将神经信号与人工物分离的常用方法.
研究的目的:
- 调查不同人工独立成分 (IC) 排斥值 (TH) 对中风后患者EEG信号的影响.
- 确定最佳的TH,以提高EEG信号质量,用于中风康复中的运动图像 (MI) 分析.
主要方法:
- 从中风后的患者中记录了EEG信号,他们执行了四个不同的运动图像任务.
- 六个不同的TH组 (NO-TH和TH1-TH6) 被应用到EEG数据中.
- 每个TH组的表现都使用来自感觉运动皮质的EEG-β频段信号和三个EEG定量器来评估.
主要成果:
- 不同的TH值显著改变了神经振荡模式.
- 凭借60%的置信度水平,TH-3显示出优异的信号脱同步和横向化.
- 电极对相关性被发现可以在MI任务中复制,并且独立于大脑皮层,与距离线性相关.
结论:
- 对ICLabel人工排斥值的最佳选择对于EEG信号增强和特征在中风康复中至关重要.
- 建议在运动图像EEG (MI-EEG) 中对人工IC排斥进行50%至70%之间的TH置信水平.
- 这一发现可以促进中风恢复的更有效的治疗干预措施.
