关于[公式:参见文本]患者的基于相幅度合的功能性大脑网络的EEG研究

科学领域:

• 神经科学是一个神经科学.
• 的研究研究.
• 大脑网络分析 脑网络分析

背景情况:

• 是一种脑部疾病,表现为神经通信异常和反复发作.
• 阶段幅度合 (PAC) 提供了一种研究中神经相互作用的潜在方法.
• 关于使用PAC的患者功能性脑网络的研究有限,特别是[公式:参见文本]PAC.

研究的目的:

• 通过[公式:参见文本]PAC,研究不同期神经相互作用的变化.
• 从头皮脑电图 (EEG) 数据中基于PAC调制指数 (MI) 构建功能性大脑网络.
• 为了检查脑网络属性的变化,在 pre-ictal, ictal 和 post-ictal 期间.

主要方法:

• 利用了患者头皮脑电图 (EEG) 数据.
• 计算了PAC调制指数 (MI) 来构建功能性大脑网络.
• 分析了网络属性,包括节点程度,特征路径长度和中间中心性.

主要成果:

• 频道间MI值在心脏病发作后期与心脏病发作前期相比显著增加.
• 功能性大脑网络在创伤后阶段显示出更高的平均节点度.
• 特征性路径长度在ictal和post-ictal期间明显较低,而不是在ictal前.
• 平均之间的中心性在发作后的时期比发作期间更高.
• 在所有期中观察到道内和道间MI值之间的正相关性.

结论:

• [公式:见文本]基于PAC的功能性大脑网络为发症进化过程中的神经相互作用变化提供了新的视角.
• 这些发现表明,有可能改善对发作传播的理解和控制.
• 这项研究强调了与发作相相关的大脑网络通信的动态变化.