个性化的全脑活动模式可以预测人体皮质脊柱管的实时激活

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:

• 跨磁刺激 (TMS) 显示出治疗中风相关运动障碍的潜力,但其有效性高度可变.
• 大脑状态依赖的TMS提供了一个有希望的方法,但由于病变位置和大脑活动的个体差异,仍然存在挑战.
• 需要个性化策略来优化大脑状态依赖的TMS用于中风后的运动恢复.

研究的目的:

• 开发和测试一种基于机器学习的新型系统,用于实时识别与皮质脊髓管 (CST) 输出相关的个性化大脑活动模式.
• 研究使用这些个性化大脑状态来引导单脉冲TMS的可行性.

主要方法:

• 一个基于机器学习的EEG-TMS系统被开发出来,可以实时识别个性化的强弱CST状态.
• 参与者接受了一项单次会议研究,涉及TMS-EEG-EMG数据采集,个性化分类器培训和实时EEG信息的TMS.
• 单脉冲TMS是在分类器预测的个性化CST状态下交付的.

主要成果:

• 与弱或随机状态相比,在实时个性化强大的CST状态下,运动唤起潜力 (MEP) 幅度显著更大,变化较小.
• 个性化CST状态被实时识别,每个状态大约持续1-2秒.
• 独特的光谱空间EEG模式在个人之间区分了个性化的强弱CST状态.

结论:

• 个性化的全脑EEG活动模式可以预测健康个体的实时CST激活.
• 这项研究代表了针对个性化,大脑状态依赖的TMS干预措施的重大进展,以增强中风后的CST功能.
• 这些发现支持开发量身定制的TMS疗法,以改善中风后的运动恢复.