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.
• 康复医学 康复医学 康复医学
• 生物医学工程 生物医学工程

背景情况:

• 跨磁刺激 (TMS) 对中风相关的运动障碍有希望,但治疗效果不一致.
• 大脑状态依赖的TMS是一种潜在的解决方案,但中风病变和大脑活动的个体差异使其应用变得复杂.
• 个性化方法对于克服这些挑战和优化中风后患者的TMS疗效至关重要.

研究的目的:

• 开发和验证一种基于机器学习的新型系统,用于实时识别个性化的大脑活动模式.
• 调查该系统在实时预测皮质脊髓道 (CST) 激活状态 (强或弱) 的能力.
• 评估实时,个性化大脑状态依赖的TMS对运动唤起潜能 (MEP) 幅度和变量的影响.

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.
• 参与者接受了一个单一的会议,包括TMS-EEG-EMG数据采集,个性化分类器培训和分类器指导的实时TMS.
• 在健康成年人中,单脉冲TMS在分类器预测的个性化CST状态 (强,弱或随机) 中进行.

主要成果:

• 与弱和随机状态相比,在分类器预测的强CST状态下,运动唤起的潜在 (MEP) 幅度显著更大.
• 在强的CST状态下,MEP振幅变异性相对于弱弱的CST状态显著减少.
• 个性化的强弱CST状态被实时识别,持续大约1-2秒,具有独特的光谱空间EEG模式,可以在个体之间区分它们.

结论:

• 这项研究首次证明,个性化的全脑EEG模式可以预测人类实时的CST激活.
• 这些发现代表了针对个性化,大脑状态依赖的TMS干预措施的重大进展,以增强中风后的运动功能.
• 开发的系统为中风康复提供了更有效和更有针对性的神经调节策略的途径.