基于同步EEG-fNIRS信号的特征融合分析方法:在以托米达使用障碍患者中的应用

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 麻醉学 麻醉学

背景情况:

• 埃托米达是一种常见的麻醉剂,但其长时间使用可能会影响大脑神经血管机制,可能导致使用障碍.
• 目前关于埃托米达对大脑功能影响的研究有限,对神经血管特征的非侵入性分析具有挑战性.
• 了解神经血管合变化对于诊断和治疗埃托米达使用障碍至关重要.

研究的目的:

• 开发一种新的功能融合方法,用于分析全脑同步脑电图 (EEG) 和功能近红外光谱 (fNIRS) 信号.
• 为应对共同分析神经和血液动力学信号和特征在特定的大脑位置的挑战.
• 调查埃托米达对休息神经血管大脑机制的影响.

主要方法:

• 提出了一种多频段局部神经血管合 (MBLNVC) 方法,以提高神经血管合 (NVC) 分析的空间精度.
• 集成多模式大脑信号 (EEG和fNIRS),并将特征映射到Yeo 7的大脑网络.
• 基于这些网络构建的特征向量用于多层特征融合分析.

主要成果:

• 该研究显示,在感觉运动和背部注意力网络中,神经血管合显著增强 (p < 0.05,FDR修正).
• 频段与大脑网络交集处的特征显示出对埃托米达的高度敏感性.
• 机器学习分类器在识别埃托米达的效应方面显示出高准确度 (SVM: 82.10%,RF: 80.50%,XGBoost: 78.40%).

结论:

• 拟议的特征融合分析方法显示了探索与埃托米达使用相关的大脑机制变化的潜力.
• 这些发现为埃托米达对静止状态神经血管大脑机制的影响提供了新的见解.
• 这种方法为在临床环境中对神经血管合的非侵入性评估提供了一个有希望的途径.