在Zusanli (ST-36) 根据头皮EEG和变压器检测针状态

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
• 传统中国医药 传统中国医药

背景情况:

• 针涉及不同的状态,如针旋转 (NT) 和针保留 (NR) 治疗效果.
• 头皮脑电图 (EEG) 是针刺激期间大脑活动的敏感指标.
• 区分针状态对于一致的临床结果至关重要.

研究的目的:

• 为了研究不同针状态期间头皮EEG信号的差异.
• 用深度学习开发一种自动化的方法来识别针状态.
• 在Zusanli针点 (ST-36) 分析与针相关的大脑活动模式.

主要方法:

• 设计了一种特定的针模式来收集头皮EEG数据.
• 提出了针变压器探测器 (ATD),这是一个结合卷积神经网络 (CNN) 和变压器技术的深度学习模型.
• 利用端到端的分类框架来分析28名健康参与者的EEG特征.

主要成果:

• 在分类不同的针状态时,ATD模型实现了高精度 ($85.47\pm 0.73\%$).
• 时间频率分析表明,在各州的三角洲频段中,功率发生了显著变化.
• 脑部拓显示,ST-36针主要激活了左额头和尾脑部区域.

结论:

• 深度学习,特别是ATD模型,可以有效地区分对应于不同针状态的EEG信号.
• 这种方法为针程序的自动识别和标准化提供了一种新的方法.
• 这些发现提供了对ST-36针神经生理学影响的见解.