使用多模式生物标志物估计中风的运动功能能力,以及控制性运动区域的作用
Da-Hye Kim1,2, Gyu Hyun Kwon3, Seong-Whan Lee2,4
1Bionics Research Center, Korea Institute of Science and Technology, Seoul, Republic of Korea.
Brain and behavior
|May 9, 2025
概括
脑电图 (EEG) 对中风患者的大脑网络分析显示,运动功能受损. 使用伤运动区域的多模式方法有效地预测上肢恢复,帮助个性化康复.
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:
- 许多中风幸存者经历了慢性上肢运动缺陷.
- 准确评估运动功能对于有效的康复目标设定至关重要.
研究的目的:
- 在慢性中风患者进行运动任务时,研究基于脑电图 (EEG) 的功能性脑网络特性.
- 评估这些EEG特性在预测上肢Fugl-Meyer评估 (UL-FMA) 评分中的有用性.
主要方法:
- 在中风患者和健康对照 (HC) 之间对EEG功率和网络特征的比较分析.
- 逐步回归分析以确定运动功能的预后性脑性质.
- 多式模式建模,采用电脑脑电图功率和电脑电图电路网络特征,这些特征来自电脑电图电动区域 (MA).
主要成果:
- 与HC相比,中风患者的全球网络效率下降,表明信息处理受损.
- 两组之间对抗性MA的显著差异表明了补偿机制.
- 一个使用收缩MAEEG特征的多式模式模型在预测UL-FMA得分方面实现了高准确性 (调整R2 0.99,RMSE 0.13).
- 在另一个数据集上的外部验证证实了概括性 (R2 0.95调整).
结论:
- 大脑网络属性提供了关于中风相关运动损伤的见解.
- 收缩性MA是评估运动功能的关键领域,可以作为生物标志物.
- 对逆转性MA的多模式方法显示出预测运动恢复和为个性化康复策略提供信息的希望.
