相关实验视频
Updated: Jun 15, 2025
08:02
Generation of Local CA1 γ Oscillations by Tetanic Stimulation
Published on: August 14, 2015
9.1K
泰达-贝塔/马合识别了由thalamocortical节律失常引起的令人烦的耳
Ying Wang1,2,3, Jiajia Zhang1,2,3, Xuan Huang1,2,3
1Department of Otolaryngology-Head and Neck Surgery, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Brain and behavior
|June 12, 2025
概括
这项研究使用脑电图 (EEG) 揭示了麻烦的耳 (BT) 中明显的脑波模式. 在特定的大脑区域和机器学习中增强的甲-β/gamma阶段-振幅合 (PAC) 准确识别了BT患者.
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
- 听觉神经科学 听觉神经科学
背景情况:
- 耳,一个幻影的声音,是非常使人虚弱的.
- 甲状腺皮质节律失常 (TCD) 假设解释了主观的耳,但它在耳类型中的适用性是不确定的.
研究的目的:
- 为了研究那些有烦性耳 (BT),非烦性耳 (NBT) 和健康对照群 (HC) 个体的甲-甲/马相振幅合 (PAC) 差异.
- 使用EEG特征来区分BT和NBT,使用机器学习.
主要方法:
- 在BT,NBT和HC组中比较了theta-beta/gamma PAC的多通道EEG记录.
- 采用k-最近邻居 (KNN) 模型,根据EEG特征区分BT和NBT.
主要成果:
- 在BT和NBT组与HC组之间,在听觉皮层观察到增强的theta-beta/gammaPAC.
- 在BT组中, cingulate和parahippocampal gyri theta-beta/gamma PAC的特异性增强.
- 在BT组中,轨道前皮层中减弱的甲基玛PAC与耳严重程度 (THI分数) 有负相关性.
- 机器学习模型在使用theta-beta/gamma PAC特征识别BT患者时实现了92%的准确性.
结论:
- 在BT中,TCD涉及听觉,带膜和副海马皮层中增强的甲基-甲基/基PAC,以及轨道前皮层中减弱的甲基-基PAC.
- 轨道前皮层的-PAC与耳的严重程度有负相关性.
- 识别的PAC特征可以客观地区分BT患者,可能支持他们对耳特征的特异性.
