相关实验视频
Updated: Jun 16, 2026
07:37
Assessment and Communication for People with Disorders of Consciousness
Published on: August 1, 2017
9.2K
一个基于转移学习的新型混合EEG-fNIRS脑电脑接口用于脑内出血康复
Danyang Chen1, Jian Shi2, Bo Tao2
1Department of Neurology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, 430030, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|August 20, 2025
概括
这项研究引入了使用EEG和fNIRS进行脑内出血 (ICH) 患者运动成像 (MI) 神经康复的新脑机接口 (BCI). 多式联络方式改善了个性化恢复的跨主体概括性.
科学领域:
- 神经科学
- 生物医学工程
- 康复医学
背景情况:
- 运动图像 (MI) 神经康复显示了脑内出血 (ICH) 恢复的潜力.
- 单模脑计算机接口 (BCI) 由于神经生理异质性而难以跨主体概括.
研究的目的:
- 开发和验证多式EEG-fNIRS融合框架,以改善基于MI的ICH神经康复的跨学科概括.
- 引入Wasserstein指标驱动的方法来选择最佳源域以量化主体间的神经分布分歧.
主要方法:
- 这是一个融合了脑电图 (EEG) 和功能近红外光谱 (fNIRS) 的多式框架.
- 一种由瓦瑟斯坦度量驱动的源域选择方法,用于量化主体间的神经分布差异.
- 在使用转移学习的MI任务中对17名正常对照和13名ICH患者进行比较的神经激活分析.
主要成果:
- 在使用最佳选择的正常模板进行训练时,转移学习模型在ICH患者数据上达到74. 87%的平均分类精度.
- 对公共混合EEG- fNIRS数据集的交叉验证表明可通用性,将基线准确度提高到82. 30%和87. 24%.
结论:
- 拟议的多式联络系统协同结合了EEG的时间分辨率和fNIRS的空间特异性,用于ICH恢复.
- 这为ICH康复建立了第一个临床上可行的多模式分析方案,为个性化疗法推进神经技术翻译.
更多相关视频
09:42Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients
Published on: September 1, 2023
1.4K
04:43Author Spotlight: Advancing Upper Limb Rehabilitation in Patients with Right Hemisphere Damage Using Assisted Active Exercise
Published on: February 9, 2024
1.2K
