基于在耳中使用高密度脑电图的张量分解的动态脑连接分析的新方法
Moein Bahman1, Seyed Saman Sajadi1, Iman Ghodrati Toostani1
1Department of Medical Physics and Biomedical Engineering, School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.
Journal of medical signals and sensors
|August 27, 2025
概括
这项研究引入了一种新方法来追踪动态大脑连接的变化,发现将视觉刺激与tDCS结合起来是治疗耳最有效的方法.
科学领域:
- 神经科学
- 大脑连接的动态
- 医疗干预
背景情况:
- 功能连接 (FC) 研究通常假定静态的大脑网络,忽视了对认知功能至关重要的动态变化.
- 现有的方法在追踪大脑连接的时间变化方面存在局限性, 阻碍了对网络适应的理解.
- 在治疗干预评估中确定FC的关键变化点存在差距.
研究的目的:
- 开发和验证基于张量方法来分析脑电图 (EEG) 数据中的动态功能连接 (FC).
- 在不同条件下确定大脑网络连接的显著变化点.
- 评估视觉刺激和跨直流刺激 (tDCS) 对耳患者大脑连接性的影响.
主要方法:
- 从高密度EEG源信号中利用FC网络的张量表示.
- 应用差异分析以检测跨任务,频段和主题的连接变化.
- 在视觉和tDCS刺激过程中获得30名耳患者的256通道EEG数据.
主要成果:
- 提出的基于张数的方法有效地确定了大脑连接的重要变化点.
- 与传统方法相比,该方法在捕捉连接转移方面表现出更高的灵敏度.
- 仅视觉刺激并没有显著改变 tinnitus 患者的大脑连接网络.
结论:
- 建议将视觉刺激和高清tDCS结合起来治疗耳.
- 这一策略可以通过利用动态连接洞察来优化干预的有效性.
- 这些发现为开发针对神经疾病的治疗策略提供了基础.


