基于运动图像的脑计算机接口用于长期意识障碍的差异诊断
Ping Liu1,2, Qianqian Ge3, Linghui Dong1,2
1School of Rehabilitation, Capital Medical University, Beijing, China.
Frontiers in human neuroscience
|December 15, 2025
概括
基于运动图像的脑电脑接口 (MI-BCI) 在区分意识水平方面表现有前途. 最少意识状态的患者表现出更好的MI-BCI性能,而不是不响应的清醒综合征患者.
科学领域:
- 神经科学是一个神经科学.
- 临床神经学 临床神经学
- 生物医学工程 生物医学工程
背景情况:
- 长期意识障碍 (pDoC) 在评估患者的意识方面存在挑战.
- 对患者的护理和预后来说,区分不响应的清醒综合征 (UWS) 和最小意识状态 (MCS) 是至关重要的.
研究的目的:
- 评估基于运动图像的大脑计算机接口 (MI-BCI) 的临床实用性,用于区分pDoC患者的意识水平.
- 为了研究神经振荡模式和BCI性能指标作为意识的指标.
主要方法:
- 在休息状态和MI-BCI任务期间,从31名pDoC患者 (12名UWS,19名MCS) 获得了EEG记录.
- 分析的重点是五个频段 (三角形,三角形,α,β,马) 的前额和顶部区域的光谱功率.
- 评估了BCI绩效指标,包括分类准确性和注意力指数.
主要成果:
- 在MI-BCI任务中,最小意识状态的患者在MI-BCI任务中显示出显著的多带神经振荡调制,与UWS患者不同.
- 与UWS患者 (38%) 相比,MCS患者的MI-BCI分类准确度更高 (55%).
- 注意力指数与昏迷恢复量表修订 (CRS-R) 评分正相关.
结论:
- MI-BCI分类准确度和注意力指数可以作为分辨UWS和MCS的辅助工具.
- 患有MCS的患者对MI-BCI培训的反应更强,这表明其在评估意识方面的潜力.
