公共文化服务平台

搜索到301篇“ 脑电功率“的相关文章

一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法: 本发明提出一种基于EEG脑电功率谱及功率谱斜率的睡眠情况分析方法，包括以下步骤：对原始脑电EEG信号进行预处理，得到预处理的脑电EEG信号；以一定时间间隔对预处理的脑电EEG信号进行分段，对每段预处理的脑电EEG信号进行...; 袁靖嘉戴松青王凯平罗睿

脑电功率谱在新生儿脑成熟度评估中的应用与研究进展: 2024年; 脑电图是评估新生儿大脑发育与功能状态的重要神经电生理手段,但其解读专业性较强且依赖主观经验,临床应用受限。多种形式的定量脑电图可对原始脑电图进行分析处理,提高了脑电图判读效率。脑电功率谱作为一种定量脑电图,具有判读简便、客观、及时等优点,逐渐应用于缺氧缺血性脑病、代谢性脑病、中毒性脑损伤等疾病,但其在新生儿大脑发育与功能状态中的研究尚处在探索阶段。本文对脑电功率谱在新生儿大脑发育与功能状态评估中的研究进行总结,并重点介绍其在新生儿脑成熟度评估中的研究进展。; 刘沁梅李恒徐巍; 关键词：新生儿脑电功率谱

脑小血管病认知障碍患者脑电功率谱变化与中性粒细胞/淋巴细胞比值相关性及临床价值研究: 2024年; 目的:探索脑小血管病认知障碍(CSVCI)患者脑电功率谱变化与中性粒细胞/淋巴细胞比值(NLR)的相关性,并分析其临床价值。方法:收集脑小血管病(CSVD)患者61例,依据蒙特利尔认知评估量表(MoCA)评分,将其分为伴有认知障碍组(CSVCI组,29例)及无认知功能障碍组(CSVD组,32例),同期招募体检健康者20例为对照组(HC组)。对三组进行脑电图检查,比较全脑定量脑电图功率谱密度(PSD),并分析其与NLR的相关性。结果:CSVCI组年龄高于HC组,受教育年限低于CSVD组和HC组(均P<0.05)。CSVCI组和CSVD组高血压占比高于HC组(均P<0.05)。CSVCI组脑室旁及总脑白质Fazekas评分高于CSVD组和HC组,且CSVD组高于HC组(均P<0.05)。CSVCI组和CSVD组深部脑白质Fazekas评分高于HC组(均P<0.05)。CSVCI组δ、θ频段PSD值高于CSVD组,α频段PSD值低于CSVD组和HC组,CSVD组δ频段PSD值低于HC组(均P<0.05)。多因素Logistic回归表明α频段全脑PSD减低及受教育年限低为CSVCI发生的独立危险因素(均P<0.05)。CSVD患者α频段PSD值与MoCA评分呈正相关,δ频段PSD值与MoCA评分呈负相关,且脑室旁Fazekas评分、深部脑白质Fazekas评分及总脑白质Fazekas评分与MoCA评分呈负相关(均P<0.05)。NLR与θ频段全脑PSD呈正相关(P<0.05)。结论:CSVCI患者脑电快波活动减低而慢波活动增加。α频段全脑PSD值独立于Fazekas评分外影响CSVD患者认知障碍的发生,可能成为评估认知障碍严重程度、预测认知障碍发生的早期客观指标。NLR可能为导致脑电慢化的机制,有可能成为早期预测脑电慢化、认知障碍的客观指标。; 郭晓敏魏爱芹刘宗伟袁维帅朱娜; 关键词：蒙特利尔认知评估量表功率谱密度

失匹配负性电位联合脑电功率谱峰频率ABCD模型对意识障碍患者预后的预测价值: 2024年; 目的探讨失匹配负性电位(MMN)联合脑电功率谱峰频率ABCD模型对重度脑损伤患者预后的预测价值。方法收集2022年6月至2023年1月入住新疆医科大学第一附属医院重症监护病房意识障碍的患者58例,于发病7 d内行事件相关诱发电位联合脑电功率谱峰频率ABCD模型检查,随访6个月,按格拉斯哥预后量表评分分组,1~2分为预后不良组,3~5分为预后良好组。分析一般资料及MMN波幅和ABCD模型与患者预后之间的关系。使用受试者工作特征曲线下面积对每个潜在的预测因子进行评估。结果纳入的58例患者中,35例患者预后良好,21例患者预后不良。单因素分析显示MMN、脑电功率谱峰频率ABCD模型与患者6个月后预后相关。而两组患者的年龄、性别、格拉斯哥昏迷评分、病因、受伤部位之间的差异无统计学意义(P>0.05)。多因素logistic回归分析显示,MMN较高波幅(OR=0.023,95%CI为0.003~0.174)是患者预后良好的独立预测因子,脑电功率谱峰频率A模型(OR=2.429,95%CI为0.236~24.992)是患者预后不良的独立预测因子。结论MMN较高波幅和脑电功率谱峰频率B、C、D模型是预测重度脑损伤患者预后良好的指标。; 汤冉冉王鑫罗坤; 关键词：事件相关电位脑电描记术预后

失眠伴阻塞性睡眠呼吸暂停患者睡眠监测指标和脑电功率频谱与认知功能损害的相关性: 2024年; 目的探讨失眠伴阻塞性睡眠呼吸暂停(OSA)患者睡眠监测指标和脑电功率频谱与认知功能损害的相关性。方法收集失眠患者74例,根据是否合并OSA将患者分为失眠组和失眠伴OSA组。采用多导睡眠监测仪监测两组睡眠指标,使用脑电功率频谱分析软件分析睡眠脑电功率频谱;采用蒙特利尔认知评估量表(MoCA)、记忆与执行筛查量表(MES)评估认知功能;采用Pearson相关法分析失眠伴OSA患者睡眠指标、脑电功率频谱与认知功能的相关性。结果与失眠组比较,失眠伴OSA组睡眠呼吸暂停低通气指数(AHI)、氧减指数(ODI)升高,最低氧饱和度(LSPO_(2))降低,总睡眠时间(TST)及NREM2期睡眠减少(P<0.05或<0.01)。与失眠组比较,失眠伴OSA组清醒期beta、delta脑电功率频谱降低;NREM1期delta脑电功率频谱升高;NREM2期delta、beta脑电功率频谱升高,theta、sigma脑电功率频谱降低;REM期delta、beta、sigma脑电功率频谱升高(P<0.05或<0.01)。失眠伴OSA组MES总分、MoCA总分及其视空间与执行、抽象、延迟回忆等子项目评分低于失眠组(P<0.05或<0.01)。REM期睡眠与MoCA中延迟回忆评分呈正相关(r=0.331,P<0.05),NREM2期睡眠与MES总分呈正相关(r=0.352,P<0.01),AHI与MES总分呈负相关(r=-0.335,P<0.05),入睡后觉醒时间与MoCA中命名、定向评分呈正相关(r=0.445,P<0.05;r=0.452,P<0.05),入睡潜伏期和AHI与MoCA中命名评分呈负相关(r=-0.415,P<0.05;r=-0.360,P<0.05)。NREM2期theta脑电功率频谱与MES总分呈正相关(r=0.334,P<0.05),NREM1期alpha脑电功率频谱与MoCA中注意评分呈负相关(r=-0.679,P<0.05),NREM1期beta脑电功率频谱与MoCA中抽象评分呈负相关(r=-0.585,P<0.05)。结论失眠伴OSA患者的睡眠监测指标和脑电功率频谱表现为NREM2期睡眠减少,睡眠中与缺氧相关的指标增加,NREM2期theta脑电功率频谱减少,NREM1期theta、alpha脑电功率频谱减少,这种睡眠的改变可损害其认知功能。; 梁峰李忻蓉刘莎徐勇; 关键词：失眠阻塞性睡眠呼吸暂停多导睡眠图

大鼠吗啡成瘾的前边缘皮质-外侧缰核环路机制及相关脑电功率谱分析: 谢辉衡

精神分裂症自杀未遂患者睡眠指标及脑电功率谱密度分析被引量：1: 2023年; 精神分裂症的死因之一为自杀相关行为,其自杀风险相较于普通人高出23.8倍。有研究表明精神分裂症患者中有20%~40%曾经尝试过自杀,且自杀相关行为发生率有逐年增高的趋势^([1]),除了对患者生命构成影响外,还会加重患者家庭及社会负担。; 刘文君胡伟明兰智勇徐家庭; 关键词：精神分裂症自杀未遂睡眠脑电功率谱

不同训练阶段射箭运动员脑电功率谱能量分布特征及变化规律研究: 研究目的:射箭运动属于技心能主导类项目,准确性、协调性及一致性是制胜的关键因素,要求运动员注意力集中,对时间、空间知觉准确,才能准确把握撒放和击发动作。从能量消耗和负荷角度来看,射箭运动负荷以神经系统为主,在日常训练和比...; 于芳宋鹏慧夏梦瑶张星芝; 关键词：射箭运动员运动表象脑电地形图

癫痫患者认知障碍与高密度脑电功率谱变化及血清Aβ42,p-Tau水平关系的临床研究: 目的　　本研究通过高密度脑电图监测癫痫患者的功率谱变化来探讨癫痫与认知功能的关系，并通过测定癫痫患者血清Aβ42,p-Tau水平，分析血清Aβ42,p-Tau水平与认知功能的相关性，进一步探讨癫痫患者认知障碍的潜在致病机...; 吴盈盈; 关键词：癫痫定量脑电图

基于脑电功率谱密度和随机森林的自动睡眠分期方法: 2023年; 采用深度学习技术实现睡眠自动分期计算复杂度较高,且需大量数据支撑。本文提出一种基于功率谱密度和随机森林的自动睡眠分期方法,先提取脑电信号6种特征波(K复合波、δ波、θ波、α波、纺锤波、β波)的功率谱密度作为特征,然后利用随机森林分类器实现5种睡眠状态(W、N1、N2、N3、REM)自动分类。采用Sleep-EDF数据库中健康受试者整晚睡眠脑电数据作为实验数据,对比了使用不同输入通道脑电信号(FpzCz单通道、Pz-Oz单通道、Fpz-Cz+Pz-Oz双通道)、不同分类器(随机森林、自适应增强、梯度提升、高斯朴素贝叶斯、决策树、K近邻)、不同训练集与测试集划分方法(2折、5折、10折交叉验证及单个受试者)对分类效果的影响。实验结果表明,当采用Pz-Oz单通道脑电信号和随机森林分类器时效果最好,无论怎样变换训练集与测试集,分类准确率都达到90.79%以上,总体分类准确率、宏观平均F1值、Kappa系数最高分别可达到91.94%、73.2%、0.845,证明该方法是有效的,且不易受数据量影响,具有较好的稳定性。与已有研究相比,该方法分类准确率更高、实现更简单,适用于自动化。; 高群霞吴凯; 关键词：睡眠分期功率谱密度脑电信号

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈