CMC学习系列 (1):EEG-EMG相干性均局限于对侧,同侧无显著相干性

CMC学习系列:EEG-EMG相干性均局限于对侧,同侧无显著相干性

  • 0. 引言
  • 1. 主要贡献
  • 2. 方法和结果
    • 2.1 EEG-EMG相干谱
    • 2.2 EEG-EMG相干性地形图
    • 2.3 3种任务受影响侧与未受影响侧的一致性比较
  • 3. 讨论和结论
  • 4. 总结
  • 欢迎来稿

论文地址:https://www.ahajournals.org/doi/full/10.1161/hs1101.098764
论文题目:Coherence Between Cortical and Muscular Activities After Subcortical Stroke
论文代码:无

0. 引言

最近可能要从CMC方向开一个课题,所以接下来会更新一些CMC的内容,当然别的系列也会抓紧更新的。。。。
CMC的介绍参阅这个:皮层肌肉相干性(CMC)的介绍和实现

背景和目的— 运动皮层和肌肉之间的功能连接可以通过脑电图-肌电图 (EEG-EMG) 相干性来测量。为了评估锥体束病变后对侧和同侧运动皮质之间与肌肉的功能连接,我们调查了 6 例慢性皮质下卒中患者。
方法— 在 3 项强直性收缩任务中记录手部、前臂和二头肌的高分辨率脑电图和肌电图:(1) 肘部屈曲,(2) 手腕伸展,(3) 力量握持。为了评估 EMG 的皮质控制,计算了 EEG-EMG 的相干性。
结果— 在所有情况下,EEG-EMG相干性均局限于对侧感觉运动区,同侧无显著相干性。手部和前臂肌肉受影响侧的脑电图-肌电图相干性明显较小,但肱二头肌则不然。
结论— 恢复后皮质下卒中后与肌肉的所有直接功能连接均来自对侧运动皮层。 病变对近端和远端肌肉的不同影响似乎与皮质脊髓通路的强度有关。

总而言之:本文通过对6例恢复良好的中风患者的实验证明了上述的结论。仍需要讨论和进一步研究的是,同侧连接只有在对侧连接失效时才发挥作用,以及病变对肌肉的影响是否真的同皮质脊髓通路的强度有关。。。。

1. 主要贡献

  1. 在这项研究中,我们调查了皮质锥体下病变患者的皮质脉络一致性,以阐明与卒中相关的脑损伤后可能发生的皮质脉络连接的变化
  2. 在本研究中,我们仅选择恢复良好的长期患者来评估受影响和未受影响的两侧在同一任务中的脑电图-肌电图一致性。

2. 方法和结果

方法采用的是CMC的分析具体计算和实现见:皮层肌肉相干性(CMC)的介绍和实现

2.1 EEG-EMG相干谱

在这里插入图片描述
上图(a)展示了患者2在握力任务中受影响侧(蓝线)未受影响侧(红线)的EEG (C3)和EMG (OP肌)功率谱(n分别为170和182)。患侧肌电功率略小于未患侧肌电功率。然而,双方的一般光谱模式是相似的。图(b)展示了同一患者受影响侧(蓝线)和未受影响侧(红线)的EEG-EMG相干谱。灰色水平线表示95%置信限。仅在未受影响的一侧(峰值11 Hz)观察到显著的EEG-EMG相干性。

2.2 EEG-EMG相干性地形图

在这里插入图片描述

图2。患者4的脑电图-肌电图连贯性的头皮地形图。为每个任务选择具有峰值相干性的频率来显示其分布。低于95%置信限(0.02)的相干值设置为黑色,用于构建地图。脑电图-肌电图的一致性局限于对侧感觉运动区,而在未受影响的一侧更大。在这个病人中,有一种趋势,即在患侧的连贯性比在未受影响的一侧更位于前面和中间

2.3 3种任务受影响侧与未受影响侧的一致性比较

在这里插入图片描述

图3。上图为3个任务中受影响侧未受影响侧脑电图-肌电图一致性的比较。显示归一化(弧双曲正切变换)相干性(mean+-SEM)。对于手腕伸展握力任务受影响侧的相干性明显小于未受影响侧。底部,显示3个任务中受影响和未受影响的侧之间显著的脑电图-肌电图一致性的频率桶数的比较(mean+-SEM)。对于手腕伸展和握力任务,受影响侧的相干性明显小于未受影响侧。

3. 讨论和结论

我们发现患侧 OP 肌(拇指对掌肌)ECR 肌(桡侧腕伸肌)的 EEG-EMG 相干性明显降低,这表明中枢运动通路是产生强直收缩EEG-EMG 相干性必要条件。这种一致性差异不能归因于产生的力量差异,因为在轻度中度水平上,EEG-EMG 相干性不受力量大小的影响。由于患者患有无感觉症状的单纯运动麻痹,EEG-EMG 相干性极有可能传达了中枢运动指令,而不是感觉传入反馈。这一发现也与之前的研究一致,后者显示躯体感觉刺激对 EEG-EMG 相干性没有干扰效应

在本研究中,没有证据表明同侧通往肌肉的通路在 EEG-EMG 相干性方面会增强受影响一侧显著的脑电图-肌电图相干性的地形分布与未受影响一侧的地形分布基本相同,但相干性估计值较小。这种差异的部分原因可能患者群体的不同,因为本研究只涉及卒中后平均病程为 4.3 年的成年患者。同侧皮质动眼神经元连接的功能作用仍有争议,因为之前使用经颅磁刺激的研究报告称,来自未受影响半球的同侧肌电图反应临床恢复并不相关。如果同侧连接只有在对侧连接失效时才发挥作用,那么本研究中招募的恢复良好的患者几乎没有或完全没有同侧脑电图-肌电图一致性也是合理的。然而,同侧(未受影响的)感觉运动皮层有可能通过皮质连接或多突触通路协助受影响侧的运动控制,而由于jittering(抖动),同侧(未受影响的)感觉运动皮层可能对 EEG-EMG 相干性的产生贡献不大

另一种可能的恢复机制可能涉及非初级运动皮质区域。 在本研究中,部分患者表现出患侧脑电-EMG 相干峰值比未患侧更靠前和/或靠内侧的趋势,如图 2 所示。最近的皮层电图研究显示内侧前运动区对这种一致性的产生有贡献。但是,由于脑电图技术的空间分辨率有限,可能很难区分初级运动前运动活动。患侧相干性明显降低表明,与非初级运动区相关的代偿(如果有的话)对 EEG-EMG 相干性的产生并无太大贡献(患侧相干性明显降低说明了患侧与健康侧产生较大区别,也说明了是患病侧脑区的损伤导致相干性降低,可能是说这个是初级运动区相关的?而因此觉得非初级运动区相关对相干性影响不大?

临床上,众所周知,腔隙性中风患者手部远端肌肉近端肌肉受影响更严重。急性中风后的恢复也是如此;肩部和肘部的运动功能首先恢复。确切的潜在机制尚不清楚,但可能与下行直接皮质-脊髓通路的强度有关。这种临床恢复模式与电生理学发现一致,即患侧 OP 和 ECR 肌肉的 EEG-EMG 相干性小于未受影响侧,而肱二头肌却不是这样。。然而,由于本研究的对象是慢性脑卒中患者,因此尚不清楚近端肌肉的脑电-EMG 相干性明显正常是由皮质重组引起的,还是二头肌保留的皮质脊髓束导致了正常的脑电图-肌电相干性和良好的恢复。目前基于 6 例脑卒中患者的研究结果可能是初步的,我们还需要进一步的研究来全面了解其恢复机制。

4. 总结

到此,使用 EEG-EMG相干性均局限于对侧,同侧无显著相干性 已经介绍完毕了!!! 如果有什么疑问欢迎在评论区提出,对于共性问题可能会后续添加到文章介绍中。

如果觉得这篇文章对你有用,记得点赞、收藏并分享给你的小伙伴们哦😄。

欢迎来稿

欢迎投稿合作,投稿请遵循科学严谨、内容清晰明了的原则!!!! 有意者可以后台私信!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/773745.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

函数进阶-Python

师从黑马程序员 函数中多个返回值的接收 def test_return():return 1,"hello",3x,y,ztest_return() print(x) print(y) print(z) 多种参数的使用 函数参数种类 位置参数 关键字参数 def user_info(name,age,gender):print(f"姓名是{name},年龄是:{age},性别是…

SublimtText修改远程机器文件

Sublime Text 本身并不强大,但是它方便使用插件扩展功能,所以变得很强大。今天介绍一个很实用的插件 SFTP ,可以大大提高前端工作效率。 SFTP 安装 1. 打开 Sublime Text 2. 快捷键 shift ctrl p 键,呼出面板 3. 使用 Packag…

【深度学习】最强算法模型之:潜在狄利克雷分配(LDA)

潜在狄利克雷分配 1、引言2、潜在狄利克雷分配2.1 定义2.2 原理2.3 算法公式2.4 代码示例 3、总结 1、引言 小屌丝:鱼哥, 给我讲一讲LDA 小鱼:LDA? 你指的是? 小屌丝:就是算法模型的LDA啊, 你…

【linux深入剖析】基础IO操作 | 使用Linux库函数实现读写操作 | 文件相关系统调用接口

🍁你好,我是 RO-BERRY 📗 致力于C、C、数据结构、TCP/IP、数据库等等一系列知识 🎄感谢你的陪伴与支持 ,故事既有了开头,就要画上一个完美的句号,让我们一起加油 目录 前言1.复习C文件IO相关操…

双亲委派机制总结

回顾了一下双亲委派机制,在这记录记录,下一篇会基于打破双亲委派机制来更新 1. 类加载: 多个java文件经过编译打包后生成可运行jar包,最后启动程序。首先需要通过类加载器把主类加载到JVM。主类在运行过程中如果使用到其他类&a…

【Python】搭建 Python 环境

目 录 一.安装 Python二.安装 PyCharm 要想能够进行 Python 开发,就需要搭建好 Python 的环境 需要安装的环境主要是两个部分: 运行环境: Python开发环境: PyCharm 一.安装 Python (1) 找到官方网站 (2) 找到下载页面 选择 “Download for Windows”…

最小割问题合集,最大权闭合图,最大密度子图,最小权点覆盖,最大权独立子图,OJ练习,代码详解

文章目录 零、回顾1、流网络的割2、最小割问题 一、最小割的应用1.1POJ1966 -- Cable TV Network1.1.1原题链接1.1.2思路分析1.1.3AC代码 1.2ZOJ 2676 Network Wars1.2.1原题链接1.2.2思路分析1.2.3AC代码 1.3OPTM - Optimal Marks1.3.1原题链接1.3.2思路分析1.3.3AC代码 二、最…

QML | JavaScript作用域和命名解析2

QML | JavaScript作用域和命名解析3.绑定的作用域对象 属性绑定是QML中最常见的JavaScript应用。属性绑定关联了一个JavaScript表达式的结果和对象的一个属性,该属性所归属的对象被称为绑定的作用域对象。在下面的代码中,Item对象就是一个绑定的作用域对象: ​ 绑定可以…

JavaScript Uncaught ReferenceError: WScript is not defined

项目场景: 最近在Visual Studio 2019上编译libmodbus库,出现了很多问题,一一解决特此记录下来。 问题描述 首先就是configure.js文件的问题,它会生成两个很重要的头文件modbus_version.h和config.h,这两个头文件其中…

【Web APIs】正则表达式

目录 1.正则表达式 2.正则表达式语法 3.元字符 3.1边界符 3.2量词 3.3字符类 4.修饰符 1.正则表达式 正则表达式(Regular Expression)是用于匹配字符串中字符组合的模式,在 JavaScript中,正则表达式也是对象。通常用来查…

主流公链 - Solana

探索Solana区块链:下一代高性能区块链平台 1. Solana简介 Solana是一个高性能的区块链平台(TPS能达到10W级别),旨在实现高吞吐量和低延迟的区块链交易处理。它采用了一系列创新技术,其中包括Proof of History (PoH)&a…

管理能力学习笔记三:管理者的时间管理法

时间管理三步法 1、对任务进行分类 2、估算任务时间 3、持续反思评估 对任务进行分类 分类方法:时间管理四象限 A类 B类 C类 D类 估算时间 需要预留休息时间和机动时间 持续反思评估 核对检查任务 自我提问 处理日常干扰的办法 对事情发出提问 对话内容进行…

华为云服务器租用价格_云服务器优惠活动_2024年新版报价

2024年华为云服务器租用价格表,云服务器优惠价格35元一年,配置为1核2G1M带宽HECS云服务器、L实例-2核2G3M配置46元1年、4核16G10M华为云服务器24元一个月、2核4G5M服务器158元一年,3年1010元、华为云香港服务器99元一年、增强型C7云服务器4核…

P1036 [NOIP2002 普及组] 选数

思路:也算典型的dfs,题目就是要求从n个数中选择k个数,计算这k个数的和,看这个和是否是素数。我们知道在dfs时相当于是进行全排列,而结果要求的是组合后和的情况。根据排列和组合的关系,他们之间差K&#xf…

压测利器Webbench(附源码)

web压力测试工具webbench介绍 webbench最多可以模拟3万个并发连接去测试网站的负载能力,并发能力比较高,可以测试https及动态静态页面。 核心原理 父进程fork若干个子进程,每个子进程在用户要求时间或默认的时间内对目标web循环发出实际访问…

C#打印50*30条码标签

示例图: 源码下载地址:https://download.csdn.net/download/tiegenZ/89035407?spm1001.2014.3001.5503

01背包和完全背包

文章目录 01背包1、01背包暴力解法&#xff0c;回溯问题2、动态规划解法3、01背包代码优化 完全背包1、完全背包模型 GitHub参考链接 01背包 1、01背包暴力解法&#xff0c;回溯问题 #include<bits/stdc.h> using namespace std; const int N 1e25; int w[N],v[N]; i…

ValueError: Cannot load file containing pickled data when allow_pickle=False

问题描述 遇到报错&#xff1a;ValueError: Cannot load file containing pickled data when allow_pickleFalse 解决方案 经过查阅有人说是与numpy的版本有关&#xff0c;但是还是不要轻易改变环境中的版本&#xff0c;不一定哪个地方就会报错。这里放个解决方案&#xff1a;…

C++生成动态连接库

文章目录 一、静态连接与动态连接二、 动态链接库&#xff08;DLL&#xff09;的创建三、dll库的使用四、 动态链接链接库工作原理五、extern "C" 一、静态连接与动态连接 静态库和动态库区别是库的加载时间不同。静态库&#xff1a;在链接阶段库将会与.o目标文件一起…

YOLO中的预训练模型是否需要

这张图片显示的是使用YOLOv5&#xff08;一种流行的物体检测算法&#xff09;进行训练时的一段命令行指令以及对应的注释&#xff0c;这些注释是中文的。这里列出的是两个不同情况下的命令行用法。 上面的命令&#xff1a; python train.py --data custom.yaml --weights yolo…