CN110074783B - 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 - Google Patents
经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 Download PDFInfo
- Publication number
- CN110074783B CN110074783B CN201910416348.1A CN201910416348A CN110074783B CN 110074783 B CN110074783 B CN 110074783B CN 201910416348 A CN201910416348 A CN 201910416348A CN 110074783 B CN110074783 B CN 110074783B
- Authority
- CN
- China
- Prior art keywords
- induced
- wavelet
- transcranial magnetic
- stimulation
- electroencephalogram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Neurology (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于经颅磁刺激诱发信号的大脑皮层兴奋性成像和量化方法,属于生物医学工程领域。在待检测脑区,使用经颅磁刺激线圈与头皮呈切线方向发放刺激脉冲并同步记录脑电信号;经噪声预处理后,取刺激前200毫秒和刺激后500毫秒诱发信号,对诱发信号进行小波分解;基于信号的基线和诱发段的小波系数,使用bootstrap统计方法对诱发段的诱发成分小波系数矫正;使用小波尺度重构算法对矫正后的诱发谱重构时间和频率的分辨率,得到诱发增强谱。本发明基于经颅磁刺激诱发脑电技术,避免使用核磁、PET等影像技术,极大地降低了设备和使用成本,提高了脑皮层状态检测的便捷性,可实现床旁连续监测。
Description
技术领域
本发明属于生物医学工程领域,具体地说是一种基于经颅磁刺激诱发信号的大脑皮层兴奋性成像和量化方法,融合工程学和脑电信号信息学的方法。
背景技术
目前,大脑皮层兴奋性检查多是基于影像技术如功能磁共振和PET。该类技术能够从血流和代谢层面显示大脑各部位的神经兴奋性情况,能够进行精确的脑皮层兴奋性评估。但是这些技术由于使用成本昂贵、操作复杂、对环境和技术人员要求高而无法用于大脑兴奋性异常的早期筛查。特别是该类技术无法实现可移动式或床旁便携检测,并且由于设备采购价格极高、资源有限而无法保障在疑似兴奋性异常形成的初期做到及时的检查,更无法做到皮层状态的持续监测。此外,近期出现了基于近红外技术的便携式的大脑皮层状态检测设备,使用近红外的发射和接收器,利用皮层脑组织活动时的耗氧差异做皮层状态检测。但是近红外技术相比诱发脑电技术存在个体差异大、抗噪能力差等缺陷,并且皮层组织活动的耗氧量与皮层兴奋性间的关系不明确,这些缺陷势必导致基于近红外技术的皮层兴奋性检测的准确度和可靠性不足。同时,该设备在使用过程中需要与健侧对称位置做对比而得出结果,因此无法对多脑区同时进行准确检测。此外,虽然有研究发现一些静息态脑电指标与脑皮层兴奋性有一定相关性,但是静息态脑电的空间分别率低,无法对皮层兴奋性异常的位置进行定位,而且脑电特征与神经兴奋性的关系不明确,并且多是基于大样本统计学分析,难以实现个体化上的应用。
在信号成像方面,目前常用的信号成像方法:小波谱方法在针对经颅磁刺激诱发脑电信号成像时,存在时间空间分辨率低下的问题,无法对信号中精细的皮层兴奋性相关的信号成分清楚地表现出来,并且在信号量化方法方面尚为空白,因此需要全新的针对经颅磁刺激诱发脑电信号的成像和量化方法以实现基于该技术的皮层兴奋性检测。
现有技术存在的缺陷具体如下:
1.影像技术:
现有的医学影像技术设备极其昂贵,操作成本高,需要配备专门的场地和专业人员。设备庞大,对工作环境要求高,只有较大型医院才会配置,普及率不高,无法实现任意场合的大脑皮层兴奋性检测,因此不具备皮层兴奋性异常的早期检测和筛查能力。而且常用的PET技术对人体具有一定的不良影响,操作的繁复性导致不能对脑皮层兴奋性情况追踪监测。
2.静息态脑电技术:
现有的基于静息态脑电的检测方法必须基于大样本统计结果,检测效率低,无法解读个体化指标。此外,相比本方案更易受人本身的脑活动和脑状态影响,可靠性不足。同时,静息态脑电的空间分辨率低,无法实现对皮层兴奋性异常部位的定位,而且灵敏度低,检出能力不足。
3.近红外技术:
近红外技术易受外界光源干扰,对心跳、呼吸、脉搏等带来的血流噪声变化敏感,抗噪能力差,在复杂环境下可靠性不足。大脑血管、血流分布在个体化上差异明显,无法统一的评价标准,因此只能在个人检测时与健侧对称位置做对比而得出结果,因此无法对大面积脑区如双侧脑区以及大面积异常脑区进行准确检测。而且由于需要自身大脑对照,无法给出群体上通用的量化指标。
发明内容
针对现有技术存在的技术问题,本发明提供了一种经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法。发明经济、便捷、稳定可靠、适用性强、适合推广的脑皮层兴奋性检测方法,本发明所提供方法适用于皮层兴奋异常的筛查和追踪监测,可在野外或床旁使用,并弥补目前相关技术可靠性不足的问题。
一种经颅磁刺激的脑电检测装置,其包括经颅磁刺激线圈和脑电采集电极,脑电采集电极为扁平状,放置在经颅磁刺激线圈的中间,所述经颅磁刺激线圈施加单脉冲模式的磁脉冲刺激,所述脑电采集电极同步采集脉冲刺激下诱发的脑电反应信号。
一种基于脑电检测装置的经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法,包括以下步骤:
步骤1:在待检测脑区,使用经颅磁刺激线圈与头皮呈切线方向发放刺激脉冲并同步记录脑电信号;
步骤2:经噪声预处理后,取刺激前200毫秒和刺激后500毫秒诱发信号,对诱发信号进行小波分解;
步骤3:基于信号的基线和诱发段的小波系数,使用bootstrap统计方法对诱发段的诱发成分小波系数矫正;
步骤4:使用小波尺度重构算法对矫正后的诱发谱重构时间和频率的分辨率,得到诱发增强谱。
进一步的,所述的方法还包括:
步骤5:对诱发增强谱每个频率点上累计时间尺度上的小波系数得到增强谱能量,计算增强谱能量的分布复杂度作为皮层兴奋性指数。
进一步的,所述步骤1中将经颅磁刺激线圈与头皮呈切线角度紧贴疑似脑损伤脑区,在头皮和经颅磁刺激线圈中间放置扁平的脑电采集电极,线圈施加单脉冲模式的磁脉冲刺激,脑电电极同步采集脉冲刺激下诱发的脑电反应信号。
进一步的,所述的步骤2中,对于步骤1中采集的脑电数据,通过卡尔曼滤波算法进行去噪处理,将去噪后的诱发脑电数据进行离散小波分解,提取小波分解后的小波系数。
进一步的,所述小波尺度重构算法如下:
W(a,b)表示小波系数,ωl表示选取的频率宽度Δω表示分辨率
进一步的,所述的步骤5中计算皮层兴奋性指数的方法为在诱发谱上的每个频率点上,叠加时间尺度上的小波系数得到增强谱能量分布,再计算增强谱能量的分布熵值即为皮层兴奋性指数。
本发明基于经颅磁刺激诱发脑电技术,避免使用核磁、PET等影像技术,极大地降低了设备和使用成本,提高了脑皮层状态检测的便捷性,可实现床旁连续监测。本发明使用的成像谱增强方法对大脑皮层兴奋性变化敏感,对其他生物信号如心跳、呼吸、脉搏、脑活动等干扰因素不敏感,可靠性高。该发明所用方法能够直接量化皮层兴奋性,不需要专业解读,使用方便。因此相比目前相关方法,本发明的优点在于:经济、使用便捷、结果可靠、适用性强、适合大范围推广等。
附图说明
图1为基于经颅磁刺激同步诱发脑电的皮层兴奋性检测操作示意图;
图2为基于经颅磁刺激同步诱发脑电的皮层兴奋性成像和量化方法流程图;
图3为正常大脑皮层的诱发信号图像;
图4为正常大脑皮层的诱发信号谱图像;
图5为正常大脑皮层的诱发信号增强谱图像;
图6为皮层兴奋性轻度抑制下诱发信号图像;
图7为皮层兴奋性轻度抑制下诱发信号增强谱图像;
图8为皮层兴奋性严重抑制下的诱发信号图像;
图9为皮层兴奋性严重抑制下的诱发信号增强谱图像;
图10为增强谱能量个体比较图;
图11为增强谱能量群体比较图;
图12为不同皮层兴奋性条件下的兴奋性指数;
其中:1-经颅磁刺激线圈;2-脑电采集电极;3-检测区;4-头皮。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步说明。
本发明在采用经颅磁刺激与脑电技术融合的基础上,开发新型诱发信号增强谱成像和兴奋性量化方法,避免使用核磁、PET等影像工具,极大地降低了设备和使用成本。为了直观显示反应皮层兴奋性的经颅磁刺激诱发脑电成分,本发明提出使用诱发信号增强谱成像的方法可视化诱发皮层神经反应活动。本发明提出一种新型的诱发谱增强成像方法,通过诱发成分谱的矫正抑制背景脑电活动,提高信号谱中诱发成分的辨识度。提出使用一种小波尺度重构的方法,提高成像谱时间和频率上的成像精确度,得到信号增强的诱发谱。同时,基于诱发增强谱计算各频带下的谱能量,通过计算谱能量中频率成分的复杂度对诱发谱进行量化,直接给出皮层反应强度数值化指标用于标识脑皮层兴奋性。本发明使用的方法可以在全脑任意位置进行检测,并给出各位置的皮层兴奋性数值指标,不需要进行对比分析,能够实现个体化的检测结果。
如图1所示,一种经颅磁刺激的脑电检测装置,包括经颅磁刺激线圈1和脑电采集电极2,脑电采集电极2为扁平状,放置在经颅磁刺激线圈1的中间,所述经颅磁刺激线圈1施加单脉冲模式的磁脉冲刺激,所述脑电采集电极2同步采集脉冲刺激下诱发的脑电反应信号。
如附图1所示,本发明基于经颅磁刺激诱发脑电技术。使用过程中将经颅磁刺激线圈1与头皮4呈切线角度紧贴头部待检测区3,在头皮4和经颅磁刺激线圈1中间放置扁平的脑电采集电极2,线圈施加单脉冲模式的磁脉冲刺激,脑电采集电极2同步采集脉冲刺激下诱发的脑电反应信号。提取诱发脉冲前200毫秒和后500毫秒脑电数据,通过卡尔曼滤波算法进行去噪处理。将去噪后的诱发脑电数据进行离散小波分解,提取小波分解后的小波系数。如图2所示,基于Bootstrap方法统计比较诱发脉冲前和脉冲后相应频率上的小波系数,经矫正后诱发脉冲后的背景脑电活动得到抑制。然后对诱发信号的小波时间尺度对(a,b)通过如下公式进行重构,W(a,b)表示小波系数,ωl表示选取的频率宽度Δω表示分辨率
其中,瞬时频率ωx(a,b)可以表示为经过尺度重构后可以得到谱成分增强后的成像。如附图3至图5所示,一个正常大脑左侧前额叶脑区诱发信号,经本方法处理后的诱发信号增强谱相比原始的诱发信号谱提高了诱发成分的显示度,同时在时间和频率分辨率上更高。如附图6至图9所示,本方法处理后的诱发信号增强谱可以清晰地表现出兴奋性轻度抑制和重度抑制下成像的差异。为实现皮层兴奋性的量化检测,本发明提出在诱发信号增强谱成像的基础上计算增强谱能量成分的复杂度,用以表示皮层兴奋性指数。具体方法是,在诱发谱上的每个频率点上,叠加时间尺度上的小波系数得到增强谱能量分布,再计算增强谱能量的分布熵值即为皮层兴奋性指数。如附图10和图11所示,增强谱能量能够在个体和群体上区分兴奋性轻度抑制和重度抑制。该方法得到的皮层兴奋性指数在正常大脑、轻度抑制和重度抑制下不同,可以用以皮层兴奋性的量化检测,如低于0.8建议为皮层兴奋性重度抑制,0.8到1之间建议为皮层兴奋性轻度抑制,高于1建议为正常,指数越小代表脑皮层兴奋性越低,如图12所示。
本技术方案中采用的诱发谱增强算法能够将诱发成分凸显出,弱化大脑背景活动对成像的影响,因此对脑损伤敏感而对其他生物活动不敏感,提高了诱发活动的辨识度,使得成像谱更清晰可读。本技术方案为实现快速检测,提出了基于增强谱能力成分复杂度的量化方法,直接给出皮层兴奋性指数用于量化皮层兴奋性,从而避免了繁琐的结果解读工作,使用方便。本技术方案采用的是基于经颅磁刺激诱发脑电反应信号成像和量化的方法。相比现有影像技术,本方案基于的硬件技术更简单,技术复杂度不高,使用成本低。本方案中直接给出皮层兴奋性成像和量化指标,在操作规范指导下不需要专业人员参与,彻底摆脱对场地和专业人员的依赖,因此使用便捷性强,可应用到事故急救初期或精神疾病发作初期的脑状态筛查以及床旁追踪监测,适用性广。本方案中使用的诱发电技术以及提出的诱发谱增强技术能够弱化噪声影响,凸显皮层相关成分,相比近红外方案抗噪能力更强,可靠性更高。因此,本技术方案是一种更适合大范围推广的便携式皮层兴奋性损伤的早期筛查和检测方法。
Claims (5)
1.一种基于经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法,所述经颅磁刺激诱发信号由经颅磁刺激的脑电检测装置采集,所述经颅磁刺激的脑电检测装置包括经颅磁刺激线圈(1)和脑电采集电极(2),脑电采集电极(2)为扁平状,放置在经颅磁刺激线圈(1)的中间,所述经颅磁刺激线圈(1)施加单脉冲模式的磁脉冲刺激,所述脑电采集电极(2)同步采集脉冲刺激下诱发的脑电反应信号,其特征在于所述方法包括以下步骤:
步骤1:在待检测区,使用经颅磁刺激线圈与头皮呈切线方向发放刺激脉冲并同步记录脑电信号;
步骤2:经噪声预处理后,取刺激前200毫秒和刺激后500毫秒诱发信号,对诱发信号进行小波分解;
步骤3:基于信号的基线和诱发段的小波系数,使用bootstrap统计方法比较诱发脉冲前和脉冲后相应频率上的小波系数,对诱发段的诱发成分小波系数矫正;
步骤4:使用小波尺度重构算法对矫正后的诱发谱重构时间和频率的分辨率,得到诱发增强谱;
步骤5:对诱发增强谱每个频率点上累计时间尺度上的小波系数得到诱发增强谱能量,计算诱发增强谱能量的分布复杂度作为皮层兴奋性指数。
2.根据权利要求1所述的一种基于经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法,其特征在于:所述步骤1中将经颅磁刺激线圈与头皮呈切线角度紧贴疑似脑损伤脑区,在头皮和经颅磁刺激线圈中间放置扁平的脑电采集电极,线圈施加单脉冲模式的磁脉冲刺激,脑电电极同步采集脉冲刺激下诱发的脑电反应信号。
3.根据权利要求1所述的一种基于经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法,其特征在于:所述的步骤2中,对于步骤1中采集的脑电数据,通过卡尔曼滤波算法进行去噪处理,将去噪后的诱发脑电数据进行离散小波分解,提取小波分解后的小波系数。
5.根据权利要求1所述的一种基于经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法,其特征在于所述的步骤5中计算皮层兴奋性指数的方法为在诱发增强谱上的每个频率点上,叠加时间尺度上的小波系数得到诱发增强谱能量分布,再计算诱发增强谱能量的分布熵值即为皮层兴奋性指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416348.1A CN110074783B (zh) | 2019-05-17 | 2019-05-17 | 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416348.1A CN110074783B (zh) | 2019-05-17 | 2019-05-17 | 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110074783A CN110074783A (zh) | 2019-08-02 |
CN110074783B true CN110074783B (zh) | 2021-07-20 |
Family
ID=67420737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910416348.1A Active CN110074783B (zh) | 2019-05-17 | 2019-05-17 | 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110074783B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111543986B (zh) * | 2020-05-12 | 2021-03-02 | 清华大学 | 一种无需硬件连接的脑电事件同步方法 |
CN112587796B (zh) * | 2020-12-10 | 2023-09-26 | 天津市环湖医院 | 脑深部电刺激促醒效果量化方法及设备 |
CN113545791A (zh) * | 2021-07-20 | 2021-10-26 | 深圳市人民医院 | 一种基于静息态脑电的背景活动自动识别方法及*** |
CN116491958B (zh) * | 2023-06-28 | 2023-09-19 | 南昌大学第一附属医院 | 靶点确定设备、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103845137A (zh) * | 2014-03-19 | 2014-06-11 | 北京工业大学 | 基于稳态视觉诱发脑机接口的机器人控制方法 |
CN107260166A (zh) * | 2017-05-26 | 2017-10-20 | 昆明理工大学 | 一种实用化在线脑电伪迹剔除方法 |
CN107280663A (zh) * | 2017-07-07 | 2017-10-24 | 南京邮电大学 | 一种基于不同实验难度的疲劳脑电特征研究的方法 |
CN107616794A (zh) * | 2017-09-26 | 2018-01-23 | 北京师范大学 | 一种意识障碍大脑皮层状态检测***和方法 |
CN109394476A (zh) * | 2018-12-06 | 2019-03-01 | 上海神添实业有限公司 | 脑肌信息自动意图识别与上肢智能控制方法及*** |
-
2019
- 2019-05-17 CN CN201910416348.1A patent/CN110074783B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103845137A (zh) * | 2014-03-19 | 2014-06-11 | 北京工业大学 | 基于稳态视觉诱发脑机接口的机器人控制方法 |
CN107260166A (zh) * | 2017-05-26 | 2017-10-20 | 昆明理工大学 | 一种实用化在线脑电伪迹剔除方法 |
CN107280663A (zh) * | 2017-07-07 | 2017-10-24 | 南京邮电大学 | 一种基于不同实验难度的疲劳脑电特征研究的方法 |
CN107616794A (zh) * | 2017-09-26 | 2018-01-23 | 北京师范大学 | 一种意识障碍大脑皮层状态检测***和方法 |
CN109394476A (zh) * | 2018-12-06 | 2019-03-01 | 上海神添实业有限公司 | 脑肌信息自动意图识别与上肢智能控制方法及*** |
Non-Patent Citations (4)
Title |
---|
Instrumentation for the measurement of electric brain responses to transcranial magnetic stimulation;Virtanen, J et al;《Medical&Biological Engineering&Computing》;19990531;第37卷(第3期);全文 * |
Synchrosqueezing algorithm application in TMS-EEG analysis;Bai Yang et al;《Chinese Automation Congress》;20171231;全文 * |
情绪脑电特征识别与跨模式分析;张迪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150515;全文 * |
脑机接口分类算法及实验研究;刘伯强;《中国博士学位论文全文数据库 医药卫生科技辑》;20070815;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110074783A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110074783B (zh) | 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 | |
CN111340142B (zh) | 一种癫痫脑磁图棘波自动检测方法与溯源定位*** | |
Hamad et al. | Feature extraction of epilepsy EEG using discrete wavelet transform | |
US8768447B2 (en) | Processing of physiological signal data in patient monitoring | |
Fernández et al. | Correlations of hippocampal atrophy and focal low-frequency magnetic activity in Alzheimer disease: volumetric MR imaging-magnetoencephalographic study | |
JP7221693B2 (ja) | ヒトの脳の皮質機能の目録を作るための方法および磁気画像化デバイス | |
US9101276B2 (en) | Analysis of brain patterns using temporal measures | |
Lai et al. | Automated detection of high frequency oscillations in intracranial EEG using the combination of short-time energy and convolutional neural networks | |
Lopes et al. | Automatic electroencephalogram artifact removal using deep convolutional neural networks | |
CN112220485A (zh) | 一种癫痫脑电图/脑磁图异常波自动检测方法与定位*** | |
Duque-Muñoz et al. | Identification and monitoring of brain activity based on stochastic relevance analysis of short–time EEG rhythms | |
Tawhid et al. | Automatic and efficient framework for identifying multiple neurological disorders from EEG signals | |
WO2022135449A1 (zh) | 癫痫患者发作间期痫样电活动检测装置和方法 | |
Wang et al. | Clustering-constrained ICA for ballistocardiogram artifacts removal in simultaneous EEG-fMRI | |
Badani et al. | Detection of epilepsy based on discrete wavelet transform and Teager-Kaiser energy operator | |
CN111067513B (zh) | 一种特征权重自学习的睡眠质量检测关键脑区判定方法 | |
Charupanit et al. | Detection of anomalous high‐frequency events in human intracranial EEG | |
Lian et al. | Spatial enhanced pattern through graph convolutional neural network for epileptic EEG identification | |
Yang et al. | Depression detection based on analysis of EEG signals in multi brain regions | |
Poza et al. | Spectral and Non‐Linear Analyses of Spontaneous Magnetoencephalographic Activity in Alzheimer′ s Disease | |
Nimmy John et al. | Exploration of time–frequency reassignment and homologous inter-hemispheric asymmetry analysis of MCI–AD brain activity | |
Kulkarni et al. | Electroencephalogram based diagnosis of Alzheimer disease | |
Yun-Mei et al. | The abnormal detection of electroencephalogram with three-dimensional deep convolutional neural networks | |
CN112568912B (zh) | 一种基于非侵入式脑电信号的抑郁症生物标记物辨识方法 | |
Dembrani et al. | Accurate detection of ECG signals in ECG monitoring systems by eliminating the motion artifacts and improving the signal quality using SSG filter with DBE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |