CMC学习系列 (9):对侧半球可能支持中风后的恢复

2024-04-15 13:36

本文主要是介绍CMC学习系列 (9):对侧半球可能支持中风后的恢复,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

对侧半球可能支持中风后的恢复

  • 0. 引言
  • 1. 主要贡献
  • 2. 方法
    • 2.1 患者信息
    • 2.2 行为测试
    • 2.3 运动任务/实验范式
  • 3. 结果
    • 3.1 对照参与者和卒中患者的相干图
    • 3.2 地形图上的CMC标签
  • 4. 讨论
  • 5. 总结
  • 欢迎来稿

论文地址:https://www.sciencedirect.com/science/article/pii/S2213158212000319
论文题目:Changes in the location of cortico-muscular coherence following stroke
论文代码:无

0. 引言

卒中导致残余脑网络重组。这些网络中大脑区域的功能作用尚不清楚,尤其是对侧半球的大脑区域。我们研究了 25 名患有一系列运动障碍的中风患者和 23 名健康年龄匹配的对照组。在所有健康对照组的对侧感觉运动皮层中都发现了β 和 γ 带的皮质-肌肉相干性峰值,但在卒中患者中更为普遍,包括在对侧半球发现的一些峰值(7 名患者为 β 相干性,5 名患者为 γ 相干性)。相干值和相干峰与对照平均值的距离都与损伤无关。不仅在一些高度受损的患者中,而且在一些功能恢复良好的患者中发现了对侧半球的峰值CMC。我们的研究结果提供了证据,证明广泛的大脑皮质区域,包括对侧半球的一些区域,可能对中风后受影响肌肉的肌电图活动产生影响,从而支持功能恢复

1. 主要贡献

  1. 我们检查了卒中患者对照组的皮质-肌肉相干位置。
  2. 峰值相干性位置在脑卒中患者中分布更广
  3. 在一些患者中,在对侧半球发现了峰值相干性。
  4. 患者的连贯性位置与损伤无关
  5. 对侧半球可支持卒中后功能性运动恢复

2. 方法

2.1 患者信息

25名卒中患者(平均年龄52岁±14岁,范围19-81岁;19名男性,3名左撇子,13名惯用手受累)和23名健康对照者(平均年龄50±20岁,范围23-77岁;11名男性,2名左撇子)参与。所有患者均患有首次中风,至少手腕手指伸肌以及手部骨间无力,并且没有任何其他神经系统疾病。

2.2 行为测试

所有患者均根据以下结局指标进行评分;
1)动作研究臂测试,
2)握力,
3)九孔钉测试,
4)箱体和块定时测试。
对这些评分进行了主成分分析 (PCA),以考虑地板和天花板效应,并将第一个成分用作每位患者的单一损伤评分。

2.3 运动任务/实验范式

在 MEG 记录期间,受试者用手法进行了视觉提示的等距握手。在扫描之前,记录每个受试者的最大自主收缩 (MVC)。患者使用受影响的手,并使用每只手在单独的块中扫描对照。对于每只手,进行了 2 × 8 分钟的 60 次试验。执行手握的提示是屏幕上出现的“力温度计”,它提供有关所施加力的连续视觉反馈。目标力设置在MVC的15%到30%之间,并以视觉方式显示。每次握持持续 3 秒,刺激间隔在 3 到 7 秒之间。在不活动的手上放置了一个操纵装置,以检查镜子的运动。

3. 结果

3.1 对照参与者和卒中患者的相干图

使用线性约束最大方差(LCMV)波束形成器从峰值β和γ相干坐标中提取源信号。源方向在产生最大信号方差的方向上。在 MEG 源信号和 EMG 通道阶数之间生成相干图,以查看该位置的相干值。相干性值介于 0 和 1 之间。所有相干谱均在95%置信区间进行阈值。如果参与者的 CMC 高于 95% 置信区间阈值,则将其纳入进一步分析。
在这里插入图片描述

3.2 地形图上的CMC标签

所有受试者都能够充分执行抓握任务,两组之间的目标准确性没有差异(对照组的平均力为 18 ± MVC 的 1.5%,患者的平均力为 16 ± 2%)。患者梗死位置如图2所示。A,除两名患者(表1中的12和21患者)外,所有患者都保留了初级运动皮层的手部区域。第一个 PCA 成分解释了所有 4 个结局评分的 85% 的方差,因此被用作代表性行为评分。
在这里插入图片描述

4. 讨论

在这项研究中,在等长握持期间测量皮层和前臂肌肉的同时记录,以找到与活动肌肉最一致的皮质位置。这些结果提供了证据,表明广泛的皮质区域能够影响肌肉活动,并参与支持中风后恢复的手部功能。在相干值或相干峰坐标与对照组的距离损伤水平之间没有发现显著相关性。当简单地比较那些具有“正常”峰值CMC位置的患者和那些具有“远处”的患者时,损伤水平也没有差异。总体而言,这些结果表明,在一些患者中,对侧半球可以作为卒中后功能相关肌肉的连贯下行皮质驱动力的来源。总体而言,这些研究指出了对侧半球可能对某些患者卒中后运动控制的潜在影响。

我们的研究是新颖的,因为它评估了具有各种损伤的患者,并探索了源水平分析。我们的数据无法回答来自如此广泛的皮质区域的信号如何直接影响肌肉活动,只能回答CMC存在于同质M1以外的区域。我们的数据至少证实了某些患者中存在非 M1 和对立的 CMC 源

发现患者的 γ 相干值显着低于对照组,而 β CMC 值没有显着差异。损伤较多的患者具有较低的伽马相干值,尽管这代表了一个不显着的趋势。在两项研究中,伽马值差异的原因目前尚不清楚,但可能与患者执行握力任务的动态阶段的方式有关。

总之,我们提供了直接证据,证明对侧半球的大脑区域参与中风后受影响肌肉的活动,从而支持恢复功能。我们的研究结果还强调了了解中风患者大脑重组变异性的重要性。具体来说,他们认为,在所有情况下,对侧半球不一定被视为阻碍运动功能的恢复。这一发现对旨在调节任务相关半球平衡的康复治疗研究中的患者分层方式具有重要意义,特别是那些涉及皮质刺激技术的研究,并且可以在某种程度上解释使用这些技术的小规模研究结果的可变性。

5. 总结

到此,使用 动态力输出期间的伽马范围皮质相干性 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!!

这篇关于CMC学习系列 (9):对侧半球可能支持中风后的恢复的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/905963

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

电脑桌面文件删除了怎么找回来?别急,快速恢复攻略在此

在日常使用电脑的过程中,我们经常会遇到这样的情况:一不小心,桌面上的某个重要文件被删除了。这时,大多数人可能会感到惊慌失措,不知所措。 其实,不必过于担心,因为有很多方法可以帮助我们找回被删除的桌面文件。下面,就让我们一起来了解一下这些恢复桌面文件的方法吧。 一、使用撤销操作 如果我们刚刚删除了桌面上的文件,并且还没有进行其他操作,那么可以尝试使用撤销操作来恢复文件。在键盘上同时按下“C

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss