深度睡眠网络：基于单通道EEG的自动睡眠阶段评分模型 背景介绍 睡眠对于人体健康具有重要影响，监测人们的睡眠质量在医学研究和实践中至关重要。通常，睡眠专家通过分析多种生理信号（如脑电图 (EEG)、眼动电图 (EOG)、肌电图 (EMG) 和心电图 (ECG)）进行睡眠阶段评分。这些信号被称为多导睡眠图 (Polysomnogram, PSG)，经分类后用于确定个体的睡眠状态。然而，这种手动方法耗时且费力，需要专家持续数夜对多个传感器进行记录并分析。 基于多信号（如EEG、EOG和EMG）或单信号EEG的自动睡眠阶段评分方法已得到广泛研究。然而，大多数现有方法依赖于手工特征提取，这通常根据数据集的特性进行设计，无法推广到具有异质性的更大人群中。此外，较少方法考虑了用于识别睡眠阶段转换规则的时...
近年来，虚拟现实技术（Virtual Reality, VR）逐渐变得更加普及，其相关硬件设备的价格也更加亲民。例如，现在市面上的头戴式显示器（Head Mounted Displays, HMDs）不仅提供高分辨率的显示，还具有精准的头部和手持控制器的跟踪功能。这些技术最初多用于娱乐行业，但越来越多的应用领域开始使用这项技术开展严肃游戏（Serious Games），特别是在创伤性事件后的康复领域，其中包括中风患者。 背景与目的 中风是指脑部血液供应被切断或脑内及脑周围出血导致脑细胞损伤的情况。根据受损脑区的不同，中风可能会引发不同的症状，例如一侧身体的无力（半侧麻痹）、视觉障碍以及失语症（Aphasia）等。值得注意的是，中风后认知功能障碍（Post-Stroke Cognitive I...
睡眠阶段分类在睡眠质量评估和疾病诊断中至关重要。然而，现有的分类方法在处理时间延变的多通道脑信号的空间和时间特征、应对个体生物信号差异以及模型的可解释性方面仍然面临诸多挑战。传统的机器学习方法依赖于复杂的特征工程，而深度学习方法尽管在特征表示学习上表现出色，但在空间-时间特征利用、跨个体泛化能力以及模型可解释性方面仍有待提升。 为了应对上述挑战，北京交通大学的Ziyu Jia等人以及麻省理工学院的Li-Wei H. Lehman提出了一种多视角时空图卷积网络（Multi-View Spatial-Temporal Graph Convolutional Networks, MSTGCN），并结合域泛化用于睡眠阶段分类。 论文来源 这篇论文由北京交通大学计算机与信息技术学院的Ziyu Jia,...
背景介绍 运动意象（Motor Imagery, MI）指的是通过想象的方式进行活动而无需实际肌肉运动。这一范式在脑机接口（Brain-Computer Interface, BCI）中得到了广泛应用，用于将大脑活动解码为外部设备的控制指令。特别是，脑电图（Electroencephalography, EEG）因其相对廉价、移动方便且时间分辨率高于其他神经影像工具而广泛用于BCI。此外，这一范式可以帮助中风患者进行神经康复。据研究，机器人辅助的脑机接口训练可以提升中风患者的运动康复效果（参见论文[5]和[6]）。这是因为在MI期间激活的神经通路与实际运动执行（Motor Execution, ME）的神经通路相似，因此，通过想象这种方式也可能促使感知运动区域的神经通路激活，从而帮助中风后的...
肌骨模型已经广泛用于生物力学分析，因为它们能够估计难以通过活体直接测量的运动变量（如肌肉力量和关节力矩）。传统的物理驱动计算肌骨模型可以解释神经驱动到肌肉、肌肉动力学、以及身体和关节运动学和动力学之间的动态交互。然而，这些模型由于其复杂性，运行速度较慢，难以实现实时应用。近年来，数据驱动方法以其实现速度快和操作简单的优点成为一种有前途的替代方案，但它们不能反映基础的神经机械过程。 本文提出了一种融合物理知识的深度学习框架，用以实现肌骨建模。在该框架中，将物理领域的知识引入数据驱动模型，作为软约束对其进行罚则/正则化处理。本文采用表面肌电图（SEMG）同步预测肌肉力量和关节运动学作为示例，使用卷积神经网络（CNN）实现该框架，并在两个数据集上进行了实验验证，展示了该框架的有效性和鲁棒性。 论文...
脑机接口（Brain-Computer Interface, BCI）是将神经系统与外部环境连接的一种通讯手段。运动想象（Motor Imagery, MI）是BCI研究的基石，它指在运动执行前的内在演练（Internal Rehearsal）。非侵入性技术如脑电图（Electroencephalography, EEG）因其成本效益高与便利性，可以高时间分辨率记录神经活动。当受试者想象移动身体特定部位时，大脑特定区域会发生能量变化（ERD/ERS），这些变化可以通过EEG记录并用于辨别运动意图。MI基础的BCI系统已经取得显著进展，能够控制外骨骼和光标，特别是与虚拟现实技术结合，用于中风康复的潜力更为显著。 目前，MI解码方法的高性能是这种系统成功的关键。然而，相比于依赖外部刺激的其它BC...
电子电气工程师学会 (IEEE)《神经系统与康复工程事务》2021年第29卷刊登了一篇题为《一种基于注意力深度学习的单通道EEG睡眠阶段分类方法》的文章。本文由Emadeldeen Edele、Zhenghua Chen、Chengyu Liu、Min Wu、Chee-Keong Kwoh、Xiaoli Li及Cuntai Guan等学者撰写。文章的主要目的是提出一种新型的基于注意力的深度学习模型，用于通过单通道的脑电图（EEG）信号进行自动睡眠阶段分类。 研究背景 睡眠是人类重要的生理过程，直接影响到每日生活的各个方面。有研究表明，高质量的睡眠能够促进身体健康和脑功能的提升，而睡眠中断则可能导致失眠或睡眠呼吸暂停等睡眠障碍。睡眠阶段（如浅睡和深睡）对免疫系统、记忆和代谢等起着关键作用，因此...
全头皮下EEG的可行性、安全性和性能——基于微创电极植入的研究报告 背景与目的 自1929年Berger首次应用电极记录人类头皮电信号并发现α节律以来，脑电图（EEG）的记录能力在空间覆盖（电极数量增加）、时间长度（数日）、和数字化方面都有了显著改进。传统头皮EEG是诊断短暂神经功能障碍的标准方法，用于癫痫或睡眠障碍。然而，当前的临床实践受限于只能进行短时间（天）记录的传统EEG，无法捕捉更长时间尺度（月）的脑（功能）变化。为了优化慢性脑病（如癫痫）的管理，亟需找到一种能够在日常生活中监测脑电活动的方法。 此项研究的旨在开发一种可以进行全头皮下EEG（Epios）记录的设备，并验证通过微创技术安全插入电极导线的可行性（主要结果）。作为次要结果，研究验证了皮下EEG在测量生理脑振荡和病理放电方...
近年来，难治性癫痫（refractory epilepsy）越来越受到医学界的关注。这种癫痫被定义为尽管经过两次适当的抗癫痫药物治疗，仍持续发生严重的癫痫发作。对于药物治疗无效的患者来说，如果能够准确定位癫痫发作起源区（seizure onset zone, SOZ），通过切除或消融该区域的治疗方法可能会具有治愈作用。然而，在美国，通过立体定向脑电图（stereoelectroencephalography, SEEG）电极监测不同脑区的癫痫活动是药物难治性癫痫患者常见的手术评估方法，但这种方法依赖于检测到足够数量的癫痫发作，患者需住院监测数日甚至数周。此外，即使完成SEEG监测，SOZ的精准定位也无法得到保证。因此，研究如何提高SOZ的定位准确性具有重要意义。 这篇论文的主要作者包括Ale...
Metagenomic下一代测序替代降钙素原指导抗生素在发热急性坏死性胰腺炎患者中的应用 背景和研究目的 急性胰腺炎（Acute Pancreatitis, AP）是消化系统疾病中急诊入院的主要原因之一，具有显著的医疗资源利用率。疾病伴有局部和系统的炎症反应，临床病程变化多样。大约20%的患者发展为急性坏死性胰腺炎（ANP），其中20-40%的发病率会发展为感染性胰腺坏死（IPN），死亡率高达30-40%。由于无菌ANP和IPN在临床表现上相似，医生早期诊断IPN面临巨大挑战，导致抗生素的滥用，这不仅导致抗菌药物耐药性的出现，还增加了不必要的药物不良反应和更高的医疗费用。因此，需要一种简单且有效的方法来诊断胰腺感染并指导抗生素的合理使用。 此前，降钙素原（Procalcitonin, PCT...