人脑活动中的时不变个人特定频率模板

Time-invariant person-specific frequency templates in human brain activity

Itai Doron, Eyal Hulata, Itay Baruchi, Vernon L. Towle, Eshel Ben-Jacob

备注：: 4 pages, 4 figures (color), Phys. Rev. Lett. (in-press), minor English style changes
DOI：: 10.1103/PhysRevLett.96.258101

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

人类大脑的各种任务在不同的位置和时间尺度上执行。然而，我们发现存在时间不变（高于基本时间尺度）的大脑活动划分为个人状态特定的频带。为此，我们进行时间和合奏平均最好的小波包基从多电极EEG记录。这些个人频带为大脑功能的定量分析提供了新的模板，正常与癫痫活动。

英文摘要：

The various human brain tasks are performed at different locations and time scales. Yet, we discovered the existence of time-invariant (above an essential time scale) partitioning of the brain activity into personal state-specific frequency bands. For that, we perform temporal and ensemble averaging of best wavelet packet bases from multi-electrode EEG recordings. These personal frequency-bands provide new templates for quantitative analyses of brain function, e.g., normal vs. epileptic activity.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

用于信号检测的循证滤波器：在诱发脑反应中的应用

Evidence-Based Filters for Signal Detection: Application to Evoked Brain Responses

Knuth Cyberphysics Lab（克努斯网络物理实验室）；University at Albany（奥尔巴尼大学）；Autonomous Exploration Inc.（自主探索公司）

基于模板的信号检测通常依赖于计算输入数据流和信号模板之间的相关性或点积。这种相关性导致对数据流中信号幅度的持续估计。然而，它并不直接指示信号的存在或不存在。这个问题实际上是一个模型测试，相关的量是信号模型的贝叶斯证据（边际似然）。给定一个信号模板和一个正在进行的数据流，我们已经开发了一个基于证据的过滤器，它可以计算数据中存在信号的贝叶斯证据。我们证明了这种算法，将其应用到脑机接口（BMI）的数据记录人脑电活动，或脑电图（EEG）。基于EEG的BMI中的一个非常流行和有效的范例是基于对响应于特定感官刺激而产生的P300诱发的脑响应的检测。目标是尽可能准确和快速地检测正在进行的EEG活动中P300信号的存在。我们的算法使用一个特定主题的P300模板来计算贝叶斯证据，应用窗口的EEG数据包含的信号。通过比较基于证据的滤波器的受试者工作特征（ROC）曲线与通常的相关方法，证明了该算法的有效性。我们的研究结果表明，在单次试验P300检测显着改善。基于证据的滤波器有望提高BMI应用中诱发脑反应检测的准确性和速度，以及更一般的信号处理应用中模板信号检测的准确性和速度

2011-07-06cs.CVphysics.comp-phphysics.med-ph

贝叶斯奇比滤波器：一种基于模板的P300诱发反应在线检测方法

Bayesian Odds-Ratio Filters: A Template-Based Method for Online Detection of P300 Evoked Responses

基于模板的信号检测通常依赖于计算输入数据流和信号模板之间的相关性或点积。虽然这种相关性导致对数据流中信号幅度的持续估计，但它并不直接指示信号的存在或不存在。相反，信号检测的问题是模型选择的问题。在这里，我们探索使用贝叶斯比值比（OR），这是一个信号加噪声模型的后验概率比一个只有噪声的模型。我们通过将其应用于基于P300响应的模拟脑电（EEG）信号来演示该方法，该方法广泛用于脑机接口（BCI）和脑机接口（BMI）系统。通过比较基于OR（logOR）滤波器的受试者工作特征（ROC）曲线与通常的相关方法，我们发现P300检测有显著改善，从而证明了该算法的有效性。logOR滤波器有望提高BCI/BMI应用中诱发脑反应检测的准确性和速度，以及一般模板信号的检测。

2013-04-04physics.med-phq-bio.NCstat.AP

正常人与癫痫患者EEG信号非线性特性的比较研究

Comparative study of nonlinear properties of EEG signals of a normal person and an epileptic patient

背景：研究大脑在生命系统中的功能一直是科学家和医学从业者的主要努力。在大脑的各种疾病中，癫痫引起了最多的关注，因为这种疾病会影响一个人的生活质量。本文应用替代分析、概率分布函数和Hurst指数对正常人和癫痫病人的脑电进行了再研究。结果如下：使用随机混洗替代分析，我们已经获得了一些由Andrzejak \textit{et al.} [Phys Rev E 2001，64：061907]获得的癫痫患者在癫痫发作期间的非线性特征。概率分布函数表明，癫痫患者的脑活动具有非高斯性。赫斯特指数已被证明是有用的，以表征一个正常的和一个癫痫的大脑，它表明，癫痫的大脑是长期相关的，而正常的大脑是或多或少的随机性。在所有的技术，这里使用，赫斯特指数是非常有用的表征不同的情况。结论：本文主要用Hurst指数分析了正常人睁眼和闭眼时、癫痫患者发作期和无发作期的特征差异。H表明正常人的脑活动在本质上是不相关的，而癫痫患者的脑活动则表现出长程相关性。

2009-08-03physics.data-anphysics.med-ph

Learn-Morph-Infer：一种求解脑肿瘤建模逆问题的新方法

Learn-Morph-Infer: a new way of solving the inverse problem for brain tumor modeling

TranslaTUM - Central Institute for Translational Cancer Research, TUM（慕尼黑工业大学TranslaTUM转化癌症研究中央研究所）；Brigham and Women’s Hospital（布莱根妇女医院）；Harvard Medical School（哈佛医学院）；Broad Institute of Harvard and MIT（哈佛-麻省理工学院博德研究所）；Dana-Farber Cancer Institute（达纳-法伯癌症研究所）；Klinikum Rechts der Isar, TUM（慕尼黑工业大学 rechts der Isar 医院）；Fraunhofer MEVIS（弗劳恩霍夫医学图像计算研究所）

目前诊断为脑肿瘤（如神经胶质瘤）的患者的治疗计划可以通过评估肿瘤细胞浓度的空间分布而显着受益。现有的诊断模式，例如磁共振成像（MRI），对高细胞密度区域的对比度足够好。然而，在神经胶质瘤中，它们不能描绘低细胞浓度的区域，这通常可以作为治疗后肿瘤继发性外观的来源。为了估计超出病变可见边界的肿瘤细胞密度，肿瘤生长的数值模拟可以通过提供肿瘤细胞的全空间分布的估计来补充成像信息。近年来，发表了关于基于医学图像的肿瘤建模的文献语料库。它包括描述正向肿瘤生长模型的不同数学形式。此外，还开发了各种参数推断方案，以执行有效的肿瘤模型个性化，即解决逆问题。然而，所有现有方法的统一缺点是模型个性化的时间复杂度，这禁止了将建模潜在地集成到临床设置中。在这项工作中，我们介绍了一种基于深度学习的方法，用于从T1 Gd和FLAIR MRI医学扫描中推断脑肿瘤的患者特定空间分布。该方法被称为Learn-Morph-Infer，在广泛可用的硬件上实现了几分钟的实时性能，并且在不同复杂度的肿瘤模型（如反应扩散模型和反应对流扩散模型）中计算时间稳定。我们相信，所提出的逆解方法不仅为脑肿瘤个性化的临床翻译架起了桥梁，而且也可以应用于其他科学和工程领域。

2022-10-25cs.CEcs.LGeess.IV