了解信号的来源和网络作为大脑的功能是大脑研究的中心目标。现在，卡内基梅隆大学的工程师们已经创建了一个系统，用于对正常和异常大脑信号的起源和路径进行高密度脑电图成像。
卡内基梅隆大学生物医学工程系主任 Bin He 及其同事正在研究美国国立卫生研究院的一项核心计划，即通过推进创新神经技术 (BRAIN) 进行大脑研究。
该小组在高密度脑电图方面的工作，在Nature Communications杂志上报道，朝着实现 BRAIN 计划的一个中心目标迈出了重要的一步：“产生一个革命性的新的大脑动态图像，这是第一次显示单个细胞和复杂的神经回路如何在时间和空间上相互作用。”换句话说，开发一种观察大脑如何做它所做的事情的方法。
“几十年来，脑电图 (EEG) 一直被用于追踪大脑信号，”NIBIB 生物电磁技术项目主任王树敏博士解释说。“何博士和他的团队开发了一种更强大、高密度的脑电图版本，它可以跟踪比以前更大的大脑区域的大脑信号。然后使用人工智能来识别这些更强的信号起源和传播的位置大脑，非常准确。”
研究小组在癫痫患者身上测试了高密度脑电图系统。个人经历由大脑活动的错误脉冲引起的癫痫发作，称为致癫痫区。许多患者的癫痫发作可以通过药物控制。对于那些对药物有抵抗力的人，手术切除致癫痫区是一种临床选择。高密度脑电图准确识别癫痫源的能力将大大改进脑部手术，以有效地只切除问题区域并保留周围的脑组织。
该团队在 36 名接受术前测试的癫痫患者身上测试了他们的方法，称为 FAST-IRES，用于时空迭代重新加权边缘稀疏性。FAST-IRES 非侵入性大脑记录是在几天内使用特殊的高密度脑电图阵列获得的。FAST-IRES 是非侵入性的这一事实非常重要，因为标准的术前测试需要侵入性 EEG，这对于查明致癫痫区域是必要的，但会增加感染、并发症和成本的风险。
在 36 名患者中，FAST-IRES 方法分析了 1000 多个 EEG 峰值，并发生了 86 次癫痫发作。然后使用 FAST-IRES 方法的人工智能部分分析高密度记录，并与标准侵入性脑电图术前测试和手术结果进行比较。
FAST-IRES 方法在识别患者致痫区的位置和范围方面极其准确，这已通过手术数据得到证实。“我们的结果清楚地表明，FAST-IRES 可以使用非侵入性高密度脑电图头皮记录高精度地识别致癫痫区，”He 说。梅奥诊所研究的合作者正在考虑在未来实施该系统。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！