CN116250807A - 基于fNIRS和MEP的神经通路评估方法及系统 - Google Patents
基于fNIRS和MEP的神经通路评估方法及系统 Download PDFInfo
- Publication number
- CN116250807A CN116250807A CN202310205719.8A CN202310205719A CN116250807A CN 116250807 A CN116250807 A CN 116250807A CN 202310205719 A CN202310205719 A CN 202310205719A CN 116250807 A CN116250807 A CN 116250807A
- Authority
- CN
- China
- Prior art keywords
- patient
- activation
- brain
- neural pathway
- affected
- 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.)
- Granted
Links
- 230000010004 neural pathway Effects 0.000 title claims abstract description 78
- 210000000118 neural pathway Anatomy 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004913 activation Effects 0.000 claims abstract description 111
- 230000033001 locomotion Effects 0.000 claims abstract description 97
- 210000004556 brain Anatomy 0.000 claims abstract description 96
- 230000002490 cerebral effect Effects 0.000 claims abstract description 37
- 208000006011 Stroke Diseases 0.000 claims abstract description 36
- 206010008190 Cerebrovascular accident Diseases 0.000 claims abstract description 34
- 210000003710 cerebral cortex Anatomy 0.000 claims abstract description 31
- 230000000284 resting effect Effects 0.000 claims abstract description 28
- 230000014759 maintenance of location Effects 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 20
- 230000006378 damage Effects 0.000 claims abstract description 16
- 108010064719 Oxyhemoglobins Proteins 0.000 claims abstract description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 10
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 10
- 239000001301 oxygen Substances 0.000 claims abstract description 10
- 230000002739 subcortical effect Effects 0.000 claims abstract description 8
- 230000003925 brain function Effects 0.000 claims abstract description 7
- 210000001364 upper extremity Anatomy 0.000 claims abstract description 6
- 238000003384 imaging method Methods 0.000 claims abstract description 5
- 230000000449 premovement Effects 0.000 claims abstract description 5
- 239000008280 blood Substances 0.000 claims abstract description 4
- 210000004369 blood Anatomy 0.000 claims abstract description 4
- 210000003311 CFU-EM Anatomy 0.000 claims description 43
- 238000001514 detection method Methods 0.000 claims description 42
- 238000011156 evaluation Methods 0.000 claims description 30
- 230000000763 evoking effect Effects 0.000 claims description 15
- 210000005036 nerve Anatomy 0.000 claims description 11
- 230000002269 spontaneous effect Effects 0.000 claims description 10
- 108010054147 Hemoglobins Proteins 0.000 claims description 9
- 102000001554 Hemoglobins Human genes 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 230000001771 impaired effect Effects 0.000 claims description 9
- 230000007433 nerve pathway Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000001447 compensatory effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 241000722949 Apocynum Species 0.000 claims description 4
- 206010019468 Hemiplegia Diseases 0.000 claims description 4
- 230000003902 lesion Effects 0.000 claims description 4
- 208000027418 Wounds and injury Diseases 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 208000014674 injury Diseases 0.000 claims description 2
- 108091026922 FnrS RNA Proteins 0.000 claims 5
- 238000012549 training Methods 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010021118 Hypotonia Diseases 0.000 description 1
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 241000826860 Trapezium Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000337 motor cortex Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000036640 muscle relaxation Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000005311 nuclear magnetism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011491 transcranial magnetic stimulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14553—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
-
- 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
- A61B5/389—Electromyography [EMG]
- A61B5/395—Details of stimulation, e.g. nerve stimulation to elicit EMG response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Neurosurgery (AREA)
- Data Mining & Analysis (AREA)
- Psychology (AREA)
- Optics & Photonics (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种基于fNIRS和MEP的神经通路评估方法及系统。方法包括：利用近红外脑功能成像设备采集脑卒中患者在静息态和运动态下的左/右初级运动区、左/右运动前区、左/右辅助运动区的脑皮层氧合血红蛋白浓度变化数据；根据脑血氧数据计算由患侧上肢运动诱发的脑区激活程度，并判定患者的脑激活模式；根据患者的脑激活模式判断其神经通路损伤程度：对于皮质上卒中患者，若呈现出受累侧初级运动区激活模式，则表明其神经通路存在一定保留度；若呈现出代偿模式，则表明其神经通路受损严重。对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明其神经通路存在一定保留度；若呈现出代偿模式，查看其在静息态下受累侧初级运动区的激活情况。
Description
技术领域
本发明涉及运动功能障碍康复评估领域，特别涉及一种基于fNIRS和MEP的神经通路评估方法及系统。
背景技术
当前，中国是全世界脑卒中发生率最高的国家之一。每年新发病例高达250万人，且这一数字正逐年上涨，其中，55-75％的脑卒中患者表现出运动功能障碍。脑卒中患者遗留运功功能障碍的根本原因是运动传导神经通路的损伤，然而，神经通路的损伤程度存在个体化差异，对每位卒中患者的神经通路的损伤程度进行评估，对制定恰当的肢体康复训练及神经调控方案有重要的参考价值，可优化康复疗效，提升康复效率。
运动诱发电位(Motor Evoked Potential,MEP)是判断神经通路受损情况的金标准，若在受累侧半球能够检测到MEP指标，则表明受累侧的运动传导神经通路具备完整性。然而，多数脑卒中患者无法检测到受累侧MEP，同时约有30％的健康人无法检测到MEP指标，且MEP检测易受患者个体情况和操作人员手法的影响。因此，仅凭MEP指标判断神经通路的损伤程度存在很大的局限性。
近红外脑功能成像技术(Functional Near-infrared Spectroscopy,fNIRS)被称为“戴在头上的功能核磁”，能够探测大脑皮层中感兴趣脑区的功能性激活和脑网络连接状态。利用fNIRS检测脑卒中患者的皮层激活模式，可间接判断其神经通路状态，为康复训练方案的制定提供更完善的证据。
发明内容
基于上述问题，本发明的目的是提供一种基于fNIRS和MEP的神经通路评估方法及系统，能够结合近红外脑功能指标和运动诱发电位检测对脑卒中患者的运动传导神经通路损伤程度进行评估，为肢体康复训练及神经调控方案的制定提供依据。
本发明的一方面涉及一种基于fNIRS和MEP的神经通路评估方法，该方法包括以下步骤：
获取利用近红外脑功能成像设备采集的、通过MEP判断受累侧运动传导神经通路不完整的脑卒中患者在静息态和运动检测态下的左/右初级运动区、左/右运动前区、左/右辅助运动区的脑皮层氧合血红蛋白浓度变化数据；
根据在静息态和运动检测态下的两种状态下的脑血氧数据，计算由患侧上肢运动诱发的各脑区的激活程度，并判定患者的脑激活模式；
根据患者的脑激活模式判断神经通路损伤程度：
a)对于皮质上卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则表明患者的神经通路受损严重；
b)对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则查看患者在静息态下受累侧初级运动区的激活情况：若受累侧初级运动区表现出自发激活模式，则表明患者的受累侧神经通路存在一定保留度；若其受累侧初级运动区没有表现出自发激活，则表明其神经通路受损严重。
根据一个实施例，各脑区的激活程度指标的计算过程如下：
对在静息态和运动检测态下的两种状态下分别采集的通道氧合血红蛋白浓度变化信号进行小波变换，然后计算其幅值的时域均值，得到各通道的小波幅值WA，对每个脑区内各个通道的小波幅值进行平均得到每个脑区的活动强度，计算各脑区运动检测态小波幅值WA与静息态小波幅值WA的比值W，其中W表示由运动检测任务引起的大脑皮层激活程度，
有利地，提取频段0.01～0.08Hz的幅值时域均值结果并对其进行梯形积分，并除以频段范围后得到各通道的小波幅值。
根据一个有利的实施例，激活模式的判定方法如下：
当W>1时，表示该脑区在运动状态下被激活，按照大脑皮层中与运动相关的初级运动区、运动前区和辅助运动区之中的主要激活脑区判断患者的激活模式：当患者的受累侧初级运动区被激活，且激活程度高于其他脑区时，则患者为受累侧初级运动区激活模式；在患者的受累侧初级运动区未被激活，或者激活程度小于其他脑区时，则患者为代偿模式。
优选地，当静息态下受累侧初级运动区的小波幅值WA明显大于其他脑区时，认为患者表现出了受累侧初级运动区的自发激活，表示其受损神经通路存在一定保留度
本发明的另一方面涉及一种基于fNIRS和MEP的神经通路评估系统，包括：
信息录入模块，用于录入患者的年龄、性别、病变类型、偏瘫侧及大脑受累侧、主要病灶位置的信息，并根据主要病灶位置将该患者划分为皮质上卒中患者或皮质下卒中患者；
MEP检测模块，根据信息录入模块传送的信息，检测患者的受累侧大脑皮层的运动诱发电位；
近红外脑氧数据采集模块，用于根据MEP检测模块的检测结果来采集受累侧运动传导神经通路不完整的患者的相应脑区的脑皮层氧合血红蛋白浓度变化数据；
脑激活模式评估模块，用于根据近红外脑氧数据采集模块采集到的脑皮层氧合血红蛋白浓度变化数据计算各脑区的激活程度，判断激活模式；
神经通路评估模块，根据MEP检测模块的结果以及脑激活模式评估模块的结果判断患者的受累侧运动传导神经通路的保留度并输出评估结果。
在一个有利的实施例中，脑激活模式评估模块如下计算各脑区的激活程度指标：
对在静息态和运动检测态下的两种状态下分别采集的通道氧合血红蛋白浓度变化信号进行小波变换，然后计算其幅值的时域均值，计算得到各通道的小波幅值WA，对每个脑区内各个通道的小波幅值进行平均得到每个脑区的活动强度，计算各脑区运动检测态小波幅值WA与静息态小波幅值WA的比值W，W表示由运动检测任务引起的大脑皮层激活程度，
有利地，脑激活模式评估模块提取频段0.01～0.08Hz的幅值时域均值结果并对其进行梯形积分，并除以频段范围后得到各通道的小波幅值。
在一个有利的实施例中，当W>1时，表示该脑区在运动状态下被激活，按照大脑皮层中与运动相关的初级运动区、运动前区和辅助运动区之中的主要激活脑区判断患者的激活模式，当患者的受累侧初级运动区被激活，且激活程度高于其他脑区时，则患者为受累侧初级运动区激活模式；在患者的受累侧初级运动区未被激活，或者激活程度小于其他脑区时，则患者为代偿模式。
在一个有利的实施例中，神经通路评估模块根据患者的脑激活模式如下判断神经通路损伤程度：
a)对于皮质上卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则表明患者的神经通路受损严重；
b)对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则查看患者在静息态下受累侧初级运动区的激活情况：若受累侧初级运动区表现出自发激活模式，则表明患者的受累侧神经通路存在一定保留度；若其受累侧初级运动区没有表现出自发激活，则表明其神经通路受损严重。
本发明的有益效果是：利用该方法和系统，能够结合近红外脑功能指标和运动诱发电位检测对脑卒中患者的运动传导神经通路损伤程度进行评估，解决了MEP检测无法为所有脑卒中患者神经通路损伤程度进行评估的局限性，为肢体康复训练及神经调控方案的制定提供更完善的依据。
上述概述仅仅是为了说明的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为本发明实施例的一种基于fNIRS和MEP的神经通路评估方法应用流程图；
图2为本发明实施例的脑激活模式示意图；
图3为本发明实施例的一种基于fNIRS和MEP的神经通路评估系统总体构成图；和
图4示出了图3中所示的MEP检测模块。
具体实施方式
下面结合附图详细描述本发明的一种老年人认知障碍筛查实验范式的系统及方法。本领域技术人员应当理解，下面描述的实施例仅是对本发明的示例性说明，而非用于对其做出任何限制。
如图1所示，示出了本发明的基于fNIRS和MEP的神经通路评估方法，该方法包括以下步骤：
S1:根据病灶位置分类。
录入脑卒中患者的病历信息，根据患者的病灶位置将其划分为皮质上或皮质下卒中，其中患者的病历信息包括患者的年龄、性别、病变类型、偏瘫侧及大脑受累侧、主要病灶位置等信息。
S2:进行运动诱发电位检测。
利用单脉冲经颅磁刺激对脑卒中患者的受累侧大脑进行运动诱发电位检测，若能诱发MEP，则表明该患者的受累侧运动传导神经通路完整，若无法诱发出MEP，则进行步骤S3。
具体地，运动诱发电位检测步骤S2为：a)患者取坐位或仰卧位；b)手部肌肉放松，使用表面电极记录利手靶肌群；c)使用磁刺激仪的单脉冲模式刺激大脑患侧拇指运动皮层区(初级运动区)；d)当诱发拇指外展肌运动时，表面电极记录到的电位为运动诱发电位，10次刺激中，至少有5次诱发拇指外展肌运动(运动诱发电位达到50μV以上)的最低刺激强度量即为运动阈值，运动诱发电位为5次结果的均值。
S3:运动诱发近红外脑血氧数据采集。
利用近红外脑功能成像设备采集脑卒中患者在静息态和运动检测态下的左/右初级运动区、左/右运动前区、左/右辅助运动区的脑皮层氧合血红蛋白浓度变化数据。
具体地，静息态为受试者以舒适的姿势坐在椅子上，保持身体的静止和自然放松的状态闭眼休息，但要保证意识清醒没有进入睡眠状态，该状态保持10分钟。运动检测态为患者利用患侧上肢进行任务导向型训练，根据患者的上肢功能状态选择训练模式，该状态同样保持十分钟。
S4：判定近红外脑激活模式。
根据步骤S3中静息态和运动检测态的氧合血红蛋白浓度变化数据计算由患侧上肢运动诱发的各脑区的激活程度，并据此判断患者大脑皮层的激活模式。
具体地，各脑区的激活程度指标的计算过程如下：对两种状态下各采集通道氧合血红蛋白浓度变化信号进行小波变换后计算其幅值的时域均值，提取频段0.01～0.08Hz的幅值时域均值结果并对其进行梯形积分，并除以频段范围后得到各通道的小波幅值(Wavelet Amplitude)WA，可表征该通道下大脑皮层的活动强度，对每个脑区内各个通道的WA作平均可得到每个脑区的活动强度。计算各脑区运动检测态WA与静息态WA的比值W，W表示由运动检测任务引起的大脑皮层激活程度。
计算得到各脑区的激活强度后据此判断其脑激活模式，判定方法如下：
当W>1时，表示该脑区在运动状态下被激活。按照大脑皮层中与运动相关的初级运动区、运动前区和辅助运动区之中的主要激活脑区判断患者的激活模式。如图2所示，若患者的受累侧初级运动区被激活，且激活程度高于其他脑区，则该患者为受累侧初级运动区激活模式；若患者的受累侧初级运动区未被激活，或激活程度小于其他脑区，则该患者为代偿模式。
另外，静息态下受累侧初级运动区的WA值明显大于其他脑区时，认为该患者表现出了受累侧初级运动区的自发激活，表示其受损神经通路存在一定保留度。
S5：神经通路保留度评估。
首先根据步骤S2中MEP检测结果进行神经通路的完整性进行评估，若能诱发MEP，则表明该患者的受累侧运动传导神经通路完整，若无法诱发出MEP，则根据步骤S1和步骤S4的病灶位置及近红外脑激活模式对神经通路的损伤程度进行评估。
对于皮质上脑卒中患者，若呈现出受累侧初级运动区激活模式，则表明其神经通路存在一定保留度；若呈现出代偿模式，则表明其神经通路受损严重。
对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明其神经通路存在一定保留度；若呈现出代偿模式，查看该患者在静息态下受累侧初级运动区的激活情况。若其受累侧初级运动区表现出了自发激活模式，则表明该患者的受累侧神经通路存在一定保留度；若其受累侧初级运动区没有表现出自发激活，则表明其神经通路受损严重。
如图3所示，示出了本发明的基于fNIRS和MEP的神经通路评估系统，该系统总体上包括信息录入模块1、MEP检测模块2、近红外脑氧数据采集模块3、脑激活模式评估模块4、神经通路评估模块5。
信息录入模块1，用于录入患者的年龄、性别、病变类型、偏瘫侧及大脑受累侧、病灶位置等信息，并根据病灶位置将该患者划分为皮质上卒中患者或皮质下卒中患者，同时将信息传输至MEP检测模块2及神经通路评估模块5。
如图4所示，MEP检测模块2包含主机21、显示屏22、刺激线圈23和表面肌电采集模块24，用于检测患者的受累侧大脑皮层的运动诱发电位，并将检测结果传输至神经通路评估模块5。
近红外脑氧数据采集模块3包括近红外光源31、探头32和主机33，用于采集患者相应脑区的脑皮层氧合血红蛋白浓度变化数据，并将数据传输至脑激活模式评估模块4。
脑激活模式评估模块4，用于根据近红外数据采集模块3传输的脑皮层氧合血红蛋白浓度变化数据计算各脑区的激活程度，判断其激活模式，并将激活模式传输至神经通路评估模块5。
神经通路评估模块5，用于根据MEP检测模块2的结果以及脑激活模式评估模块4的结果判断患者的受累侧运动传导神经通路的损伤程度并输出评估结果。
脑激活模式评估模块4如下计算各脑区的激活程度指标：
对在静息态和运动检测态下的两种状态下分别采集的通道氧合血红蛋白浓度变化信号进行小波变换，然后计算其幅值的时域均值，提取频段0.01～0.08Hz的幅值时域均值结果并对其进行梯形积分，并除以频段范围后得到各通道的小波幅值WA，可表征该通道下大脑皮层的活动强度，对每个脑区内各个通道的小波幅值进行平均得到每个脑区的活动强度，计算各脑区运动检测态小波幅值WA与静息态小波幅值WA的比值W，W表示由运动检测任务引起的大脑皮层激活程度，
当W>1时，表示该脑区在运动状态下被激活，按照大脑皮层中与运动相关的初级运动区、运动前区和辅助运动区之中的主要激活脑区判断患者的激活模式，当患者的受累侧初级运动区被激活，且激活程度高于其他脑区时，则患者为受累侧初级运动区激活模式；在患者的受累侧初级运动区未被激活，或者激活程度小于其他脑区时，则患者为代偿模式。
神经通路评估模块5根据患者的脑激活模式如下判断神经通路损伤程度：
a)对于皮质上卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则表明患者的神经通路受损严重；
b)对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则查看患者在静息态下受累侧初级运动区的激活情况：若受累侧初级运动区表现出自发激活模式，则表明患者的受累侧神经通路存在一定保留度；若其受累侧初级运动区没有表现出自发激活，则表明其神经通路受损严重。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换，而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于fNIRS和MEP的神经通路评估方法，该方法包括以下步骤：
获取利用近红外脑功能成像设备采集的、通过MEP判断受累侧运动传导神经通路不完整的脑卒中患者在静息态和运动检测态下的左/右初级运动区、左/右运动前区、左/右辅助运动区的脑皮层氧合血红蛋白浓度变化数据；
根据在静息态和运动检测态下的两种状态下的脑血氧数据，计算由患侧上肢运动诱发的各脑区的激活程度，并判定患者的脑激活模式；
根据患者的脑激活模式判断神经通路损伤程度：
a)对于皮质上卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则表明患者的神经通路受损严重；
b)对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则查看患者在静息态下受累侧初级运动区的激活情况：若受累侧初级运动区表现出自发激活模式，则表明患者的受累侧神经通路存在一定保留度；若其受累侧初级运动区没有表现出自发激活，则表明其神经通路受损严重。
2.根据权利要求1所述的基于fNIRS和MEP的神经通路评估方法，其中，各脑区的激活程度指标的计算过程如下：
对在静息态和运动检测态下的两种状态下分别采集的通道氧合血红蛋白浓度变化信号进行小波变换，然后计算其幅值的时域均值，得到各通道的小波幅值WA，对每个脑区内各个通道的小波幅值进行平均得到每个脑区的活动强度，计算各脑区运动检测态小波幅值WA与静息态小波幅值WA的比值W，其中W表示由运动检测任务引起的大脑皮层激活程度，
3.根据权利要求2所述的基于fNIRS和MEP的神经通路评估方法，其中，提取频段0.01～0.08Hz的幅值时域均值结果并对其进行梯形积分，并除以频段范围后得到各通道的小波幅值。
4.根据权利要求3所述的基于fNIRS和MEP的神经通路评估方法，其中，激活模式的判定方法如下：
当W>1时，表示该脑区在运动状态下被激活，按照大脑皮层中与运动相关的初级运动区、运动前区和辅助运动区之中的主要激活脑区判断患者的激活模式：当患者的受累侧初级运动区被激活，且激活程度高于其他脑区时，则患者为受累侧初级运动区激活模式；在患者的受累侧初级运动区未被激活，或者激活程度小于其他脑区时，则患者为代偿模式。
5.根据权利要求1所述的基于fNIRS和MEP的康复评估方法，其中，当静息态下受累侧初级运动区的小波幅值WA明显大于其他脑区时，认为患者表现出了受累侧初级运动区的自发激活，表示其受损神经通路存在一定保留度。
6.一种基于fNIRS和MEP的神经通路评估系统，包括：
信息录入模块，用于录入患者的年龄、性别、病变类型、偏瘫侧及大脑受累侧、主要病灶位置的信息，并根据主要病灶位置将该患者划分为皮质上卒中患者或皮质下卒中患者；
MEP检测模块，用于根据信息录入模块传送的信息，检测患者的受累侧大脑皮层的运动诱发电位；
近红外脑氧数据采集模块，用于采集受累侧运动传导神经通路不完整的患者的相应脑区的脑皮层氧合血红蛋白浓度变化数据；
脑激活模式评估模块，用于根据近红外脑氧数据采集模块采集到的脑皮层氧合血红蛋白浓度变化数据计算各脑区的激活程度，判断激活模式；
神经通路评估模块，根据MEP检测模块的结果以及脑激活模式评估模块的结果判断患者的受累侧运动传导神经通路的保留度并输出评估结果。
7.根据权利要求6所述的基于fNIRS和MEP的神经通路评估系统，其中，脑激活模式评估模块如下计算各脑区的激活程度指标：
对在静息态和运动检测态下的两种状态下分别采集的通道氧合血红蛋白浓度变化信号进行小波变换，然后计算其幅值的时域均值，计算得到各通道的小波幅值WA，对每个脑区内各个通道的小波幅值进行平均得到每个脑区的活动强度，计算各脑区运动检测态小波幅值WA与静息态小波幅值WA的比值W，W表示由运动检测任务引起的大脑皮层激活程度，
8.根据权利要求7所述的基于fNIRS和MEP的神经通路评估系统，其中，脑激活模式评估模块提取频段0.01～0.08Hz的幅值时域均值结果并对其进行梯形积分，并除以频段范围后得到各通道的小波幅值。
9.根据权利要求7或8所述的基于fNIRS和MEP的神经通路评估系统，其中，当W>1时，表示该脑区在运动状态下被激活，按照大脑皮层中与运动相关的初级运动区、运动前区和辅助运动区之中的主要激活脑区判断患者的激活模式，当患者的受累侧初级运动区被激活，且激活程度高于其他脑区时，则患者为受累侧初级运动区激活模式；在患者的受累侧初级运动区未被激活，或者激活程度小于其他脑区时，则患者为代偿模式。
10.根据权利要求9所述的基于fNIRS和MEP的神经通路评估系统，其中，神经通路评估模块根据患者的脑激活模式如下判断神经通路损伤程度：
a)对于皮质上卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则表明患者的神经通路受损严重；
b)对于皮质下卒中患者，若呈现出受累侧初级运动区激活模式，则表明患者的神经通路存在一定保留度；若呈现出代偿模式，则查看患者在静息态下受累侧初级运动区的激活情况：若受累侧初级运动区表现出自发激活模式，则表明患者的受累侧神经通路存在一定保留度；若其受累侧初级运动区没有表现出自发激活，则表明其神经通路受损严重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310205719.8A CN116250807B (zh) | 2023-03-06 | 2023-03-06 | 基于fNIRS和MEP的神经通路评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310205719.8A CN116250807B (zh) | 2023-03-06 | 2023-03-06 | 基于fNIRS和MEP的神经通路评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116250807A true CN116250807A (zh) | 2023-06-13 |
| CN116250807B CN116250807B (zh) | 2023-11-14 |
Family
ID=86687758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310205719.8A Active CN116250807B (zh) | 2023-03-06 | 2023-03-06 | 基于fNIRS和MEP的神经通路评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116250807B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117045205A (zh) * | 2023-10-10 | 2023-11-14 | 慧创科仪(北京)科技有限公司 | 一种近红外数据的分析装置、分析方法和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100240971A1 (en) * | 2009-03-17 | 2010-09-23 | Paolo Zanatta | Integrated multimodality brain monitoring device |
| US20120271189A1 (en) * | 2011-04-20 | 2012-10-25 | Medtronic, Inc. | Method and apparatus for assessing neural activation |
| US20210186330A1 (en) * | 2019-12-23 | 2021-06-24 | Peter Anthony HALL | Method and system for assessing cognitive function of an individual |
| WO2022120913A1 (zh) * | 2020-12-09 | 2022-06-16 | 中国人民解放军中部战区总医院 | 一种脑损伤脑电神经震荡分析系统及方法 |
| CN114869232A (zh) * | 2022-04-26 | 2022-08-09 | 上海市同济医院 | 一种基于近红外脑成像的康复训练反馈方法及系统 |
| CN115349857A (zh) * | 2022-07-18 | 2022-11-18 | 国家康复辅具研究中心 | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 |
| CN115568866A (zh) * | 2022-10-26 | 2023-01-06 | 上海中医药大学 | 一种神经损伤的评价系统及其方法 |
| CN115691794A (zh) * | 2022-12-29 | 2023-02-03 | 北京智精灵科技有限公司 | 一种神经诊断的辅助分析方法及系统 |
-
2023
- 2023-03-06 CN CN202310205719.8A patent/CN116250807B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100240971A1 (en) * | 2009-03-17 | 2010-09-23 | Paolo Zanatta | Integrated multimodality brain monitoring device |
| US20120271189A1 (en) * | 2011-04-20 | 2012-10-25 | Medtronic, Inc. | Method and apparatus for assessing neural activation |
| US20210186330A1 (en) * | 2019-12-23 | 2021-06-24 | Peter Anthony HALL | Method and system for assessing cognitive function of an individual |
| WO2022120913A1 (zh) * | 2020-12-09 | 2022-06-16 | 中国人民解放军中部战区总医院 | 一种脑损伤脑电神经震荡分析系统及方法 |
| CN114869232A (zh) * | 2022-04-26 | 2022-08-09 | 上海市同济医院 | 一种基于近红外脑成像的康复训练反馈方法及系统 |
| CN115349857A (zh) * | 2022-07-18 | 2022-11-18 | 国家康复辅具研究中心 | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 |
| CN115568866A (zh) * | 2022-10-26 | 2023-01-06 | 上海中医药大学 | 一种神经损伤的评价系统及其方法 |
| CN115691794A (zh) * | 2022-12-29 | 2023-02-03 | 北京智精灵科技有限公司 | 一种神经诊断的辅助分析方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| XIANGYANG LI 等: "Effects of Ordered Grasping Movement on Brain Function in the Performance Virtual Reality Task: A Near-Infrared Spectroscopy Study", FRONTIERS IN HUMAN NEUROSCIENCE, pages 1 - 13 * |
| YU-FENG CHEN: ""Study protocol of a randomized controlled trial for the synergizing effects of rTMS and Tui Na on upper limb motor function and cortical activity in ischemic stroke"", FRONTIERS IN NEUROLOGY, pages 1 - 12 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117045205A (zh) * | 2023-10-10 | 2023-11-14 | 慧创科仪(北京)科技有限公司 | 一种近红外数据的分析装置、分析方法和存储介质 |
| CN117045205B (zh) * | 2023-10-10 | 2024-02-13 | 慧创科仪(北京)科技有限公司 | 一种近红外数据的分析装置、分析方法和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116250807B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110801237B (zh) | 一种基于眼动和脑电特征的认知能力评估系统 | |
| Vartiainen et al. | Central processing of tactile and nociceptive stimuli in complex regional pain syndrome | |
| JP5956618B2 (ja) | マルチモーダルデータを使用する発作検出、定量化及び／又は分類 | |
| Xu et al. | An adaptive algorithm for the determination of the onset and offset of muscle contraction by EMG signal processing | |
| Rhudy et al. | Defining the nociceptive flexion reflex (NFR) threshold in human participants: a comparison of different scoring criteria | |
| Golaszewski et al. | Functional magnetic resonance imaging of the human motor cortex before and after whole-hand afferent electrical stimulation | |
| KR100846397B1 (ko) | 대뇌 피질에서의 뉴론 손상도 평가 방법 및 장치 | |
| KR102037970B1 (ko) | 뇌파 측정 장치, 이를 포함하는 치매 진단 및 예방 시스템 및 방법 | |
| CN114748080B (zh) | 一种感觉运动功能的检测量化方法和系统 | |
| JP2017532093A (ja) | 脳活動信号に基づく治療および／またはユーザ装置の制御の方法およびシステム | |
| CN116250807B (zh) | 基于fNIRS和MEP的神经通路评估方法及系统 | |
| CN103258120A (zh) | 一种基于脑电信号的中风康复程度指标计算方法 | |
| Poh | Continuous assessment of epileptic seizures with wrist-worn biosensors | |
| CN111386068A (zh) | 基于摄像机的压力测量系统与方法 | |
| CN113576496B (zh) | 视觉追踪的脑机接口检测系统 | |
| CN113614751A (zh) | 脑电图信号的识别和提取 | |
| Cunningham et al. | Visual cortex activation induced by tactile stimulation in late-blind individuals with retinitis pigmentosa | |
| Alawieh et al. | A real-time ECG feature extraction algorithm for detecting meditation levels within a general measurement setup | |
| CN113520310A (zh) | 一种基于脑电erp的触觉信息处理方法 | |
| Franco et al. | Singular Spectrum Analysis of pupillometry data. Identification of the sympathetic and parasympathetic activity | |
| CN112656430A (zh) | 基于站立位失衡诱发脑电的卒中平衡康复评估方法 | |
| KR101918854B1 (ko) | 스트레스 및 생체지수를 반영한 헬스기기 제어시스템 | |
| Zhang et al. | Features Analysis and System Identification of Mechanomyography and Electromyography under Transcranial Magnetic Stimulation | |
| Ocampo et al. | Evaluation of muscle fatigue degree using surface electromyography and accelerometer signals in fall detection systems | |
| CN103616500A (zh) | 基于事件相关电位技术的服装压力评价方法 |
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 |