首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

晚期痴呆患者疼痛评估(PAINAD)

是一种用于评估晚期痴呆患者疼痛程度的工具。它是根据晚期痴呆患者常见的疼痛表现和行为特征而设计的,旨在帮助医护人员准确评估患者的疼痛程度,以便采取相应的治疗措施。

PAINAD评估工具主要包括以下几个方面的观察指标:

  1. 面部表情:观察患者的面部表情,包括眉毛的皱蹙、眼睛的紧闭、嘴唇的紧抿等。这些表情可能暗示着患者可能存在疼痛。
  2. 呼吸:观察患者的呼吸情况,包括呼吸频率和呼吸深度。疼痛可能导致患者呼吸加快或变得更加困难。
  3. 身体姿势:观察患者的身体姿势,包括是否弯曲、扭动或僵硬。这些姿势可能是患者对疼痛的反应。
  4. 移动能力:观察患者的移动能力,包括是否有躁动、摇晃或拒绝活动。这些行为可能是患者试图缓解疼痛的方式。
  5. 非语言声音:观察患者是否发出非语言的声音,如呻吟、叹息或哭泣。这些声音可能是患者疼痛的表现。

根据以上观察指标,医护人员可以根据PAINAD评估工具的评分标准,对患者的疼痛程度进行评估。评分标准一般为0-2分,总分为0-10分,分数越高表示疼痛程度越严重。

对于晚期痴呆患者疼痛评估,腾讯云并没有直接相关的产品或服务。然而,腾讯云提供了一系列与医疗健康相关的云计算解决方案,如医疗影像AI、远程医疗、医疗大数据分析等,可以帮助医疗机构提高效率、改善医疗服务质量。

以下是腾讯云医疗健康解决方案的相关产品和介绍链接:

  1. 医疗影像AI:腾讯云医疗影像AI平台提供了基于人工智能的医学影像分析和诊断服务,可以帮助医生快速准确地分析和诊断医学影像。

产品链接:https://cloud.tencent.com/solution/medical-image-ai

  1. 远程医疗:腾讯云远程医疗解决方案提供了基于云计算和视频通信技术的远程医疗服务,可以实现医生与患者之间的远程会诊和医疗指导。

产品链接:https://cloud.tencent.com/solution/telemedicine

  1. 医疗大数据分析:腾讯云医疗大数据分析平台提供了基于云计算和人工智能的医疗数据分析服务,可以帮助医疗机构挖掘和分析海量的医疗数据,提供决策支持和临床指导。

产品链接:https://cloud.tencent.com/solution/medical-data-analysis

总之,腾讯云在医疗健康领域提供了多种云计算解决方案,可以帮助医疗机构提高效率、改善医疗服务质量。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Brain Stimulation:经颅超声神经调控的人体研究—对其有效性和安全性的系统综述

经颅超声刺激(Transcranial ultrasound stimulation,TUS)作为一种安全、无侵入性的技术在人体研究中越来越关注。本文回顾人体研究,关注于TUS设备、超声参数、结果测量、结果和不良反应,并强调未来的研究方向。通过系统综述至2022年1月12日Web of Science和PubMed数据库中35项聚焦/非聚焦TUS的人体研究,包含677名受试者,属于不同的队列,包括健康、慢性疼痛、痴呆、癫痫、创伤性脑损伤、抑郁症的患者,刺激效果随超声参数变化不一致,评估方式包括临床、神经生理学、放射学和组织学指标。虽然研究中未报告严重的不良反应,但3.4%(14/425)的受试者观察到轻度症状,包括头痛、情绪恶化、头皮发热、认知问题、颈部疼痛、肌肉抽搐、焦虑、嗜睡和瘙痒。总之,TUS仍处于早期阶段,TUS可以改变短期的大脑兴奋性和连通性,诱导长期的可塑性并调节行为。未来应该进一步阐明其潜在机制,从而拓展应用。

02
  • 帕金森疾病的事件相关电位与认知「建议收藏」

    认知障碍是帕金森疾病(PD)中常见的一个非运动性症状。但是在个体之间的认知变化的本质特点有着很大的差异。根据双症侯群假说,一组患者的特点是执行功能的缺陷,这可能与额叶纹状体功能障碍有关;其他患者主要表现为非额叶相关的认知损伤,迅速发展为帕金森疾病痴呆(PDD)。本文对事件相关电位(ERP)的研究进行了全面的回顾,通过ERP方法来证明PD中认知损伤的这种异质性特点。本综述提供了证据,显示PDD中出现P3b和失匹配负波的改变,但这不存在于非痴呆PD患者中,表明这些ERP成分的改变组成了PDD的电生理标记。相反,执行功能相关的ERP成分比如,NoGo-P3,N2以及错误(相关的)负波(Ne/ERN),在非痴呆PD患者中似乎以一种多巴胺依赖的方式减弱。因此,ERP的结果证实并得到了PD患者中认知损伤异质性的不同电生理标记。本文讨论了ERP方法的局限性和开放性问题,并提供了未来ERP研究的方向和预测。本文发表在Neuroscience and Biobehavioral Reviews杂志。

    01

    Nature子刊:一个从大脑结构中识别阿尔茨海默病维度表征的深度学习框架

    脑部疾病的异质性是精准诊断/预后的一个挑战。作者描述并验证了一种名为Smile-GAN(SeMI-supervised cLustEring-Generative Adversarial Network),的半监督深度聚类方法,它研究了与正常大脑结构对比的神经解剖学异质性,从而通过神经影像特征识别疾病亚型。当应用于来自T1加权MRI的区域体积时(两项研究;2832名参与者;8146次扫描),包括认知正常的人和那些有认知障碍和痴呆症的人,Smile-GAN确定了四种神经变性模式。将此框架应用于纵向数据揭示了两种不同的进展途径。这些模式的表达测量预测了未来神经变性的途径和速度。模式表达在预测临床进展方面提供了与淀粉样/tau蛋白互补的性能。这些深度学习衍生的生物标志物为精确诊断和有针对性的临床试验招募提供了潜力。

    05

    慢性疼痛的脑影像分析

    慢性疼痛是引起全球致残率与保险与医疗法律案件中慢性疼痛相关索赔的重要原因。脑影像(fMRI、PET、EEG及MEG)对于慢性疼痛患者诊断、预后评估、治疗效果评价具有潜在价值。在该项共识声明中,国际疼痛研究特别工作组探讨脑影像对于慢性疼痛的诊断价值及对伦理与法律的参考意义。特别工作组强调,目前脑影像的应用处于探索阶段,但是对于帮助理解慢性疼痛的神经机制、指导治疗药物的发展方向、预测个体化疼痛管理疗效具有潜在价值。工作组提出了在任何脑成像采集前所必须提供的符合临床与法律目的的证据标准。在法律案件中,该证据的可采取性很大程度上取决于司法管辖区的法律。针对这些原因,工作组提出使用脑影像发现来支持或辩论关于慢性疼痛的索赔争议,作为有效的疼痛测谎仪,虽并非必要,但是应使用影像进一步研究及理解慢性疼痛的机制。

    04

    长时间玩手机易得老年痴呆,咱妈这回还真说对了|华盛顿大学研究

    点击上方↑↑↑“OpenCV学堂”关注我来源:公众号 量子位 授权 沉迷手机,可能年纪轻轻就患上老年痴呆症? 你没看错,来自美国华盛顿大学的最新研究表明:过量的手机和无线网辐射会导致早发性阿尔茨海默症。 “早”字说明,这种老年痴呆症可能在65岁之前开始发作。 事实上,许多早发性阿尔茨海默症患者在30至60岁之间就已经出现症状,而传统的老年痴呆多见于70岁以上人群。 阿尔茨海默症在早期,表现为记忆减退和判断能力下降;到了中期,患者的远近记忆严重受损,且简单结构的视空间能力下降;而到晚期,患者仅存记忆片断,且

    01

    BRAIN:路易体痴呆的波动性认知障碍:病理生理学框架

    波动性认知障碍是一种复杂的致残症状,在路易体痴呆和帕金森痴呆中常见,(路易体痴呆(dementia with lewy bodies,DLB)是一种常见于中年晚期及老年的进行性神经系统变性引起的临床表现主要为波动性的认知功能障碍、帕金森综合征及视幻觉的疾病。DLB是仅次于阿尔茨海默病(Alzheimer disease,AD)的第二大变性痴呆性疾病,占人口总数的0-5%、痴呆患者总数的0-30.5%,其年发病率约为0.1%,占年新发痴呆患者总数的3.2%,最近一项基于人口15年的前瞻性研究报道法国西南地区65岁以上老年人中DLB的年发生率为112/10万人。国内DLB的临床研究报道例数很少,30余年间仅有35例临床资料比较详细的报道,DLB是值得人们加强认识和重视的疾病。)的核心诊断症状。

    04

    Nature子刊综述:脑功能网络在神经退行性疾病患者评估中作用

    网络分析工具越来越多地应用于静息代谢活动(PET)或血氧依赖信号(功能MRI)的脑成像,以表征导致脑部疾病的异常神经环路。这种方法对神经退行性疾病的研究特别有价值,因为神经退行性疾病的特征是病理沿着离散的神经通路扩散。疾病特异性脑网络的识别和验证有助于定量评估通路随时间和治疗过程中的变化。网络异常通常可以在症状出现之前识别出来,甚至可以在临床前期用于跟踪疾病进展。同样,治疗可调节网络活动,因此可能在临床试验中作为疗效的标志物。最后,通过同时测量个体患者扫描图像中多个疾病网络的活动水平,可以实现早期鉴别诊断。虽然这些技术最初是为PET开发的,但在过去几年中,类似的方法也被引入了功能MRI,这是一种更容易获得的非侵入性成像模式。这一进展预计将扩大网络工具在大规模和多样化患者人群中的应用。

    01

    动脉自旋标记磁共振(ASL)的神经放射学家指南

    动脉自旋标记(Arterial spin labeling, ASL)是一种无创测量脑血流量(cerebral blood flow, CBF)的MRI技术。本文为大脑ASL提供了实用指南,以及指出了ASL技术的潜在缺陷。文中还介绍了其技术和生理背景。目前,ASL主要的研究领域是脑血管病、痴呆症和神经肿瘤学。在脑血管疾病中,ASL由于其定量的性质和确定大脑动脉范围的能力而令人感兴趣。急性卒中中,半暗带侧支循环血供的来源可通过ASL进行可视化。在慢性脑血管病中,脑灌注受损的程度和严重程度可通过ASL看到,可用来指导治疗或预防干预。ASL具有检测和随访动静脉畸形的潜力。在痴呆症患者的检查中,ASL被认为是PET的一种诊断替代方法。它可以轻易添加在常规结构MRI检查中。在确诊为阿尔茨海默病和额颞叶痴呆的患者中,可以看到与PET所见的低代谢模式相似的低灌注模式。脑肿瘤ASL研究表明,ASL测量的CBF增加区域与动态磁敏感增强灌注(DSC)成像测量的脑血容量增加高度相关。ASL用于脑肿瘤成像的主要优点是CBF测量不受血脑屏障破坏及其定量性质的影响,便于多中心和纵向研究。本文发表在Neuroradiology杂志。

    05

    Nature medicine:阿尔茨海默病AD的新兴诊断和治疗方法

    摘要:阿尔茨海默病(AD)是世界上最常见的痴呆症诱因,但直到最近,减缓或预防其临床进展的策略在很大程度上仍然难以捉摸。本文重点介绍了生物标志物技术和治疗进展的最新进展,以提高AD的诊断和治疗。我们回顾了最近的研究结果,利用神经影像学和基于液体的生物标志物对AD进行病理分期,特别强调了淀粉样蛋白、tau蛋白和神经炎症在疾病发病机制中的作用。我们讨论了从随机对照试验中获得的经验教训,包括一些支持某些抗淀粉样蛋白抗体在AD轻度症状阶段减缓认知能力下降的建议。此外,我们强调了新发现的治疗靶点的证据,这些靶点可能能够改变AD的发病机制和进展。总的来说,这些最近的发现——以及它们所开启的研究方向——有可能将阿尔茨海默病的临床护理推向对患者最大利益的疾病改善治疗策略。

    02

    Nature medicine:阿尔茨海默病AD的新兴诊断和治疗方法

    摘要:阿尔茨海默病(AD)是世界上最常见的痴呆症诱因,但直到最近,减缓或预防其临床进展的策略在很大程度上仍然难以捉摸。本文重点介绍了生物标志物技术和治疗进展的最新进展,以提高AD的诊断和治疗。我们回顾了最近的研究结果,利用神经影像学和基于液体的生物标志物对AD进行病理分期,特别强调了淀粉样蛋白、tau蛋白和神经炎症在疾病发病机制中的作用。我们讨论了从随机对照试验中获得的经验教训,包括一些支持某些抗淀粉样蛋白抗体在AD轻度症状阶段减缓认知能力下降的建议。此外,我们强调了新发现的治疗靶点的证据,这些靶点可能能够改变AD的发病机制和进展。总的来说,这些最近的发现——以及它们所开启的研究方向——有可能将阿尔茨海默病的临床护理推向对患者最大利益的疾病改善治疗策略。

    03

    基于影像学和定量感觉测试预测慢性疼痛的治疗结果

    尽管有许多疗法可以有效地控制某些人的慢性疼痛,如何为所有遭受慢性疼痛的人提供缓解疼痛的方法仍有很大的需求。目前所用的“一刀切”的方法既耗时又昂贵,而且在许多情况下对治疗慢性疼痛患者无效。同时,根据群体的研究结果所采取的治疗方法在个体上可能产生负面的结果(不能够有效缓解疼痛,甚至可能会加重)。在过去的十年中,人们已经从对所有人采用类似的治疗方案转变为更加个性化和精确的治疗。这种方法的基础是基于个体特征,选择对其敏感的特定的治疗方案。本文为开发精准医疗引入了一个具有指导意义的框架,阐明了如何将跨多个领域的信息整合到一个个性化的疼痛治疗方案中(图1)。本文由多伦多大学的学者Karen D. Davis发表在pain杂志。

    01

    阿尔茨海默症脑电信号动态行为特征: 探讨静息态EEG的非平稳性和递归结构

    1、研究背景   阿尔茨海默症(AD)引起的轻度认知障碍(MCI)和痴呆可引起正常神经元行为的紊乱和神经元网络的破坏。由于许多MCI患者在后期发展为AD,有人建议将MCI和AD解释为一个连续体。以往研究中用以表征EEG静息状态特性的许多度量都是从傅立叶分析推导出来的,这需要假设数据的平稳性。然而,EEG本质上是非平稳的,特别是在表征自发振荡活动所需的时间窗中。最近的研究表明,MCI和AD诱导的神经变性可能影响静息状态神经元活动的动态特性。本研究的目的是从以下不同的角度描述这些特性:(i)使用Kullback-Leibler散度(KLD),这是由连续小波变换导出的非平稳性度量;(ii)使用递归点密度的熵(ENTRRR)和递归点密度的中位数(MEDRR),这是两个基于递归量化分析的新指标。研究人员对49例AD所致痴呆患者、66例AD所致MCI患者和43例认知正常对照者进行了10s滑动窗无重叠的脑电记录,计算了KLD、ENTRRR和MEDRR。随后,研究人员测试了这些指标是否反映了MCI和AD诱导的正常神经元活动的改变。研究人员尝试回答以下研究问题:(i)MCI和AD患者EEG的非平稳性水平和递归结构是否揭示了频率依赖性的改变?(ii)脑电动态特性的不同表征方法能否揭示有关疾病诱发异常的补充信息?(iii)EEG的非平稳性、递归不可预测性和递归密度的变化是否反映了痴呆的发展形势? 2、研究方法 2.1被试   该研究样本由158位受试者组成:43位认知正常的对照组,66位因AD引起的MCI患者和49位因AD引起的痴呆患者。遵循美国国家老龄学会和阿尔茨海默症协会(NIA-AA)的标准诊断患有因AD引起的MCI或痴呆患者。对照组由没有神经或精神疾病史的老年受试者组成。使用以下排除标准:(1)有其他精神病或神经病的病史;(2)根据NIA-AA标准的罕见临床表现或非典型病程;(3)晚期痴呆(临床痴呆等级=3);(4)住院病人;(5)可能影响脑电活动的药物。表1显示了每组的社会人口学特征。

    00

    阿尔茨海默症神经活动的动态行为特征: 探讨静息态EEG的非平稳性和递归结构

    1、研究背景 阿尔茨海默症(AD)引起的轻度认知障碍(MCI)和痴呆可引起正常神经元行为的紊乱和神经元网络的破坏。由于许多MCI患者在后期发展为AD,有人建议将MCI和AD解释为一个连续体。以往研究中用以表征EEG静息状态特性的许多度量都是从傅立叶分析推导出来的,这需要假设数据的平稳性。然而,EEG本质上是非平稳的,特别是在表征自发振荡活动所需的时间窗中。最近的研究表明,MCI和AD诱导的神经变性可能影响静息状态神经元活动的动态特性。本研究的目的是从以下不同的角度描述这些特性:(i)使用Kullback-Leibler散度(KLD),这是由连续小波变换导出的非平稳性度量;(ii)使用递归点密度的熵(ENTRRR)和递归点密度的中位数(MEDRR),这是两个基于递归量化分析的新指标。研究人员对49例AD所致痴呆患者、66例AD所致MCI患者和43例认知正常对照者进行了10s滑动窗无重叠的脑电记录,计算了KLD、ENTRRR和MEDRR。随后,研究人员测试了这些指标是否反映了MCI和AD诱导的正常神经元活动的改变。研究人员尝试回答以下研究问题:(i)MCI和AD患者EEG的非平稳性水平和递归结构是否揭示了频率依赖性的改变?(ii)脑电动态特性的不同表征方法能否揭示有关疾病诱发异常的补充信息?(iii)EEG的非平稳性、递归不可预测性和递归密度的变化是否反映了痴呆的发展形势?

    00

    静息态fMRI+机器学习:慢性下腰痛会引起哪些脑区的改变?

    慢性下腰痛(cLBP)是一种持续至少3个月以上的腰部慢性疼痛综合征。很多局部及系统性疾病均可出现腰痛,但临床上多见的是脊椎退行性病变以及急、慢性损伤所引起的腰痛。据统计,80%的人在其一生中都曾有过腰痛的困扰。近年来,更有患者增多的趋势。这可能与现代社会的生活方式有关,例如运动减少、某种姿势维持时间过长以及缺乏腰部保健知识等。 下腰痛(LBP)是全球致残的主要原因,为社会和个人带来沉重的经济负担。持续的疼痛会使人产生负面情绪、认知与行为障碍等精神身体方面的影响,严重影响患者的生活质量及水平。然而,目前治疗cLBP的方法远不能令人满意,cLBP患者中阿片类药物过量和成瘾的比率显著增加,这突出表明迫切需要更好地了解该疾病的病理生理学,并开发新的治疗方法。 近年来,功能磁共振的出现为cLBP状态下脑部功能/结构的改变提供了准确定位,已成为神经影像学研究的重要工具。而作为低频振荡指标的低频振幅(ALFF)得到了越来越多的关注。尽管仍在研究中,但已有研究表明ALFF与人类的脑血流和任务诱发的激活有关。在常用的静息态功能磁共振(RS-fMRI)指标中,ALFF在测试可靠性和可重复性之间具有最佳的平衡。机器学习在脑科学领域的应用广泛而深入,最简单或者最常用的一个应用方向是分类,如疾病的分类。但是将机器学习技术应用于疼痛的研究很少。近期,来自美国的研究团队在British Journal of Anaesthesia杂志上发表题目为《Identifying brain regions associated with the neuropathology of chronic low back pain: a resting state amplitude of low-frequency fluctuation study》的研究论文,以ALFF作为特征值,应用支持向量机(SVM)分类器,探索最有可能区分cLBP患者和健康人的脑区,并确定对cLBP疼痛强度变化敏感的脑区。

    00

    文献解读-液体活检-第十九期|《不同 DNA 测序平台的标准化比较》

    经动脉化疗栓塞(TACE)是晚期肝癌(HCC)最常用的治疗方法,但仍然缺乏准确的实时生物标志物来监测其治疗效果。在本研究中,研究者探讨了循环游离DNA(cfDNA)的拷贝数分析是否可用于预测接受TACE治疗的HCC患者的反应和预后。总共从64名HCC患者,57名肝硬化(LC)患者和32名健康志愿者中收集了266份血浆cfDNA样本。研究者对cfDNA样品进行了低深度全基因组测序(LD-WGS),以进行拷贝数变异(CNV)分析和肿瘤分数(TFx)定量。然后,探讨了TFx/CNVs与疗效、治疗结局和脂碘醇沉积的相关性。TACE治疗期间TFx的变化与患者的肿瘤负荷有关,可以准确和更早地预测治疗反应和预后,提供mRECIST以外的替代策略。在低深度拷贝数分析过程中,研究者利用Sentieon 软件对cfDNA 测序数据进行拷贝数分析前处理。

    01

    tDCS对阿尔茨海默病患者认知功能影响的系统综述和荟萃分析

    经颅直流电刺激(tDCS)似乎能增强阿尔茨海默病(AD)患者的认知功能。因此,在过去的二十年里,使用tDCS治疗AD的研究数量有所增加。研究旨在定量评估tDCS在改善AD患者认知功能方面的作用,系统检索了到2021年5月之前的文献。研究设计标准为评估阳极或阴极tDCS对AD患者认知功能的影响的假对照试验,关注的结果变量是tDCS对不同认知领域的影响,包括记忆、注意力和整体认知功能。最后,对13篇论文(14项不同研究)含211例不同程度AD的患者进行了meta分析。结果显示,tDCS对AD患者注意力的影响不显著(标准测量误差为0.425、95%CI为[−0.254 1.104],p=0.220。但对一般认知指标(1.640SMD、95%CI[0.498、0.782],p<0.000)和记忆(1.031SMD,95%CI[0.782 2.498],p<0.000有显著的积极影响。AD患者的记忆和一般认知功能都得到了改善。然而,所有子领域研究的异质性都很高,比如注意(x2= 22.810, T2= 0.552, d.f.= 5, I2=78.80%,p<0.000),一般认知能力(x2= 96.29, T2= 1.727, d.f.= 10, I2=89.61%,p<为0.000),记忆(x2= 7.253, T2= 0.085, d.f.= 5, I2=31.06%,p=0.203)。由于研究数量少和数据异质性高,在确定tDCS真的对AD治疗效果之前,仍需要更多使用标准化参数测量的、高质量的研究。

    01

    Nature子刊 | 神经义肢技术:从感觉运动到认知障碍(上)

    由神经元群体同步发放所产生的、节律性变化的神经活动模式——神经振荡(Neural Oscillation)在整个神经系统中无处不在,支持大脑和脊髓的感觉、运动和认知功能,在神经退行性疾病和神经精神疾病中经常被破坏。这些振荡发生在中风、创伤性脑损伤或脊髓损伤(SCI)后。尽管存在不同的潜在机制,但异常甚至消失的神经振荡似乎是神经障碍的一个标志,并在其行为症状中起着致病作用。神经义肢是神经科学和生物医学工程交叉的多学科领域,旨在替代或调节因神经疾病或受伤而受损的神经系统部分。尽管神经义肢在过去的60年里在感觉和运动障碍领域稳步发展,但在高阶认知功能方面的应用仍处于相对初步的阶段。然而,最近一系列的概念验证研究表明,神经电调节策略可能也有助于缓解一些认知和记忆缺陷,特别是在痴呆症的情况下。

    03

    AD预测论文研读系列2

    多模生物学、影像学和神经心理学标记物已经展示了区分阿尔茨海默病(AD)患者和认知正常的老年人的良好表现。然而,早期预测轻度认知功能障碍(MCI)患者何时和哪些会转变为AD痴呆仍然困难。通过模式分类研究表明,基于纵向数据的模式分类器比基于横截面数据的模式分类器具有更好的分类性能。研究人员开发了一个基于递归神经网络(RNN)的深度学习模型,以学习纵向数据的信息表示和时间动态。将个体受试者的纵向认知测量,与基线海马MRI相结合,建立AD痴呆进展的预后模型。大量MCI受试者的实验结果表明,深度学习模型可以从纵向数据中学习信息性测量,以描述MCI受试者发展为AD痴呆的过程,并且预测模型可以以高精度在早期预测AD进展。最近的研究表明,如果使用纵向而非横截面数据构建分类器,可以获得更好的性能

    01

    SVM在脑影像数据中的应用

    如第一章所述,机器学习中有四种基本方法:有监督学习、无监督学习、半监督学习和强化学习。分类是监督学习的一种形式,它根据训练阶段确定的许多输入输出对将输入数据映射到输出数据。使用分类,与一组示例观察相关的特征可以用来训练一个决策函数,该函数以给定的精度生成类别赋值(即标签labels)。从功能性神经成像数据到推特帖子,这些特征可以是多种多样的。一旦基于这些特征创建了决策函数分类器,它就可以使用之前建立的模式自动将类标签附加到新的、不可见的观察结果上。有许多类型的机器学习算法可以执行分类,如决策树,朴素贝叶斯和深度学习网络。本章回顾支持向量机(SVM)学习算法。支持向量机的强大之处在于它能够以平衡的准确性和再现性学习数据分类模式。虽然偶尔用于回归(见第7章),SVM已成为一种广泛使用的分类工具,具有高度的通用性,扩展到多个数据科学场景,包括大脑疾病研究。

    04

    音乐与脑回路:加强音乐干预循证研究的策略

    音乐和音乐干预(music-based interventions,MBIs)的神经科学是一个迷人但富有挑战性的研究领域。虽然音乐在人类社会中无处不在,但MBIs可能包括音乐聆听、演奏音乐、基于音乐的运动、接受音乐教育和训练、或者接受音乐治疗师的治疗。通过收集强有力的研究证据,解开MBIs激活和影响的脑回路可能有助于我们更好地理解MBIs的治疗和教育价值。然而,MBIs的复杂性和多样性带来了独特的研究挑战。该文回顾了美国国立卫生研究院为支持MBIs的循证研究及其对健康和疾病的影响所做的努力。该文还强调了MBI研究的基本挑战和策略,重点是利用动物模型、人脑成像和刺激技术、行为和运动捕捉工具以及计算方法。最后提出了研究MBIs时的基本要求,并展望了进一步加强与脑回路相关的MBI循证研究的未来方向。

    03

    NeuroImage:基于脑电和结构MRI的AD和轻度认知障碍机器学习分类研究

    《本文同步发布于“脑之说”微信公众号,欢迎搜索关注~~》 1. 背景   阿尔茨海默氏病(AD)是引起痴呆症的主要原因,约占全世界病例的70%。到2050年,痴呆症的发病率将增加两倍,大多数新病例将出现在在中低收入国家。轻度认知障碍(MCI)是健康和痴呆症之间的一个阶段,其特征是认知缺陷但不影响日常生活。MCI患者罹患痴呆症的风险增加,在5年内平均进展率为39%。目前迫切需要低成本,可普及的方法来促进早期痴呆症的发现。脑电图(EEG)由于其低成本和便携性而具有解决这一需求的潜力。近期,发表在《NeuroImage》杂志的一项研究收集了老年AD患者(55岁),健忘性MCI(aMCI)和健康对照组(每组约60名)的静息状态EEG,结构MRI(sMRI)和大量的神经心理学数据,在此基础上评估了AD和aMCI分类的一系列候选EEG标记(即频段功率和功能连接),并将其分类性能与sMRI进行了比较。该研究还测试了脑电图联合认知量表分类模型。在对AD进行分类时,sMRI的表现优于静息状态EEG(AUCs分别为1.00和0.76)。但EEG和sMRI都只能较好地区分aMCI和健康老年人(AUCs=0.67–0.73),而且两种方法均未达到70%以上的灵敏度。相对于单独使用MMSE评分,EEG联合MMSE评分并没有优势。该研究是脑电图和sMRI对AD和aMCI分类的首次直接比较。 2.方法 2.1研究群体   从Dokuz Eylul大学神经病学系的门诊招募了AD(n=118)和aMCI的老年人(n=134)。利用各种社区资源中招募健康的老年人(n=198;55岁及以上),包括在公共会议和大学广告牌上发布公告。AD诊断是根据美国衰老和老年痴呆症协会(NIA-AA)的标准做出的。AD患者的纳入标准是:a)隐匿性发作;b)日常功能受损(临床痴呆评分(CDR)评分为1);c)两个或多个认知领域的损害;d)排除谵妄,痴其他原因引起的呆和其他主要精神疾病等。根据NIA-AA标准进行了aMCI诊断。 2.2诊断标准   所有受试者均通过一系列全面的神经心理学测试进行评估,旨在通过以下测试评估言语和视觉情景记忆、注意力、执行功能、视觉空间技能和语言:MMSE、Oktem口头记忆能力测试(OVMPT)、韦氏记忆量表修订版(WMS-R)数字跨度测试、口语流利性测试(语义)、波士顿命名测试(BNT)和CDR量表。使用了Yesavage老年抑郁量表排除抑郁。最后,所以受试者进行了神经、神经影像和实验室检查。 2.3EEG数据获取    根据国际10-20系统,将30个Ag / AgCl电极放在弹性帽(Easy-Cap;Brain Products GmbH;Gilching,德国)上记录脑电图,连接的耳垂电极(A1+A2)作为参考。记录室是电屏蔽的,声音衰减并且光线昏暗。从右眼的内侧上眼眶边缘和外侧眼眶边缘记录眼电图(EOG)。所有电极阻抗均小于10kΩ。脑电图和EOG通过带有0.03–70 Hz带通滤波器的Brain Amp 32通道DC系统机器进行放大,并以500 Hz的采样率在线数字化(Brain Products GmbH;Gilching,德国)。记录EEG:睁眼(EO)4分钟,闭眼(EC)4分钟。 2.4EEG数据预处理   EEGLAB结合FASTER插件进行预处理。将数据在0.1到70 Hz之间进行带通滤波,在50 Hz处陷波滤波,并以所有头皮电极为参考取平均。然后将其提取为2 s的数据段。FASTER删除了包含大伪迹(例如肌肉抽搐)和信号质量较差的内插通道数据。还使用FASTER自动识别了伪迹(即非神经)独立成分,并将其从数据中自动删除。然后视检数据质量,并去除任何残留的杂乱含噪数据。   去除受额外噪声影响的42例数据(16AD,13aMCI,13HC)。剩余408例数据(102AD, 121aMCI, 185HC)。闭眼状态下,预处理和视检去除数据平均百分数为6.38%(SD=2.78%, median=5.23%,range=2.08-23.03%),睁眼状态为6.67%(SD=5.91%,median=4.85%,range=2.08-26.88%)。闭眼状态,去除的独立成分平均数为2.73(SD=0.92, MEDIAN=3,RANGE=1-5),闭眼脑电最终平均时长225s,(SD=9.89S,MEDIAN=227.46S,RANGE=184.72-235),睁眼脑电为224s,(SD=12.72S,MEDIAN=228.35,RANGE=175.48-235)。 2.5脑电频段和功率比计算   使用具有Hann窗和0.5 Hz频率分辨率的多窗谱估计,对30个头皮电极上的绝对和相对功率进行谱分析。分别计算受试者睁眼和闭眼时脑电的功率,以探索这两种唤醒状态之间的潜在差异。包括以

    00
    领券