CMC学习系列 (1):EEG-EMG相干性均局限于对侧，同侧无显著相干性

最新推荐文章于 2025-04-03 11:11:24 发布
最新推荐文章于 2025-04-03 11:11:24 发布
阅读量1.2k 收藏 10
点赞数 27
分类专栏： 运动想象 CMC相干性的前沿研究 文章标签： 学习 运动想象 人工智能 数据挖掘 相干性
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36758270/article/details/137039328
版权
该研究针对6名慢性皮质下卒中患者，发现EEG-EMG相干性仅存在于对侧感觉运动区，同侧无显著相干性。这一现象在不同任务中保持一致，揭示了中风后恢复期间，对侧运动皮层对肌肉的直接功能连接。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

CMC学习系列:EEG-EMG相干性均局限于对侧，同侧无显著相干性

论文地址：https://www.ahajournals.org/doi/full/10.1161/hs1101.098764
论文题目：Coherence Between Cortical and Muscular Activities After Subcortical Stroke
论文代码：无

0. 引言

最近可能要从CMC方向开一个课题，所以接下来会更新一些CMC的内容，当然别的系列也会抓紧更新的。。。。
CMC的介绍参阅这个：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
CMC学习系列 (2):EEG-EMG有可能作为运动恢复的生物标志物
走在深度学习前沿的小宋
03-27 937
我们记录了健康参与者和缺血性卒中后患者在手腕伸展期间同时进行的脑电图和肌电图，评估了卒中后三个时间点的功能。随着手腕活动度在临床上恢复，脑电图-肌电图的连贯性随着时间的推移而增加，到最终评估时，患者组的连贯性高于健康对照组。此外，两组之间的皮质分布不同，与健康参与者相比，患者的皮质区域更大且更偏侧分散。研究结果表明，脑电图-肌电图的连贯性有可能作为运动恢复的生物标志物，并提供有关基于实时脑电图的康复治疗中应针对的皮质区域的信息。
CMC学习系列 (7):β 范围 EEG-EMG 相干性与皮质光谱功率有关
走在深度学习前沿的小宋
04-13 1104
，β 范围 EEG-EMG 相干性与行为表现有关，即目标和施加力之间的误差信号。此外，我们表明皮层光谱功率的振幅也与性能有关。此外，我们提供的证据证明脑电图-肌电图相干性和皮质光谱功率不是完全独立的现象。 总之，我们的研究结果表明，更高的 β 范围皮质光谱功率和 β 范围内增加的皮质脊髓相干性可以改善稳态运动输出期间的运动性能。这表明 β 范围皮质运动谱功率和皮质脉络相干性可能促进有效的皮质脊髓相互作用。
CMC学习系列 (12):卒中患者的前三角肌和肱肌的 CMC 显著降低
走在深度学习前沿的小宋
04-19 806
与健康对照组相比，卒中患者在运动期间的 β （20-30 Hz） 和较低 γ （30-40 Hz） 波段的 前三角肌 （AD） 和肱肌 （BB）肌肉的皮质脉络一致性显著降低。恢复不良且持续上肢运动障碍的卒中幸存者在执行伸展任务时表现出显着较低的伽马带皮质脉络一致性。
【文献阅读】皮层肌肉相干性Corticomuscular Coherence and Its Applications: A Review
坊间小木匠的博客
09-05 1038
本文旨在调查调节CMC振幅变化的因素，并比较这些因素之间的显著CMC，以找到一个发展良好的研究前景。在本综述中，我们讨论了CMC的机制，并提出了一个通用的CMC定义。
CMC学习系列 (14):大脑皮层与下肢肌肉之间的CMC可用作中风新的康复评估生物标志
走在深度学习前沿的小宋
01-06 82
研究大脑皮层与下肢肌肉之间的CMC。研究结果表明：中风患者 `β 和 γ 波段`在 Cz 处的皮质肌肉相干性`显著低于`健康对照。通过一个`多元线性回归模型`证明`CMC`与`FMA`存在一致性，以表明脑卒中患者`大脑皮层和下肢肌肉之间的连贯性`可作为康复评估的新生物标志物。
The Neuroscientist：整合TMS、EEG和MRI——研究大脑连接性的时空动态方法
cc1609130201的博客
10-07 4647
人类的大脑是一个复杂的网络，其中数百个脑区通过数千条轴突相互连接。这种复杂系统的能力来自于较小实体之间的特定交互作用，即一组可以通过脑区之间相互连接的激活来描述的事件。研究大脑连通性的目的是理解和模拟大脑功能，同时进一步明晰到脑区间神经交流的时空动态性。目前关于大脑连通性的许多知识都是通过独立的神经成像方法获得的。然而，多模态方法的使用似乎是研究有效大脑连接的强大方式，可以克服单模态方法的局限性。在这篇文章中，将介绍一种整合方法的优势，即经颅磁刺激-脑电图配准与磁共振成像相结合，以探索有效的神经相互作用。此
EEG振荡：从相关到因果
cc1609130201的博客
08-10 2255
调制大脑振荡可以证明它们对认知的因果作用。 ·我们重点介绍了几种有选择地调节神经振荡的方法。 ·在经颅交流电刺激(tACS)过程中，可以对EEG进行分析。 摘要 Berger在1929年发现人类EEG的第一份报告中，就对进一步阐明alpha波和beta波在正常精神活动中的功能作用表现出极大的兴趣。与此同时，大多数认知过程都与delta, theta, alpha, beta,和gamma范围内的至少一个传统频段有关。尽管现有的丰富的高质量相关EEG数据使许多研究人员相信，大脑振荡有助于各种感觉和认知
Movement Disorders脑电格兰杰因果分析:运动皮质在帕金森病复发性震颤中的作用
cc1609130201的博客
04-21 1688
帕金森患者在手臂伸展时可能会出现不同程度的复发性震颤。来自罗马大学的Alfredo Berardelli等人在MovementDisorders发文，旨在探讨初级运动皮质在复发性震颤中的作用，并与静止性震颤进行比较，研究复发性震颤的病理生理学。 招募复发性震颤和静止性震颤两类帕金森患者，分析两类震颤的皮质神经相干性和格兰杰因果关系、在M1区域TMS产生的震颤复位以及刺激运动皮质产生的TMS诱发电...
fNIRS–EEG监测人脑活动和氧合作用的研究进展
cc1609130201的博客
03-28 3530
在人类脑功能的研究中，多模式监测已变得相当普遍，其中，功能近红外光谱(fNIRS)和脑电图(EEG)的同步测量成为一个备受关注的研究热点。由于没有光电干扰，将这两种无创的脑活动记录程序整合起来是非常容易的。fNIRS和EEG都是头皮定位的程序。fNIRS通过光谱测量来估计脑血流动力学变化，脑电图通过无源电压评估（passive voltages evaluations）来捕捉大脑电活动的宏观时间动态。这两种技术所提供的“正交”的神经生理学信息，以及研究者对神经血管耦合现象日益增长的兴趣，进一步促进了它们的整
MAMEM-eeg-processing-toolbox.zip
08-18
2. **相干性分析**：评估不同电极间信号的相关性，揭示大脑区域间的同步性。 3. **源定位**：利用正向模型和反演算法，如MNE（最小噪声范数）或dSPM（动态统计参数映射），估计引起EEG信号的大脑源位置。 4. **特征...
从零开始学习Slam|ICP原理与应用
qq_44691564的博客
04-02 535
ICP全称Iterative Closest Point，翻译过来就是迭代最近点。ICP在点云配准（registration）领域应用的非常广泛.
Dubbo分布式框架学习(2)
pscool的博客
03-31 716
⾃研：rediszookeeper（dubbo的推荐）：zk是⼀个分布式服务组件中的⼀个⾮常重要的组件，⾥⾯ 涉及到很多优秀的分布式设计思想，堪称⿐祖地位。nacos：nacos既可以作为注册中⼼使⽤，也可以作为分布式配置中⼼使⽤eureka：eureka是spring cloud netflix框架中著名的注册中⼼，⾥⾯的服务的续约、⼼ 跳等等的设计⾮常的经典。dubbo是⼀款⾼性能的rpc框架。什么是rpc呢？
3. 费曼学习法？
啄缘之间的博客
04-01 912
Q1：什么是费曼学习法？费曼学习法（Feynman Technique）是以诺贝尔物理学奖得主理查德·费曼命名的高效学习方法，其核心是“通过教别人来彻底掌握知识”。简单来说，就是“如果你不能向一个5岁孩子解释清楚某个概念，说明你并没有真正理解它”。Q2：费曼学习法的定义是什么？它是一种以输出倒逼输入的学习策略，通过“模拟教学”的方式，强制学习者将复杂概念拆解为通俗易懂的语言，从而暴露知识盲区、加深理解。学完“光合作用”后，尝试用“植物如何用阳光做饭”的比喻向他人解释。
The Rust Programming Language 学习 (九)
生命不息、战斗不止！
04-02 645
当使用泛型定义函数时，本来在函数签名中指定参数和返回值的类型的地方，会改用泛型来表示。采用这种技术，使得代码适应性更强，从而为函数的调用者提供更多的功能，同时也避免了代码的重复。assert_eq!println!assert_eq!为了参数化新函数中的这些类型，我们也需要为类型参数取个名字，道理和给函数的形参起名一样。任何标识符都可以作为类型参数的名字。
EMC知识学习五
Zhangdfhvxdul的博客
03-31 410
六、网口TVS芯片（SLVU2.8-4BTG）改为共模芯片（SP4045-04ATG）(目前是差模线间的TVS)，这个可能是解决网口问题的关键；一、三极管有三种工作状态：截止状态、放大状态、饱和状态，在数字电路中常用到开关状态即截止状态和饱和状态；放大状态：VC>VB>VE，饱和状态：VB>VE,VB>VC;截止状态：VB<VE,VB<VC;五、EMC（电磁兼容）=EMI（电磁对外干扰）+EMS（电磁耐干扰）;七、Y电容越大，通过Y电容的漏电流就越大，一般小于1mA；
LLaMA-Factory学习（1）简介及安装步骤
jndingxin的专栏
04-02 359
LLaMA-Factory 是一个开源的 全栈大模型微调框架，支持从预训练到指令微调（SFT）、强化学习（RLHF）等全流程训练。支持多种模型：Llama、LLaMA-3、Mistral、Qwen、Baichuan、ChatGLM 等。灵活的微调方法：全参数微调（Full）、冻结微调（Freeze）、LoRA、QLoRA 等。低资源训练：通过量化（INT4/INT8）和高效算法（如 GaLore、Unsloth）降低显存占用。
Java 线程池与 Kotlin 协程 高阶学习
白高林的专栏
04-01 1061
在Java中正确关闭线程池，在Kotlin中使用合适的作用域防止内存泄漏。比如，如何用Java的线程池执行多个异步任务并处理结果，而Kotlin如何使用协程实现相同的逻辑，同时避免回调地狱，使代码更简洁。同时，实际应用场景的例子，比如网络请求或数据库操作的异步处理，会帮助我们更好地理解差异。最后，总结两者的优缺点，强调Kotlin协程在简化异步代码、减少回调嵌套、提升可读性方面的优势，同时指出在复杂线程管理或底层控制时Java线程池仍有其适用场景。
Scala学习总结③
最新发布
2401_87981666的博客
04-03 182
特质叠加 由于一个类可以混入（mixin）多个 trait，且 trait 中可以有具体的属性和方法，若混入的特质中具有相同的方法（方法名，参数列表，返回值均相同），必然会出现继承冲突问题。2、一个类（Sub）混入的两个 trait（TraitA，TraitB）中具有相同的具体方法，且两个 trait 继承自相同的 trait（TraitC），及所谓的“钻石问题”，解决这类冲突问题，Scala 采用了特质叠加的策略。2. 单例对象对应的类称之为伴生类，伴生对象的名称应该和伴生类名一致。
《认知觉醒》下篇·第四章第二节“学习专注：深度沉浸是进化双刃剑的安全剑柄” 总结
huyangg的专栏
04-01 242
深度沉浸是人类高效学习与创新的核心能力，但其双刃剑属性要求我们以元认知为“剑柄”，通过目标管理、环境设计及反馈优化，将进化本能转化为可控的认知工具。深度沉浸是高效学习的“利器”，但需通过元认知调控（如适时暂停、目标校准）避免自我损耗，确保“刀刃”指向正确目标。：过度沉浸可能导致认知过载（如疲劳、焦虑）或忽视整体目标（如“埋头苦干却偏离方向”）。实时记录沉浸效果（如“理解率80%”），通过复盘优化策略（如调整学习材料难度）。：沉浸时屏蔽无关刺激（如饥饿感），但长期压抑可能触发反抗（如突然暴食）；
脑电信号分析新方法：格兰杰部分定向相干法源码发布
资源摘要信息:"格兰杰-部分定向相干法是一种用于分析脑电（EEG）和脑电肌电（EMG）信号的技术，它属于信号处理领域的一个分支。格兰杰因果性（Granger causality）是由克里夫·格兰杰（Clive Granger）提出的概念，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sjx_alo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值