Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mạng lưới thay đổi theo thời gian của việc duỗi cổ tay ở bệnh nhân liệt nửa người sau đột quỵ
Tóm tắt
Liệt nửa người là một rối loạn phổ biến do đột quỵ não gây ra và dẫn đến tình trạng khuyết tật vận động. Mặc dù việc định khu hóa các tiềm năng liên quan đến vận động, sự khử đồng bộ liên quan đến sự kiện, và các sự kết nối phức tạp giữa các vùng não đã được nghiên cứu, nhưng rất ít nghiên cứu tập trung vào việc khảo sát sự trao đổi thông tin động giữa nhiều vùng não trong quá trình thực hiện vận động ở bệnh nhân liệt nửa người sau đột quỵ. Với điện não đồ (EEG) có độ phân giải tạm thời cao, mạng lưới thay đổi theo thời gian có khả năng phản ánh các phương thức mạng phức tạp động tương ứng với các cử động ở cấp độ mili giây. Trong nghiên cứu hiện tại của chúng tôi, thí nghiệm duỗi cổ tay đã được thiết kế, cùng với việc thu thập các bộ dữ liệu EEG liên quan. Sau đó, các mạng lưới thay đổi theo thời gian tương ứng với việc duỗi cổ tay đã được xây dựng theo cách thức áp dụng hàm truyền hướng thích nghi và sau đó được khám phá thống kê, để tiếp tục phát hiện các khiếm khuyết trong mạng lưới động (tức là rối loạn vận động) ở bệnh nhân liệt nửa người sau đột quỵ. Kết quả của nghiên cứu này cho thấy tính kết nối hiệu quả giữa vùng vận động bị đột quỵ và các vùng khác giảm đi ở bệnh nhân so với các đối tượng khỏe mạnh; trái lại, tính kết nối tăng cường giữa các vùng vận động không bị đột quỵ và các vùng khác, đặc biệt là thùy trán và thùy đỉnh - chẩm đã được xác định thêm cho bệnh nhân trong quá trình thực hiện duỗi cổ tay đã được thiết kế, điều này có thể bù đắp động cho các hành vi vận động bị thiếu hụt của bệnh nhân. Những phát hiện này không chỉ giúp chúng tôi hiểu sâu hơn về cơ chế dưới nền tảng của các hành vi vận động của bệnh nhân, mà còn hỗ trợ cho những chiến lược thực tiễn theo thời gian cho trị liệu lâm sàng đối với đột quỵ não, cũng như cung cấp một dấu ấn sinh học đáng tin cậy để dự đoán quá trình phục hồi trong tương lai.
Từ khóa
#liệt nửa người #đột quỵ não #điện não đồ #mạng lưới thay đổi theo thời gian #rối loạn vận động #trị liệu lâm sàngTài liệu tham khảo
Andersen RA, Cui H (2009) Intention, action planning, and decision making in parietal-frontal circuits. Neuron 63:568–583
Arnold M, Milner X, Witte H, Bauer R, Braun C (1998) Adaptive AR modeling of nonstationary time series by means of Kalman filtering. IEEE Trans Biomed Eng 45:553–562
Bertolero MA, Bassett DS (2020) On the nature of explanations offered by network science: a perspective from and for practicing neuroscientists top. Cogn Sci 12:1272–1293. https://doi.org/10.1111/tops.12504
Buschman TJ, Miller EK (2007) Top-down versus bottom-up control of attention in the prefrontal and posterior parietal cortices. Science 315:1860–1862. https://doi.org/10.1126/science.1138071
Campi M (1994) Performance of RLS identification algorithms with forgetting factor: a φ-mixing approach. J Math Syst Estim Control 7(1):29–54
Deshpande G, LaConte S, James GA, Peltier S, Hu X (2009) Multivariate Granger causality analysis of fMRI data. Hum Brain Mapp 30:1361–1373. https://doi.org/10.1002/hbm.20606
Li F et al (2015) Relationships between the resting-state network and the P3: Evidence from a scalp EEG study. Sci Rep 5:15129. https://doi.org/10.1038/Srep15129
Li F et al (2016a) The time-varying networks in P300: a task-evoked EEG study. IEEE Trans Neural Syst Rehab Eng 24:725–733. https://doi.org/10.1109/Tnsre.2016.2523678
Li Y et al (2016b) Changes of brain connectivity in the primary motor cortex after subcortical stroke: a multimodal magnetic resonance imaging study. Medicine (baltimore) 95:e2579. https://doi.org/10.1097/MD.0000000000002579
Li H et al (2018) Combining movement-related cortical potentials and event-related desynchronization to study movement preparation and execution. Front Neurol 9:822. https://doi.org/10.3389/fneur.2018.00822
Li F et al (2019) The dynamic brain networks of motor imagery: time-varying causality analysis of scalp EEG. Int J Neural Syst 29:1850016. https://doi.org/10.1142/s0129065718500168
Li H et al (2020) EEG changes in time and time-frequency domain during movement preparation and execution in stroke patients. Front Neurosci. https://doi.org/10.3389/fnins.2020.00827
Luo C et al (2021) A survey of brain network analysis by electroencephalographic signals. Cogn Neurodyn. https://doi.org/10.1007/s11571-021-09689-8
Lütkepohl H (2005) New introduction to multiple time series analysis. Springer Science and Business Media, Berlin, Heidelberg
Marshall RS, Perera GM, Lazar RM, Krakauer JW, Constantine RC, DeLaPaz RL (2000) Evolution of cortical activation during recovery from corticospinal tract infarction. Stroke 31:656–661. https://doi.org/10.1161/01.str.31.3.656
Park CH, Chang WH, Ohn SH, Kim ST, Bang OY, Pascual-Leone A, Kim YH (2011) Longitudinal changes of resting-state functional connectivity during motor recovery after stroke. Stroke 42:1357–1362. https://doi.org/10.1161/STROKEAHA.110.596155
Puh U, Vovk A, Sevsek F, Suput D (2007) Increased cognitive load during simple and complex motor tasks in acute stage after stroke. Int J Psychophysiol 63:173–180. https://doi.org/10.1016/j.ijpsycho.2006.03.011
Raffin E, Mattout J, Reilly KT, Giraux P (2012) Disentangling motor execution from motor imagery with the phantom limb. Brain 135:582–595
Ramoser H, Muller-Gerking J, Pfurtscheller G (2000) Optimal spatial filtering of single trial eeg during imagined hand movement. IEEE Trans Rehabil Eng 8:441–446. https://doi.org/10.1109/86.895946
Rehme AK, Eickhoff SB, Rottschy C, Fink GR, Grefkes C (2012) Activation likelihood estimation meta-analysis of motor-related neural activity after stroke. Neuroimage 59:2771–2782. https://doi.org/10.1016/j.neuroimage.2011.10.023
Ren S, Wang W, Hou ZG, Liang X, Wang J, Shi W (2020) Enhanced motor imagery based brain- computer interface via FES and VR for lower limbs. IEEE Trans Neural Syst Rehabil Eng 28:1846–1855. https://doi.org/10.1109/TNSRE.2020.3001990
Rowe J, Friston K, Frackowiak R, Passingham R (2002) Attention to action: specific modulation of corticocortical interactions in humans. Neuroimage 17:988–998
Rubinov M, Sporns O (2010) Complex network measures of brain connectivity: uses and interpretations. Neuroimage 52:1059–1069. https://doi.org/10.1016/j.neuroimage.2009.10.003
Sharma N, Baron J-C (2013) Does motor imagery share neural networks with executed movement: a multivariate fMRI analysis. Front Hum Neurosci 7:564. https://doi.org/10.3389/Fnhum.2013.00564
Si Y et al (2019) Different decision-making responses occupy different brain networks for information processing: a study based on EEG and TMS. Cereb Cortex 29:4119–4129. https://doi.org/10.1093/cercor/bhy294
Si Y et al (2020) Predicting individual decision-making responses based on single-trial EEG. Neuroimage 206:116333. https://doi.org/10.1016/j.neuroimage.2019.116333
Vry MS et al (2012) Ventral and dorsal fiber systems for imagined and executed movement. Exp Brain Res 219:203–216. https://doi.org/10.1007/s00221-012-3079-7
Ward NS, Brown MM, Thompson AJ, Frackowiak RS (2003) Neural correlates of motor recovery after stroke: a longitudinal fMRI study. Brain 126:2476–2496. https://doi.org/10.1093/brain/awg245
Wiese H, Stude P, Sarge R, Nebel K, Diener H-C, Keidel M (2005) Reorganization of motor execution rather than preparation in poststroke hemiparesis. Stroke 36:1474–1479
Wilke C, Ding L, He B (2008) Estimation of time-varying connectivity patterns through the use of an adaptive directed transfer function. IEEE Trans Biomed Eng 55:2557–2564
Winstein CJ et al (2016) Guidelines for adult stroke rehabilitation and recovery: a guideline for healthcare professionals from the american heart association/american stroke association. Stroke 47:e98–e169. https://doi.org/10.1161/STR.0000000000000098
Xie J et al (2021) Rehabilitation of motor function in children with cerebral palsy based on motor imagery. Cogn Neurodyn. https://doi.org/10.1007/s11571-021-09672-3
Xu P et al (2014) Differentiating between psychogenic nonepileptic seizures and epilepsy based on common spatial pattern of weighted EEG resting networks. IEEE Trans Biomed Eng 61:1747–1755. https://doi.org/10.1109/TBME.2014.2305159
Zhang T et al (2019) Reconfiguration patterns of large-scale brain networks in motor imagery. Brain Struct Funct 224:553–566. https://doi.org/10.1007/s00429-018-1786-y
Zhao Z et al (2018) Altered intra- and inter-network functional coupling of resting-state networks associated with motor dysfunction in stroke. Hum Brain Mapp 39:3388–3397. https://doi.org/10.1002/hbm.24183