- 综合排序
- 最热优先
- 最新优先
- 来自专栏脑电信号科研科普
EEG/MEG-fMRI融合初识:在空间和时间上解析人脑反应
我们介绍了这种称为M/EEG-fMRI融合的无创分析技术的原理和当前应用，并讨论了其优缺点。 然后，我们重点介绍了最近使用M/EEG-fMRI融合技术对感觉加工和高级认知功能的神经动力学进行新阐释的研究。因此，我们证明了M/EEG-fMRI融合框架在适应和开发方面的灵活性。 图3 用于理解视觉处理的基于探照灯的M/EEG-fMRI融合的方法、结果和变体 这些视觉加工研究共同证明了M/EEG-fMRI融合的可行性、通用性和潜力，为认知加工的时空加工提供了新的视角。 基于皮质分区进行M/EEG-fMRI融合后（图5B），他们比较了分区特异性M/EEG-fMRI时间过程的相似性（图5C）。 M/EEG-fMRI融合的未来潜力 如上所述，M/EEG-fMRI融合不是一种特定的固定单一目的算法，而是一种通用且易于扩展的分析框架。
1.1K40编辑于 2021-11-29 - 来自专栏思影科技
Neuron: M/EEG-fMRI融合指南
接下来讨论的M/EEG-fMRI便是这样一种技术，作者认为，M/EEG-fMRI融合将有助于提炼当前成像方法发展的精华，并将人类大脑的研究推向新的高度。 图3 基于searchlight的视觉加工M/EEG-fMRI融合 (A)采用searchlight方法进行M/EEG-fMRI融合。 在进行了基于大脑皮层的M/EEG-fMRI融合(图5B)之后，他们比较了特定于大脑皮层的M/EEG-fMRI时间源的相似性（图5C）。 他们进一步展示了如何通过将M/EEG-fMRI融合的内容具体化或将其结果作为进一步分析的主题，从方法论上扩展M/EEG-fMRI融合以获得更深层次的理论见解。 图6 M/EEG-fMRI融合的前景 (A) M/EEG-fMRI融合可以应用于任何M/EEG和fMRI已经分离应用的领域。
2.3K41发布于 2021-04-23 - 来自专栏脑电信号科研科普
NeuXus开源工具：用于实时去除EEG-fMRI中的伪迹
摘要：同时获取脑电图和功能磁共振成像（EEG-fMRI）允许以高时间和空间分辨率对大脑的电生理和血流动力学进行互补研究。 引言自1999年以来，同时获取脑电图和功能磁共振成像(EEG-fMRI)被用于研究脑功能。 然而，这些需要额外的(主要是定制的)硬件，而大多数EEG-fMRI研究都不具备这些硬件。 在这里，我们提出了一个完全开源的工具，用于在同时进行的EEG-fMRI研究中实时减少梯度和脉冲伪影，该工具速度快，适用于任何EEG-fMRI设置，并且作为NeuXus的一部分公开提供，NeuXus是用Python 讨论这项工作提出并验证了NeuXus开源工具，用于使用传统硬件设置实时减少同时获得EEG-fMRI的梯度和脉冲伪影。
99240编辑于 2023-11-13 - 来自专栏脑机接口
神经科学家定义了 EEG-fMRI 成像的安全协议
研究人员通力合作，为神经科学评估技术建立了安全和数据质量标准，这将允许科学家能够使用MB EEG-fMRI 在使用这种技术时预测加热输出，并设计协议以将加热降低到单波段水平。
41320编辑于 2022-08-18 - 来自专栏脑机接口
在神经反馈任务中同时进行EEG-fMRI，多模态数据集成的大脑成像数据集
EEG-fMRI联合分析分为两类:非对称和对称。在第一种方法中，从一种方法中提取的信息被集成或驱动第二种方法的分析，而在对称方法(数据融合)中，使用联合生成模型。 据研究人员表示，在NF循环中同时进行EEG-fMRI训练以训练情绪自我调节的研究团队较少，只有另一个研究小组，而他们共享和描述的数据集对应于双峰NF首次实现的运动想象任务。 EEG-fMRI NF平台的示意图 ? 一位受试者的fMRI和EEG激活及NF评分示例(XP2) 上图是一位受试者的fMRI和EEG激活及NF评分示例(XP2)。 EEG-fMRI联合源估计平均结果 上图为EEG-fMRI联合源估计平均结果。 使用联合EEG-fMRI稀疏模型（红色），仅EEG数据（α= 1，绿色）或仅fMRI数据（α= 0，蓝色）估计的运动执行过程中的源位置（XP1的8个受试者的平均值）。 ?
2.5K20发布于 2020-06-30 BrainVoyager在癫痫研究中的关键作用：同步EEG-fMRI数据分析的技术突破
摘要本文通过分析9名癫痫患者的30次临床/电发作数据，揭示了BrainVoyager在同步EEG-fMRI研究中的核心技术价值：多模态融合优势：实现毫秒级EEG与秒级fMRI数据的时空对齐，精准捕捉发作期 关键词：BrainVoyager；EEG-fMRI同步；癫痫发作起始区；GLM分析；独立成分分析（ICA）；BOLD信号；多模态神经影像；精准神经外科；颅内电极验证；时空动力学分析一、 研究背景与技术挑战 五、 操作指南与资源5.1 临床实施步骤数据同步：EEG与fMRI时钟信号校准；预处理：BrainVoyager中运行EEG-fMRI Pipeline；联合分析：GLM与ICA结果融合生成概率热图 结语本研究通过BrainVoyager的多模态分析框架，确立了EEG-fMRI同步技术在癫痫术前评估中的关键地位。 相关标签：#癫痫定位 #BrainVoyager #EEG-fMRI #GLM建模 #ICA分析 #发作起始区 #精准神经外科 #颅内电极 #时空动力学 #医学影像Python
34310编辑于 2025-08-25- 来自专栏思影科技
同步脑电图-功能磁共振融合推断宏观脑动力学
同步脑电-功能性磁共振成像(EEG-fMRI)的仪器和信号处理技术的进步，为人类大脑的高时空神经动力学研究提供了更近一步的方法。 虽然从理论上讲，EEG和fMRI(EEG-fMRI)的融合是一种常见的多模态脑成像的方法，但相对于其组成模式，采取同时获得EEG和fMRI(EEG-fMRI)的应用在现在仍然很少。 总的来说，EEG-fMRI数据融合方法可分为两类：非对称融合和对称融合。如果一个模态被视为一个先验或约束来指导其他模态的分析，则融合是不对称的。 利用Muraskin等人的EEG-fMRI数据，他们发现，除了右侧额上回之外，非连接方法识别出了非常相似的区域。 包括我们自己在内的一些团队一直在解决这些问题，并为超高场EEG-fMRI开发解决方案(见图6)。
90620编辑于 2022-02-28 - 来自专栏脑电信号科研科普
慢波睡眠中脑电微状态与脑功能网络的相关性
本研究在SWS过程中收集同步的EEG-fMRI数据，以检验EEG微状态与fMRI网络之间的对应关系。 同时进行的EEG-fMRI研究已经将健康受试者在清醒休息期间的脑电微状态与fMRI波动联系起来。 为每个受试者提取5分钟的同步EEG-fMRI数据，其没有伪影并且包含最大量的慢波活动以供进一步分析。 4、讨论 我们记录了睡眠时同步的EEG-fMRI数据，并使用脑电微状态信息的fMRI分析来研究SWS过程中脑电微状态与fMRI网络之间的关系。 5、结论 本研究同时记录睡眠中的EEG-fMRI数据，探讨SWS过程中脑电微状态与fMRI网络的关系。
1.2K00发布于 2020-11-21 BrainVoyager 从入门到精通 - 一段跨越二十年的科学软件之旅
关键词： BrainVoyager；fMRI；神经成像；多模态分析；EEG-fMRI；脑科学；数据处理一、 引言：为何而生？ 尤其是在 同时 EEG-fMRI 数据的分析 方面，提供了从伪影去除到 fMRI 信息引导的源定位等一系列完整解决方案。
28110编辑于 2025-08-25- 来自专栏脑机接口
社论：运用基于脑-机接口(BCI)的认知和运动控制，改善老年人的健康和福祉
network components extraction: a data driven approach by multilayer ICA extension and simultaneous EEG-fMRI measurements》中，Ogawa等人提出了一种基于神经反馈的基于提取网络成分的多层独立成分分析扩展和EEG-fMRI同步测量方案。
70620编辑于 2022-09-22 - 来自专栏脑电信号科研科普
PNAS:alpha频率经颅电刺激调控大脑默认网络
生理学上，静息状态(RS)同时脑电图-功能磁共振(EEG-fMRI)记录已经揭示了α振荡和DMN活性之间的内在正耦合。 3.讨论结合MR兼容的HDα-tACS和同时使用的EEG-fMRI，我们证明枕顶叶皮层α- tACS源不仅增强了α振荡，而且加强了DMN内的BOLD和α频率振荡连接。
58020编辑于 2022-08-04 - 来自专栏思影科技
电生理源成像：脑动力学的无创窗口
丘脑的EEG-fMRI相关显示了功能磁共振脑电的协同优势，因为丘脑太远无法产生可靠的脑电，仅用脑电图定位这样的深源是很有挑战性的。 从EEG/MEG或EEG-fMRI获得的频谱信息可以解释为前馈通路和反馈通路。
1.7K10发布于 2019-08-22 - 来自专栏思影科技
图论在静息态和动态脑连接评估中的应用：构建脑网络的方法
并行EEG-fMRI多模脑网络构建流程。 ① 将脑电信号分割成2-s时间窗，计算选定频率窗内的平均谱功率。 ② 对fMRI数据进行ICA分组。 例如，已经开发了一种建立并发EEG-fMRI多模态脑网络的方法，其中节点是fMRI ICA空间网络和EEG电极（图6）。在该研究中，估计了静态和动态EEG-fMRI网络。 在睁眼（EO）和闭眼（EC）静息态下同时收集并发EEG-fMRI数据。
4.4K21发布于 2020-07-01 - 来自专栏脑电信号科研科普
从清醒到睡眠的动态功能连接
我们报告了清醒状态下的线性可分簇，并提出了未来的方向，通过使用脑电图-功能磁共振成像(EEG-fMRI)数据(包括清醒状态下的眼球追踪)，对不同睡眠阶段的可预测状态进行分层分析，评估它们的神经生物学相关性
1.4K00发布于 2021-09-21 - 来自专栏思影科技
研究全脑神经网络时间动态的工具：脑电微状态介绍
图5静息态活动的EEG-fMRI记录。 利用k-means聚类对脑电数据进行分析，得到四组聚类图。利用广义线性模型(GLM)，将这四种微状态与fMRI在每个体素上的BOLD时间过程相结合。
3.6K20发布于 2019-07-10 - 来自专栏脑电信号科研科普
NeuroImage：警觉性水平对脑电微状态序列调制的证据
2.2 数据预处理 2.2.1 EEG 首先，通过由Bergen EEG-fMRI工具箱使用以滑动窗口方式从25个MRI伪影获得的MRI模板波形实现的运动信息模板减法从EEG数据中去除梯度伪影。
1.1K00发布于 2021-02-18 - 来自专栏思影科技
JNNP：颞叶癫痫患者丘脑唤醒网络紊乱及术后改善情况
在未来的研究中，可以通过引入定量的唤醒措施（如同时进行EEG-fMRI或静息状态下追踪睁眼时眼球运动状态）来解决这一局限性。 （4）在3T解剖成像中无法从视觉上识别丘脑核，会影响分析的准确性。
98520发布于 2020-02-24 - 来自专栏思影科技
通过脑电图/脑磁图观察到的大脑活动来指导经颅脑刺激
在一项可行性研究中，Peters等人(2013年)将市面上可用的可以同时进行TMS-fMRI和可以同时进行EEG-fMRI的硬件结合起来，通过进行各种测试来评估安全性/舒适性和信号质量。
1.2K30编辑于 2021-12-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号