目的通过对儿童复发性眩晕(recurrent vertigo of children,RVC)患儿进行视频脑电图(video-electroencephalogram,v-EEG)监测分析,探讨RVC患儿的v-EEG与疾病之间的关系。方法按照RVC诊断标准选取RVC患儿50例和正常对照组儿童20例,进一...目的通过对儿童复发性眩晕(recurrent vertigo of children,RVC)患儿进行视频脑电图(video-electroencephalogram,v-EEG)监测分析,探讨RVC患儿的v-EEG与疾病之间的关系。方法按照RVC诊断标准选取RVC患儿50例和正常对照组儿童20例,进一步根据脉搏氧监测结果将RVC组分为缺氧组和非缺氧组。所有入组儿童均行v-EEG监测,应用SPSS 25.0统计学软件对v-EEG结果进行统计学分析。结果RVC组与对照组的v-EEG异常率比较差异无统计学意义(P=0.871)。缺氧组、非缺氧组和对照组的组间v-EEG异常率比较差异无统计学意义(P=0.886)。结论v-EEG异常情况不能作为RVC患儿的诊断依据,但对RVC患儿的鉴别具有一定的临床价值。展开更多
为探索大脑与视觉之间的联系,提高大脑活动重建视频的清晰度与准确性,提出了一种名为高质量脑电视频重建(high quality electroencephalogram video reconstruction,HQEEGVR)的方法进行脑电信号重建视频。首先,提出三分支脑电特征提取...为探索大脑与视觉之间的联系,提高大脑活动重建视频的清晰度与准确性,提出了一种名为高质量脑电视频重建(high quality electroencephalogram video reconstruction,HQEEGVR)的方法进行脑电信号重建视频。首先,提出三分支脑电特征提取网络——掩蔽时空频融合网络(masking spatio-temporal frequency fusion network,MSTFFNet)从脑电信号中提取大脑活动信息,深入挖掘大脑活动变化背后的语义,同时提取时空频信息;其次,引入跨模态对比学习,对齐脑电、文本、图像特征,以便生成阶段使用;然后,提出级联视频扩散模型,具体来说,先利用稳定扩散模型以脑电特征为条件生成参考视频帧,接着以视频帧为参考,融入运动矢量,引入视频扩散模型捕捉视频时间特征;最终生成高质量视频。结果表明,该模型在重建视频的主体、动作、颜色、语义等方面表现较好。可见利用脑电信号可以捕获大脑活动的视觉与语义信息,从而重建高保真度和视觉真实性的视频。展开更多
目的探讨根因分析法(root cause analysis,RCA)在提高癫痫患者长程视频脑电图监测质量中的应用效果。方法应用RCA对癫痫患者长程视频脑电图监测的过程进行调查,从脑电图伪差和视频效果两方面分析影响癫痫发作捕捉质量的根本原因,并实施...目的探讨根因分析法(root cause analysis,RCA)在提高癫痫患者长程视频脑电图监测质量中的应用效果。方法应用RCA对癫痫患者长程视频脑电图监测的过程进行调查,从脑电图伪差和视频效果两方面分析影响癫痫发作捕捉质量的根本原因,并实施改进措施。结果除摄影头不够清晰外,RCA实施后患者发生干扰事件发生率少于干预前,前后比较,差异具有统计学意义(均P<0.001)。结论应用根因分析法能有效提高癫痫患者长程视频脑电图的监测质量,方法值得推广。展开更多
文摘目的通过对儿童复发性眩晕(recurrent vertigo of children,RVC)患儿进行视频脑电图(video-electroencephalogram,v-EEG)监测分析,探讨RVC患儿的v-EEG与疾病之间的关系。方法按照RVC诊断标准选取RVC患儿50例和正常对照组儿童20例,进一步根据脉搏氧监测结果将RVC组分为缺氧组和非缺氧组。所有入组儿童均行v-EEG监测,应用SPSS 25.0统计学软件对v-EEG结果进行统计学分析。结果RVC组与对照组的v-EEG异常率比较差异无统计学意义(P=0.871)。缺氧组、非缺氧组和对照组的组间v-EEG异常率比较差异无统计学意义(P=0.886)。结论v-EEG异常情况不能作为RVC患儿的诊断依据,但对RVC患儿的鉴别具有一定的临床价值。
文摘为探索大脑与视觉之间的联系,提高大脑活动重建视频的清晰度与准确性,提出了一种名为高质量脑电视频重建(high quality electroencephalogram video reconstruction,HQEEGVR)的方法进行脑电信号重建视频。首先,提出三分支脑电特征提取网络——掩蔽时空频融合网络(masking spatio-temporal frequency fusion network,MSTFFNet)从脑电信号中提取大脑活动信息,深入挖掘大脑活动变化背后的语义,同时提取时空频信息;其次,引入跨模态对比学习,对齐脑电、文本、图像特征,以便生成阶段使用;然后,提出级联视频扩散模型,具体来说,先利用稳定扩散模型以脑电特征为条件生成参考视频帧,接着以视频帧为参考,融入运动矢量,引入视频扩散模型捕捉视频时间特征;最终生成高质量视频。结果表明,该模型在重建视频的主体、动作、颜色、语义等方面表现较好。可见利用脑电信号可以捕获大脑活动的视觉与语义信息,从而重建高保真度和视觉真实性的视频。
文摘目的探讨根因分析法(root cause analysis,RCA)在提高癫痫患者长程视频脑电图监测质量中的应用效果。方法应用RCA对癫痫患者长程视频脑电图监测的过程进行调查,从脑电图伪差和视频效果两方面分析影响癫痫发作捕捉质量的根本原因,并实施改进措施。结果除摄影头不够清晰外,RCA实施后患者发生干扰事件发生率少于干预前,前后比较,差异具有统计学意义(均P<0.001)。结论应用根因分析法能有效提高癫痫患者长程视频脑电图的监测质量,方法值得推广。
