脑电波EEG 的神经血管耦合进行频谱分析、功率谱分析、功能连接分析、微状态分析

已于 2025-06-19 16:58:50 修改
阅读量143 收藏 5
点赞数 5
CC 4.0 BY-SA版权
文章标签： cv 机器学习
于 2025-06-19 16:40:49 首次发布
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.csdn.net/zhangfeng1133/article/details/148770081

脑电波EEG 的神经血管耦合进行频谱分析、功率谱分析、功能连接分析、微状态分析

fNIRS-EEG 的神经血管耦合分析

  • 频谱分析与功率谱分析 ：Keles 等人使用 fNIRS-EEG 系统收集数据，关注频谱 - 脑电图对神经血管耦合的影响，发现在枕叶区域有一个延迟的 α 激活（8-16Hz）调节，以及一个强烈的 β 激活（16-32Hz）对血流动力学波动的调节。Nikulin 等人研究了人类脑电图中单色超低振荡（0.07-0.14Hz）及其与血流动力学的关系，认为这些振荡可能来自神经元外，反映了大脑血管舒缩。

  • 功能连接分析 ：通过 fNIRS-EEG 评估阳极经颅直流电刺激期间的神经血管耦合，基于 Hilbert Huang 变换的分析程序，发现阳极 tDCS 在 EEG 上的不稳定效应与 O2Hb 反应有关，还发现 O2Hb 浓度的首次下降与 EEG 平均强度的增加之间存在对应关系。

  • 量化方法 ：Govindan 等提出了一种结合 fNIRS-EEG 采集的神经血管耦合量化方法，通过将两种信号划分为 1-s epochs，纳入一个共同的动态时间框架，计算其中两个信号的频谱相干性来量化神经血管耦合的程度，并在模拟数据及四名婴儿的新生儿脑病低温治疗过程中测试了该程序

EEG-fNIRS是一种结合脑电图(EEG)和功能性近红外光谱(fNIRS)的多模态脑成像技术，通过同步测量神经电活动与血流动力学变化，实现高时间分辨率与高空间分辨率的互补优势‌，广泛应用于认知神经科学、脑机接口及临床研究等领域。‌‌1‌‌2

‌技术原理与互补性‌

  1. ‌EEG‌：通过头皮电极记录神经元电活动，时间分辨率达毫秒级，但空间分辨率较低。‌‌1‌‌
  2. ‌fNIRS‌：基于近红外光测量脑组织血氧变化（氧合血红蛋白O2Hb和脱氧血红蛋白HHb），空间分辨率较高（厘米级），但时间响应较慢（秒级）。‌‌1‌‌
  3. ‌整合优势‌：
    • ‌神经血管耦合研究‌：揭示电活动与血流动力学的关联机制。‌‌1‌‌3
    • ‌分辨率互补‌：EEG提供时间动态，fNIRS定位激活脑区。‌‌2‌‌

‌应用领域‌

  1. ‌认知神经科学‌：研究注意力、记忆等高级认知功能的神经机制。‌‌1‌‌2
  2. ‌脑机接口(BCI)‌：多模态信号提升分类准确率（如运动想象任务中EEG+fNIRS比单一EEG提高8-10%）。‌‌4
  3. ‌临床诊断‌：
    • 阿尔茨海默症早期筛查（EEG敏感于SCD阶段异常）。‌‌5
    • 中风康复监测（结合运动想象与神经反馈）。‌‌6

‌设备与系统‌

  • ‌商业化设备‌：如DSI-EEG+fNIRS（博睿康）、ErgoLAB（津发科技），支持无线便携、高通道同步采集。‌‌7‌‌8
  • ‌技术参数‌：

指标EEGfNIRS
采样率1000Hz+10-100Hz
空间分辨率低（厘米级）高（毫米级）
抗干扰能力易受运动/电磁干扰适应复杂环境

收起

fNIRS–EEG监测人脑活动和氧合作用的研究进展-腾讯云开发者社区...

fNIRS-EEG系统与独立脑电图相比显示出更高的敏感性和特异性。fNIRS信号可以作为EEG的联合分类程序,或者可作为EEG激活的预测器。在这两种情况下,使用fNIRS-EEG系统,可以发现更强大的基于脑电图的脑接口分类器,总体上增加了脑接口性能的稳定性。Fazli et al.,Almajidy et al.,和Koo et al.将fNIRS-EEG-BC

腾讯云计算

脑部监测的“黄金组合”:功能性近红外光谱(fNIRS)和脑电图(EEG...

2025年3月21日将EEG和fNIRS结合起来提供了两方面的关键信息:EEG展示了大脑的电活动,帮助我们识别管制员何时接近他们的心理极限,而fNIRS则表明大脑是否有足够的氧气来完成任务。例如,如果EEG显示活动减少,但fNIRS仍然检测到高水平的氧气,这可能表明管制员虽然仍在参与任务,但已经精疲力竭。这可能表明需要休息或重新分配任务,以防止错误。

知乎

  • EEG-fNIRS联合成像在跨频率耦合研究中的创新应用 - 知乎

    2025年06月09日-因此,EEG-fNIRS联合方法能够提供更加全面的脑功能活动信息。这些优势不仅源于两种技术的互补特性,更基于一种名为“神经血管耦合”的生理现象,即神经活动与大脑血流调控之间的时空关联。具体而言,当特定脑区的神经元被激活时,会引发局部血流的增加,以满足对葡萄糖和氧气需求的上升,这一变化可以通过fNIRS检测到。 多模态...

  • 双模态近红外脑成像-脑电(fNIRS-EEG)研究文献分享 - 知乎

    2024年04月03日-本期分享5篇由荷兰artinis公司出品的双模态fNIRS-EEG结合研究的文献。近红外脑成像(fNIRS)以其非侵入性、便携性和良好的空间分辨率而闻名,脑电图(EEG)以非侵入性和卓越的时间分辨率而闻名。通过结合这两种脑成像模式,研究者可以非侵入性的方式测量大脑活动,并同时拥有出色的时间和空间分辨率。 artinis是全球领先的近红...

  • FEAD:fNIRS-EEG情感数据库(视频刺激) - 知乎

    2024年09月20日-在这里中,本研究创建了fNIRS-EEG情感数据库(FEAD),同时记录了37名参与者对24种情感线索(视听刺激)做出反应时的EEG和fNIRS信号。这种双模态测量随后映射到维度情绪模型中,使用自我情绪评定量表(SAM)进行主观自评,涵盖效价、唤醒度和支配度,以及快乐、愤怒、恐惧和悲伤这四种离散情感。此外,FEAD数据库还包含了参与者对...

更多同站结果>

近红外fNIRS & 脑电图EEG联用 多维度观察大脑活动

2023年3月9日fNIRS-EEG-脑机接口研究 脑机接口(BCI)为用户提供了大脑与外部环境之间的直接沟通途径,是残疾患者替代或恢复其运动功能的一种很有前途的方法。近红外脑功能成像和脑电图已广泛应用于神经科学领域。二者不同的信号模式差异能够在空间和时间维度上进行优...

神经科技

ErgoLABfNIRS-EEG可穿戴多模态脑成像仪

2025年5月26日ErgoLAB fNIRS- EEG可穿戴多模态脑成像仪采用创新的fNIRS-EEG多传感器信息融合技术,可同时采集同一脑区的脑电和近红外的两种信号,实时捕捉大脑血氧代谢动态与神经电活动的双重特征_ErgoLAB fNIRS- EEG可穿戴多模态脑成像仪_来宝网

来宝网移动端

一文详解近红外脑功能成像(fNIRS)的原理与应用

2024年12月19日目前研究脑功能的方法主要有fNIRS、fMRI、EEG/MEG、PET这四大类，fNIRS和fMRI主要用于研究脑功能（function），EEG/MEG是比较常用的设备，PET由于需要注射同位素用得较少。从信号来源来看，fNIRS主要测量神经元激活后大脑组织中含氧血红蛋白和脱氧血红蛋白的浓度变化；fMRI测量的一种依赖血氧水平变化的信号（BOLD信号），...

头像

赢富仪器

fNIRS-EEG - 相关论文(共1412篇) - 百度学术

​编辑Nonlinear hemodynamic responses in human epilepsy: a multimodal analysis with fNIRS-EEG and fMRI-EEG.

Philippe Pouliot - Journal of Neuroscience Methods - 2012 - 被引:48

Functional magnetic resonance imaging (fMRI) combined with electroencephalography (fMRI-EEG) is a neuroimaging technique based on the blood oxygenation lev...

被引:39Hybrid fNIRS-EEG based classification of auditory...Front Neurosci

被引:16fNIRS-EEG study of focal interictal epileptiform...Epilepsy rese...

被引:10...learning in children: A simultaneous fNIRS-EEG...Scientific R...

查看更多相关论文 >

​编辑百度学术

EEG-fNIRS跨模态迁移学习优化BCI系统分类精度-腾讯云开发者社区...

最近,科学家提出一种基于正则化空间模式(RSCP)的R-CSP-E方法,即在计算基于转移学习和集合学习理论的fNIRS信号特征时引入EEG信号,使用独立分量分析(ICA)来实现两个信号源之间的对应,然后在改进共同空间模式(CSP)算法的空间滤波器时引入了EEG。实验证明,该方法相对没有迁移算法的传统方法,平均分类精度可提高5%。实现了...

腾讯云计算

近红外脑功能成像系统(利用近红外光谱技术测... - 百度百科

近红外脑功能成像系统（fNIRS）通过检测大脑皮层中脱氧血红蛋白和含氧血红蛋白的浓度变化，实现神经活动的非侵入式监测。该系统在临床领域广泛应用于精神分裂症、抑郁症、脑卒中等疾病的诊断与疗效评估，在科研领域支持心理学、认知神经科学等多场景研究。主...详情

技术原理

产品配置

应用领域

技术规范

百度百科

EEG-fNIRS数据分析_fnirs原理 csdn-CSDN博客

2023年12月22日EEG &fNIRS 共同点:头皮定位,无创。 优点: 1.能较好地抵御运动伪迹,无明显物理限制。 2.无高强度磁场或电离辐射暴露。 3.硬件成本显著低于大多数其他功能性脑成像方法。 近日在准备一个fNIRS与EEG联合数据分析的项目,过程中发现fNIRS数据分析相关开源项目并不多,联合数据分析更是少之又少,几番筛选找到以下论文及其...

CSDN博客

相关搜索

fnf18+HDfnf neo下载
fnf中文下载FNvssonic
fnf starecrownfnf少年骇客下载

   
并且已经商业化了 都有 机器了    「EEG-fNIRS多模态脑功能测试系统」 价格、参数、图片 - 仪器网北京津发科技股份有限公司提供EEG-fNIRS多模态脑功能测试系统的详细技术参数信息,资料和实时价格,厂家有专业的MegaEEG-fNIRS销售和售后服务技术团队https://www.yiqi.com/product/detail_865680.html

zhangfeng1133
关注
1、脑电图（EEG）信号的基础知识
tree8的博客
06-04 169
本文详细介绍了脑电图（EEG）信号的基础知识，包括其定义、特性、获取方式以及在实际应用中的作用。文章涵盖了EEG信号的物理特性、处理方法和广泛的应用领域，如医疗诊断、脑机接口、神经营销和游戏等。通过深入理解EEG信号，我们可以更好地探索大脑的工作机制及其在多领域的应用潜力。
脑电和脑磁图的非线性动力学分析
cc1609130201的博客
03-29 4682
非线性动力系统理论，也被称为“混沌理论”，现在已经发展到可以用于研究大脑复杂神经元网络的自组织和模式形成。非线性时间序列分析的一种方法是，从EEG或MEG的时间序列中重建潜在动力系统的吸引子，并根据其维数(对系统自由度的估计)对其进行表征，或它的Lyapunov指数和熵(反映了由于对初始条件的敏感依赖而产生的动力学的不可预测性)。最近发展起来的非线性测量方法表征了局部大脑动力学的其他特征(预测、时间不对称、确定性)或来自不同大脑区域的记录之间的非线性同步。非线性时间序列可以应用于健康受试者在无任务休息状态、
fNIRS–EEG监测人脑活动和氧合作用的研究进展
cc1609130201的博客
03-28 3664
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
颅内EEG记录揭示人类DMN网络的电生理基础
悦影科技
12-20 1088
使用无创功能磁共振成像（fMRI）的研究为人类默认模式网络（DMN）的独特功能组织和深远重要性提供了重要的见解，但这些方法在跨多个时间尺度上解决网络动力学的能力有限。电生理技术对于应对这些挑战至关重要，但很少有研究探索DMN的神经生理学基础。在此，作者在一个与先前fMRI研究一致的共同的大规模网络框架中研究了DMN的电生理组织。作者使用颅内脑电图（iEEG）记录，并评估了静息状态下的网络内和跨网络相互作用，及其在涉及情景记忆形成的认知任务中的调节情况。作者分析显示，在慢波（
大规模电生理网络动力学
cc1609130201的博客
09-27 2702
多年来，人们一直认为神经同步对认知至关重要。不同神经群之间的同步时间模式承载的信息超越了这些群的孤立活动，这一观点引发了功能性神经成像领域的焦点转移。具体来说，对某些刺激或任务引起的某些区域内的激活的研究，在一定程度上已经让位于对远端区域之间的共激活模式或功能连接的分析。最近，功能连接学界已经超越了早期工作所基于的平稳性假设，并引入了将时间动态纳入连接分析的方法。特别是，非侵入性电生理数据(脑磁图/脑电图(MEG/EEG))可以直接测量全脑活动和丰富的时间信息，为了解这种(潜在的快速)大脑动态提供了一个特殊
AMDET: Attention based Multiple Dimensions EEG Transformer for Emotion 论文精读
sxn0121的博客
05-28 1424
Abstract—Affective computing is an important subfield of artificial intelligence, and with the rapid development of braincomputer interface technology, emotion recognition based on EEG signals has received broad attention. It is still a great chall
死前真的会有「跑马灯」，人类首次同步测量大脑濒死状态
<sdffdsfsdfdfs>sfsfsfsdfsdffds</sdfsDS>Fsd
03-02 293
????????关注后回复“进群”，拉你进程序员交流群????????来源丨新智元新智元报道编辑：袁榭 好困【新智元导读】说不定我们过不了多久就可以让人死后以数码态生存，却仍然无法知道自己死亡的一瞬间...
【文献翻译】利用脑电信号预测癫痫发作的机器学习：综述
FelicityXu的博客
03-26 7074
利用脑电信号预测癫痫发作的机器学习：综述
静息状态脑电图节律和地形分析的建议
cc1609130201的博客
01-15 1330
在该模型中，电极“b”记录了皮层切向源“At”和皮层径向源“ABr”和“Br”产生的电场。下排左图：由于“共同驱动”的影响，源“Cr”与源“Br”和ABr”的相干激活可能导致记录在“a”和“c”电极上的rsEEG节律与记录在“b”和“a”电极上的rsEEG节律相互依赖。其次，在一项临床研究中，从相关系数、均方和相位相干性、格兰杰因果、相位同步指数、信息论、基于状态空间的指数，推导出rsEEG节律相互依赖性的线性和非线性测量，应用于轻度认知障碍(MCI)老年患者和年龄匹配对照组(Nold)受试者的记录数据。
【高级EEG分析秘技】：小波变换在EEG频谱分析中的巧妙应用
首先，我们对小波变换的基本概念、类型和多尺度分析进行了详细阐述，紧接着探讨了小波变换在EEG信号预处理和频谱特性提取中的实际应用。文章进一步介绍小波变换的实践技巧，包括参数选择、编程实现和应用实例分析。...
【EEG数据分析揭秘】：深度挖掘频谱图的科学奥秘
[【EEG数据分析揭秘】：深度挖掘频谱图的科学奥秘](https://img-blog.csdnimg.cn/20191214202321204.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3...
模拟信号数字化：揭秘行业内幕，技术大牛的高级分析与技巧分享
[模拟信号数字化：揭秘行业内幕，技术大牛的高级分析与技巧分享](https://cloudinary-marketing-res.cloudinary.com/images/w_1000,c_scale/v1706484041/Anti_Aliasing_Secondary_Image/Anti_Aliasing_Secondary_...
【信号包络谱进阶秘籍】：处理复杂信号的高级策略
最后，本文对信号包络谱分析的软件工具进行了综述，并通过实际案例展示了软件操作技巧以及高级分析与故障诊断的应用。 # 关键字 信号包络谱；傅里叶变换；噪声抑制；短时傅里叶变换；小波变换；高阶谱分析
深入理解XGBoost（何龙 著）学习笔记（四）
limiaoiao的博客
06-18 935
例如，f(x,y),对参数x求偏导为∂f/∂x，对参数y求偏导为∂f/∂y，组成梯度向量(∂f/∂x, ∂f/∂y)ᵀ，简称为∇f(x,y)。函数f(x,y)在点（x0,y0）处沿着∇f(x,y)移动，其函数值增加的最快，换一句话说，如果沿着梯度的反方向，则函数值下降的最快，更容易找到最小值。线性回归的目标是，对于输入向量x，预测其目标值y。可以看到，在计算梯度距离时会乘一个步长系数α，梯度向量决定了梯度下降的方向，而步长则决定了梯度下降的距离，还是以下山为例，步长就是沿最陡峭的方向向前走一步的距离。
0-机器学习简介
最新发布
心若有所栖，何似风飘缈。
06-22 64
机器学习本质：从已知数据中找规律，用来预测未知的样本。深度学习：是机器学习的一种方法。
通过 AIOps 、生成式 AI 和机器学习实现更智能的可观测性
Elastic 中国社区官方博客
06-22 449
AIOps：智能运维的未来 摘要：AIOps通过AI和机器学习技术优化IT运维，帮助团队应对云原生时代的数据爆炸、系统复杂性和快速变化三大挑战。它能自动分析海量运维数据，减少告警噪音，加速根因分析，并降低MTTR。随着生成式AI的兴起，AIOps正从解释日志、代码转换等基础功能，向具备上下文感知的智能助理演进。Elastic等平台已整合AI助理和语义搜索能力，但完全自主的运维代理仍需突破推理规划等技术瓶颈。AIOps正从可选能力转变为现代IT运维的核心竞争力，通过渐进式部署可有效建立组织信任，最终实现业务价
生成对抗网络(GAN)与深度生成模型实战
Programming Talk
06-17 59
​​GAN基础架构​​：生成器与判别器的对抗训练​​主流变体​​：DCGAN、WGAN、CycleGAN等​​扩散模型​​：基于去噪过程的生成方法​​评估指标​​：IS、FID等量化评估方法​​优化策略​​：渐进式增长、自适应增强等​​多模态生成​​：文本到图像(DALL-E)、文本到视频等​​可控生成​​：通过条件控制生成特定属性​​3D生成​​：点云、网格等3D内容生成​​高效训练​​：减少训练时间和资源消耗​​伦理研究​​：防止深度伪造(Deepfake)滥用。
EM求解的高斯混合模型——Q函数的极大似然估计（九）
u013600306的博客
06-22 296
均值μi\mu_iμi​：通过样本加权平均来估计。协方差矩阵Σi\Sigma_iΣi​：通过样本加权中心矩来估计。混合系数πi\pi_iπi​：通过样本属于该成分的平均后验概率来确定。
机器学习：特征向量与数据维数概念
m0_74195174的博客
06-22 226
特征向量与数据维数是机器学习的核心概念，特征向量由固定数量的特征组成，其长度即为数据维数（如[年龄,收入,消费频率]构成3维向量）。
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
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