基于经颅磁刺激同步脑电技术的个体化意识损伤度量方法研究

Consciousness measurement is one of the most important issues in the research of consciousness mechanisms and clinical development related to consciousness. Transcranial magnetic stimulation combined with electroencephalogram (TMS-EEG) is the crucial technique to achieve the individualized measurement of consciousness injury. In the preliminary works, the applicant has initially established technology of TMS-EEG for assessing consciousness injury. This project will further study the individualized denoising and feature extraction in TMS-EEG as well as a measurement model for quantitating the degree of consciousness injury. The project mainly includes the following works: (1) Establishing the signal processing techniques to identify and remove the non-specific artifacts and brain injury specific artifacts in TMS-EEG signals; (2) Establishing the methods for multi-scale TMS-EEG features extraction at temporal and spatial dimensions; (3) Based on the TMS-EEG features, the machine learning is used to establish a model for quantitating consciousness injury of patients with disorders of consciousness. These works will promote the development of TMS-EEG techniques for practical use and provide an important tool for studying the mechanism of human consciousness. Meanwhile, the research of this project will provide technical supports for the accurate diagnosis of other brain diseases using TMS-EEG.

意识度量是意识机制研究和意识相关临床发展中最重要的问题之一。发展经颅磁刺激同步脑电技术（TMS-EEG）是实现个体化意识损伤度量的关键方法。申请人前期工作中初步建立了TMS-EEG对意识损伤的评估技术。本项目将进一步研究TMS-EEG信号的个体化去噪、复杂特征提取和意识损伤程度的度量模型。主要内容为：（1）针对临床实际，建立TMS-EEG信号中非特异性噪声和脑损伤特异性噪声的识别和处理技术；（2）建立TMS-EEG信号的时空维度下多尺度特征的提取和分析方法；（3）基于TMS-EEG复杂特征群，使用机器学习方法构建意识障碍患者的意识损伤度量模型。本项目的研究将推动TMS-EEG技术对意识度量的实用化发展，为研究人类意识损伤机制提供重要工具，同时也为TMS-EEG技术应用于其他脑疾病的精准诊断提供技术支撑。

意识相关的皮层状态评估是意识障碍相关临床发展中最重要的问题之一，也是意识障碍患者精准诊断、康复和预后的技术基础。本项目通过对不同意识水平人群的脑电和经颅磁同步脑电（TMS-EEG）分析，围绕意识相关皮层状态评估和量化开展了系列研究。主要研究成果包括：（1）提出了意识相关的神经电生理特征分析方法，构建了意识损伤程度相关的电生理特征以及与意识损伤程度的关系模型。结合机器学习技术，建立了意识损伤程度的量化分类模型，能够达到91%分类准确率地检测出植物状态和微意识状态。（2）针对TMS-EEG技术，深入探索了TMS-EEG与人类大脑皮层状态之间的关系，揭示了皮层网络状态与TMS-EEG诱发皮层响应之间的联系。（3）针对重大脑损伤患者，建立了TMS-EEG信号中非特异性噪声和脑损伤特异性噪声的识别和处理技术，建立了TMS-EEG信号的时频维度下多尺度特征的提取和分析方法；（4）基于TMS-EEG复杂特征群，构建出了重大脑损伤患者的意识障碍发生风险的个体化预测模型。本项目的研究解析了意识相关的大脑皮层状态神经电生理特征，建立了针对重大脑损伤患者的TMS-EEG皮层状态评估技术，构建了意识的量化模型和意识障碍风险预测模型，为研究人类意识损伤机制以及临床意识障碍精准评估提供重要工具，同时也为TMS-EEG技术应用于其他脑疾病的精准诊断提供技术支撑。