植物状态和最小意识状态患者的鉴别诊断和预后预测是目前严重意识障碍患者临床实践中最迫切需要解决的难题。在前期工作中,我们已经采用唤名刺激和客观性脑功能检测技术(功能磁共振成像,fMRI;事件相关电位,ERP),初步建立了一套较完整的测量意识障碍的技术路线。在此基础上,本项目拟进一步加大样本量,对植物状态和最小意识状态患者进行严格的临床诊断(采用国内外公认的意识量表)和病因及损伤部位的分类;综合运用fMRI和ERP技术记录唤名及其他刺激的脑活动信号;尤其要搜寻能部分恢复意识的植物状态患者,尽可能完整地采集患者意识恢复前后的脑功能和行为学数据。同时,观察唑吡坦和金刚烷胺对成组严重意识障碍患者客观指标和行为指标的影响,进而评价药物的促醒疗效。本项目将为植物状态和最小意识状态患者的鉴别诊断和预后预测以及促醒药物的疗效提供较为系统的科学依据。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
基于LASSO-SVMR模型城市生活需水量的预测
基于多模态信息特征融合的犯罪预测算法研究
基于ESO的DGVSCMG双框架伺服系统不匹配 扰动抑制
桂林岩溶石山青冈群落植物功能性状的种间和种内变异研究
建立严重意识障碍患者临床意识检测体系
基于近红外成像的意识障碍诊断、预后及疗效评价研究
严重脑损伤患者意识水平的大数据多模态评估及预后预测建模研究
基于大尺度脑网络分析对意识障碍患者预后预测的研究