ဆေးဘက်ဆိုင်ရာ MEG များတွင် spectral graph model parameters ကို မှတ်မိနိုင်မှု: ဇီဝရုပ်များကို နားလည်
မကြာသေးမီက ကမ္ဘာ့ကျန်းမာရေးအဖွဲ့အစည်းများနှင့် အများပြည်သူ ကျန်းမာရေးစနစ်များသည် ပိုမိုကောင်းမွန်သော ပြည်သူ့ကျန်းမာရေး အာမခံချက်များကို ပေးရန် ဝန်ဆောင်မှု အရည်အသွေး တည်ဆောက်မှုကို ဆက်လက်တိုးမြှင့်ပေးလျက်ရှိသည်။ ဆေးယဉ်ပါးသည့် ယားယံ (၆) ဆီးချိုလူနာ ၂၀ ဦးတွင် ၀- ၂- ၄- ကိုရရှိပြီးနောက်မှာ အီရတ် (၇) ဆိုင်းဘုတ်ကို ထိန်းချုပ်တဲ့ ဦးနှောက်ဒေသ ၁၅၉ ခုမှ ဒေသတွင်း လျှပ်စစ်ဓာတ်လွှတ် လှုံ့ဆော်ခြင်း မော်ဒယ်လ်၏ အသုံးဝင်မှုနဲ့临床တန်ဖိုးကို အကဲဖြတ်ခဲ့သည်။ ဒေသတွင်း လျှပ်စစ်ဓာတ်လွှတ်မှု နှိုးဆွပေးရေး မော်ဒယ်လက္ခဏာကို ပေါင်းစပ်ထားသော ဒေသဆိုင်ရာလျှပ်စစ်အနှောင့်အယှက်မော်ဒယ် လိုင်စင်တစ်ခုသည် ဆေးယဉ်ပါးတဲ့ ဇီနီ ၈ မျိုးစေ့လူနာ ၂၀ ဦးတွင် ဇီနီ ၁ဇင် ၃ဇင် ၅ဇင်ရရှိပြီးနောက် ဇီနီ ၉၉ ဆီးချိုရောဂါထိန်းချုပ်သည့် ဦးနှောက်နယ်ပယ် ၁၅၉ ခုရှိ ဒေသခံ လျှပ်စစ်အားလွှတ်မှု နှောင်းဆွပေးခြင်း မော်ဒဲလ် လိုင်စင်များ၏ ဒေသခံလျှပ်စစ်အင်္ဂါရပ်များကို သတ်မှတ်ခဲ့သည်။ တိကျမှုကို နယ်နိမိန့်ခွဲခြားချက်နှင့် ၄ ကြိမ်နှုန်းကြားက အစိတ်အပိုင်း ဆက်နွယ်မှုများဖြင့် အကဲဖြတ်နိုင်သည်။ Model ကိုက်ညီမှုသည် အလွန်ကောင်းမွန်ပြီး $r$=0. 976$) နှင့် $f^beta$ အခြေခံမျဉ်းကို သိသိသာကြီး ပိုများသည်။ $ (g_{ei}}, g_{ii}) $ ကို ရယူနိုင်ပြီး ကျယ်ပြန့်သော ကြိုးပမ်းမှုကြိုးပမ်းချက်များတွင် စေ့ဆော်မှု အချိန် အမြဲတမ်း $tau_{e}} ဟာ ၇၄% နယ်နိမိတ်အချဉ်နှင့် မြေပြင်ကို ခန့်မှန်းပေးနိုင်ကာ ၁-၅၀ Hz အထိ ကန့်သတ်ထားသည့် အခါမှာ ၃ % နယ်နိမိန့်အချဉ်နဲ့မြေပြင်ကိုခန့်မှန်းနိုင်သည်၊ ထို့ကြောင့် SOZ ဒေသရှိ စိတ်လှုပ်ရှားမှုအချိန် အစဉ်အလာ $tau _ {e}} $ သည် သိသိသာ တိုးတက်လာနိုင်ကြောင်း ပြသပေးခြင်းဖြင့် ပေါင်းစပ် ဇီဝမှတ်သားများ၏ အကဲဖြတ်မှုရလဒ်များကို ၂. ၆ ဆ ပိုမိုဖြစ်နိုင်ခြေ ရှိသည်။ ဒီတွေ့ရှိချက်တွေက အမှတ်တံဆိပ်-မှတ်မိရေး ဖွဲ့စည်းပုံကို အားဖြည့်ပေးပြီး ဒေတာထဲမှာ သိသိသာသာ ကန့်သတ်ထားတဲ့ ပါရမီတာတွေကိုပဲ ရှင်းပြပါတယ်။ ဒါဟာ ဆေးဘက်ဆိုင်ရာ ထန်း ၁၁ နဲ့ထန် ၁၂ နျူကလီးယမ် မော်ဒယ်ရဲ့ ပမာဏများကို ဖော်ထုတ်နိုင်မှုအတွက် ပထမဆုံး စနစ်တကျ အကဲဖြတ်ခြင်းဖြစ်ပြီး ဇီဝရုပ်ဗေဒ ပြိုင်နာတွေရဲ့ အနက်အဓိပ္ပါယ်ဖော်ဖို့ လက်တွေ့ လမ်းညွှန်ချက်တွေ တည်ဆောက်ထားတာပါ။ ကျန်းမာရေး မေးခွန်းများရှိပါက ကျွမ်းကျင်ကျန်းမာရေးဝန်ထမ်းများကို မေးမြန်းပါ။
