菜单
颅内脑电图因果脑网络研究方法论。使用 CCEP（皮质-皮质诱发电位） 直接表征脑区间功能连接和方向性。 触发词：因果脑网络、iEEG、CCEP、皮质诱发电位、方向性连接、 causal brain network, intracranial EEG, cortico-cortical evoked potential。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill ccep-causal-brain-network命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
基于 SOC 职业分类
| name | ccep-causal-brain-network |
| version | 1.0.0 |
| description | 颅内脑电图因果脑网络研究方法论。使用 CCEP（皮质-皮质诱发电位） 直接表征脑区间功能连接和方向性。 触发词：因果脑网络、iEEG、CCEP、皮质诱发电位、方向性连接、 causal brain network, intracranial EEG, cortico-cortical evoked potential。 |
挑战： 大多数脑成像方法只能探测结构和功能连接，难以建立因果和方向性关系。
解决方案： iEEG + CCEP（皮质-皮质诱发电位）
定义： 对一组颅内电极施加电脉冲，在局部和远端区域记录电诱发脑响应。
优势：
| 方法 | 因果性 | 方向性 | 空间分辨率 | 时间分辨率 |
|---|---|---|---|---|
| fMRI | ❌ | ❌ | 高 | 低 |
| DTI | ❌ | ❌ | 高 | - |
| EEG/MEG | ❌ | 部分 | 低 | 高 |
| CCEP | ✅ | ✅ | 高 | 高 |
1. 电极植入（癫痫患者）
↓
2. 选择刺激电极对
↓
3. 施加单脉冲电刺激
↓
4. 记录全脑 iEEG 响应
↓
5. 分析 CCEP 波形
- 早期成分（N1, P1）
- 晚期成分（N2, P2）
↓
6. 构建因果网络
| 参数 | 说明 |
|---|---|
| 潜伏期 | 刺激到响应的时间差 |
| 幅值 | CCEP 响应强度 |
| 分布 | 响应的空间范围 |
| 方向性 | 刺激→响应的方向 |
| 成分 | 潜伏期 | 可能机制 |
|---|---|---|
| N1 | 10-30 ms | 直接皮质-皮质投射 |
| P1 | 30-60 ms | 局部皮质处理 |
| N2 | 100-200 ms | 经多突触传递 |
| P2 | 200-500 ms | 反馈调节 |
# 刺激参数设置
stim_params = {
'amplitude': 1-10 mA,
'pulse_width': 0.1-0.5 ms,
'frequency': 1 Hz,
'trials': 10-50
}
# 记录 iEEG
ieeg_data = record_ccep(stim_electrodes, stim_params)
# CCEP 提取
ccep_waveforms = average_trials(ieeg_data, stim_onset)
# 峰值检测
n1_latency, n1_amplitude = detect_peak(ccep_waveforms, 'N1', (10, 30))
# 网络构建
network = build_causal_network(ccep_results)
time-varying-brain-connectivity - 时变脑网络分析gnn-transformer-fusion - 多模态数据融合# Example usage of the skill methodology
# Refer to the Technical Implementation section for details