XiaoMi-AI文件搜索系统
World File Search System动态条件
使用深度胶囊网络和潜在动态条件随机场进行脑肿瘤分割
摘要：由于脑肿瘤差异性很大，自动分割仍然是一项艰巨的任务。我们提出了一种通过整合深度胶囊网络 (CapsNet) 和潜在动态条件随机场 (LDCRF) 来自动分割脑肿瘤的方法。该方法包括三个主要过程来分割脑肿瘤——预处理、分割和后处理。在预处理中，N4ITK 过程涉及在归一化强度之前校正每个 MRI 图像的偏置场。之后，在分割过程中使用图像块来训练 CapsNet。然后，在确定 CapsNet 参数后，我们使用轴向视图中的图像切片来学习 LDCRF-CapsNet。最后，我们使用一种简单的阈值方法来校正某些像素的标签，并从分割结果中删除小的 3D 连通区域。在 BRATS 2015 和 BRATS 2021 数据集上，我们训练并评估了我们的方法，发现它表现优异，可以在类似条件下与最先进的方法相媲美。
基于模型的脑电图阿尔法波滤波，以提高动态条件下的准确性和伪影检测
摘要 — 脑电图 (EEG) 是大脑电生理活动的记录，通常通过放置在头皮上的电极进行。EEG 信号包含有关大脑状态的有用信息，特定状态与特定频率的振荡（所谓的脑电波）相关；因此，EEG 信号通常根据其频率内容进行分析。一个值得注意的例子是 alpha 波 (8-14 Hz) 的幅度估计。本文提出了一种基于模型的估计方法，该方法基于已知的 alpha 波物理特性，可在快速幅度动态的情况下增强稳健性，并自动识别 alpha 波中可能存在的伪影或不连续性。本文通过应用于临床 EEG 信号说明了所提出的方法，但它特别适用于可穿戴 EEG 应用，例如脑机接口 (BCI)，其中没有专家的人工监督。索引词 — 脑电图、生物医学测量、信号处理、时域分析、频域分析、数字滤波器、脑机接口