XiaoMi-AI文件搜索系统
World File Search System红外光谱
心理功能近红外光谱研究
1 数据集信息 [1]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2 使用均值、方差和三阶矩 Σ nt 的 1-back、2-back、3-back 任务的分类准确率 . . . . . . . . . . . . . . . . . . . . . . 42 3 使用 Σ n (t) 的均值、方差和三阶矩，对数据集 1 的 1-back、2-back、3-back 任务与 RELAX 任务之间的分类准确度 43 4 使用均值和方差以及不同的机器学习算法，对数据集 2 的不同 n-back 任务之间的分类准确度。 .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
功能近红外光谱信号的分形性研究
定位研究 20 – 22 旨在识别大脑对特定刺激的激活模式，以及连接研究（功能性或有效） ，其重点是研究大脑各区域之间的功能相互作用，无论是在大脑处于休息状态还是在执行特定任务时。 23 – 27 然而，现在众所周知，大脑是高度动态的 28 – 32 因此，为了更全面地了解其功能，需要能够提取大脑记录中的时间信息的方法。与空间域相比，考虑时间域进行分析的 fNIRS 研究数量要少得多。 33 – 40 例如，在参考文献 33 中，通过应用 Higuchi 分形维数算法 41 表明 fNIRS 信号具有高度复杂度。将小波变换应用于 fNIRS 信号，并表明小波系数可用于训练分类器。在参考文献38–40中，熵已被用来评估患者群体（如患有阿尔茨海默病、注意力缺陷多动障碍和脑外伤的患者）中 fNIRS 信号的复杂性，表明它携带的信息可能与疾病有关。所有这些研究表明，在 fNIRS 信号的复杂特征中存在与潜在大脑活动相关的信息。在本文中，我们利用可视性图（VG）提出了一种揭示 fNIRS 时间序列分形特性的方法。VG 是一种最近引入的方法，它将时间序列映射到图形（称为 VG）。正如将要讨论的，构建图的拓扑属性与时间序列的分形和复杂性有关。42、43 与传统的分形分析方法相比，42 VG 在计算上不太复杂，并且已经用于各种研究。 44 – 49 例如，江等人利用心电图表明，采用 VG 分析可以揭示由调解训练引起的动态变化，表现为规律的心跳，这与自主神经系统的调整密切相关。44 朱等人将基于 VG 的方法应用于酗酒识别，表明该方法有望将酗酒者与控制饮酒者区分开来。48 在参考文献 47 中，结果表明，将 VG 应用于脑电图 (EEG) 信号可以提供区分自闭症儿童和非自闭症儿童的特征。在参考文献 49 中，我们已经表明，通过 VG 提取的 GCaMP6 小鼠钙记录的时间特征带有可用于解码行为的鉴别信息。这里需要注意的是，VG 与功能连接研究中常用的基于图论的方法之间的区别。50 , 51 在典型的功能连接研究中，图是在空间域中构建的，即图中的节点对应于通道或体素的位置，并且两个节点之间的链接基于与两个节点相关的时间序列的统计相似性形成，通过相关性等度量来量化。另一方面，正如将在第 2 节中讨论的那样，在 VG 中，节点对应于时间序列中的时间点，并且链接基于时间点之间的自然可见性形成（图 1）。一旦为每个时间序列形成图，就可以提取图度量来表示时间序列的不同属性。在本文中，我们使用 VG 研究两种条件下 fNIRS 时间序列的分形性：当大脑处于休息状态时和当大脑从事任务时。在两种静息状态条件和两种任务条件下记录了 9 名健康男性受试者的 fNIRS 时间序列。从每个时间序列为每个通道和每种条件构建 VG。然后提取可视性图的无标度性 (PSVG) 的功率并在不同条件下进行比较。据我们所知，这是第一项使用 VG 揭示 fNIRS 记录时间序列时间特征的研究，证明了其在识别 fNIRS 记录中的特征方面的可行性，这些特征可用于获得有关大脑功能的新见解。本文的其余部分组织如下。第 2 节介绍了本研究中用于分析的方法。实验设置的详细信息在第 3 节中给出。第 4 节介绍了结果，最后，在第 5 节中提供了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。
脑和功能性近红外光谱的频域技术
本文回顾了频域近红外光谱 (FD-NIRS) 的基本原理，该技术依赖于强度调制光源和相位敏感光学检测，以及它在大脑中的非侵入性应用。连续波 NIRS (CW-NIRS) 的仪器更简单，数据分析更直接，几乎所有当前用于大脑 NIRS 的商用仪器都采用了 CW 技术。然而，FD-NIRS 提供的数据具有更丰富的信息内容，可以补充或超越 CW-NIRS 的功能。一个例子是 FD-NIRS 能够测量组织的绝对光学特性（吸收系数和散射系数），从而测量脑组织中氧合血红蛋白和脱氧血红蛋白的绝对浓度。本文回顾了文献中报道的动物模型和新生儿、婴儿、儿童和成人人脑的此类光学特性和血红蛋白浓度的测量值。我们还回顾了 FD-NIRS 在功能性脑研究中的应用，这些研究侧重于脑活动的较慢血流动力学反应（时间尺度为秒）和与神经元激活相关的较快光学信号（时间尺度为 100 毫秒）。FD-NIRS 数据功能的另一个例子与强度和相位数据所具有的不同敏感度区域有关。我们报告了利用此功能来最大限度地提高非侵入性光学信号对脑组织相对于更浅表的脑外组织（头皮、颅骨等）的灵敏度的最新进展。我们认为，后一种能力是 FD-NIRS 极具吸引力的品质，它补充了绝对光学测量，并可能导致非侵入性光学传感脑领域取得重大进展。
近红外光谱性能改进-...
许多机器学习研究已证明，集成分类器的分类准确率高于单个强学习器。尽管许多脑电图-脑机接口 (BCI) 研究使用集成分类器来增强 BCI 性能，但集成分类器很少用于近红外光谱 (NIRS)-BCI。此外，由于尚无系统的比较研究，集成分类器对 NIRS-BCI 的功效仍然未知。本研究采用四个 NIRS-BCI 数据集来评估基于自举聚合的线性判别分析集成分类器的功效。从分析结果来看，本研究采用的所有四个 NIRS-BCI 数据集的比特率和分类准确率均显著（或略微显著）提高。此外，在四个数据集中的两个数据集中发现显著的比特率改善。
减少功能性近红外光谱中的起始延迟：预测 HbO/HbR 信号
使用血流动力学响应进行脑机接口的一个固有问题是生理过程的缓慢性。本文提出并验证了一种估算神经元激活引起的氧合血红蛋白变化的新方法。在使用功能性近红外光谱 (fNIRS) 监测血氧水平依赖性信号的时间响应时，需要仔细检查氧合血红蛋白和脱氧血红蛋白在其相空间中的早期轨迹。此外，为了缩短检测时间，实施了一种基于核递归最小二乘 (KRLS) 算法的预测方法。在验证所提出的方法时，检查了从左侧运动皮层测量的手指敲击任务的 fNIRS 信号。结果表明，使用高斯核的 KRLS 算法在 q = 15 步时（即在 9.19 Hz 的采样频率下提前 1.63 秒）对 1 HbO（即 87.5%）和 1 HbR（即 85.2%）均产生最佳拟合。由此得出结论，使用 fNIRS 预测可以在大约 0.1 秒内完成神经元激活，如果与 EEG 结合使用，则可以实现几乎实时的实践。
使用功能性近红外光谱技术展示驾驶过程中视觉空间注意力需求与工作记忆负荷之间的大脑层面相互作用
驾驶是一项复杂的任务，需要同时调动多种认知资源。然而，目前还缺乏研究在双任务处理中不同驾驶子任务在大脑层面的相互作用。本研究调查了与驾驶难度增加相关的视觉空间注意力需求如何与大脑层面的不同工作记忆负荷 (WML) 水平相互作用。使用多通道全头高密度功能近红外光谱 (fNIRS) 大脑激活测量，我们旨在预测驾驶难度水平，既针对每个 WML 水平进行单独预测，也使用组合模型进行预测。参与者在虚拟现实驾驶模拟器中在有并发交通的高速公路上驾驶了大约 60 分钟。在一半的时间里，路线穿过一个车道宽度较窄的建筑工地，增加了视觉空间注意力需求。同时，参与者执行了 n-back 任务的修改版本，其中有五个不同的 WML 级别（从 0-back 到 4-back），迫使他们不断更新、记忆和回忆前几个“n”速度符号的序列，并相应地调整速度。使用多元逻辑岭回归，我们能够在 15 名参与者的 75.0% 信号样本（1.955 Hz 采样率）中正确预测驾驶难度，在对每个 WML 级别分别在 fNIRS 数据上训练的分类器的样本外交叉验证中。WML 级别对驾驶难度预测有显著影响
使用功能性近红外光谱评估...
摘要：无人机 (UAV) 机组人员的组成有时会定义与地面控制站 (GCS) 相关任务的特定角色。传感器操作员任务特定于他们所操作的平台和 GCS 类型，但在许多情况下，该操作员的角色对于确定任务成功至关重要。为了评估任务有效性，我们应用了以神经脑成像技术和其他生理生物标志物为重点的人类绩效衡量标准，并结合从传感器操作员任务中获取的行为数据。在实验执行过程中，这包括路线扫描、目标检测和正面识别以及已识别目标的跟踪等任务。在本文的范围内，我们报告了路线扫描任务的初步结果。在这项研究中，在三次试验期间，通过功能性近红外光谱 (fNIRS) 获取了前额叶皮层区域的大脑活动测量值。随着试验的进展，根据特定生物标志物（即氧合血红蛋白）确定的路线扫描任务中，低绩效者和高绩效者之间存在显著差异。这些发现支持了以前的研究，并表明应用神经生理测量的好处，以便进一步客观地了解人类的认知表现。在此背景下使用 fNIRS 还讨论了它在为无人机操作员提供个性化培训的同时，为动态评估人类表现提供关键优势。
使用功能性近红外光谱评估认知
摘要：无人机 (UAV) 机组人员的组成有时会定义与地面控制站 (GCS) 相关任务的特定角色。传感器操作员任务特定于他们所操作的平台和 GCS 的类型，但在许多情况下，该操作员的角色对于确定任务成功至关重要。为了评估任务有效性，我们应用了以神经脑成像技术和其他生理生物标志物为重点的人类绩效衡量标准，并结合从传感器操作员任务中获得的行为数据。在实验执行过程中，这包括路线扫描、目标检测和正面识别以及已识别目标的跟踪等任务。在本文的范围内，我们报告了路线扫描任务的初步结果。在这项研究中，在三次试验期间，通过功能性近红外光谱 (fNIRS) 从前额皮质区域获取大脑活动测量值。随着试验的进行，根据特定生物标志物（即氧合血红蛋白）确定，路线扫描任务中表现不佳和表现出色的人之间存在显著差异。这些发现支持了先前的研究，并表明应用神经生理学测量方法对进一步客观了解人类认知表现大有裨益。本文还讨论了在此背景下使用 fNIRS 的好处，即在为无人机操作员提供个性化培训的同时，为动态评估人类表现提供关键优势。
傅里叶变换近红外光谱的优势
近红外光谱（12000 – 4000 cm -1 ）由与中红外区域吸收频率相关的组合带和泛音带组成。这些组合带和泛音带与组成材料的原子键之间的振动频率相对应。由于每种不同的材料都是独特的原子组合，所以没有两种化合物会产生完全相同的近红外光谱。因此，近红外光谱法可以对每种不同的材料进行阳性识别（定性分析）。此外，光谱中峰值的大小直接表明了存在的材料的数量。凭借现代软件算法和统计处理技术，NIR 光谱法成为一种出色的定量分析工具，为耗时的湿化学方法和液相色谱技术提供了一种实用的替代方案。NIR 已经成为一种多功能技术，无需样品制备，成本和分析时间更低，并且能够透过玻璃和包装材料取样。傅里叶变换近红外 (FT-NIR) 光谱法是为了克服色散 NIR 仪器的局限性而开发的。色散仪器使用棱镜或移动光栅，分离近红外源发射的各个频率。然后，检测器测量穿过样品的每个频率的能量。为了减少每个样品的分析时间，需要一种方法来同时测量所有红外频率，而不是单独测量。FT-NIR 光谱仪产生一种独特的信号，称为干涉图，其中“编码”了所有的红外频率。通过每秒收集多次扫描，可以非常快速地测量信号。这种提高的测量速度被称为 Felgett 优势。通过一种众所周知的数学技术——傅里叶变换，干涉图被转换或“解码”为频率对强度的光谱。