胶体量子点 (CQDs) 因其可调带隙和溶液处理特性,是用于红外 (IR) 光检测的有前途的材料;然而,到目前为止,CQD IR 光电二极管的时间响应不如 Si 和 InGaAs。据推测,II-VI CQD 的高介电常数会导致由于屏蔽和电容而导致的电荷提取速度变慢,而 III-V 族(如果可以掌握其表面化学性质)则可提供低介电常数,从而增加高速操作的潜力。在初步研究中发现,砷化铟 (InAs) 中的共价特性会导致不平衡的电荷传输,这是未钝化表面和不受控制的重掺杂的结果。报道了使用两性配体配位进行表面管理,并且发现该方法同时解决了 In 和 As 表面悬空键。与 PbS CQD 相比,新型 InAs CQD 固体兼具高迁移率(0.04 cm 2 V − 1 s − 1),介电常数降低了 4 倍。由此产生的光电二极管实现了快于 2 ns 的响应时间——这是之前报道的 CQD 光电二极管中最快的光电二极管——并且在 940 nm 处具有 30% 的外部量子效率 (EQE)。
摘要。在这篇Outlook论文中,我们解释了为什么当系统的生理活性(例如心脏验证和自主性活动)是通过同时测量系统生理学生理学的近乎幽默谱(例如),促进了功能近红外光谱(FNIRS)神经成像信号的准确生理解释。Spa-Fnirs的基本原理是双重的:(i)SPA-FNIRS可以更完整地解释和理解头部测量的FNIRS信号,因为它们包含源自神经血管偶联的组件以及来自全身生理来源。用SPA-FNIRS测量的系统生理信号可用于回归FNIRS信号中的生理混杂成分。误解可以被微型化。(ii)Spa-Fnirs可以通过将大脑与整个身体的生理状态联系起来来研究体现的大脑,从而可以对其复杂的相互作用进行新颖的见解。我们设想将来的水疗方法将变得越来越重要。©作者。由SPIE在创意共享归因4.0国际许可下出版。全部或部分分发或重新分配或重新分配本工作,需要完全归因于原始出版物,包括其DOI。[doi:10.1117/1.nph.9.3.030801]
摘要:红外量子吸收光谱是量子传感技术之一,通过可见光或近红外光子检测可估算样品的红外光学特性,无需红外光源或探测器,这一直是提高灵敏度和光谱仪小型化的障碍。然而,实验演示仅限于波长短于 5 µ m 或太赫兹区域,而尚未在通常用于识别化合物或分子的 1500–500 cm − 1(6.6 至 20 µ m)的所谓指纹区域实现。本文我们报告了指纹区域量子傅里叶变换红外 (QFTIR) 光谱的实验演示,通过该实验可以从用单像素可见光探测器获得的傅里叶变换量子干涉图中获得吸收光谱和相位光谱(复杂光谱)。作为演示,我们获得了硅晶片在 10 µ m (1000 cm − 1 ) 左右的透射光谱,以及合成氟聚合物片聚四氟乙烯在 8 至 10.5 µ m (1250 至 950 cm − 1 ) 波长范围内的复杂透射光谱,其中可以清楚地观察到由于 CF 键的拉伸模式而产生的吸收。这些结果为基于量子技术的新型光谱装置开辟了道路。
摘要:免疫治疗已成为癌症治疗的主要策略之一。与传统治疗方法不同,免疫治疗通过触发系统性抗肿瘤免疫反应可以治疗原发性肿瘤和远处转移性肿瘤,甚至可以在引起免疫记忆形成后防止肿瘤复发。然而,免疫治疗在临床实践中仍然存在患者反应率低和严重的免疫相关不良事件的问题。在这方面,纳米药物介导的治疗与免疫治疗相结合可以调节肿瘤免疫抑制微环境,从而增强抗肿瘤免疫。特别是第二近红外(NIR-II)光热疗法(PTT),利用光转换产生热量来杀死癌细胞,在与免疫疗法相结合方面表现出独特的优势。本文总结了纳米药物工程化用于NIR-II PTT联合免疫治疗的最新进展。重点介绍了纳米药物介导的 NIR-II PTT 在诱导免疫原性细胞死亡和重新编程肿瘤免疫抑制微环境以促进免疫治疗中的作用。还详细介绍了用于癌症 NIR-II PTT 联合免疫治疗的 NIR-II 吸收有机和无机非金属和无机金属纳米药物的开发。最后,提出了这些纳米药物用于联合免疫治疗的当前挑战和未来前景。
尽管多年来FNIRS技术得到了改进,但FNIRS数据集的处理仍然是一项艰巨的任务。尤其是,由于Optodes和Scalp之间的耦合变化而导致的运动伪影识别并纠正并纠正了很难且耗时。此类伪影表示为时间序列信号中的峰值或偏移。由于峰或移位的幅度通常比血液动力学反应功能(HRF)高得多,因此FNIRS信号被显着污染,并且不会反映皮质激活。当头部和四肢的运动在实验方案中不可避免甚至需要时,这种现象就会更明显,例如语音,17个步行,18和手术任务。11,12最近,由于可穿戴或无线FNIRS设备(19,20)的升高,该问题加剧了这些设备的移动范围,用于跑步或团队工作,这些设备更容易受到运动文物的影响。因此,消除运动伪影的有效方法对于在这些情况下利用FNIR是必不可少的。多年来开发的一些策略包括在数据处理过程中保留任何具有运动伪像的试验。仅当收集大型数据集并且不是当前的主要实践时才使用。另一种策略是通过视觉检查识别具有运动伪影的试验/通道,或在普遍的FNIRS数据处理工具箱Homer2中使用诸如HMRMotionArtifact功能之类的功能,然后从进一步分析中丢弃它们。为例,参考。35最近的研究36不过,最合适的方法是使用高级时间序列数据处理方法处理这些试验/通道。这些包括样条插值,21小波滤波,22个主成分分析(PCA),23 Kalman滤波,24和基于相关的信号改进(CBSI)。25这些方法的性能在很大程度上取决于一组假设,以描述运动伪影和参数相关调整的主观选择(表1)。29证明,选择PCA参数,即PCA删除27为0.80和0.97的数据中的方差百分比产生了显着不同的结果。因此,高度可取的方法,不需要对参数的主观微调或不依赖严格的假设的方法。在这里,我们提出了一种自动学习噪声特征的深度学习方法。在过去十年中,深度神经网络已成为一种强大的工具,可以快速有效地抑制图像数据集中的噪声。深度学习模型已被证明可以增强竞争性降解结果,同时与召开方法相比,保留了更多纹理细节。30 - 33深度学习网络在应用于医学成像问题时也表现出卓越的性能。例如,denoising自动编码器(DAE)模型可以Denoise乳房X线照片[结构相似性指数量度(SSIM)从0.45到0.73]和Dental X射线数据(SSIM从0.62到0.86)。34 A DAE模型的峰值信噪比(PSNR)和SSIM高10%,而SSIM比胸部辐射图中的常规算法高。
结果:与基线相比,BCI 训练和 1 个月随访后观察到更好的功能结果,包括实现 WMFT 满分(1 WMFT 分数 = 12.39 分,F = 30.28,P < 0.001)、WMFT 完成时间(1 WMFT 时间 = 248.39 秒,F = 16.83,P < 0.001)和 FMA 满分(1 FMA-UE = 12.72 分,F = 106.07,P < 0.001)、FMA-WH 分(1 FMA-WH = 5.6 分,F = 35.53,P < 0.001)和 FMA-SE 分(1 FMA-SE = 8.06 分,F = 22.38,P < 0.001)。与基线相比,BCI 训练后患侧 M1 与对侧 M1 之间的 FC 增大(P < 0.05),患侧 M1 与患侧额叶之间的 FC 相同,对侧 M1 与对侧额叶之间的 FC 也增大(P < 0.05)。
尽管过去几十年来全球识字和算术水平有所提高,但世界各地仍然存在不平等现象(Roser & Ortiz-Ospina 2016)。这种差异表明迫切需要将世界各地的这些数字相等(Tilak 1987)。教育研究是提供基于证据的见解以解决这些全球问题的领域之一(Bruer 2016)。然而,这些研究大多依赖于理论和行为方法,并不一定能提供有关儿童学业成就的潜在认知机制的见解,这是个人差异的关键因素之一,此外还有几个其他因素,如社会经济地位和教育设施(McCandliss 2010;Thomas、Ansari & Knowland 2019)。作为过去十年中不断发展的领域,教育神经科学是一个多学科领域,它试图将认知神经科学家和教育科学家聚集在一起,进一步揭示在学校等生态有效环境中学业成就的神经认知机制(Goswami 2006)。本文旨在向有兴趣进一步研究个人学习的教育研究人员介绍一种有前途的神经成像方法。功能性近红外光谱 (fNIRS) 的研究成果最终可能有助于减少全球教育不平等。
它可以测量与任务相关的大脑活动模式相关的脑血液动力学变化。5 近年来,fNIRS 的应用开始从受控的研究实验室转向更自然的环境和现实世界的任务。6 – 8 fNIRS 的可穿戴和不受约束的使用为神经成像应用铺平了道路,例如,用于床边和家庭中监测大脑功能 9、10 或用于脑机接口 (BCI) 设置,以与机器人设备结合使用来协助神经障碍者在日常生活活动中。11 – 13 此类应用需要满足高技术要求的尖端 fNIRS 系统[例如,高信噪比 (SNR)、快速信号处理和消除运动伪影的功能]和可用性(例如,高舒适度和准确的传感器放置)以捕捉日常生活环境中大脑活动的细微变化。 7、14此外,家庭和临床脑活动监测对 fNIRS 测量的稳健性和可靠性/可重复性提出了很高的要求,因为这些因素直接影响灵敏地捕捉神经变化和准确控制 BCI 外部设备的能力。虽然在群体层面上已经发现了良好的可重复性,15-17这足以回答许多研究问题,但尚未提供个人在多天内可重复的 fNIRS 测量的证据。因为单级可重复性对大多数临床和日常应用都至关重要,所以彻底表征它是必不可少的。预计会影响 fNIRS 测量可重复性的主要因素是硬件的信号质量(即 SNR)、18、19 光极的放置和固定、18、20
摘要:低成本、易于集成的硅 (Si) 光子学光电探测器 (PD) 仍然是光子集成电路 (PIC) 的瓶颈,特别是对于 1.8 μ m 以上的波长。多层铂硒化物 (PtSe 2 ) 是一种半金属二维 (2D) 材料,可以在 450°C 以下合成。我们通过在 Si 波导上保形生长直接集成基于 PtSe 2 的 PD。PD 在 1550 nm 波长下工作,最大响应度为 11 mA/W,响应时间低于 8.4 μ s。1.25 至 28 μ m 波长范围内的傅里叶变换红外光谱表明 PtSe 2 适用于远至红外波长范围的 PD。我们通过直接生长集成的 PtSe 2 PD 优于通过标准 2D 层转移制造的 PtSe 2 PD。红外响应性、化学稳定性、低温下选择性和保形生长以及高载流子迁移率的潜力相结合,使 PtSe 2 成为光电子和 PIC 的有吸引力的 2D 材料。关键词:铂硒化物、光电探测器、硅光子学、二维材料、红外 ■ 简介
摘要:使用功能性近红外光谱 (fNIRS) 进行大脑复杂性分析作为评估大脑发育和退化过程的生物标志物引起了人们的关注。然而,大多数方法都侧重于时间尺度,而没有捕捉空间复杂性。在本研究中,我们提出了一种空间时间延迟熵 (STDE) 方法作为空间复杂性度量,该方法基于 0.01-0.1 Hz 频带内两个氧合血红蛋白 (∆ [HbO]) 或两个脱氧血红蛋白 (∆ [Hb]) 振荡之间的时间延迟测量。为此,我们分析了睡眠状态下的婴儿、儿童、成人和静息状态下的健康老年人记录的 fNIRS 信号。我们还评估了各种噪声对 STDE 计算的影响以及 STDE 在区分不同发育年龄组方面的表现。最后,我们将结果与归一化全局空间复杂性 (NGSC) 和样本熵 (SampEn) 度量进行了比较。在这些测量方法中,STDE HbO(基于 ∆ [HbO] 振荡的 STDE)表现最佳。STDE 值在整个儿童期随年龄增长而增加(p < 0.001),然后在 0.01-0.1 Hz 频段的成年人和健康老年人中降低。该轨迹与脑血管发育和退化相关。这些发现表明,STDE 可用作基于 fNIRS 静息状态测量跟踪整个生命周期脑血管发育和退化的新工具。