XiaoMi-AI文件搜索系统
World File Search System近红外
基于学习的基于学习的运动伪影在功能近红外光谱中的去除
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。
脑机接口机器人训练增强中风患者上肢功能并改变皮质激活：一项功能性近红外光谱研究
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）。
功能近红外光谱作为评估工具...
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。
在功能性近红外光谱中应用短通道回归时表征脑血流动力学反应的可重复性
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
一种耐光无线神经记录 IC，用于利用近红外功率和数据遥测进行运动预测
摘要 — 微型化和无线近红外 (NIR) 神经记录器具有光学供电和数据遥测功能，已被引入作为一种有前途的安全长期监测方法，其物理尺寸在最先进的独立记录器中最小。然而，基于 NIR 的神经记录集成电路 (IC) 面临的主要挑战是在结二极管光感应寄生短路电流存在的情况下保持稳健运行。当信号电流保持较小以降低功耗时尤其如此。在这项工作中，我们提出了一种用于运动预测的耐光低功耗神经记录 IC，它可以在高达 300 µ W/mm 2 的光照下完全发挥作用。它实现了 38 ◦ C 时 0.57 µ W 的最佳功耗，具有 4.1 噪声效率因数 (NEF) 伪无电阻放大器、片上神经特征提取器和单独的微尘级增益控制。通过应用猴子的 20 通道预录神经信号，该 IC 可以预测手指的位置和速度，
利用功能性近红外光谱追踪大脑发育和退化的空间复杂性方法
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。
功能近红外光谱神经反馈增强了人类空间记忆
主动脉瘤和解剖都是威胁生命的病理。由于缺乏保守的医疗，唯一的疗法包括修改心血管危险因素以及手术或血管内治疗。像许多其他心血管疾病一样，特别是动脉粥样硬化，主动脉瘤和解剖具有强大的炎症表型。植物体是先天免疫系统的一部分。刺激后，它们形成多蛋白质复合物，主要是在白介素-1β和其他细胞因子激活中。考虑到收集证据，炎症界面果断地参与了主动脉疾病的出现和进展，靶向靶向疗法含量较高，提供了一种有希望的新治疗方法。遵循PRISMA指南的系统审查，涉及当前的临床前数据，涉及拟态性靶向药物治疗作为主动脉动脉瘤和解剖的新型治疗选择的潜在作用。包括所有主动脉疾病（主动脉瘤和解剖）的啮齿动物模型，评估了对炎症膜体的直接或间接抑制作用的药物治疗，以及使用相同的主动脉模型，而无需使用脑膜体系的靶向治疗。原发性和继发性结果是主动脉疾病，主动脉损伤，主动脉相关死亡和最大主动脉直径的发生率。MEDLINE的文献搜索（通过PubMed），科学网络，Embase和Cochrane Central登记登记册（Central）的登记中心（Central）产生了8,137次命中。，四项研究符合纳入标准，因此有资格进行数据分析。在所有这些中，靶向含含蛋白质的蛋白3（NLRP3）的拟合蛋白3（NLRP3）的靶向有效地降低了主动脉疾病和主动脉破裂的发生率，并减少了主动脉壁的破坏。无法确定针对其他炎症的治疗策略。总而言之，更精确地靶向NLRP3浮游物的拟态靶向疗法，在啮齿动物模型中显示出令人鼓舞的结果，值得在临床前研究中进一步研究，以便将其转化为
使用多距离频域和连续波近红外获取的听觉皮层功能激活反应的比较
行为9-11并研究/实现脑机接口。12-14 fNIRS仪器特别适用于表征与听觉系统相关的功能性血流动力学变化。使用临床成像方式（例如X射线计算机断层扫描或磁共振成像）通常很难测量响应听觉皮层激活的大脑活动，因为仪器声音会增加背景噪音，这可能会破坏向受试者呈现的听觉刺激，从而严重影响实验结果。部分由于这些优势，最近的几项研究7、15-17已经使用商用 fNIRS 仪器来表征人类听觉皮层的功能刺激。例如，Chen 等人7 测量了听觉皮层对 440 和 554 Hz 纯音以及 1000 Hz 调频或颤音的血流动力学反应。 Hong 和 Santosa 16 进行了类似的实验，研究“自然”声音刺激（如英语和非英语单词、恼人的声音和自然声音）的血流动力学反应。Issa 等人 18 测量了在呈现 750 和 8000 Hz 的纯音刺激以及宽带噪声时听觉皮层的血流动力学变化。这些实验的主要目标是测量或成像听觉皮层内脑组织氧合的局部变化 - 这可以被认为是 fNIRS 实验的基本问题。人类的初级听觉皮层跨度约为 1650 mm3，位于颞叶的 Heschl 回内，并沿多个功能维度组织，其中最突出的是音调定位。19、20 因此，我们预计纯音刺激将激活听觉皮层的更局部区域，而宽带噪声将激活更广泛的区域。 19、21、22
睡眠中的大脑能反映出什么压力？一项针对睡眠期间压力相关皮质血流动力学特征的功能性近红外光谱试验研究
有精神压力的人经常会睡眠障碍，这表明睡眠期间大脑活动存在与压力相关的异常。然而，还没有研究关注睡眠期间脑血流动力学的生理波动与压力的关系。在这项先导研究中，我们旨在探索睡前压力与第一个睡眠周期前额叶皮质血流动力学之间的关系。我们每天追踪压力生物标志物、唾液皮质醇和分泌性免疫球蛋白 A (sIgA)，并利用压力水平较低的日子作为压力水平较高的日子的自然对照。使用尖端的可穿戴功能性近红外光谱 (fNIRS) 系统测量皮质血流动力学。从清理后的血流动力学信号中获得时域、频域特征以及非线性特征。我们提出了一种原始的集成算法，基于对六种统计和机器学习技术的评估，为每个特征生成平均重要性分数。考虑到所有通道，引用最多的五种特征类型是赫斯特指数、平均值、信号庞加莱图长轴/短轴标准差之比、统计复杂度和波峰因子。左侧前额皮质 (RLPFC) 是最相关的子区域。该子区域得出的血流动力学特征与所有三个压力指标之间存在显著的强相关性。背外侧前额皮质 (DLPFC) 也是一个相关的皮质区域。中部 DLPFC 和尾部 DLPFC 区域均与所有三个压力指标表现出显著和中度关联。在腹外侧前额皮质中没有发现相关性。初步结果揭示了 RLPCF，尤其是左侧 RLPCF 在睡眠期间处理压力方面的可能作用。此外，我们的研究结果与之前在清醒时进行的压力研究相呼应，并提供了背外侧前额叶皮层与睡眠期间压力反应相关性的补充证据。这项试点研究为压力研究的新研究范式提供了概念验证，并为未来的研究确定了令人兴奋的机会。
基于功能近红外光谱的抑郁症分析与识别
摘要：抑郁症是社会、心理和生理等多种因素复杂相互作用的结果，研究抑郁症患者的脑部病变有助于医生了解抑郁症的发病机制，促进其诊断和治疗。功能性近红外光谱（fNIRS）是一种非侵入性检测大脑功能和活动的方法。本文首先建立了一种基于fNIRS的抑郁症处理综合架构，包括源层、特征层和模型层，以指导fNIRS的深度建模。鉴于抑郁症的复杂性，结合当前研究，我们提出了一种时频域的特征提取方法和抑郁症识别的深度神经网络。研究发现，与非抑郁症患者相比，抑郁症患者在大脑活动过程中脑区连接较弱，前额叶的激活程度较低。最后，基于原始数据、人工特征和通道相关性，AlexNet 模型表现出最佳性能，尤其是在相关性特征方面，准确率为 0.90，精确率为 0.91，高于 ResNet18 和其他数据上的机器学习算法。因此，脑区相关性可以有效识别抑郁症（与非抑郁症病例），对于抑郁症临床诊断和治疗中脑功能识别具有重要意义。