XiaoMi-AI文件搜索系统
World File Search System频谱分析
黑海科学机器学习杂志...
阿尔茨海默病是一种神经退行性疾病，会逐渐丧失认知和神经功能，对人类生活产生负面影响，并且是不可逆转的。由于该疾病无法治愈，因此通过早期诊断减缓其进展至关重要。诊断阶段的延长会导致治疗延迟并增加认知和神经系统的损失。本研究的目的是利用机器学习方法根据脑电图（EEG）信号诊断阿尔茨海默病（AD），以尽量减少损失。在研究中，24 名 AD 患者和 24 名健康人的脑电图信号被分为 4 秒的时间段，重叠率为 50%。计算信号的独立成分分析（ICA）值，并根据ICA值从EEG通道中自动去除噪声。每个信号从时间域到谱域的转换都是采用Welch方法进行的。通过Welch频谱分析获得1~30Hz范围内的功率谱密度（PSD）信号，提取20个统计和频谱特征，并建立特征向量。利用Spearman相关系数检验各特征与标签的相关关系，并根据阈值选取9个特征构建新的特征向量。将获得的特征向量中70%作为训练，30%作为测试。采用 10 倍交叉验证对机器学习 (ML) 方法中的支持向量机 (SVM) 和 k-最近邻 (kNN) 方法进行训练和测试，不使用和使用主成分分析 (PCA)。根据准确度、敏感度、特异性、精确度和 F-Score 值对结果进行比较。通过对由20个特征组成的特征向量进行PCA分析，利用SVM取得了AD诊断的最佳准确率（96.59%）。关键词：EEG、阿尔茨海默病、机器学习、SVM、kNN。
绿色
使用小波的频谱分析被广泛用于识别脑电图中的生物标志物。同时，Riemannian几何形状启用了理论上接地的机器学习模型，具有高性能，用于预测来自多通道EEG唱片的生物医学结果。但是，这些方法通常依赖于手工制作的规则和顺序优化。相比之下，深度学习（DL）提供了端到端训练模型，可在各种预测任务上实现最新性能，但缺乏与既定神经科学概念的可解释性和互操作性。我们介绍了绿色（Gabor Riemann Eegnet），这是一个轻巧的神经网络，该网络集成了小波变换和用于处理原始脑电图数据的Riemannian几何形状。在三个数据集（Tuab，aab，aueeg，tdbrain）上进行五项预测任务（年龄，性别，凝视诊断，痴呆诊断，脑电图病理学），具有超过5000名参与者，绿色的表现优于非深度最先进的最新模型，并且使用CAU Benchmarks上的大型DL模型进行了良好的表现，并使用订单级符合订单级的CAU Benchmarks上表现出色。计算实验表明，绿色促进了学习稀疏表示的情况，而不会损害性能。绿色的模块化允许计算相同步的经典度量，例如成对的相锁定值，这些值可传达用于痴呆诊断的信息。学习的小波可以解释为带通滤波器，从而增强解释性。我们用Berger效应说明了这一点，证明了闭合眼睛时8-10 Hz功率的调制。源代码可公开可用。通过整合领域知识，绿色实现了理想的复杂性 - 绩效权衡，并学习可解释的脑电图表示。
缺血性中风的定量脑电图。......
摘要 简介：中风是全世界发病和死亡的主要原因。虽然脑电图 (EEG) 提供了有关中风后大脑活动的宝贵数据，但定性 EEG 评估可能会被误解。因此，我们研究了定量 EEG (qEEG) 识别可作为中风患者潜在电生理生物标志物的关键波段频率的潜力。材料和方法：进行了一项单中心病例对照研究，其中招募了中风入院患者和健康对照者，并征得其同意。中风患者在入院后 48 小时内进行 EEG 测试，而对照者在门诊评估期间进行 EEG 测试。对 EEG 信号进行预处理，使用 MATLAB 分析其频谱功率，并绘制为地形图。结果：共纳入 194 名参与者，分为缺血性中风患者和对照者。我们研究队列的平均年龄为 55.11 岁（SD±13.12），美国国立卫生研究院卒中量表 (NIHSS) 评分中位数为 6（IQR 4-6），腔隙性卒中是最常见的亚型 (49.5%)。频谱分析，以及随后的脑地形图映射，突出显示了 β、α 和 γ 波段内重要通道的聚集。结论：qEEG 分析确定了卒中后患者感兴趣的重要波段频率，表明其可作为诊断和预后工具。脑地形图映射提供了精确的表示，可以指导干预和康复策略。未来的研究应探索使用机器学习进行卒中检测并提供个性化治疗。关键词：定量脑电图、qEEG、卒中、频谱脑电图、地形介绍卒中是一种异质性疾病，以各种血管、血流动力学和全身异常为特征。根据 2017 年全球疾病、伤害和风险因素负担研究，它是全球第二大死亡原因和第三大残疾原因
光的量子理论
在多源游戏期间的EEG Hyperscaning提供了研究各种范式下社交互动的大脑特征的机会。在这项研究中，我们旨在表征在协作和竞争激烈的Alpha神经反馈游戏中，游戏策略的神经特征和基于阶段的功能连接模式。二十对没有密切关系的参与者参加了三个会议，其中包括使用相对Alpha（RA）功率作为控制信号的协作或竞争性多用户神经反馈（NF），具有相同的图形用户界面。合作的二元组必须将其RA保持在彼此的5％之内才能获得一个分数，而如果他们的RA比对手的RA高出10％，则竞争性二元组成员得分。Interbrain同步仅在游戏期间存在，但在基线期间不存在协作或竞争性游戏。频谱分析和脑之间连接性表明，在协作游戏中，具有较高静止状态alpha内容的玩家在调节其RA以匹配其合作伙伴的玩家更加活跃。此外，互连性是theta和alpha频段中二元组的同源大脑结构之间最强的，表明计划和社会交流的程度相似。竞争游戏强调了能够放松并以这种方式保持RA的参与者与那些没有成功的方法的参与者之间的差异。我们表明，在基于多人游戏非语言NF的游戏中，获胜策略取决于游戏规则和对手的行为。对脑之间的连接的分析显示，额叶区域在失败者中的参与度，但没有在获胜者中，这表明FORMERS试图进行心理和应用可能适合常规游戏的策略，但不适合基于Alpha Neurofackback的游戏。在物理世界中取得成功游戏的心理策略可能不足以基于NF的游戏。
从 转换为 功能值 - 船舶结构委员会
3.6.2 裂纹扩展................................................................................................................59 3.6.3 临界裂纹长度或失效...............................................................................................61 3.7 安全寿命和故障安全定义及设计理念........................................................................62 3.7.1 安全寿命设计.............................................................................................................63 3.7.2 故障安全设计和损伤容限分析.........................................................................................64 3.7.2.1 安全寿命和故障安全设计的简要示例.........................................................................64 3.8 焊接和裂纹起始点的介绍....................................................................................................66 3.8.1 残余应力.............................................................................................................................67 3.8.2 焊接缺陷.............................................................................................................................68 3.8.3 应力集中.............................................................................................................................68 3.8.4 钢和合金中的裂纹起始点....................................................................................................69铝................................................................................69 3.8.5 铝制零件的补焊....................................................................................70 3.9 高速船用新型铝合金及焊接技术........................................................70 3.9.1 新型海洋级铝合金，牌号 5383.........................................................................70 3.9.1.1 5383 的疲劳强度.........................................................................................................72 3.9.2 新型海洋级铝合金，牌号 RA7108.........................................................................74 3.9.3 新型海洋级铝合金 5059.........................................................................................76 3.9.4 搅拌摩擦焊接.........................................................................................................77 3.10 参考文献.........................................................................................................................79 4.DNV 和其他行业疲劳分析标准.........................................................................................115 5.1 DNV 高速船疲劳分析分类说明 30.9 ................................116 5.2 协助船舶设计师的其他行业标准.....................................................118高速铝船的疲劳设计................................................................................................................81 4.1 Palmgren-Miner 累积损伤疲劳评估....................................................................................82 4.2 确定要分析的细节................................................................................................................84 4.3 加载历史的开发................................................................................................................86 4.3.1 船长和速度对高速船加载历史的影响.......................................................................87 4.3.2 用于船舶加载历史的概率分布....................................................................................89 4.3.3 雨流和储层循环计数法....................................................................................................90 4.3.4 雨流循环计数法.............................................................................................................91 4.3.5 储层循环计数法.............................................................................................................91 4.4 应力直方图的开发.....................................................................................................................92 4.4.1 使用频谱分析方法开发应力直方图.....................................................................................93 4.5 应力计算和应力集中................................................................................................95 4.5.1 行业规范中的设计应力...............................................................................................95 4.5.2 关于应力的进一步讨论..............................................................................................96 4.5.2.1 结构中的名义应力.........................................................................................................97 4.5.2.2 结构应力.........................................................................................................................98 4.5.2.3 热点应力.........................................................................................................................100 4.5.2.4 缺口应力.........................................................................................................................100 4.5.2.5 焊接对应力的影响....................................................................................................101 4.5.2.6 制造缺陷及其对名义应力的影响....................................................................................102 4.6 确定适当的 S/N 曲线.....................................................................................................103 4.6.1 程序.....................................................................................................................104 4.7替代应力直方图方法................................................................................................112 4.8 参考文献....................................................................................................................113 5.
关于使用消费级脑电图设备进行研究的范围审查
脑电图 (EEG) 是对大脑中神经元放电产生的电活动的连续测量。这涉及在头皮的多个位置放置金属电极，以毫秒级的时间分辨率记录电压波动。然后可以处理这些记录以产生电活动的频谱分析或生成事件相关电位 (ERP)，该电位表示对任务或刺激的平均反应。如今，EEG 因其非侵入性和易用性而成为学术界和医疗专业人士最流行的神经科学工具之一 [1]。最近，几家公司开发了消费级 EEG 设备。这些设备小巧、无线且设置精简，对新手研究人员或希望在传统实验室环境之外收集数据的人特别有吸引力 [2]。更重要的是，消费级设备比研究级设备便宜，为资金有限的人提供了一种经济实惠的神经生理数据收集方式。由于其可访问性，消费级 EEG 已在不同领域用于各种用途。软件工程师和计算机科学家使用消费级脑电图收集高分辨率时间序列数据。然后处理这些数据以创建或优化机器学习和信号处理算法[3-5]。反过来，这些算法可以与设备结合使用，开发脑机接口（BCI）系统。工程和机器人领域的专家可以训练机器实时响应神经数据中的模式[6]。同步后，人类用户可以配置BCI来控制多种电子设备，包括轮椅[7]、无人机[8]、智能家居[9-11]和网络浏览器[12]。临床医生报告称，他们使用该技术进行神经反馈疗法[13]、促进学习[14]、评估患者睡眠质量[15、16]，并确定情感状态[17-20]。科学家越来越多地使用消费级设备来收集神经数据，以解决各种理论和实践研究问题 [2, 21, 22]。消费级 EEG 研究的激增启发了一些非系统性综述（见表 1）。例如，一些综述比较了单个消费级 EEG 设备与非 EEG 生物传感器在癫痫检测 [23]、BCI 系统 [24] 和压力识别 [25] 领域的性能。其他综述则在单个领域比较了多个消费级 EEG 设备 [2, 21, 26 – 28]。例如，Dadebayev 等人 [29] 的综述重点是情绪识别；Asl 等人 [30] 专注于困倦检测，Khurana 等人 [31] 专注于神经营销。其中最全面的评论之一考虑了大约 100 项“精心挑选”[22]的研究，这些研究使用了四种消费级设备——NeuroSky MindWave、Emotiv EPOC+、interaXon Muse、和 OpenBCI 神经耳机——在认知、BCI、教育研究和游戏开发领域。虽然这些非系统性评论提供了对某些 EEG 设备领域特定功能的见解，但目前关于这个主题的文献充其量是零散的。事实上，令人惊讶的是，到目前为止，还没有对目前可用和常用的消费级 EEG 设备的研究相关用途进行系统范围审查。因此，本文的目的是绘制大量使用消费级 EEG 来收集