XiaoMi-AI文件搜索系统
World File Search SystemArtifacts
伪影可能会造成欺骗：深部脑刺激电极的实际位置与磁共振图像上看到的伪影不同
摘要 简介：深部脑刺激 (DBS) 是治疗各种神经和精神疾病的常用方法。最近的研究强调了神经影像学在定位电极触点相对于目标脑区的位置以优化 DBS 编程方面的作用。在不同的成像方法中，术后磁共振成像 (MRI) 已广泛用于 DBS 电极定位；然而，导线引起的几何失真限制了其准确性。在这项工作中，我们调查了导线尖端的实际位置与从 MRI 伪影估计的尖端位置之间的差异在多大程度上取决于 MRI 序列参数（例如采集平面和相位编码方向）以及导线的颅外配置。据此，设计并讨论了一种提高导线定位准确性的成像技术。方法：我们设计并构建了一个拟人化幻影
使用深度学习去除脑电图中的眼部伪影
摘要 —EEG 信号是复杂的低频信号。因此，它们很容易受到外界因素的影响。EEG 伪影去除在神经科学中至关重要，因为伪影会对 EEG 分析结果产生重大影响。在这些伪影中，眼部伪影的去除最具挑战性。在本研究中，通过开发基于双向长短期记忆 (BiLSTM) 的深度学习 (DL) 模型，提出了一种新颖的眼部伪影去除方法。我们通过结合 EEGdenoiseNet 和 DEAP 数据集创建了一个基准数据集来训练和测试所提出的 DL 模型。我们还通过在不同 SNR 水平下用 EOG 污染地面真实干净的 EEG 信号来增强数据。然后使用通过小波同步压缩变换 (WSST) 获得的高度局部化时频 (TF) 系数将 BiLSTM 网络馈送到从增强信号中提取的特征。我们还将基于 WSST 的 DL 模型结果与传统 TF 分析 (TFA) 方法，即短时傅里叶变换 (STFT) 和连续小波变换 (CWT) 以及增强原始信号进行了比较。首次提出的基于 BiLSTM 的 WSST-Net 模型获得了 0.3066 的最佳平均 MSE 值。我们的结果表明，与传统 TF 和原始信号方法相比，WSST-Net 模型显著提高了伪影去除性能。此外，所提出的 EOG 去除方法表明，它优于文献中许多传统和基于 DL 的眼部伪影去除方法。索引词 —EEG、眼部伪影、深度学习、LSTM、BiLSTM、WSST、STFT、CWT。
使用双层脑电图来表征和消除乒乓球运动中的伪影
摘要：研究人员可以通过研究在现实环境中运动的人类来提高大脑研究的生态效度。最近的研究表明，双层脑电图可以提高步态过程中脑电皮层记录的保真度，但目前尚不清楚这些积极结果是否可以推广到非运动范式。在我们的研究中，我们在参与者打乒乓球时用双层脑电图记录大脑活动，乒乓球是一项全身反应性运动，可以帮助研究视觉运动反馈、物体拦截和表现监控。我们用时频分析和相关头皮和参考噪声数据来表征伪影，以确定不同传感器捕获伪影的效果。正如预期的那样，单个头皮通道与噪声匹配通道时间序列的相关性高于与头部和身体加速度的相关性。然后，我们比较了使用和不使用双层噪声电极的伪影去除方法。独立成分分析将通道分成多个成分，我们根据偶极子模型的拟合并使用自动标记算法来计算高质量大脑成分的数量。我们发现使用噪声电极进行数据处理可以提供更清晰的大脑成分。这些结果推动了记录需要全身运动的人类行为中高保真大脑动态的技术方法，这将对脑科学研究大有裨益。
工件和抽象层次 - Pure
本文旨在说明，与人工制品（即人类设计的系统）的比较或类比如何为复杂的神经认知系统在不同层次上可解释这一观点奠定基础，这是大脑建模的核心简化策略。类比的最主要来源当然是数字计算机，但我将讨论与设计和工程过程的一些更一般的比较如何也发挥重要作用。我将说明类比以及随后的不同计算层次的概念如何产生了关于如何安全地从具体神经系统的复杂性中抽象出来的共同思想，从而解释神经过程如何产生认知功能。我还对这些解释的局限性表示担忧，因为忽略了人造设备和生物器官之间的差异。
使用带有元启发式优化非局部均值滤波器的小波变换自动识别和去除单通道脑电图中的肌肉伪影
摘要：脑电图 (EEG) 信号很容易受到肌肉伪影的污染，这可能导致脑机接口 (BCI) 系统以及各种医疗诊断的错误解读。本文的主要目标是在不扭曲 EEG 所含信息的情况下去除肌肉伪影。首次提出了一种新的多阶段 EEG 去噪方法，其中小波包分解 (WPD) 与改进的非局部均值 (NLM) 算法相结合。首先，通过预训练的分类器识别伪影 EEG 信号。接下来，将识别出的 EEG 信号分解为小波系数，并通过改进的 NLM 滤波器进行校正。最后，通过逆 WPD 从校正后的小波系数重建无伪影的 EEG。为了优化滤波器参数，本文首次使用了两种元启发式算法。所提出的系统首先在模拟脑电图数据上进行验证，然后在真实脑电图数据上进行测试。所提出的方法在真实脑电图数据上实现了 2.9684 ± 0.7045 的平均互信息 (MI)。结果表明，所提出的系统优于最近开发的具有更高平均 MI 的去噪技术，这表明所提出的方法在重建质量方面更佳并且是全自动的。
卷积神经网络的实现，用于从脑电信号中去除眨眼伪影
技术和生理伪影会干扰脑电图 (EEG) 信号。最常见的伪影之一是受试者眼球运动和眨眼产生的自然活动。眨眼伪影 (EB) 遍布整个头部表面，使 EEG 信号分析变得困难。消除眼电图 (EOG) 伪影的方法已知，例如独立成分分析 (ICA) 和回归。本文旨在实现卷积神经网络 (CNN) 以消除眨眼伪影。为了训练 CNN，提出了一种增强 EEG 信号的方法。将从 CNN 获得的结果与 ICA 和回归方法的结果进行比较，以比较生成的和真实的 EEG 信号。所得结果表明，CNN 在消除眨眼伪影的任务中表现更好，尤其是对于位于头部中央部分的电极。
基于EEG的BCI疗法中的工件：朋友还是敌人？
1蒂宾根大学医院神经和中风系，德国图宾根72076； eric-james.mcdermott@medizin.uni-tuebingen.de（E.J.M.）; philipp.raggam@univie.ac.at（P.R.）; paolo.belardinelli@unitn.it（P.B.）2赫蒂临床脑研究所，图宾根大学，72076德国Tubingen 3研究小组神经信息学，计算机科学学院，维也纳大学，维也纳大学，1010 Wien，Wien，奥地利4InstitutFürGames，Hochschule derien，70569 Stuttgart，70569 Stuttgart，Germany，Fermany; kirsch@hdm-stuttgart.de 5 CIMEC，特伦托大学的思维/脑科学中心，38123，意大利特伦托38123，多伦多大学多伦多大学精神病学系，在多伦多大学，多伦多大学，M5T 1R8，M5T 1R8，加拿大7 Temerty temerty temerty脑干预中心，用于成立和心理健康，M6J ulf.ziemann@uni-tuebingen.de（U.Z）; Christoph.zrenner@utoronto.ca（C.Z.）
Telelife：远程生活的未来 - Small Artifacts Lab
近年来，工作和社交等日常活动已逐渐转向更远程和虚拟的环境。随着 COVID-19 疫情的爆发，从实体到虚拟的转变加速了，这几乎影响了我们生活的方方面面，包括商业、教育、贸易、医疗保健和个人生活。这种从面对面互动到远程互动的快速大规模转变加剧了我们当前技术缺乏功能性且在重现人际互动方面能力有限的事实。为了帮助解决未来的这些限制，我们推出了“Telelife”，这是一个近期和远期的愿景，描绘了改善远程生活的潜在手段，并使其更好地与我们在现实世界中的互动、生活和工作方式保持一致。Telelife 包含了技术和概念的全新协同作用，例如数字孪生、虚拟/物理快速原型设计以及注意力和情境感知用户界面，以及可以支持超逼真图形和触觉反馈、用户状态检测等的创新硬件。这些想法将很快引导我们日常生活和惯例的转变，目标是到 2035 年。此外，我们还在与 Telelife 这一愿景相关的领域中确定了影响深远的应用机会。除了最近对人机交互、普适计算和虚拟现实等相关领域的调查外，我们在本文中提供了一个元合成，以指导未来对远程生活的研究。
基于EEG的BCI疗法中的伪影：朋友还是敌人？
摘要：基于脑电图的脑机接口 (BCI) 具有超越传统神经反馈训练的广阔治疗潜力，例如实现个性化和优化的虚拟现实 (VR) 神经康复范例，其中视觉体验的时间和参数与特定大脑状态同步。虽然 BCI 算法通常被设计为专注于信号中信息量最大的部分，但在这些大脑状态同步的应用中，至关重要的是，最终的解码器对代表各种心理状态的生理大脑活动敏感，而不是对诸如自然运动产生的伪影敏感。在本研究中，我们比较了从提取的大脑活动和 EEG 信号中包含的伪影中解码不同运动任务的相对分类准确度。在基于 VR 的逼真神经康复范例中，从 17 名慢性中风患者身上收集了 EEG 数据，同时执行六种不同的头部、手部和手臂运动。结果表明，在分类准确度方面，EEG 信号的伪像成分比大脑活动的信息量大得多。这一发现在不同的特征提取方法和分类流程中是一致的。虽然可以通过适当的清理程序恢复信息性脑信号，但我们建议不要仅将特征设计为最大化分类准确度，因为这可能会选择剩余的伪像成分。我们还建议使用可解释的机器学习方法来验证分类是否由生理脑状态驱动。总之，虽然信息性伪像在基于 BCI 的通信应用中是一个有用的朋友，但它们在估计生理 32 脑状态时可能是一个麻烦的敌人。33