XiaoMi-AI文件搜索系统
World File Search SystemEdelman
数据集大小和长期基于 ECoG 的 BCI 使用对深度学习解码器性能的影响
通过思维与效应器进行交互，可以使这些患者在日常生活中恢复一定的自主权。例如，基于运动想象的 BCI 已被用于控制脊髓损伤后截瘫或四肢瘫痪患者的上肢（ Hochberg 等人， 2012 年； Collinger 等人， 2013 年； Wodlinger 等人， 2014 年； Edelman 等人， 2019 年）、下肢（ López-Larraz 等人， 2016 年； He 等人， 2018 年）和四肢（ Benabid 等人， 2019 年）的假肢或外骨骼。在本研究中，我们重点研究基于皮层脑电图 (ECoG) 的运动 BCI，这是一种很有前途的工具，与更具侵入性的方法相比，它可以实现神经假体控制的连续 3D 手部轨迹解码，同时降低植入风险 ( Volkova 等人，2019)。BCI 记录神经元活动并将其解码为效应器的控制命令。解码器通常以监督的方式使用机器学习算法进行训练。在绝大多数研究中，由于对记录的访问有限，训练数据集受到严格限制。同时，数据集大小是机器学习分析中的一个重要因素，会极大地影响整个系统的性能。与最近的计算机视觉和自然语言处理研究（Kaplan 等人，2020 年；Rosenfeld 等人，2020 年；Hoiem 等人，2021 年）相比，对于 BCI，很少研究训练数据的最佳数量，即解码器性能在给定应用中达到稳定状态的数量（Perdikis and Millan，2020 年）。尤其是学习曲线，它提供了对模型性能和训练集大小之间关系的洞察，但却很少被提出。学习曲线可用于模型选择、减少模型训练的计算量或估计向训练数据集添加更多数据的理论影响（Viering and Loog，2021 年）。考虑到人类记录的数据集的访问权限有限，最后一点在 BCI 中尤为重要。如果不知道系统性能和数据集大小之间的关系，就很难确定提高解码器准确性的策略：增加训练数据量还是增加模型容量。对于基于 ECoG 的运动 BCI，大多数模型的容量有限。所使用的解码器是卡尔曼滤波器（Pistohl 等人，2012 年；Silversmith 等人，2020 年）并且大多是线性模型的变体（Flamary 和 Rakotomamonjy，2012 年；Liang 和 Bougrain，2012 年；Nakanishi 等人，2013 年、2017 年；Chen 等人，2014 年；Bundy 等人，2016 年；Eliseyev 等人，2017 年）。在大多数这些研究中，解码器优化都是在包含几分钟或几十分钟信号的数据库上进行的。这会产生可用的模型，但并未提供有关可以通过更多数据实现的性能提升的任何信息，也没有比较多个解码器之间的数据量/性能关系。在 BCI 中，模型特征和学习曲线并不是影响解码器性能的唯一因素。人类生成独特脑信号模式的能力对于 BCI 系统至关重要。近年来的研究主要集中在开发越来越高效的解码器上，例如深度学习 (DL)（Bashivan 等人，2015 年；Elango 等人，2017 年；Schirrmeister 等人，2017 年；Du 等人，2018 年；Lawhern 等人，2018 年；Pan 等人，2018 年；Xie 等人，2018 年；Zhang 等人，2019 年；Rashid 等人，2020 年；´ Sliwowski 等人，2022 年），而不是耐心学习或共同适应（Wolpaw 等人，2002 年；Millan，2004 年），尽管一些研究表明
定量2D和3D相对比MRI
定量2D和3D期对比MRI：血流和血管壁参数的优化分析A.德国弗雷堡（Freiburg）简介：由于时空分辨率和SNR的有限，CINE相对比（PC）-MRI数据的量化很具有挑战性。此处介绍的方法结合了速度及其局部衍生物的“格林定理”和B型插值插值，以提供优化的血流和容器壁参数的定量。结果，除血流量参数（如流量量或流体面积）外，还可以从数据中计算出矢量壁剪应力（WSS）和振荡剪切指数（OSI）的空间和时间变化。心血管系统的功能诊断是不断获得兴趣的（1），在这种情况下，WSS是内皮细胞功能的重要决定因素（2-4）。流量和壁参数定量，其中有19个健康志愿者在8个平面中，沿着整个胸主动脉分布，使用高分辨率平面2D和较低分辨率的体积3D Cine PC-MRI，并具有3个方向速度编码。合成流数据，模式间可变性和观察者间的可变性用于评估该方法的准确性。据我们所知，这些结果构成了对完整动脉切片的血流参数和矢量WSS的体内分析的首次报告。1。2，左）。2，右）。Methods: All experiments were performed at 3T (Trio, Siemens, Germany) using a respiration controlled and ECG gated rf-spoiled gradient echo sequence with 3-directional velocity encoding in 2D ( 2D-CINE-3dir.PC : spatial resolution: 1.24-1.82 x 1.25-1.82 x 5 mm 3 , temporal resolution: 24.4 ms, Venc = 150 cm/s）和3D（3D-Cine-3ddir.pc：空间分辨率：2.71-2.93 x 1.58-1.69 x 2.60-3.5 mm 3，时间分辨率：48.8 ms，48.8 ms，Venc = 150 cm/s）（5）（5）。在沿胸主动脉分布的8个平面上进行进行壁分析（图 3，右）使用2d-cine-3ddir.pc和3d-cine-3ddir.pc进行比较，如图所示 数据分析和细分集成在基于MATLAB（美国Mathworks）的内部分析工具（6）中。 对于每个Cine时间框架，使用B-Spline轮廓分割了血管腔（图1，MID）。 随后的速度数据的立方B型插值（7）提供了插值速度及其在容器轮廓处的局部衍生物（图1，底部）。 基于分析血管腔轮廓，“ Green's Theorem”和B-Spline插值，面积和流量是从单个积分中有效且准确地计算出来的。 WSS载体是通过假设横向分析平面而没有流过容器壁的变形张量（8）的变形张量。 流量定量工具已通过各种分辨率和19位健康志愿者的合成抛物线流数据进行评估。 结果：系统多样化的空间分辨率的影响表明，WSS受到更大的影响，而总流量保持相对恒定（图 参考：（1）Y. Richter和E.R.进行壁分析（图3，右）使用2d-cine-3ddir.pc和3d-cine-3ddir.pc进行比较，如图数据分析和细分集成在基于MATLAB（美国Mathworks）的内部分析工具（6）中。对于每个Cine时间框架，使用B-Spline轮廓分割了血管腔（图1，MID）。随后的速度数据的立方B型插值（7）提供了插值速度及其在容器轮廓处的局部衍生物（图1，底部）。基于分析血管腔轮廓，“ Green's Theorem”和B-Spline插值，面积和流量是从单个积分中有效且准确地计算出来的。WSS载体是通过假设横向分析平面而没有流过容器壁的变形张量（8）的变形张量。流量定量工具已通过各种分辨率和19位健康志愿者的合成抛物线流数据进行评估。结果：系统多样化的空间分辨率的影响表明，WSS受到更大的影响，而总流量保持相对恒定（图参考：（1）Y. Richter和E.R.表中给出了流量，平均WSS和圆周WSS的百分比。2D和3D-Cine-PC之间的各种时空分辨率导致流量和面积的相对差异在18％以下，但WSS和OSI的相对误差较高，而OSI则为45％和65％（图。说明了我们方法对WSS空间分布进行详细评估的潜力，图3显示了基于2D和3D数据的一名志愿者的WSS向量和OSI。在上升主动脉（切片1）和主动脉弓（切片3）中，WSS矢量呈现出与主动脉中螺旋流量模式相似的实质性右手圆周分量。讨论：此处介绍的方法旨在使用Green的定理和Cubic B-Spline插值来量化血流和血管壁参数。与假设血流模型的其他方法相反（例如抛物面（9）或数值流仿真（10）），我们的方法不是基于关于流量轮廓的限制性假设。简单的参数，例如流量量，即使对于低分辨率数据也可以准确量化，而诸如WSS之类的派生参数则受到时空分辨率的限制。尽管WSS值在3D-Cine-3dir.pc中被系统地低估了，但志愿者之间的高一致性表明了对相对病理WSS改变的分析的潜在WSS估计，如最初的患者结果所示。Edelman，《流通》 113：2679-2682（2006）（2）Cheng C.等，循环113（23）：2744-2753（2006）（2006）（3）Wentzel J.J.等，J Am Coll Cardiol。 45：846-54（2005）（4）Davies PF，Physiol。 修订版Edelman，《流通》 113：2679-2682（2006）（2）Cheng C.等，循环113（23）：2744-2753（2006）（2006）（3）Wentzel J.J.等，J Am Coll Cardiol。45：846-54（2005）（4）Davies PF，Physiol。修订版我们的WSS测量值与源自相比的MRI的下降和腹主动脉（3，11-13）的发表结果非常吻合，该结果在心脏周期中提供了相似的平均WSS值（0.18至0.95至0.95 N/M 2）。对WSS沿主动脉的分析表明，WSS的相关圆周成分的存在为10-20％，这表明必须考虑WSS的向量性质以完全表征主动脉中的壁剪力。75：519-560（1995）（5）Markl M.等，J Magn Reson IM。 25：824-831（2007）。 （6）Stalder A. F.等，Proc。 ISMRM流动和运动研讨会，纽约（2006）（7）Unser M.，IEEE信号过程。 mag。 16 22–38（1999）（8）Papathanasopoulou P.等，J。Magn。 共振。 im。 17（2）：153-162（2003）（9）Oyre S.等，Magn。 共振。 Med。 40：645-655（1998）（10）Shojima等，中风35：2500-2505（2004）（11）Moore Je Jr.等，动脉粥样硬化110：225-40（1994）（1994）（1994）（12） 32：128 –3475：519-560（1995）（5）Markl M.等，J Magn Reson IM。25：824-831（2007）。 （6）Stalder A. F.等，Proc。 ISMRM流动和运动研讨会，纽约（2006）（7）Unser M.，IEEE信号过程。 mag。 16 22–38（1999）（8）Papathanasopoulou P.等，J。Magn。 共振。 im。 17（2）：153-162（2003）（9）Oyre S.等，Magn。 共振。 Med。 40：645-655（1998）（10）Shojima等，中风35：2500-2505（2004）（11）Moore Je Jr.等，动脉粥样硬化110：225-40（1994）（1994）（1994）（12） 32：128 –3425：824-831（2007）。（6）Stalder A. F.等，Proc。ISMRM流动和运动研讨会，纽约（2006）（7）Unser M.，IEEE信号过程。mag。16 22–38（1999）（8）Papathanasopoulou P.等，J。Magn。共振。im。17（2）：153-162（2003）（9）Oyre S.等，Magn。共振。Med。40：645-655（1998）（10）Shojima等，中风35：2500-2505（2004）（11）Moore Je Jr.等，动脉粥样硬化110：225-40（1994）（1994）（1994）（12） 32：128 –34