XiaoMi-AI文件搜索系统
World File Search SystemSpectral
认知负荷的 EEG 功率谱测量：元分析
摘要 认知工作量 (CWL) 是评估和监测人类执行认知任务时表现的基本概念。许多研究尝试使用神经成像技术客观、持续地测量 CWL。尽管脑电图 (EEG) 是一种广泛使用的技术，但 CWL 对大脑频率频谱功率的影响却显示出不一致的结果。本综述旨在综合文献结果并定量评估哪种大脑频率对 CWL 最敏感。按照 PRISMA 建议进行系统的文献检索，突出了用于测量 CWL 的三个主要频带：θ (4-8 Hz)、α (8-12 Hz) 和β (12-30 Hz)。进行了三项荟萃分析以定量检验 CWL 对这些频率的影响。共计算了来自 24 项研究（涉及 723 名参与者）的 45 个效应大小。 CWL 对 theta (g = 0.68, CI [0.41, 0.95])、alpha (g = −0.25, CI [−0.45, 0.04]) 和 beta (g = 0.50, CI [0.21, 0.79]) 功率有显著影响。我们的结果表明，theta，尤其是额叶 theta，是 CWL 的最佳指数。alpha 和 beta 功率也受到 CWL 的显著影响；然而，它们之间的关联似乎不那么直接。考虑到脑震荡方面的文献，对这些结果进行了批判性分析。最后，我们强调需要研究 CWL 与可能影响频谱功率的其他因素（例如情绪负荷）之间的相互作用，并将该测量方法与中枢和周围神经系统的其他分析方法（例如功能连接、心率）相结合。
静止状态fMRI信号包含...
抽象功能磁共振成像（fMRI）已被证明是非侵入性测量人脑活动的强大工具。然而，到目前为止，fMRI的时间分辨率相对有限。一个关键挑战是了解神经活动与从fMRI获得的血氧水平依赖性（BOLD）信号之间的关系，通常由血液动力学反应函数（HRF）建模。人力资源管理的时机在整个大脑和个人之间各不相同，使我们对基础神经过程的时机进行推断的能力感到困惑。在这里，我们表明静止状态fMRI信号包含有关HRF时间动力学的信息，这些信息可以利用，这些信息可以利用，以理解和表征皮质和皮层下区域的HRF时序变化。我们发现，在人类视觉皮层中，静息状态fMRI信号的频谱在快速与慢速HRF的体内之间存在显着不同。这些频谱差异也扩展到亚皮层，揭示了丘脑侧向核核中的血液中正时的明显更快。最终，我们的结果表明，HRF的时间特性会影响静止状态fMRI信号的光谱含量，并启用相对血液动力学响应时序的体素特征。此外，我们的结果表明，应谨慎使用静止状态fMRI光谱特性，因为fMRI频率含量的差异可能来自纯粹的血管起源。这一发现提供了对跨体素信号的时间特性的新见解，这对于准确的fMRI分析至关重要，并增强了快速fMRI识别和跟踪快速神经动力学的能力。
音乐的神经同步对旋律频谱复杂性很敏感
在听觉感知过程中，神经振荡已知会与声学动态同步，但它们在听觉信息处理中的作用仍不清楚。作为一种可以通过声学参数化的复杂时间结构，音乐特别适合解决这个问题。在一项针对人类参与者的行为和脑电图联合实验中，我们研究了刺激的时间（声学动态）和非时间（旋律频谱复杂性）维度对神经同步的相对贡献，神经同步是一种刺激-大脑耦合现象，在这里操作上定义为声学和神经动态之间的时间相干性。我们首先强调低频神经振荡会稳健地与复杂的声学时间调制同步，这强调了这种耦合机制的细粒度性质。我们还揭示了增强音高、和声和音高变化方面的旋律频谱复杂性会增加神经同步。重要的是，这种操作增强了 theta（5 Hz）范围内的活动，这是一种与旋律音符速率无关的频率选择性效应，可能反映了所涉及的神经过程的内部时间限制。此外，虽然情绪唤醒评级和神经同步都受到频谱复杂性的正向调节，但未观察到唤醒和神经同步之间的直接关系。总体而言，这些结果表明，音乐的神经同步对听觉信息的频谱内容很敏感，并指示了听觉水平的处理，这应该与高阶情绪处理阶段区分开来。
迁移学习在自动伽马光谱识别中的应用
早期研究的动机是缺乏强大的伽马射线光谱自动识别算法，特别是当光谱统计数据较低时，包括潜在的低信噪比。1,2 早期的工作集中于自动伽马射线光谱识别和使用卷积神经网络 (CNN) 进行识别的新数据模式。本文重点关注感兴趣的目标域中可用数据集的缺乏问题。虽然一些感兴趣的同位素的良好代表性数据可能数量较少，但大多数放射性同位素在原位出现的频率并不高，无法提供典型的机器学习所需的大型和多样化的数据集。通常，当收集大型放射学数据集时，发现的源种类非常有限，只有少数医疗和工业源占据主导地位；并且与我们之前的研究一样，需要大量依赖模拟数据。这种情况意味着，如果不进行一些修改，经过这些数据集训练的机器将无法识别大多数可能的放射性同位素。
UC旧金山先前出版的作品
大脑功能连通性与结构连通性之间的关系引起了神经科学界的广泛关注，通常使用数学建模推断出。在许多建模方法中，光谱图模型（SGM）具有独特性，因为它具有大脑振荡的宽带频率光谱的封闭形式解，仅需要全球生物物理解释的参数。虽然SGM在参数方面是简单的，但SGM参数的确定是非平凡的。先前在SGM上的工作通过计算密集型退火算法确定参数，该算法仅提供一个点估计值，而没有置信区间的参数估计。为了填补此空白，我们结合了基于仿真的推理（SBI）算法，并开发了一种贝叶斯程序来推断SGM参数的后验分布。此外，使用SBI大大减轻了推断SGM参数的计算负担。我们评估了健康受试者的静止状态磁脑摄影记录上提出的SBI-SGM框架，并表明所提出的程序在恢复功率光谱和Alpha频带的空间分布方面具有与退火算法相似的性能。此外，我们还分析了参数之间的相关性及其与后验分布之间的不确定性，而后验分布无法通过退火推断进行。这些分析对SGM生物物理参数之间的相互作用提供了更丰富的理解。通常，基于模拟的贝叶斯推理的使用可以实现生成模型参数不确定性的强大而有效的计算，并可能为在临床翻译应用中使用生成模型铺平道路。
Kalman滤波和期望最大化多阶段光谱unmixing
摘要 - 高光谱成像技术的最新演变和新的新兴应用程序的扩散按下了多个时间高光谱图像的处理。在这项工作中，我们提出了一种新型的频谱拆解（SU）策略，使用出色动机的参数末端记录来说明时间频谱变异性。通过使用状态空间公式来表示多个时空混合过程，我们能够利用贝叶斯过滤机制来估计末端的变异性系数。假设丰度的时间变化在短时间间隔很小，则采用了预期最大化（EM）算法的有效实施来估计丰度和其他模型pa-Rameters。仿真结果表明，所提出的策略优于最先进的多阶段算法。
在具有选定光谱带的沿海地区有效塑料检测
海洋塑料污染构成了重大的生态，经济和社会挑战，需要创新发现，管理和缓解解决方案。光谱成像和光学遥感在水生环境中检测和表征大型塑料方面已证明有价值的工具。尽管许多研究着重于短波红外频谱中感兴趣的频段，但该范围内的传感器的高成本使得很难在长期和大规模应用中大量生产它们。因此，我们介绍了各种机器学习模型在四个数据集中的评估和传输，以识别用于检测和分类海洋环境中最普遍的塑料的关键频段，并在可见的和近边缘（VNIR）范围内检测到最普遍的塑料。我们的研究使用四个不同的数据库，从实验室条件下的维珍塑料到田间条件下的天气塑料。我们使用顺序特征选择（SFS）和随机森林（RF）模型进行最佳频带选择。同质背景对于准确检测的重要性是由97％的精度突出显示的，并且数据集之间的成功频段转移（87％ - 91％）表明，在各种情况下适用的传感器的可行性。但是，模型传输需要为每个特定数据集进行进一步的培训，以实现最佳精度。结果强调了通过持续改进和扩展培训数据集的更广泛应用的潜力。我们的发现提供了有价值的信息，以开发引人注目的负担得起的检测传感器来解决沿海地区的塑料污染。这项工作为增强全球海洋垃圾检测和减少的准确性铺平了道路，从而为我们的海洋带来了可持续的未来。
运动过程中运动丘脑场电位的光谱变化
电动机丘脑在对主要运动皮层的感觉运动信息和项目的整合和调制中起着至关重要的作用。虽然运动皮层的电压功率谱变化已得到充分表征，但运动丘脑中的相应活性，尤其是宽带（有时称为高伽玛），尚不清楚。本研究的目的是表征15名受试者的手动运动中运动丘脑的光谱变化，该受试者接受了清醒的深脑刺激手术，靶向丘脑的腹侧中间核（VIM）核，以使震颤致残。我们分析了串行场电位记录的主体特异性低频振荡（<30 Hz）和宽带功率（以65-115 Hz频段捕获）的功率变化。与以前的研究一致，我们发现随着运动的低频振荡而广泛降低。重要的是，在大多数受试者中，我们还观察到宽带功率的显着增加，主要是在与估计的VIM区域相对应的下部记录位点。一个主题还执行了一个想象中的运动任务，在此任务中，低频振荡能力被抑制。这些电生理学变化可以用作丘脑功能映射，DBS靶向和闭环应用的生物标志物。
通过光谱扩散快速生成-CUHK CSE
摘要 - 生成的图形结构数据是一个具有挑战性的问题，需要学习图形的基础分布。已经提出了各种模型，例如图VAE，图形和图扩散模型，以生成卑鄙且可靠的图形，其中扩散模型已实现了最先进的性能。在本文中，我们认为在整个图邻接矩阵空间上运行全级扩散SDE会阻碍从学习图拓扑生成中扩散模型，因此显着减少了生成图数据的质量。为了解决此限制，我们提出了一个有效但有效的图形光谱扩散模型（GSDM），该模型由图形光谱空间上的低级别扩散SDE驱动。我们的光谱扩散模型得到了进一步的证明，比标准扩散模型具有更强的理论保证。各种数据集的广泛实验表明，我们提出的GSDM被证明是SOTA模型，通过表现出比基线相比，同时表现出明显更高的生成质量和计算消耗少得多。
丘脑底核中竞争光谱状态之间的平衡是相互联系的
© 作者 (2021)。由牛津大学出版社代表《大脑担保人》出版。这是一篇开放获取文章，根据知识共享署名许可条款分发 (http://creativecommons.org/licenses/by/4.0/)，允许在任何媒体中不受限制地重复使用、分发和复制，前提是正确引用原始作品。