摘要 — 集成学习方法经常用于医疗决策支持。在图像分割问题中,基于集成的决策需要后处理,因为集成不能充分处理相邻体素的强相关性。本文提出了一种基于集成级联的脑肿瘤分割程序。第一个由二叉决策树组成的集成经过训练,基于 4 个观察特征和 100 个计算特征将局灶性病变与正常组织分离。从第一个集成提供的中间标签开始,为每个体素计算六个局部特征,作为第二个集成的输入。第二个集成是一个经典的随机森林,它加强了相邻像素之间的相关性,使病变的形状规则化。分割准确率为 85.5% 的整体 Dice Score,比之前的解决方案高出 0.5%。索引词 — 图像分割、脑肿瘤分割、磁共振成像、集成学习。
摘要 美国宇航局地球科学技术办公室 InVEST(地球科学技术空间验证)计划资助的 HyTI(高光谱热像仪)任务将演示如何从 6U 立方体卫星平台获取高光谱和空间长波红外图像数据。该任务将使用空间调制干涉成像技术生成光谱辐射校准的图像立方体,该立方体有 25 个通道(8-10.7 m 之间,分辨率为 13 cm -1),地面采样距离约为 60 m。HyTI 性能模型表明窄带 NE Ts 小于 0.3 K。HyTI 的小巧外形是通过使用无活动部件的法布里-珀罗干涉仪和 JPL 的低温冷却 HOT-BIRD FPA 技术实现的。发射时间不早于 2021 年秋季。HyTI 对地球科学家的价值将通过机载处理原始仪器数据来生成 L1 和 L2 产品来展示,重点是快速提供有关火山脱气、地表温度和精准农业指标的数据。
极光现象本质上是动态的:观测到的事件具有丰富的结构,在空间和时间上都很复杂,具有科学上有趣的特征。虽然使用 CCD 或全天相机进行光学极光观测很常见,但极光在无线电频率 (RF) 下也具有有趣的发射特性,特别是在低频和高频波段。极光发射无线电观测器 (AERO) 是一颗 6U 立方体卫星,配备了新型电磁矢量传感器 (VS) 天线。VS 将瞄准 100 kHz - 15 MHz 测量波段内的极光发射,这使得人们能够研究有趣的发射类型,例如极光千米辐射 (20 kHz -750 kHz)、中频爆发 (1.6 MHz - 4.4 MHz) 和回旋加速器发射 (2.8 MHz - 3.0 MHz)。 VS 天线从立方体卫星框架展开后,两端之间的距离为 4 米,并展开形成电偶极子和磁环天线,这些天线的灵敏度足以探测这组不同的科学目标。拥有太空平台(例如 AERO 的矢量传感器天线)可将探测器定位在电离层等离子体频率之上,否则会限制对无线电发射的观测。AERO VS 天线的新测量需要一组背景数据来验证所得数据产品的保真度。AERO 包括一个称为辅助传感器包 (ASP) 的辅助有效载荷,它将使用背景光学和磁数据增强 VS 测量。AERO 背景光学测量的目标是检测多个光谱带中极光发射的存在,即 557 nm 的绿线发射和 630 nm 的红线发射。选择 AMS AG AS7262 6 通道可见光波段光谱光度计作为光学传感器。我们提出了一个辐射测量模型,用于评估 AS7262 传感器测量目标极光事件的能力。我们考虑了许多不同的测试场景,包括不同的参数,例如以瑞利为单位的极光源辐射度、航天器
通过数值模型模拟诊断光谱空间中内部重力波-波相互作用的能量传输,该模拟用物理空间中 Garrett-Munk 光谱的实现初始化,并与所谓的散射积分或动力学方程的预测进行比较。对初始化的随机相位取平均,模型中波-波相互作用的能量传输与动力学方程对某些频率和波数范围的预测高度吻合。现在,原则上,通过这种验证,可以使用动力学方程预测的能量传输来设计海洋内部重力波的全球光谱能量预算,其中物理和光谱空间中能量传输的发散平衡了强迫、耗散、波-波相互作用的能量传输或光谱波能量的变化率。首次全球估计显示,在纬度 f 范围内的波浪能量积累确实与频率为 v T 的潮汐波一致,潮汐波向纬度窗口传播,其中 2 ,v T / f ( f ) ,3,正如动力学方程所预测的那样。
正常海马中的波纹振荡(80-200 Hz)参与休息和睡眠期间的记忆巩固。在癫痫发作的大脑中,增加的波纹和快速波纹(200-600 Hz)频率可作为致癫痫大脑的生物标志物。我们报告称,波纹和快速波纹都表现出与海马癫痫发作起始区(SOZ)中睡眠慢波的谷峰(或开-关)状态转换耦合的优选相位角。海马 SOZ 中慢波上的波纹也比非 SOZ 中的波纹具有较低的功率、较高的频谱频率和较短的持续时间。内侧颞叶中的慢波调节了兴奋性神经元的基线放电率,但对与波纹相关的放电率增加没有显著影响。综上所述,病理性波纹和快波纹优先发生在致痫海马慢波开关状态转换过程中,且波纹不需要增加兴奋性神经元的募集。
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。
由于振动和旋转跃迁,一氧化碳和甲烷等许多分子在中红外范围内都有强的吸收线。1 自 1994 年发明以来,中红外量子级联激光器 (QCL) 已成为分子气体传感的流行选择。2 分子光谱的精度和分辨率高度依赖于 QCL 的光谱线宽。3 由于接近于零的线宽展宽因子 (LBF),4 QCL 本身的固有线宽只有几百赫兹,接近肖洛-汤斯极限。5 然而,电流源噪声、温度波动和机械振动引起的闪烁噪声(1/f 噪声)会显著加宽自由运行 QCL 的实际线宽至兆赫兹范围。6 为了将 QCL 的光谱线宽缩小到千赫兹或赫兹范围,已经开发出各种各样的频率稳定技术。一种主要方法是将 QCL 频率锁定在分子吸收线的一侧,但代价是波长可调性的损失。7、8 另一种方法是通过庞德-德雷弗-霍尔方法将 QCL 锁定在高精度光学腔体上,这种方法容易受到外部声学和机械振动的影响。9 – 11 一种更常见的方法是将 QCL 相位锁定在近红外光学腔体上。
摘要 — 开发基于运动相关皮层电位 (MRCP) 的脑机接口 (BMI) 的一个重要挑战是在现实环境中准确解码用户意图。然而,与其他 BMI 范例相比,由于内源性信号特性,该性能仍然不足以进行实时解码。本研究旨在从预处理技术(即频谱滤波)的角度提高 MRCP 解码性能。据我们所知,现有的 MRCP 研究对所有受试者都使用了具有固定频率带宽的频谱滤波器。因此,我们提出了一种基于受试者的分段频谱滤波 (SSSF) 方法,该方法考虑了受试者在两个不同时间截面的个人 MRCP 特征。在本研究中,MRCP 数据是在受试者进行自我启动步行的动力外骨骼环境下获取的。我们使用实验数据和公共数据集 (BNCI Horizon 2020) 对我们的方法进行了评估。使用 SSSF 的解码性能为 0.86 (± 0.09),在公共数据集上的性能为 0.73 (± 0.06),适用于所有受试者。实验结果显示,与之前方法在两个数据集上使用的固定频带相比,该方法具有统计学上显著的增强 (p < 0.01)。此外,我们还通过伪在线分析展示了成功的解码结果。因此,我们证明了所提出的 SSSF 方法可以比传统方法包含更多有意义的 MRCP 信息。
Labsphere 的太空级 Spectralon 已通过国家实验室(如喷气推进实验室、戈达德太空飞行中心、TRW 和 CSEM)的广泛测试,包括紫外线照射、质子轰击、原子氧照射、a-莱曼辐射、排气和静电荷测试。这些测试促成了严格的制造工艺的开发,可消除导致紫外线降解的潜在污染物。
摘要:最近的技术进步使得低成本、高便携性的大脑传感器(如预放大干电极)的开发成为可能,可用于在实验室外测量认知活动。这项技术为在复杂的现实生活中(例如在操作飞机时)监测“大脑工作”开辟了有希望的前景。但是,需要在实际操作条件下对这些传感器进行基准测试。因此,我们设计了一个场景,其中配备六干电极 EEG 系统的 22 名飞行员必须执行一个低负荷和一个高负荷的飞行模式以及被动听觉异常。在低负荷条件下,参与者正在监控由飞行教练处理的飞行,而在高负荷条件下,他们正在驾驶飞机。在组级别,统计分析显示,与高负荷相比,低负荷条件下听觉目标(Pz、P4 和 Oz 电极)的 P300 幅度更高,α 波段功率(Pz 电极)更高,θ 波段功率(Oz 电极)更高。同时使用事件相关电位和事件相关频率特征的单次试验分类准确率没有超过区分两种负载条件的机会水平。然而,当只考虑在连续信号上计算的频率特征时,分类准确率平均达到 70% 左右。这项研究证明了干脑电图在高度