XiaoMi-AI文件搜索系统
World File Search Systemartifact
从点过程到量子光学元件和后背
Div> A Institute of Health and Analytics, Petronas Technology University, Silver, Malaysia B Institute of Autonomous Systems, Petronas Universiti Technology, Silver, Malaysia C Department of Electrical and Electronic Engineering, Universiti Technology Petronas, Silver, Malaysia D Department of Neuroscience Electronique, Informatique et image (LE2I), ERL Vibot CNRS 6000, Universite de Bourgogne, France
心冲击图伪影消除，用于同时进行 EEG - ...
1. Mulert, C.、Pogarell, O. 和 Hegerl, U. 同步 EEG-fMRI：精神病学展望。CEN, 39(2)，61–64 (2008)。https://doi.org/10.1177/155005940803900207 2. Shams, N.、Alain, C. 和 Strother, S. 同步 EEG–fMRI 中诱发反应的 BCG 伪影去除方法比较。J. Neurosci. Methods 245, 137–146 (2015) 3. Iannotti GR、Pittau F.、Michel CM、Vulliemoz S. 和 Grouiller F. 基于 EEG 地图拓扑在同步 EEG-fMRI 记录中进行脉冲伪影检测。脑拓扑； 28(1):21-32 (2015) 4. Allen, PJ, Polizzi, G., Krakow, K., Fish, DR 和 Lemieux, L. Identification of EEG events in the MR scanner: the problem of pulse pseudodragon and a method for its subtraction. Neuroimage 8(3), 229–239 (1998) 5. C. Bénar, Y. Aghakhani, Y. Wang 等，Quality of EEG insynchronous EEG–fMRI for epilepsy，Clin. Neurophysiol. 114 (3), 569–580 (2003) 6. K. Niazy, CF Beckmann, GD Iannetti 等, 使用最优基础集从 EEG 数据中去除 FMRI 环境伪影, Neuroimage 28 (3), 720–737 (2005) 7. Kruggel F, Wiggins CJ, Herrmann CS 等, 在 3.0 Tesla 场强下功能性 MRI 期间记录事件相关电位。Magn Reson Med, 44(2): 277-282 (2000) 8. Niazy, RK, Beckmann, CF, Iannetti, GD, Brady, JM 和 Smith, SM, 使用最优基础集从 EEG 数据中去除 FMRI 环境伪影。 Neuroimage 28(3), 720–737 (2005) 9. Li Hu, Zhiguo Zhang: EEG 信号处理和特征提取。Springer Nature (2019) 10. Ibrahim Sadek, Jit Biswas, Bessam Abdulrazak。心冲击信号处理：综述。健康
FastEMD–CCA 算法用于无监督快速去除脑电图中的眨眼伪影
a 马来西亚霹雳州国油工艺大学健康与分析研究所 b 马来西亚霹雳州国油工艺大学自治系统研究所 c 马来西亚霹雳州国油工艺大学电气与电子工程系 d 马来西亚吉兰丹马来西亚理科大学神经科学系 e 法国勃艮第大学 ERL VIBOT CNRS 6000 电子、信息与图像实验室 (Le2i)
mc-former：使用...
MC形式是从带有编码器编码器结构和跳过连接的基于视觉变压器的模型得出的。我们从T1加权轴向清洁图像中随机掩盖了50％的补丁，并使用自我监督的预训练重建了缺失的补丁。T1加权轴向脑图像被合成运动污染，以训练MC-前者去除运动伪影。评估在训练过程中使用了模拟的T1加权轴向图像。将MC形式与MC-NET 1和RESTORMER 2进行了比较，后者是运动校正和运动去膨胀的最新方法。
基于学习的运动伪影在fnirs中的处理
本文对功能性近红外光谱（FNIRS）中基于学习的运动伪影（MA）处理方法进行了简要审查，强调了在受试者运动期间保持最佳接触的挑战，这可能导致MA并损害数据完整性。传统策略通常会导致血液动力学反应和统计能力的可靠性降低。认识到着重于基于学习的MA的研究有限的研究，我们研究了315项研究，确定了与我们的重点领域相关的七个研究。我们讨论了基于学习的MA校正方法的当前格局，并突出了研究差距。注意到缺乏用于MA校正质量评估的标准评估指标，我们建议一个新颖的框架，整合信号和模型质量考虑因素，并采用1个信噪比（1 SNR），混淆矩阵和平均平方误差等指标。这项工作旨在促进基于学习的方法在FNIRS上的应用，并提高神经血管研究的准确性和可靠性。
基于频率的深度学习实现多伪影脑电图去噪
摘要 脑电图 (EEG) 信号是神经科学研究和临床应用（如脑机接口和神经系统疾病诊断）的基础。这些信号通常是神经活动和噪声的组合，来自各种来源，包括眼球和肌肉运动等生理伪影。在这种情况下，我们解决了区分神经活动和噪声相关来源的挑战。我们开发了一种在频域中运行的新型 EEG 去噪模型，利用有关噪声频谱特征的先验知识自适应地计算用于噪声分离的最佳卷积滤波器。该模型经过训练可以学习一种经验关系，将噪声和噪声信号的频谱特性与允许信号去噪的非线性变换联系起来。在 EEGdenoiseNet 数据集上的性能评估表明，所提出的模型根据时间和频谱指标都实现了最佳结果。发现该模型可以从输入的 EEG 数据中去除生理伪影，从而实现有效的 EEG 去噪。事实上，该模型的性能与基准模型相当甚至更好，证明可以有效去除肌肉和眼部伪影，而无需对特定类型的伪影进行任何训练。
记忆伪像的历史
抽象的人类生物记忆系统已经改编成使用技术文物来克服这些系统的某些局限性。例如，在执行困难计算时，我们使用笔和纸来创建和存储外部数字符号；记住我们的约会时，我们会使用日历；记住要购买的东西时，我们会使用购物清单。本章着眼于记忆伪像的历史，描述了从洞穴绘画到虚拟现实的演变。它首先表征了记忆工件，内存系统和两个主要功能，这些伪像具有，这些功能是为了帮助单个用户完成内存任务和文化继承渠道（第2节）。It then outlines some of our first symbolic practices such as making cave paintings and figurines, and then moves on to outline several key developments in external representational systems and the artifacts that support these such as written language, numeral systems and counting devices, diagrams and maps, measuring devices, libraries and archives, photographs, analogue and digital computational artifacts, the World Wide Web, virtual reality, and smartphones (section 3）。之后，这对记忆伪像的文化演变的累积性质提出了一些简短的观点，并推测了记忆伪像的未来，认为很难超越五年多的认识论视野（第4节）。
人工智能作为创造性学习中的关系产物
摘要 人工智能 (AI) 在创建专业级媒体内容方面取得了显著进步。在创造性教育中，确定学生如何从中受益而不依赖他们是一项挑战。在这项研究中，研究人员进行了一项探索性实验，将人工智能定位为一系列绘画活动中与学生的关系人工制品，并研究了与机器的有效关系在社会文化创造性学习中的潜在影响。使用共识评估技术和扎根理论方法分析了由此产生的人工制品、观察结果和访谈记录。研究结果表明，设计教授可靠地评价学生的绘画比人工智能绘画更有创意，但两者都没有表现出持续的创造力提升。然而，人工智能的存在让学生探索不同的艺术提示方法。我们推测，如果学生认为他们与人工智能的关系是富有同情心和协作性的，那么人工智能就可以成为变革性创造力的学习工具。
正在进行的脑电图矫正使用盲源分离Nicole Ille A，*，Yoshiaki Nakao B，Yano Shumpei B，Toshiyuki Taura B，Arndt Ebert A
在过去的几年中，已经描述了许多方法，以减少伪影污染，同时试图保留大多数大脑活动，即使这与伪影活动相关。自从引入眼部伪影校正的ICA以来，大量已发表的方法基于盲源分离（BSS）或独立组件分析（ICA）（Vigário，1997; Jung et al。，1998）。Other successful approaches use for example spatial filters modelling artifact and brain activity (Berg and Scherg, 1991, 1994; Ille et al., 1997, 2002), spatially constrained ICA (SCICA) (Ille, 2001; Ille et al., 2001; Hesse and James, 2006), or hybrid approaches like BSS/ICA in combination with wavelet transformation (WT) (Castellanos and Makarov，2006年； Mammone等，2012年；有关脑电图删除方法的全面审查，请参见Kaya（2022），Urigüen和Garcia-Zapirain（2015），Islam等。（2016）。
运动引起的伪影在评估HR-PQCT扫描中的影响：观察者间和内部变异性的评估
建立的用于诊断肩cap骨骨折的成像方法是X射线，骨扫描，磁共振成像（MRI）和计算机断层扫描（CT），MRI是裂缝检测最敏感和最具体的方法。CT也具有很高的特异性，但灵敏度较低。但是，它通常比MRI更优于MRI，因为它更便宜且更容易获得（1,4,5）。高分辨率外围定量计算机断层扫描（HR-PQCT）代表检测scaphoid骨折的创新选择（6-8）。由于第一个结果直到最近才发布，因此在该领域尚未广泛建立其使用。最初，HR-PQCT旨在测量骨密度并量化骨骼的三维微构造（9）。由于几个原因，包括技术问题，扫描获取和评估缺乏标准化以及与成本相关的有限可用性，其临床价值仍处于边缘状态（10）。然而，近年来，HR-PQCT在许多科学领域都取得了重大进展，例如，在评估流变学疾病对关节表面的影响（11,12）（11,12），骨骼微体系结构和骨骼强度对次生骨质骨的骨骼和代谢性骨骼的影响（10），以及对骨骼的影响（10）的作用，以及对骨骼的效果，以及对骨骼的效果（均具有抗抗病性的作用）（均具有抗抗病性的作用（愈合（14-16）和远端半径裂缝机制的研究（17,18）。