XiaoMi-AI文件搜索系统
World File Search Systemartifact
双向脑机接口应用中同时进行皮层脑电刺激和记录的最佳伪影抑制
摘要 目的。基于皮层电图 (ECoG) 的脑机接口 (BCI) 是恢复神经功能障碍患者运动和感觉功能的有前途的平台。这种双向 BCI 操作需要同时记录 ECoG 和刺激，这在存在强刺激伪影的情况下具有挑战性。如果 BCI 的模拟前端在超低功耗模式下运行，这个问题会更加严重，这是完全植入式医疗设备的基本要求。在本研究中，我们开发了一种新方法，用于在刺激伪影到达模拟前端之前抑制它们。方法。利用基本的生物物理考虑，我们设计了一种伪影抑制方法，该方法采用在主刺激器和记录网格之间传递的弱辅助刺激。然后通过约束优化程序找到该辅助刺激偶极子的确切位置和幅度。在模拟和幻影脑组织实验中测试了我们方法的性能。主要结果。通过优化程序找到的解决方案在模拟和实验中都与最佳抵消偶极子相匹配。在模拟和脑幻影实验中分别实现了高达 28.7 dB 和 22.9 dB 的伪影抑制。意义。我们开发了一种简单的基于约束优化的方法来查找产生最佳伪影抑制的辅助刺激偶极子的参数。我们的方法在刺激伪影到达模拟前端之前对其进行抑制，并可能防止前端放大器饱和。此外，它可以与其他伪影缓解技术一起使用，以进一步减少刺激伪影。
基于CRISPR的功能基因组学用于神经系统疾病
摘要 - 电代理（ECOG）基于双向（BD）脑部计算机界面（BCIS）是即将到来的技术，有望帮助恢复具有运动和感觉效果的人的功能。这种范式的一个主要问题是，引起人工感觉所需的皮质刺激会产生强大的电伪影，从而通过饱和记录记录放大器或掩盖使用的使用神经信号来破坏BCI操作。即使使用最新的硬件伪影方法，仍然需要强大的信号处理技术来抑制数字后端存在的残留伪像。在此，我们使用临床神经刺激程序中记录的ECOG数据进行了保释前和无效伪影方法的有效性。我们的方法达到了21.49 dB的最大伪像压力，并显着增加了频域中无伪影频率的数量。这种性能超过了更传统的独立组件分析方法，同时保留了降低的复杂性并提高了计算效率。
工件过滤应用程序以增加通信BCI中的在线均等：在日常生活中使用
在开发可靠的脑部计算机界面（BCIS）方面，一个重大挑战是在获得的脑信号中存在伪影。这些文物可能会导致错误的解释，模型拟合不佳以及随后的在线绩效降低。此外，在家庭或医院环境中的BCIS更容易受到环境噪音的影响。伪影处理程序旨在通过过滤，重建和/或消除不良信号污染物来减少信号干扰。虽然在概念上且在很大程度上是无可争议的，但在BCI系统中是必不可少的，合适的人工处理应用程序，在某些情况下仍未解决，并且在某些情况下可能会降低性能。使用这些程序的大多数BCI研究中仍未探索的潜在混杂是缺乏在线使用（例如在线平价）的均等。此手稿比较了使用整个数据集的经常使用的离线数字过滤和在线数字过滤方法之间进行分类性能，在线数字过滤方法中，将对闭环控制过程中将使用的分段数据时期进行过滤。在BCI试点研究中招收的健康成年人样本（n = 30）中，旨在整合新的通信界面，在与在线奇偶校验过滤时，模型性能有很大的好处。在线模拟这项研究中的条件上表现出相似的性能，但在线均等的方法似乎没有任何弊端。
一种利用神经磨性的电刺激伪像去除方法：通过对比的阴极和阳极刺激的验证
摘要目的：提出一种消除刺激瞬态的新方法，该方法利用了电兴奋的神经组织的绝对难治时期。背景：电刺激通常会产生明显的信号伪像，这些信号伪影可能会掩盖重要的生理信号。从这些信号中删除伪像并了解潜在信息可以提供客观的电路参与度，并有可能驱动神经调节研究和疗法的范围。方法：我们对五个连续的帕金森氏病患者进行了颅内生理研究，他们接受了深度脑刺激（DBS）手术，这是他们常规护理的一部分。单极刺激（阴极或阳极）通过DBS电极成对通过一系列刺激间间隔传递。来自相邻未使用的电极触点的记录使用宽带采样和精确的同步来在绝对耐火周期内生成刺激瞬态的稳健模板。然后以不同的间隔从记录中减去这些刺激瞬变的模板，以提取和分析残余神经电位。结果：掉伪影后，残留信号表现出绝对和相对难治性的表情，并指示神经活动的时间。阴极和阳极DBS脉冲产生了局部组织激活的不同模式，显示出与先前刺激的相位独立性。阴极刺激比阳极刺激产生的局部组织反应更强，与临床观察到较低的激活阈值的临床观察。可检测到的可检测神经反应发生在短峰潜伏期（刺激后0.19至0.38 ms），在去除前完全或部分被刺激伪影遮住了。然而，阴极和阳极脉冲引起的伪影模式等效但相反。解释：拟议的伪影去除技术通过允许直接测量局部组织反应而无需刺激极性反转，模板缩放或专门的过滤器来增强先前的方法。这种方法可以整合到未来的神经化系统中，以可视化刺激诱发的神经潜力，否则这些神经潜力将被刺激伪像所掩盖。
具有各种悬垂和支撑结构的镍基高温合金 625 工件激光粉末床熔合过程中的原位热成像
本文档提供了有关实验和相关测量文件的详细信息，可在数据集“具有各种悬垂和支撑的镍基高温合金 625 工件的激光粉末床熔合过程中的原位热成像”中下载。测量数据是在使用商用激光粉末床熔合 (LPBF) 系统制造小型镍基高温合金 625 (IN625) 工件期间获得的。工件由两个半拱形特征组成，悬垂的斜率逐渐增加。这些悬垂范围从垂直 5° 到垂直 85°，增量为 10°。工件的几何形状和工艺受到控制，以确保沿悬垂几何形状的加工一致性。这种控制可以将悬垂几何形状和支撑结构的影响与层间扫描策略变化的影响隔离开来。测量包括每一层的高速热成像，从中可以计算出辐射温度、冷却速率和熔池长度。这次实验和数据传播的目的是双重的。第一个目标是为建模社区提供示例数据，以确保他们的模型能够正确考虑热模型中悬垂几何形状和支撑结构的影响。第二个目标是为研究人员和工艺设计人员提供有关悬垂几何形状如何影响 LPBF 工艺的基本见解。
MAUDGAN：具有不同脑肿瘤的多中心 MRI 数据的运动伪影无监督解缠生成对抗网络
摘要。目的：本研究提出了一种新颖的回顾性运动减少方法，即运动伪影 11 无监督解缠生成对抗网络 (MAUDGAN)，该方法可减少来自肿瘤和转移性脑图像的运动伪影。MAUDGAN 使用多模态多中心 3D T1- 13 Gd 和 T2 流体衰减反转恢复 MRI 图像进行训练。方法：在 k 空间中为 3D T1-Gd MRI 图像模拟具有不同伪影 14 级别的运动伪影。MAUDGAN 由使用残差块构建的两个生成器、两个鉴别器和两个特征提取器网络组成。生成器将图像从内容空间映射到伪影空间，反之亦然。另一方面，鉴别器试图 17 区分内容代码以学习无运动和运动损坏的内容空间。结果：我们将 MAUDGAN 与 CycleGAN 和 Pix2pix-GAN 进行了比较。从定性上讲，MAUDGAN 可以消除软组织对比度最高的运动，而不会增加空间和频率失真。从定量上讲，我们报告了六个指标，包括归一化均方误差 (NMSE)、结构相似性指数 (SSIM)、多尺度结构相似性指数 (MS-SSIM)、峰值信噪比 (PSNR)、视觉信息保真度 (VIF) 和多尺度梯度幅度相似性偏差 (MS-GMSD)。MAUDGAN 获得了最低的 NMSE 和 MS-GMSD。平均而言，所提出的 MAUDGAN 重建的无运动图像具有最高的 SSIM、PSNR 和 VIF 值以及可比的 MS-SSIM 值。结论：MAUDGAN 可以在多模态框架下从 3D T1-Gd 数据集中分离出运动伪影。运动减少将改善自动和手动 26 后处理算法，包括自动分割、配准和引导治疗（例如 27 放射治疗和手术）的轮廓勾画。28
“TESSERACT：消除跨空间和时间的恶意软件分类实验偏差”ACSAC 网络安全工件竞赛的影响
五年前，恶意软件分类论文中近乎完美的𝐹 1 分数趋势引发了人们的疑问：Android 恶意软件分类是否已解决。恶意软件分类实际上并非已解决的问题，近乎完美的性能是时空偏差的结果。Tesseract 的开发旨在允许对恶意软件分类器进行不受空间和时间偏差影响的实际评估。Tesseract 发布后，它成为如何进行公平恶意软件分类评估的基准，影响了后续论文的实验设计，迄今为止已有 415 次引用。Tesseract 被实现为一个 Python 库，旨在轻松与常见的 ML 工作流程集成。Tesseract 的设计深受流行的机器学习算法的启发，并且与之完全兼容。
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
通识教育课程大纲 edTPA
词汇，包括学生为了理解课程内容而必须能够定义的任何单词。这些单词可能是学科特有的（社会研究中的artifact），也可能是学校中使用的一般单词（list、characters、infer、analyze）。
BrainBeats：一个开源EEGLAB插件，用于共同分析脑血和心血管（ECG/PPG）信号
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开放源代码，EEGLAB，EEG，EEG，ECG，ECG，PPG，PPG，HRV，QEEG，QEEG，特征分析，Hep/Hep/hep/hep/heo，hep/heo，brain heart Interplay，Heart Artifact，Heart Artifact，Heart Artifact，Heart Artifact。摘要：BrainBeats工具箱是一个开源EEGLAB插件，旨在共同分析EEG和心血管（ECG/PPG）信号。它提供了三个主要协议：心跳诱发的潜力评估，基于特征的分析和心脏伪像从EEG信号中提取。它应该帮助研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它们有可能对大脑和心脏功能耦合提供宝贵的见解。EEG和ECG/PPG提供了无创，具有成本效益和便携式解决方案，用于捕获实验室，临床或现实世界中的大脑心脏相互作用。但是，由于技术挑战和缺乏准则，该域中的可扩展应用程序受到限制。现有工具通常缺乏统计方法，易于使用的用户界面或大型数据集的自动功能，对于可重复性至关重要。在标准化定量脑电图（QEEG）和心率变异性（HRV）特征提取方法中进一步存在，破坏了临床诊断或机器学习的鲁棒性（ML）模型。应对这些挑战，我们介绍了Brainbeats工具箱，该工具箱是作为开源EEGLAB插件实现的，提供了一套信号处理和功能突出功能。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO），用于以毫秒精度评估时锁的脑心脏相互作用； 2）QEEG和HRV功能提取，用于检查各种大脑和心脏指标之间的关联或构建基于功能的ML模型； 3）从EEG信号中自动提取心脏伪像，以消除进行EEG分析的任何潜在的心血管污染。我们提供了一个分步教程，用于在包含同时64通道EEG，ECG和PPG的开源数据集上执行这三种方法。可以通过图形用户界面（GUI）或命令行调整一系列参数以量身定制独特的研究需求。Brainbeats应该使大脑心脏的相互作用研究更容易访问和重现。