XiaoMi-AI文件搜索系统
World File Search Systemartifact
来自脑电图的机器学习脑特异性生物标志物
脑电图（EEG）作为研究大脑功能的临床工具的悠久历史，其为各种应用提供生物标志物的潜力远非筋疲力尽。机器学习（ML）可以通过利用复杂的EEG信号来隔离相关的大脑活动来指导未来的创新。然而，脑电图中的ML研究倾向于忽略生理伪像，这可能会导致中枢神经系统（CNS）提出生物标志物的问题。我们提出了一个框架，用于从CNS与用脑电图测量的外围信号进行概念化机器学习。基于Morlet小波的频谱跨频谱的通用信号表示使我们能够定义传统的大脑活动特征（例如日志功率）和最先进的ML方法（协方差矩阵）使用的替代输入。使用来自大型公共数据库（TUAB，TDBRAIN）的2600多种脑电图录音，我们研究了外围信号和伪影技术对ML模型的影响，对模型的年龄和性别预测分析。跨基准，基本的伪影抑制改善了模型性能，而使用ICA进一步删除外围信号降低了性能。我们的分析表明，外围信号可实现年龄和性别预测。但是，他们仅解释了大脑信号提供的性能的一小部分。我们表明，脑信号和身体信号都反映在脑电图中，可以预测个人特征。尽管这些结果可能取决于特定的预测问题，但我们的工作表明，当目标是使用ML开发CNS特定的生物标志物时，需要非常小心来分离这些信号。
来自脑电图的机器学习脑特异性生物标志物
脑电图（EEG）作为研究大脑功能的临床工具的悠久历史，其为各种应用提供生物标志物的潜力远非筋疲力尽。机器学习（ML）可以通过利用复杂的EEG信号来隔离相关的大脑活动来指导未来的创新。然而，脑电图中的ML研究倾向于忽略生理伪像，这可能会导致中枢神经系统（CNS）提出生物标志物的问题。我们提出了一个框架，用于从CNS与用脑电图测量的外围信号进行概念化机器学习。基于Morlet小波的频谱跨频谱的通用信号表示使我们能够定义传统的大脑活动特征（例如日志功率）和最先进的ML方法（协方差矩阵）使用的替代输入。使用来自大型公共数据库（TUAB，TDBRAIN）的2600多种脑电图录音，我们研究了外围信号和伪影技术对ML模型的影响，对模型的年龄和性别预测分析。跨基准，基本的伪影抑制改善了模型性能，而使用ICA进一步删除外围信号降低了性能。我们的分析表明，外围信号可实现年龄和性别预测。但是，他们仅解释了大脑信号提供的性能的一小部分。我们表明，脑信号和身体信号都反映在脑电图中，可以预测个人特征。尽管这些结果可能取决于特定的预测问题，但我们的工作表明，当目标是使用ML开发CNS特定的生物标志物时，需要非常小心来分离这些信号。
一种用于生成全平面超分辨率 MRI 图像的新型人工智能技术
加州大学洛杉矶分校的一组研究人员一直在开发新的人工智能技术，利用多切片二维 MRI 扫描在正交成像平面（而不是用于获取原始 2D 切片的平面）中生成高分辨率 MRI 图像。多切片 2D MRI 图像的每个切片在其自己的成像平面上都具有高分辨率，但其切片厚度或跨平面分辨率要厚得多（例如 3-6 毫米），从而产生低分辨率多平面重组，由于体素拉长而产生阶梯状伪影。可以通过在多个平面（轴向、冠状面或矢状面）中获取图像来解决此缺点，但这很耗时，因此临床效率较低。
内华达号战列舰 (BB-36) 的发现和初步记录
摘要 2020 年，Ocean Infinity 和 SEARCH Inc. 发现了美国内华达号战列舰 (BB-36) 的沉没残骸，这为记录、现场测绘和表征这艘深海沉船提供了手段，这艘沉船有着标志性的历史，跨越了半个世纪，在两次世界大战、地缘政治变化和原子时代的到来而产生的技术发展给世界带来了深刻的变化。此次任务是在全球大流行期间进行的，这从项目和随后的调查中可以看出来。归根结底，内华达号沉船是一件文物，它讲述了这艘船所经历的时代和社会变革，有力地提醒了人们那个时代以及这艘船、海军和整个社会如何适应那个时代的问题和变化。
内华达号战列舰 (BB-36) 的发现和初步记录
摘要 2020 年，Ocean Infinity 和 SEARCH Inc. 发现了美国内华达号战列舰 (BB-36) 的沉没残骸，这为记录、现场测绘和描述这艘深海沉船提供了手段，这艘沉船有着标志性的历史，跨越了半个世纪，在两次世界大战、地缘政治变化和原子时代的到来而结束的技术发展之后，世界发生了深刻的变化。此次任务是在全球大流行期间进行的，这反映在项目和随后的调查方式上。归根结底，内华达号沉船是一件文物，它讲述了这艘船所经历的时代和社会变革，有力地提醒了人们那个时代以及这艘船、海军和整个社会如何适应那个时代的问题和变化。
过完备小波框架扩展对脑电信息挖掘的潜力
脑电图 (EEG) 是通过放大和记录人体头皮上由大脑电流产生的电活动而获得的记录 (Zandi 等人，2011；Larson 和 Taulu，2018)。EEG 是脑成像科学中广泛使用的媒介，在脑机接口 (BCI；Gao 等人，2021) 研究中发挥着重要作用。BCI 是一种将脑信号转换为有用命令的在线计算机系统。到目前为止，不同类型的脑信号已被用于开发 BCI 系统。由于其方便和低成本，EEG 信号已成为 BCI 系统中的主要媒介。然而，实践证明，由于 EEG 信号能量较弱，EEG 信号的采集很容易受到各种噪声的干扰。为了从嘈杂的 EEG 信号中提取有用信息 (Shad 等人，2020)，在 EEG 信号分析中研究了各种信号处理方法。在脑信号分析中，提高信噪比是一个重要的预处理步骤。传统上，它是使用快速傅里叶变换（FFT）完成的（Wahab et al., 2021）。在BCI中，FFT也用于从EEG信号中实现显著特征的提取。短时傅里叶变换是FFT的增强，它可以生成EEG的二维频谱表示（Ha and Jeong，2019）。然而，STFT的主要缺点是其频率分辨率不可调。Huang提出了一种将STFT与卷积神经网络相结合用于生物医学信号分类的方法（Huang et al., 2019）。此外，基于傅里叶分析的数字滤波器也是EEG信号去噪的重要工具（Hsia and Kraft，1983）。它们的应用包括噪声伪影去除、特定频带的特征选择。尽管近年来新的脑电滤波技术不断涌现，但滤波技术并不是 BCI 研究的重点，相关研究也报告了数字滤波器的缺点（Alhammadi and Mahmoud，2016）。在过去的几十年中，随着计算能力的提高，许多更先进的信号处理方法被发明并投入实践。Upadhyay 提出了一种结合 S 变换和独立成分分析的新技术，用于脑电信号中的伪影消除和噪声抑制（Upadhyay et al.，2016）。Djemili 利用经验模态分解将脑电信号分解为固有模态函数，实现了正常和癫痫脑电特征的智能分类（Djemili et al.，2016）。Jiang 的研究中，提出了一种基于多词典的稀疏表示方法，用于癫痫脑电尖峰的自动检测（Jiang et al.，2020）。 Dora 应用变分模态分解来校正 EEG 测量中的伪影（Dora 和 Biswal，2020 年）。Chen 提出了一种稀疏傅里叶变换，并将其应用于电力线伪影消除（Chen et al.，2021b）。
© 英国计算机学会 2021。保留所有权利。如需获取许可，请发送电子邮件至：journals.permissions@oup.com doi：10.1093/comjnl/bxaa175 Hyb
本研究开发了一种从脑电图 (EEG) 信号中去除眼部和肌肉伪影的新型混合方法，即 EFICA-TQWT。它是高效快速独立分量分析 (EFICA) 方法与可调 Q 因子小波变换 (TQWT) 的结合。本文的主要贡献是在滤波系统中应用 3D 插值方法。本研究使用了三个 EEG 数据集，两个健康数据集和一个癫痫数据集。每个数据集的受试者选择都是在生理学专家的帮助下完成的。采用的选择标准是处理后的记录中是否存在肌肉和眼部伪影。首先，使用具有径向基函数的支持向量机 (SVM) 对噪声通道进行自动分类，以便从每个 EEG 记录中删除与最嘈杂通道相对应的信号。将 SVM 的自动分类结果与专家分类的结果进行了比较。 SVM 分类的准确率为 97.45%，灵敏度为 86.66%，特异性为 100%。将对每个受试者的国际 10/20 系统的其余 EEG 通道应用混合伪影去除方法。然后，对消除的通道信号进行重建，以获得滤波良好的信号。通过计算均方误差 (MSE) 和信噪比 (SNR) 来评估所提出的滤波过程。针对健康和病理 EEG 数据集，对所提出的方法 (EFICA-TQWT) 和其他滤波技术 (Fast-ICA、DWT、TQWT 和 EFICA) 进行了比较研究。EFICA-TQWT 方法给出了最佳结果，MSE 最小，SNR 最大，尤其是在应用 3D 插值方法的情况下。此外，为了优化所提系统的计算时间，采用计算统一设备架构，基于图形处理单元开发了该过滤系统的并行实现。
发作后全身脑电图抑制的检测：随机森林方法
背景：癫痫猝死 (SUDEP) 是仅次于中风的神经系统事件，可导致数年的潜在寿命损失。发作后全身性脑电图 (EEG) 抑制 (PGES) 是大脑活动受到抑制的一段时间，通常发生在全身性强直阵挛性癫痫发作之后，这是 SUDEP 的最重要风险因素。因此，PGES 已被视为 SUDEP 风险的潜在生物标志物。自动 PGES 检测工具可以解决劳动密集型且有时不一致的视觉分析的局限性。成功的自动 PGES 检测方法必须克服与检测 EEG 记录中可能包含生理和采集伪影的细微幅度变化有关的计算挑战。目标：本研究旨在提出一种随机森林方法，用于使用在癫痫监测单元中获取的多通道人体 EEG 记录自动检测 PGES。方法：我们使用来自 EEG 信号的时间、频率、小波和通道间相关特征的组合来训练随机森林分类器。我们还根据 PGES 状态变化构建并应用了基于置信度的校正规则。受实用性的启发，我们引入了一种新的基于时间距离的评估方法来评估 PGES 检测算法的性能。结果：基于时间距离的评估表明，对于无伪影信号，我们的方法实现了 5 秒容差的阳性预测率为 0.95。对于具有不同伪影水平的信号，我们的预测率从 0.68 到 0.81 不等。结论：我们引入了一种基于特征的随机森林方法，用于使用多通道 EEG 记录自动检测 PGES。我们的方法在降低信号伪影水平的同时实现了越来越好的基于时间距离的性能。需要进一步研究 PGES 检测算法是否能在任何信号伪影水平下表现良好。
[分析METRLOGICA 中的测量兼容性
通过在区域参考标准实验室 (RRSL)、班加罗尔开发和调试容量为 50 kN 的自重测力机以及在印度不同地区的其他 (RRSL) 开发和调试容量为 50 kN 的自重测力机，实现了将单位从国家标准转移到用户时，将测量结果传输到区域参考标准实验室 (法制计量部)，而不会对不确定度产生太大影响。通过与 BMC 为 ± 0.003 % (k=2) 的 NPL 主标准机校准的工件，直接比较已建立的标准机器的性能。从不同机器获得的称重传感器校准数据显示，实际力在 ± 0.05% 以内，因此已建立的力标准机器的性能非常令人满意。
量子电压标准综述：研究现状、应用及发展趋势
摘要：与传统的伪影电压标准不同，量子电压标准与基本物理常数有关，因此具有高准确性和稳定性等电压计量学的优势。本文回顾了约瑟夫森效应的发现以及建立直流量子电压标准的过程，重点是结合AC量子电压标准的基本原理，问题以及应用的应用，包括可编程的约瑟夫森电压标准和脉搏驱动的Josephson的标准，并比较了两种AC量子的应用。特别是，鉴于准确的电能测量的重要性，引入了两个基于量子电压的交流功率标准。最后，未来的发展趋势和量子电压标准的应用前景得到了验证。