脑电图 (EEG) 记录经常会受到肌电图 (EMG) 伪影的污染,尤其是在运动期间记录时。现有的去除 EMG 伪影的方法包括独立成分分析 (ICA) 和其他高阶统计方法。然而,这些方法不能有效去除大多数 EMG 伪影。在这里,我们提出了一种改进的 ICA 模型来去除 EEG 中的 EMG 伪影,这称为通过添加 EMG 源去除 EMG (ERASE)。在这种新方法中,来自颈部和头部肌肉的真实 EMG 的额外通道(参考伪影)被添加作为 ICA 的输入,以便将 EMG 伪影的大部分功率“强制”到几个独立成分 (IC) 中。使用自动程序识别和拒绝包含 EMG 伪影的 IC(“伪影 IC”)。首先使用模拟和实验记录的 EEG 和 EMG 验证 ERASE。模拟结果表明,ERASE 比传统 ICA 更有效地从 EEG 中去除 EMG 伪影。此外,它的假阳性率低,灵敏度高。随后,在 8 名健康参与者移动双手时收集了他们的 EEG,以测试该方法的实际效果。结果表明,ERASE 成功去除了 EMG 伪影(平均而言,当使用真实 EMG 作为参考伪影时,大约 75% 的 EMG 伪影被去除),同时保留了与运动相关的预期 EEG 特征。我们还使用模拟 EMG 作为参考伪影测试了 ERASE 程序(大约 63% 的 EMG 伪影被去除)。与传统 ICA 相比,ERASE 从 EEG 中去除的 EMG 伪影平均多 26%。这些发现表明,ERASE 可以实现 EEG 信号和 EMG 伪影的显著分离,而不会丢失底层的 EEG 特征。这些结果表明,使用额外的真实或模拟 EMG 源可以提高 ICA 从 EEG 中去除 EMG 伪影的有效性。结合自动化 IC 伪影剔除,ERASE 还可最大程度地减少潜在的用户偏差。未来的工作将侧重于改进 ERASE,使其也可用于实时应用。
摘要。脑电图 (EEG) 记录经常受到肌电图 (EMG) 伪影的污染,尤其是在运动过程中记录时。现有的去除 EMG 伪影的方法包括独立成分分析 (ICA) 和其他高阶统计方法。然而,这些方法不能有效地去除大多数 EMG 伪影。在这里,我们提出了一种改进的 ICA 模型来去除 EEG 中的 EMG 伪影,称为通过添加 EMG 源去除 EMG (ERASE)。在这种新方法中,将来自颈部和头部肌肉的真实 EMG 的额外通道(参考伪影)作为 ICA 的输入添加,以便将 EMG 伪影的大部分功率“强制”到几个独立成分 (IC) 中。使用自动程序识别和拒绝包含 EMG 伪影的 IC(“伪影 IC”)。首先使用模拟和实验记录的 EEG 和 EMG 验证 ERASE。仿真结果表明,ERASE 从 EEG 中去除 EMG 伪影的效果显著优于传统 ICA。此外,它的假阳性率低,灵敏度高。随后,研究人员收集了 8 名健康参与者移动双手时的 EEG 数据,以测试该方法的实际效果。结果表明,ERASE 成功去除了 EMG 伪影(使用真实 EMG 作为参考伪影时,平均可去除约 75% 的 EMG 伪影),同时保留了与运动相关的预期 EEG 特征。我们还使用模拟 EMG 作为参考伪影测试了 ERASE 程序(约 63% 的 EMG 伪影被去除)。与传统 ICA 相比,ERASE 从 EEG 中去除的 EMG 伪影平均多 26%。这些发现表明,ERASE 可以显著分离 EEG 信号和 EMG 伪影,而不会丢失底层 EEG 特征。这些结果表明,使用额外的真实或模拟 EMG 源可以提高 ICA 在去除 EMG 伪影方面的有效性。
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
目标:本研究的目的是比较计算机上的Tomog-raphy(CT)扫描中虚拟单烯图像(VMI)重建的有效性和临床实用性,并在光子计算检测器(PCD)CT系统上进行预滤线,以减少金属植入型Artifacts in Metal Artifacts in the Post of Posterative of Posterative of Posterative of the the the Postoperatiate of the the Postoperatiate oferporatiate ank。材料和方法:这项回顾性研究包括在3月至2023年10月之间在PCD CT扫描仪上进行内部固定的脚踝内固定的患者。在60到190 KeV之间的虚拟单晶图像在骨内核中以10 keV的增量重建,分别用于两种采集(分别为VMI SN和VMI STD)。噪声测量值评估了最突出的近金属图像扭曲中的伪影降低,并在采集模式以及多色图像和VMI之间进行了比较。三个读者评估了骨愈合的可见性以及5个重建水平的可见性和伪像范围。结果:本研究中包括48例患者(21名女性,27males;平均年龄为55.1±19.4岁)。tin-perfelter the-pyflerter the-div> tin-perfefterters的采集(n = 30)的多色彩图像和VMI的人工水平较低(n = 18;p≤0.043)。A significant reduction of metal artifacts was ob- served for VMI Sn ≥ 120 keV compared with polychromatic images (hyperdense ar- tifacts: 40.2 HU [interquartile range (IQR) 39.8] vs 14.0 HU [IQR 11.1]; P ≤ 0.01 and hypodense artifacts: 91.2 HU [IQR 82.4] vs 29.7 HU [IQR 39.6];For VMI Std , this applied to reconstructions ≥ 100 keV (hyperdense artifacts: 57.7 HU [IQR 33.4] vs 19.4 HU [IQR 27.6]; P ≤ 0.001 and hypodense artifacts: 106.9 HU [IQR 76.1] vs 57.4 HU [IQR 55.7]; P ≤ 0.021).对于可见性的可见性,与多色图像相比,keV的VMI SN在120 keV处得出更高的评分(p≤0.001),而与多颗粒图像相比,对图像的可解释性的评分更好(p = 0.023),并且对伪影范围的评分较低(p = 0.001)。结论:与多色图像相比,在120 KEV处的锡型VMI在120 KEV处显示出显着降低的金属伪像,而OSSESE愈合和图像可解释性的可见性得到了提高。因此,锡预滤光PCD CTWITH VMI重建可能是对金属植入物患者踝关节术后CT成像的有益补充。
蒙大拿大学 ScholarWorks 免费向您提供本论文,供您开放访问。蒙大拿大学 ScholarWorks 的授权管理员已接受本论文,将其纳入本科论文、专业论文和 Capstone Artifacts。如需更多信息,请联系 scholarworks@mso.umt.edu 。
IBM将生成a i定义为“可以根据培训的数据生成高质量文本,图像和其他内容的深度学习模型”。 1 Gartner, a Connecticut-based firm that has long been recognized as an industry leader in technology research and consulting, explains it as “A I techniques that learn a representation of artifacts from data, and use it to generate brand- new unique artifacts that resemble but don't repeat the original data…Generative A I can produce totally novel content (including text, images, video, audio, structures), computer code, synthetic data, workflows and models of physical objects.” 2与大多数技术创新不同,这些创新是通过创新且资金良好的用户的早期采用周期进入主流使用的,而生成的i从战略上发布了作为一项免费服务,即使是最休闲的技术用户也可以访问。这种无处不在,强大且可用的新技术突然出现,使许多人想知道这是值得恐惧或拥抱的东西。
概述:开发计算工件的过程既包括创造性表达,也包括探索创建原型和解决计算问题的想法。学生创造的工件与个人相关或对社区及其他领域有益。计算工件可以通过组合和修改现有工件或开发新工件来创建。计算工件的示例包括程序、模拟、可视化、数字动画、机器人系统和应用程序。
本文的主要目的是全面概述和分析物质制品与具身心智之间的各种关系。本文的第二个目标是确定制品设计和使用中的一些趋势。首先,根据其功能特性,我确定了具身心智所采用的四类制品,即 (a) 具身制品、(b) 感知制品、(c) 认知制品和 (d) 情感制品。这些类别可以重叠,因此一些制品属于多个类别。我还确定了我们在与制品交互时使用的一些技术(或技能)。确定这些制品和技术类别使我们能够绘制出具身心智与制品世界之间关系的图景。其次,在确定了人工制品和技术的类别之后,本文概述了人工制品设计和使用的一些趋势,重点关注神经假体、脑机接口和个性化算法,引导用户走向特定的信息消费认知路径。