XiaoMi-AI文件搜索系统
World File Search Systemnirs
脑和功能性近红外光谱的频域技术
本文回顾了频域近红外光谱 (FD-NIRS) 的基本原理，该技术依赖于强度调制光源和相位敏感光学检测，以及它在大脑中的非侵入性应用。连续波 NIRS (CW-NIRS) 的仪器更简单，数据分析更直接，几乎所有当前用于大脑 NIRS 的商用仪器都采用了 CW 技术。然而，FD-NIRS 提供的数据具有更丰富的信息内容，可以补充或超越 CW-NIRS 的功能。一个例子是 FD-NIRS 能够测量组织的绝对光学特性（吸收系数和散射系数），从而测量脑组织中氧合血红蛋白和脱氧血红蛋白的绝对浓度。本文回顾了文献中报道的动物模型和新生儿、婴儿、儿童和成人人脑的此类光学特性和血红蛋白浓度的测量值。我们还回顾了 FD-NIRS 在功能性脑研究中的应用，这些研究侧重于脑活动的较慢血流动力学反应（时间尺度为秒）和与神经元激活相关的较快光学信号（时间尺度为 100 毫秒）。FD-NIRS 数据功能的另一个例子与强度和相位数据所具有的不同敏感度区域有关。我们报告了利用此功能来最大限度地提高非侵入性光学信号对脑组织相对于更浅表的脑外组织（头皮、颅骨等）的灵敏度的最新进展。我们认为，后一种能力是 FD-NIRS 极具吸引力的品质，它补充了绝对光学测量，并可能导致非侵入性光学传感脑领域取得重大进展。
简历 – Silvia Erika KOBER，PD Mag。博士
格拉茨大学卓越领域生命复杂性基础研究与创新 (COLIBRI) 董事会成员 产假 施泰尔马克 INGE St. 脑研究计划董事会成员 奥地利格拉茨大学大脑与行为研究网络“运动过程和感觉知觉”研究领域协调员 格拉茨大学心理研究所神经科学实验室 PsyLab 经理 (EEG、NIRS、虚拟现实、眼动追踪) 奥地利格拉茨大学心理研究所讲师 (研讨会“人机交互中的应用神经心理学”，阅读“神经科学方法”) 奥地利格拉茨大学心理研究所实习 (神经心理学科)
水稻现象选择的表现：种群大小和基因型 - 环境相互作用对预测能力的影响
现象预测（PP）是一种利用近红外光谱（NIRS）数据的新方法，为育种应用提供了基因组预测（GP）的替代方法。在PP中，高光谱关系矩阵取代了基因组关系矩阵，可能会导致添加剂和非加性遗传效应。与GP相比，PP具有成本和吞吐量的优势，但影响其准确性的因素尚不清楚，需要定义。本研究研究了各种因素的影响，即训练人群的规模，多种环境信息整合以及基因型X环境（GXE）效应对PP的影响与GP相比。我们评估了在四种不同环境中种植的水稻多样性面板中的几种农艺上重要特征（开花，植物高度，收获指数，千粒体重和谷物氮含量）的预测准确性。培训人群规模和GXE效应包容对PP准确性的影响最小。影响PP准确性的关键因素是包括的环境数量。使用来自单个环境的数据，GP通常超出执行的PP。但是，使用来自多个环境的数据，使用基因型随机效应和每个环境的关系矩阵，PP获得了与GP的可比精度。与使用单个信息源相比，将PP和GP信息组合在一起（例如，GP，PP的平均预测能力以及GP和合并的GP和PP的平均预测能力分别为0.44、0.42和0.44）。我们的发现表明，当所有基因型至少具有一个NIRS测量值时，PP可以与GP一样准确，这可能为水稻育种计划提供重要优势，降低育种周期并降低计划成本。
两年一次的透明度报告
根据第 5/CMA.3 号决定，所有支持性通用报告表 (CRT) 和通用表格格式 (CTF)，包括其附件一、附件二*、附录以及附件三（附件三将仅关注所需和收到的资金、技术开发和转让以及能力建设支持）都将通过最终的《联合国气候变化框架公约》ETF 报告工具应用程序完成。使用通用报告表 (CRT) 的 NIR 信息的电子报告将作为本 BTR 的附件提交。跟踪实施和实现 NDC 进展所需的信息将作为通用表格格式 (CTF) 的附件提供。此信息包括所需和收到的资金、技术开发和转让以及能力建设支持的详细信息。
近红外光谱性能改进-...
许多机器学习研究已证明，集成分类器的分类准确率高于单个强学习器。尽管许多脑电图-脑机接口 (BCI) 研究使用集成分类器来增强 BCI 性能，但集成分类器很少用于近红外光谱 (NIRS)-BCI。此外，由于尚无系统的比较研究，集成分类器对 NIRS-BCI 的功效仍然未知。本研究采用四个 NIRS-BCI 数据集来评估基于自举聚合的线性判别分析集成分类器的功效。从分析结果来看，本研究采用的所有四个 NIRS-BCI 数据集的比特率和分类准确率均显著（或略微显著）提高。此外，在四个数据集中的两个数据集中发现显著的比特率改善。
发育认知神经科学的基础
2.1 Studying Behavior across Development 2.1.1 Study Designs 2.1.2 Converging Technologies and Methods 2.2 Behavioral Studies 2.2.1 Studying Infant Cognition 2.2.2 Studying Child and Adolescent Cognition 2.3 Probing Human Brain Structure 2.3.1 Structural MRI 2.3.2 Diffusion-Weigh ted Imaging (DWI) 2.4 Probing Human Brain Function: Measures of Electrical Activity 2.4.1 Electroencephalography (EEG) 2.4.2 Event-Related Potentials (ERPs) Derived from EEG 2.4.3 Magnetoencephalography (MEG) 2.5 Probing Human Brain Function: Blood-Based Measures 2.5.1 Cerebral Blood Volume and Flow 2.5.2 Overview of fMRI 2.5.3 ÍNIRS 2.6 fMRI Data Analysis 2.6.1 The Basics 2.6.2 Interpretation of Pediatric fMRI Data 2.6.3 Functional Connectivity
评论文章神经外科中的脑图谱
背景和目的：脑映射是研究中枢神经系统 (CNS) 的解剖和功能。脑映射有许多技术，这些技术在不断变化和更新。从一开始，脑映射就是侵入性的，并且脑映射需要对暴露的大脑进行电刺激。然而，如今的脑映射不需要电刺激，而且通常不需要患者的任何复杂参与。为了进行脑映射，功能性和结构性神经成像起着至关重要的作用。脑映射技术包括非侵入性技术（结构和功能性磁共振成像 [fMRI]、扩散 MRI [dMRI]、脑磁图 [MEG]、脑电图 [EEG]、正电子发射断层扫描 [PET]、近红外光谱 [NIRS] 和其他非侵入性扫描技术）和侵入性技术（直接皮质刺激 [DCS] 和颈动脉内阿米他测试 [IAT] 或 wada 测试）。
纳入早期和晚期光子，以改善由时间分辨的近红外
另一种策略是使用时间分辨的NIR（TRNIRS）增强测量的深度灵敏度，该时间使用时间脉冲（TRNIRS），该nirs使用皮秒脉冲脉冲和快速检测器来记录扩散反射的光子的飞行时间（DTOF）分布。9作为DTOF包含时间和强度信息，由于光子到达时间与路径长度成正比，因此可以解决不同深度的吸收变化。最流行的深度增强方法是基于计算DTOF 10、11的统计矩或在时间Windows/门内集成光子计数的统计矩。12，13在这两种情况下，目标是将重点放在晚期的光子上，因为它们具有询问大脑的最大可能性。先前使用层状组织模拟幻像，动物模型和人类受试者的研究表明，与常规的CW NIR相比，TRNIRS对脑血动力学的敏感性具有较高的敏感性。13 - 17
光学与大脑简介2023 专题
我们推出《生物医学光学快报》光学与大脑专题，该专题将于 2023 年 4 月 24 日至 27 日在加拿大温哥华举行的 Optica 生物光子学大会：生命科学中的光学部分举行。这次会议是讨论现有和新兴技术以及未来方向的论坛，以揭示健康和患病大脑的新亮点。光学提供了一个独特的工具包，用于从微观到宏观尺度对活体和完整大脑进行多尺度成像。同时，基因标记策略为图像神经功能提供了光学对比，而光遗传学允许用光控制细胞功能。为了涵盖实现这些不同目标所需的专业知识，会议汇集了工程师、光学和医学科学家、生物学家、化学家和医生。本期特刊中的文章代表了参与《光学与大脑》的社区的广泛范围。漫射光学器件可以利用近红外光探测人体组织中厘米深处，从而无创地到达活体大脑。一篇评论文章 [ 1 ] 强调了使用近红外光谱 (NIRS) 的非侵入性光学成像方法在成人和新生儿中测量氧化细胞色素-c-氧化酶。另一项使用传统血红蛋白 NIRS 的研究 [ 2 ] 表明，虚拟现实游戏任务可以比简单的抓握动作更好地调节大脑功能网络。这一发现对于中风后手部麻痹患者恢复抓握能力具有重要意义。光学方法还可以阐明脑组织的结构和生化组成。在癌症诊断中，另一项研究 [ 3 ] 调查了激光诱导击穿光谱 (LIBS) 和电火花辅助激光诱导击穿光谱 (SA-LIBS) 在区分胶质母细胞瘤 (GBM) 和少突胶质细胞瘤 (OG) 与非肿瘤浸润脑组织中的应用。作者展示了 SA-LIBS 在区分肿瘤组织以及多参数表征方面的优势。在另一项工作 [ 4 ] 中，展示了一种用于立体定向神经外科无标记成像的双光子微内窥镜。该装置足够小，可以放入手术套管中。另一项工作 [ 5 ] 使用连续切片偏振敏感光学相干断层扫描展示了人类脑组织块中髓鞘的无标记成像
用于识别黄色的经典和机器学习工具......
油菜籽在发育过程中含有叶绿素，使其呈现绿色。随着种子的成熟，它们会呈现出黑色、红褐色到黄色等颜色。黑色和红褐色种子的种皮会积累色素，而黄籽品种的种皮透明，可以露出胚的颜色。研究表明，黄籽油菜籽比黑籽品种休眠期短、发芽更简单、含油量更高，因此培育黄籽油菜籽是提高油分含量的有效方法（Yang et al.，2021）。芥菜和油菜黄籽品种的鉴别相对简单，因为纯黄色表型在遗传上是稳定的（Li et al.，2012；Chen et al.，2015）。然而，由于种皮颜色变异复杂，包括黄色中夹杂黑色斑点、斑块或棕色环等杂色，油菜种皮一直未能获得稳定的纯黄色后代，且分离后代的种皮颜色呈现连续变异（刘，1992；Auger等，2010；Qu等，2013），因此准确、高效地测定油菜种皮颜色仍是一项关键且具有挑战性的任务。许多研究涉及油菜籽颜色的鉴别（Li等，2001；Somers等，2001；Zhang等，2006；Baetzel等，2003；Tańska等，2005；Li等，2012；Liu等，2005；Ye等，2018）。例如，Li等（2001）通过目视观察来评估甘蓝型油菜的黄籽程度，这种方法简单但过于依赖观察者，导致识别可能不准确。Somers等（2001）利用光反射来评估黄籽颜色等级，通过测量反射值并计算籽粒颜色指数或光反射值。该方法虽然较为客观，但仅能捕捉亮度等单维颜色数据，忽略了原始材料的丰富信息。为了解决这一限制，许多学者致力于通过 RGB 颜色系统进行数字图像分析（ Zhang et al.，2006 ； Baetzel et al.，2003 ； Ta ńska et al.，2005 ； Li et al.，2012 ； Liu et al.，2005 ； Ye et al.，2018 ）。然而，油菜籽表皮颜色复杂且相似，精准识别颜色具有挑战性，现有的技术缺乏可靠性和标准化。因此，准确、有效地测量黄籽油菜的颜色仍然至关重要。化学计量学和计算机技术的最新进展导致了近红外光谱技术（NIRS）的发展，这是一种结合物体图像和光谱数据的技术。 NIRS 以其速度快、无损和高效而闻名，被广泛用于农产品的快速、无损分析。多项研究已经证明了它的实用性（Guo 等人，2019年；布等人，2023；梁等人，2023；刘等人，2021；佩蒂斯科等人，2010；森等人，2018；刘等人，2022；张等人，2020；魏等人，2020；张等人，2018；江等，2017；李等人，2022；江等，2018；他等人，2022）。例如，郭等人。 (2019) 使用 NIRS 成像系统 (380 – 1,000 nm) 来准确量化掺假大米，而 Bu 等人。 (2023) 将高光谱成像与卷积神经网络相结合，建立了高粱品种识别的智能模型，准确率超越了现有模型。该技术也已应用于油菜生长诊断。例如，刘等人 (2021) 开发了一种基于高光谱技术的检测算法来预测甘蓝型油菜中的油酸含量。Petisco 等人 (2010) 研究了甘蓝型油菜的可见光和近红外光谱。