XiaoMi-AI文件搜索系统
World File Search System信号特征
使用规范建模和机器学习从脑磁图数据中检测轻度创伤性脑损伤
许多脑部疾病迫切需要新的生物标记物；例如，轻度创伤性脑损伤 (mTBI) 的诊断具有挑战性，因为临床症状多样且不具特异性。EEG 和 MEG 研究已经证明了 mTBI 的几个人群水平指标，可以作为脑损伤的客观标记物。然而，从 EEG/MEG 信号中获取 mTBI 和其他脑部疾病的临床有用生物标记物受到个体间差异大（即使在健康人群中也是如此）的阻碍。在这里，我们使用多元机器学习方法从静息态 MEG 测量中检测 mTBI。为了解决病情的异质性，我们采用了规范建模方法，并将个体 mTBI 患者的 MEG 信号特征建模为相对于正常变化的偏差。为此，使用包含 621 名健康参与者的规范数据集来确定整个皮层功率谱的变化。此外，我们根据全规范数据的年龄匹配子集构建了规范数据集。为了区分患者和健康对照者，我们基于 25 名 mTBI 患者和 20 名未包含在常模数据集中的对照者的定量偏差图训练了支持向量机分类器。表现最佳的分类器利用了整个年龄和频率范围内的完整常模数据。该分类器能够以 79% 的准确率区分患者和对照者。对训练模型的检查显示，θ 频带（4-8 Hz）内的低频活动是 mTBI 的重要指标，这与早期研究一致。结果证明了使用 MEG 数据的常模建模结合机器学习来推进 mTBI 诊断和识别可从治疗和康复中受益患者的可行性。当前方法可应用于多种脑部疾病，从而为获取基于 MEG/EEG 的生物标志物提供基础。
帕金森病的神经生理学脑指纹 Jason da Silva Castanheira、Alex I. Wiesman、Justine Y. Hansen、Bratislav Misic、Sylva
1 蒙特利尔神经学研究所，麦吉尔大学，蒙特利尔魁北克，加拿大 * 通讯作者：sylvain.baillet@mcgill.ca。‡ 本文所用的数据来自阿尔茨海默病新型或实验性治疗的症状前评估 (PREVENT-AD) 计划，数据发布 6.0。PREVENT-AD 研究组的完整列表可在 PREVENT-AD 数据库中找到。PREVENT-AD 计划的研究人员为 PREVENT-AD 的设计和实施做出了贡献和/或提供了数据，但未参与本报告的分析或撰写。摘要 在本研究中，我们调查了从脑电生理活动中获得的脑指纹在帕金森病 (PD) 诊断和进展监测中的临床潜力。我们通过短暂的、无任务的脑磁图记录获取了 PD 患者和年龄匹配的健康对照者的脑指纹。个体脑指纹的节律成分可以以大约 90% 的准确率区分患者和健康参与者。帕金森脑指纹最突出的皮质特征映射到单峰感觉运动区域的多节律活动。利用这些特征，我们还表明可以直接从皮质神经生理活动中解码帕金森病的阶段。此外，我们的研究表明，帕金森脑指纹的皮质拓扑结构与受该疾病病理生理影响的神经递质系统的皮质拓扑结构一致。我们进一步证明，帕金森病患者的皮质活动心律失常成分在短时间内比健康对照组更具变化性，这使得基于这些特征对患者进行个体区分更具挑战性，并解释了之前发表的负面结果。总体而言，我们概述了患者特定的节律性脑信号特征，这些特征为帕金森病的神经生理特征和临床分期提供了见解。因此，帕金森病节律性脑指纹的提出定义可能有助于提出新颖、精细的患者分层方法，并有助于更好地识别和测试治疗性神经刺激目标。
基于傅里叶的替代模型中的窗口补偿...
摘要 — 本文展示了如何在每次相位随机化之后添加第二步窗口来降低基于傅里叶的替代分析中的错误拒绝率。窗口技术减少了傅里叶级数中周期性扩展数据序列边界处的不连续性。然而，它们增加了时间域非平稳性，从而影响替代分析。这种影响对于短低通信号尤其成问题。将相同的窗口应用于替代数据允许具有相同的非平稳性。该方法通过蒙特卡罗模拟在 1 阶自回归过程零假设上进行测试。以前的方法无法同时对左侧和右侧测试产生良好的性能，对双边测试更是如此。结果表明，新方法对于单侧测试和双边测试都是保守的。为了证明所提出的窗口方法在现实环境中是有用的，在这篇扩展论文中，它被应用于 EEG 诊断问题。数据集包含 15 名受试者的 EEG 测量数据，这些受试者分为三组：注意力缺陷障碍主要为多动冲动型 (ADHD)、注意力缺陷障碍主要为注意力不集中型 (ADD)；焦虑症和注意力脆弱型 (ANX)。统计和机器学习 (朴素贝叶斯) 方法均被考虑。平均短窗口 SA (MSWSA) 被用作信号特征，并研究了其相对于窗口系统的性能。主要发现是：(i) MSWSA 特征对于 ADD 的变异性小于对于 ADHD 或 ANX 的变异性，(ii) 所提出的窗口方法降低了 SA 特征的偏差和非正态性，(iii) 使用所提出的方法和朴素贝叶斯分类器，通过留一交叉验证将 ADD 与 ADHD 和 ANX 区分开来的成功率为 93%，以及 (iv) 如果没有所提出的窗口系统，新特征不可能产生有趣的结果。
使用深度学习将 ECoG 信号解码为 3D 手势翻译
摘要。目的。运动脑机接口 (BCI) 是一种很有前途的技术，可以使运动障碍者与周围环境互动。BCI 可能会弥补手臂和手部功能的丧失，这是四肢瘫痪患者的首要任务。设计实时准确的 BCI 对于使此类设备在现实环境中有用、安全且易于患者使用至关重要。基于皮层脑电图 (ECoG) 的 BCI 是记录设备的侵入性和记录信号的良好空间和时间分辨率之间的良好折衷。然而，用于预测连续手部运动的大多数 ECoG 信号解码器都是线性模型。这些模型的表示能力有限，可能无法捕捉 ECoG 信号特征与连续手部运动之间的关系。深度学习 (DL) 模型在许多问题中都是最先进的，可以成为更好地捕捉这种关系的解决方案。方法。在本研究中，我们测试了几种基于 DL 的架构，以使用从 ECoG 信号中提取的时频特征来预测想象的 3D 连续手部平移。分析中使用的数据集是长期临床试验 (ClinicalTrials.gov 标识符：NCT02550522) 的一部分，是在对四肢瘫痪受试者的闭环实验中获得的。所提出的架构包括多层感知器 (MLP)、卷积神经网络 (CNN) 和长短期记忆网络 (LSTM)。使用余弦相似度离线比较了基于 DL 和多线性模型的准确性。主要结果。我们的结果表明，基于 CNN 的架构优于当前最先进的多线性模型。最佳架构利用 CNN 来利用相邻电极之间的空间相关性，并通过使用 LSTM 来受益于所需手部轨迹的顺序特性。总体而言，与多线性模型相比，DL 将平均余弦相似度提高了 60%，左手和右手分别从 0.189 提高到 0.302 和从 0.157 提高到 0.249。意义。这项研究表明，基于 DL 的模型可以提高 BCI 系统在四肢瘫痪受试者的 3D 手部翻译预测中的准确性。
通过大脑语言训练恢复失语症–...
失语症是一种理解或产生语言障碍的疾病，是中风后常见的一种疾病，具有毁灭性的影响。传统的言语和语言治疗包括各种正式的干预措施，以提高语言和沟通能力。在中风后的慢性期，与不治疗相比，这种方法是有效的，但效果不大。我们提出了一种基于脑机接口系统的失语症患者康复的新语言训练方法。该方法利用其提供与大脑状态时间锁定的反馈的能力。因此，它实现了这样一种想法，即强化适当的语言处理策略可能会诱导有益的大脑可塑性。在我们的方法中，患者在记录脑电图的同时执行一个简单的听觉目标词检测任务。机器学习模型对这些信号的不断解码会产生个性化和即时的大脑状态相关反馈。它向患者表明他们在训练过程中完成任务的程度，即使他们无法说话。对 10 名患有轻度至重度慢性失语症的中风患者（年龄范围：38-76 岁）进行的概念验证研究的结果非常显著。首先，我们发现，尽管词语呈现速度较快且中风引起的脑电图信号特征不佳，但高强度训练（每周 4 天，每天 30 小时）是可行的。其次，训练使失语症持续恢复，这种恢复扩展到训练任务之外的多个语言方面。具体而言，所有测试的语言评估（亚琛失语症测试、Snodgrass & Vanderwart、交流活动日志）都显示，训练前后患者的表现有显著的中度到高度改善，亚琛失语症测试的标准化平均差异为 0.63，五名患者在训练后评估中被归类为非失语症。第三，我们的数据显示，这些语言能力的提高并没有伴随注意力技能和非语言技能的显著变化。研究这种基于大脑 - 计算机界面的语言训练的可能作用模式，神经影像数据（EEG 和静息状态功能 MRI）表明训练可以加快文字处理速度、增强语言网络以及语言和默认模式网络之间的重新平衡。
3D 打印患者专用颅骨轮廓脑活检指南的可行性和准确性
颅内肿瘤是狗发病和死亡的一个重要原因，每 100,000 只动物的发病率为 14.5。1随着磁共振成像（MRI）的普及，认识到诊断的局限性非常重要，因为颅内病变可以具有相同的 MRI 信号特征和形态。2-4例如，Cervera 等人发现多达 47% 的脑血管事件被诊断为神经胶质瘤，12% 的组织学证实的神经胶质瘤被归类为中风。4 Rodenas 等人发现在 89% 患有原发性脑肿瘤的狗中可以区分肿瘤性病变和非肿瘤性病变，但只有 70% 的原发性脑肿瘤能够正确区分肿瘤类型。 2 由于每种颅内疾病的治疗方案和预后会因病因不同而有很大差异，因此获得组织病理学诊断对于患者和客户来说都是至关重要的一步。在人类中，脑活检通常通过立体定向手术进行。5 基于框架的立体定向脑活检 (SBB) 被认为是脑活检的黄金标准，6 它利用刚性的外部头架固定患者，并使用立体定向协调系统获取样本。基于框架的 SBB 已在狗身上进行了研究，并得到有效利用，其精度和诊断产量可与人类研究相媲美。7-9 然而，据报道，人体存在一些局限性，例如灵活性和患者不适，这表明需要采用不同的方法，包括采用机器人辅助或图像引导的神经导航的无框架技术。6,10 立体定向设备在兽医学中的使用进一步受到商用设备的可用性和患者体型范围广泛的限制。进一步研究替代性脑活检方法和立体定向设备可以促进对狗脑损伤的诊断，一种潜在的替代方案是针对特定患者的 3D 打印活检指南。针对特定患者的 3D 打印模型和手术指南已在兽医学中用于各种目的，并取得了巨大成功。11-18 还有两项犬类尸体研究测试了 3D 打印患者特定立体定向系统的可行性，但需要在 MRI 之前放置钛骨锚和基准标记以规划 3D 指南。19,20
ConTraNet：用于 EEG 的单一端到端混合网络……
目标：脑电图 (EEG) 和肌电图 (EMG) 是两种非侵入性生物信号，广泛应用于人机界面 (HMI) 技术（EEG-HMI 和 EMG-HMI 范式），用于肢体残疾人的康复。成功将 EEG 和 EMG 信号解码为相应的控制命令是康复过程中的关键步骤。最近，提出了几种基于卷积神经网络 (CNN) 的架构，将原始时间序列（EEG 和 EMG 信号）直接映射到决策空间（用户的预期动作）。由于 CNN 是端到端学习算法，因此有意义的特征提取和分类过程是同时进行的。然而，这些网络是为学习给定生物信号的预期特征而定制的。从今以后，这些算法的含义通常仅限于单个 HMI 范式。在这项工作中，我们解决了这样一个问题：我们能否构建一个能够从不同的 HMI 范式中学习不同特征并仍能成功对其进行分类的单一架构。方法：在这项工作中，我们引入了一个称为 ConTraNet 的单一混合模型，该模型基于 CNN 和 Transformer 架构，对 EEG-HMI 和 EMG-HMI 范式同样有用。ConTraNet 使用 CNN 模块在模型中引入归纳偏差并学习局部依赖关系，而 Transformer 模块使用自注意机制来学习信号中的长距离或全局依赖关系，这对于 EEG 和 EMG 信号的分类至关重要。主要结果：我们在三个公开可用的数据集（BCI 竞赛 IV 数据集 2b、Physionet MI-EEG 数据集、Mendeley sEMG 数据集）上评估并将 ConTraNet 与最新方法进行了比较，这三个数据集属于 EEG-HMI 和 EMG-HMI 范式。ConTraNet 在所有不同类别任务（2 类、3 类、4 类和 10 类解码任务）中均优于其同行。意义：大多数 HMI 研究引入了针对其预期生物信号特征量身定制的算法，并在仅属于单一范式的数据集上验证其结果。相反，我们引入了 ConTraNet，并在两个不同的 HMI 范式上验证了结果，这两个范式包含 2、3、4 和 10 个类的数据。此外，ConTraNet 的泛化质量对于这两个范式都同样好，这表明 ConTraNet 能够从不同的 HMI 范式中学习不同的特征，并且与当前最先进的算法相比具有良好的泛化能力。
时间窗口长度对基于EEG的情绪识别的影响
摘要：听觉稳态反应（ASSR）是几种神经系统和精神疾病的转化生物标志物，例如听力损失，精神分裂症，双相情感障碍，自闭症等。ASSR是正弦脑电脑术（EEG）/磁脑电图（MEG）反应，该反应是由定期呈现的听觉刺激引起的。传统频率分析假定ASSR是一种固定响应，可以使用线性分析方法（例如傅立叶分析或小波）进行分析。然而，最近的研究报告说，人类的稳态反应是动态的，可以通过受试者的注意，清醒状态，精神负荷和精神疲劳来调节。由于三角乘积 - 和-SUM公式，在测得的振荡响应上的振幅调制可能会导致光谱宽或频率分裂。因此，在这项研究中，我们通过规范相关分析（CCA）和Holo-Hilbert光谱分析（HHSA）的组合分析了人类的ASSR。CCA用于提取相关的信号特征，HHSA用于将提取的ASSR响应分解为振幅调制（AM）组件（AM）组件和频率调制（FM）组件，其中FM频率代表快速变化的Intra频率，AM频率代表慢变化的频率。在本文中，我们旨在研究37 Hz稳态听觉刺激中ASSR响应的AM和FM光谱。与HHSA，37 Hz（基本频率）和74 Hz（第一个谐波频率）的听觉响应都成功提取。二十五个健康的受试者，并要求每个受试者参加两个听觉刺激课程，包括一个右耳和一个左耳和一个左耳的单膜稳态听觉刺激。检查AM光谱，37 Hz和74 Hz听觉响应均由不同的AM光谱调节，每个光谱至少具有三个复合频率。与传统的傅立叶光谱的结果相反，在37 Hz处看到频率分裂，并且在傅立叶光谱中以74 Hz的形式遮盖了光谱峰。所提出的方法有效地纠正了随时间变化的幅度变化而导致的频率分裂问题。我们的结果已验证了HHSA作为稳态响应（SSR）研究的有用工具，以便可以避免传统傅立叶频谱中振幅调制引起的误导或错误解释。
亲爱的同事，对于“从长远来看的中国经济”会议，我将结论提交了一本书MS。我刚刚完成了权利
亲爱的同事，对于“从长远来看的中国经济”会议，我将结论提交了一本书MS。我刚刚完成了题为“中国帝国纸币的兴起和消亡，1000-1500：财政创新，市场增长和货币过渡”。尽管该项目本身并不集中于经济增长，但结论是中国在中国经济历史上长期发展的纸币（及其最终遗弃）的早熟发展，这也将中国中国中国货币体系与中世纪和现代欧洲早期货币历史的截然不同的轨迹进行了比较。我的书主要是对政治经济学的研究，我认为这在现代经济起源的概念化中尚未足够。在许多方面，中国和西方的货币体系之间的“差异”（这可以追溯到公元前七世纪，希腊银币的发明和在中国的铜货币出现）的顺序与“巨大分歧”的顺序不同。在十五世纪，在十五世纪的菲亚特纸货币转变为未涂层的金银白色，在传统的货币历史解释性框架内似乎是“回归的”，但其意义和含义需要更深入的审查。一般而言，以下结论对于中国历史上没有任何专业知识的人来说应该是可理解的（我希望！）。蒙古人统治的元朝（1276-1368）专门依靠纸币来支付公共金融和市场贸易。只有几句话：中国帝国国家在第十一世纪初首次发行了纸币（960-1276；细分为北部[960-1127]和Southern [1127-1276]歌曲时期），作为布朗兹造成的补充。最初，明朝（1368-1644）也试图建立菲亚特纸货币，但到15世纪初，其纸币在很大程度上已经停产，被（未涂层）银作为货币标准所取代。这个故事中的关键情节之一，我在总结的结论中多次提到，是1070年代总理王·安希（Wang Anshi）的新政策的开幕典礼。我将新政策的改革描述为“商业主义者”，这是在军事危机时期在商业和工业中进行侵入性的国家干预，以促进经济增长和国家权力（当时这种中国的重大事件在重要方面与现代早期欧洲的重商主义不同）。新的政策主要是在1120年代1130年代废除的，尽管它们的信号特征 - 依赖于商业和消费的间接税收，而不是将土地和人民直接征税作为国家收入的主要来源，这是剩余的歌曲王朝。我总结了我对整个帝国时代中国政治经济学进程的概念化，这是一篇先前发表的文章：理查德·冯·格拉恩（Richard von Glahn），“中国帝国的财政状态模式”，《中国历史杂志》 4.1（2020）：1-29。i还将以下结论放在整本书的目录。
提供空战机动仪表功能的内部和外部解决方案的比较分析
空战司令部 (ACC) 依靠空战机动仪表 (ACMI) 系统进行空对空作战训练和大规模部队部署飞行汇报。尽管这些系统可以非常有效地增强训练效果，但它们非常昂贵，并且通常需要在受限空域范围内飞行。这些因素阻碍了全舰队每天实施 ACMI 训练。基本的 ACMI 系统确定飞机位置和性能数据，并将数据传输到地面监测站进行记录、显示和汇报。早期的喷气式战斗机需要特殊的外部组件或“吊舱”来计算数据并将其传输到定制的计算机化汇报设施。现代飞机不再有这种限制，而且低成本的个人计算机现在提供的计算和图形显示功能足以进行 ACMI 汇报。当前的航空电子系统计算所有必要的数据，并在飞机航空电子系统总线上报告所需的参数。监控和记录这些机载数据将减少对特殊范围的要求，消除吊舱要求，并允许在战斗机中队通常可用的常规计算机设备上进行汇报和演示。内部数据还提供吊舱系统无法提供的航空电子参数。这些数据代表了飞行汇报的巨大未开发资源。内部系统提供的最大潜在贡献可能涉及战斗任务汇报能力。由于外部吊舱占用武器站，机组人员极不可能将这些组件带入战斗。内部组件是唯一可以为战斗任务汇报提供 ACMI 功能的替代方案。此外，内部组件保留了飞机的空气动力学和雷达信号特征，这是隐形飞机使用必不可少的功能。这种新的 ACMI 概念将减少对外部吊舱和其他支持设备的需求，并为每个任务提供基本的 ACMI 功能，与当前和计划中的基于吊舱的实施相比，可能节省大量成本。提议的替代方案还可以作为大型部队训练演习的重要补充，因为这些任务可能会继续依赖外部吊舱。在日常任务中提供基本的 ACMI 功能与偶尔的全面演习相结合时可提供显着的协同效应。ACC 目前正在开发新的 ACMI 吊舱和先进的训练系统。该内部解决方案提案以大型演习所需的独特功能换取便利性、易用性和基本 ACMI 功能的日常可用性，同时又不降低实战训练的价值。正在考虑的系统称为联合战术作战训练系统 (JTCTS)，它将全球定位系统技术与 ACMI 设备相结合，并提供广泛的新功能。提议的功能包括电子战训练、“无投掷”弹药投掷训练以及将模拟器和虚拟训练系统与实弹任务连接起来的能力。对于此应用，基于吊舱的系统可能是近期的最佳解决方案。但是，可以为所有现代飞机提供基本的 ACMI 功能