在神经科学中,对织物皮肤相互作用期间感觉知觉的精确评估仍然很少。本研究旨在通过脑电图(EEG)光谱强度研究对织物刺激的皮质感觉反应,并评估EEG频带,传统的主观问题汇总和材料的物理特性之间的关系。招募了十二名健康的成年参与者,以测试三种具有不同纺织品组成的织物1)棉花,2)尼龙和3)聚酯和羊毛。通过织物触摸测试仪(FTT)定量评估织物的物理特性。邀请受试者通过主观问卷和客观的脑电图记录来评估织物样品的感觉知觉。响应于不同的织物刺激而获得了theta和伽马条带的脑电图和伽马条带的显着差异(p <0.05)。theta和伽马力表现出与问卷评估的大多数主观感觉和FTT织物的物理特性(p <0.05)的相关性。EEG光谱分析可以用于歧视不同纺织品组成的织物刺激,因此表明织物刺激过程中的感觉感知。这一发现可能为通过EEG光谱分析提供进一步探索感知感知的证据,这可以应用于对未来假体中皮肤触觉的脑发生者的研究以及对行业中感觉知觉的自动检测。
摘要:大多数基于脑电图的生物特征识别研究报告的结果都是基于信号数据库的,记录的脑电图会话数量有限,使用相同的单个脑电图记录来训练和测试所提出的模型。然而,脑电图信号极易受到干扰、电极放置和临时条件的影响,这可能导致对所考虑方法的评估被高估。我们的研究考察了用作训练会话的不同记录会话数量将如何影响基于脑电图的验证。我们分析了 29 名参与者的原始数据,每人有 20 个不同的记录会话,以及 23 名额外的冒名顶替者,每人只有一个会话。我们将功率谱密度估计的原始系数和转换为分贝刻度的功率谱密度估计系数作为浅层神经网络的输入。我们的研究表明,多个记录会话引入的方差会影响灵敏度。我们还表明,在我们的条件下,将会话数量增加到 8 个以上并不能改善结果。对于 15 次训练,实现的准确率为 96.7 ± 4.2%,对于 8 次训练和 12 次测试,实现的准确率为 94.9 ± 4.6%。对于 15 次训练,在所有攻击尝试中,成功冒名顶替攻击的概率为 3.1 ± 2.2%,但这个数字与使用 6 次记录会话进行训练没有显著差异。我们的研究结果表明,需要将来自多个记录会话的数据纳入基于 EEG 的识别训练中,并且增加测试会话的数量不会显著影响获得的结果。虽然呈现的结果针对的是静息状态,但它们可以作为其他范例的基线。
Antoine Dowek,Marion Berge,Patrice Prognon,François-Xavier Legrand,Eric Larquet,Eric Larquet等。通过表面增强红色纳米粒子悬架的Raman光谱,对去甲肾上腺素和肾上腺素进行了分解和定量分析。分析和生物分析化学,2021,414(2),pp.1163-1176。10.1007/S00216-021-03743-4。hal-04664781
振动极性子是通过光腔中分子振动和光子模式的强耦合形成的。实验表明,振动强耦合可以改变分子特性,甚至会影响化学反应性。然而,分子集合中的相互作用是复杂的,并且尚未完全了解导致修饰的确切机制。我们基于双量子相干技术模拟了分子振动极化子的二维红外光谱,以进一步深入了解这些混合光 - 制成状态的复杂多体结构。双重量子相干性独特地分辨出杂交光 - 偏振子的激发,并允许人们直接探测所得状态的非谐度。通过将腔体出生的腔体 - oppenheimer hartree -fock ansatz与相应特征状态的完整量子动力学模拟结合在一起,我们超越了简化的模型系统。这使我们能够研究自动极化的影响以及电子结构对腔体相互作用在光谱特征上的响应,甚至超出了单分子情况。
摘要。拉曼光谱对分子水平上物质化学成分的高灵敏度使其成为通过分析血清诊断慢性心力衰竭(CHF)的宝贵工具。拉曼光谱法提供了一种无标签,快速检测方法,与机器学习(ML)技术结合使用时具有高度特异性和准确的结果。但是,必须仔细选择适当的ML算法,以分析高维光谱数据,以获得可靠和正确的结果,这些结果主要基于所研究的样品,标本或结构的真实化学特征以及并非所有算法都可以提供高性能。在这项研究中,我们比较了四种方法:(1)多变量曲线分辨率与逻辑回归(MCR-LR)结合使用,(2)与线性内核支持向量机(MCR-SVM),(3)在潜在结构上的投影与歧视分析(PLS-DA)的投射(4)投影(4) (PLS-SVM)。这些方法适用于CHF患者的193例拉曼光谱,对照病例的78例。我们发现,PLS-DA和PLS-SVM证明了最佳的ROC AUC,平均值为0.950(0.91-0.97,0.95 CI)和0.99(0.94 - 1.00,0.95 CI),而MCR-LR和MCR-SVM仅实现了0.50(0.46- 0.53-0.95 CI),以及0.53,0.95 CI),并实现CI),分别。©2024生物医学光子学与工程杂志。
摘要:脑机接口 (BCI) 系统包括信号采集、预处理、特征提取、分类和应用阶段。在 fNIRS-BCI 系统中,深度学习 (DL) 算法在提高准确性方面起着至关重要的作用。与传统的机器学习 (ML) 分类器不同,DL 算法无需手动提取特征。DL 神经网络会自动提取数据集中的隐藏模式/特征来对数据进行分类。在本研究中,从 20 名健康参与者那里获取了手握(闭合和张开)两类运动活动数据集,并将集成上下文门网络 (ICGN) 算法(提出)应用于该数据集以提高分类准确性。所提出的算法从过滤后的数据中提取特征,并根据网络中先前单元的信息生成模式。因此,基于数据集内生成的类似模式进行分类。将所提出的算法的准确性与长短期记忆 (LSTM) 和双向长短期记忆 (Bi-LSTM) 进行了比较。所提出的 ICGN 算法的分类准确率为 91.23 ± 1.60%,显著(p < 0.025)高于 LSTM 和 Bi-LSTM 分别实现的 84.89 ± 3.91 和 88.82 ± 1.96。使用 30 名受试者的开放访问三类(右手和左手手指敲击和优势脚敲击)数据集来验证所提出的算法。结果表明,ICGN 可有效用于基于 fNIRS 的 BCI 应用中二类和三类问题的分类。
摘要。原始调查光谱仪(OSS)是用于起源的多功能远射光谱仪。在光子背景极限下运行,使用六个对数间隔的光栅模块,以300的分辨能力(R)瞬间覆盖25至588-μm波长范围。每个模块同时至少30与最多100个空间束,从而实现了真实的[三维(3D)]光谱映射。此外,OSS提供了两种高分辨率模式。第一个将长路径傅立叶转换光谱仪(FTS)插入到传入光的一部分中,以提前光栅后端,使R高达43; 000×½λ∕112μm,同时保留了基于光栅的线的灵敏度。第二次与FTS串联扫描Etalon,为100至200-μm的范围提供高达300,000的R。©作者。由SPIE发表在创意共享归因4.0未体育许可下。全部或部分分配或复制此工作需要完全归因于原始出版物,包括其DOI。[doi:10.1117/1.jatis.7.1.011017]
Joao Resende,David Fuard,Delphine Le Cunff,Jean-Herve Tortai,Bernard Pelissier。Hy-hy-hy-Bridations和XPS的能量损失光谱用于带隙和光学常数测定sion薄膜中。材料化学与物理学,2020,259,pp.124000。10.1016/j.matchemphys.2020.124000。hal-03017737
摘要:我们进行了广泛的理论和实验研究,以确定短周期 GaN/AlN 超晶格 (SL) 中 GaN 和 AlN 层之间的界面相互扩散对拉曼光谱的影响。通过从头算和随机元等位移模型框架,模拟了具有尖锐界面和不同界面扩散程度的 SL 的拉曼光谱。通过对 PA MBE 和 MOVPE 生长 SL 的理论计算结果与实验数据的比较,表明与 A 1 (LO) 限制声子相关的能带对界面扩散程度非常敏感。结果获得了 A 1 (LO) 限制声子范围内的拉曼光谱与 SL 中界面质量之间的相关性。这为使用拉曼光谱分析短周期 GaN/AlN SL 的结构特征开辟了新的可能性。
TobiasVölker,Gerd Wilsch,Igor B. Gornushkin,Lucie Kratochvilova,Pavel Porizka等。在具有激光器诱导的分解光谱的水泥糊状物中定量氯分析中的定量氯分析比较。Spectrochimica Acta B部分:原子光谱,2023,202,pp.106632。10.1016/j.sab.2023.106632。CEA-04466642