XiaoMi-AI文件搜索系统
World File Search System影来
从传感神经刺激器记录的局部场电位中去除心电图伪影
传感神经刺激器是一种用于长期观察大脑活动的先进技术，在闭环神经调节和植入式脑机接口方面表现出巨大潜力。然而，由于记录条件复杂且共模抑制比 (CMRR) 有限，传感神经刺激器记录的局部场电位 (LFP) 可能会受到心电图 (ECG) 信号的污染。在本研究中，我们提出了一种解决方案，用于从传感神经刺激器记录的局部场电位 (LFP) 中去除此类 ECG 伪影。添加同步单极通道作为 ECG 参考，然后应用两种预先存在的方法，即模板减法和自适应滤波。成功去除了 ECG 伪影，并且该方法的性能对残留刺激伪影不敏感。这种去除 ECG 伪影的方法拓宽了传感神经刺激器的应用范围。
摘要 — 技术革命影响了许多领域，其中包括医疗保健系统。基于应用的计算机的开发是为了帮助
摘要 — 技术革命影响着许多领域，其中包括医疗保健系统。基于应用程序的计算机的开发是为了帮助专家检测疾病并执行一些基本操作。本文重点介绍了检测癫痫病 (ED) 的尝试。几种计算机辅助诊断 (CAD) 方法被用于根据与大脑活动相关的信号提供大脑的疾病状态。这些应用取得了可接受的结果，但仍然存在局限性。提出了一种基于平衡通信避免支持向量机 (BCA-SVM) 的智能 CAD，使用脑电图 (EEG) 信号检测 ED。此尝试在 Raspberry Pi 4 上实现为真实板，以确保实时处理。基于 BCA-SVM 的 CAD 实现了 99.8% 的准确率，执行时间约为 3.2 秒，满足实时要求。
5 md.devendran@gmail.com 摘要：压力已成为当今快节奏世界的一个重要问题，影响着个人的身心健康。
5 md.devendran@gmail.com 摘要：压力已成为当今快节奏世界的一个重要问题，影响着人们的身心健康。这个项目名为“使用机器学习算法根据睡眠习惯检测人体压力”，旨在通过利用数据驱动的洞察力来识别压力水平来解决这一问题。所提出的系统分析睡眠模式，包括睡眠时间、中断和质量，以有效地对压力水平进行分类。通过利用决策树、随机森林、逻辑回归和支持向量机等先进的机器学习算法，该模型处理来自可穿戴设备或睡眠监测应用程序的数据以提取相关特征。分析睡眠潜伏期、效率和干扰等关键参数以及年龄、生活方式和身体活动等其他影响因素。该项目采用强大的数据集进行训练和测试，确保预测压力水平的高准确性和可靠性。该系统不仅可以识别压力水平，还可以提供可行的见解和建议，以改善睡眠质量和整体幸福感。采用准确度、精确度、召回率和 F1 分数等评估指标来衡量模型的性能。该项目的成果展示了机器学习在增强医疗保健应用方面的潜力。它提供了一种可扩展且高效的压力检测工具，促进了压力相关疾病的早期干预和更好的管理。
计算机学习计划对患有发展性计算障碍的儿童的有效性。什么影响了个体反应能力？
本研究对患有发展性计算障碍的儿童的计算机学习计划进行了评估，并重点关注影响个人反应的因素。自适应训练程序 Calcularis 2.0 是根据当前数字认知的神经认知理论开发的。它旨在使数字表示自动化，支持心理数轴的形成和访问，并训练算术运算以及扩大数字范围内的算术事实知识。67 名患有发展性计算障碍的二至五年级儿童（平均年龄 8.96 岁）被随机分配到两个组中的一组（Calcularis 组，等待对照组）。训练时间包括最少 42 次 20 分钟的训练课程，最长 13 周。与等待对照组相比，Calcularis 组的儿童在算术运算和数轴估计方面表现出更高的优势。这些改进在训练间隔 3 个月后保持稳定。此外，本研究还研究了哪些预测因素可以解释训练的改进。结果表明，这种自我导向训练对数学焦虑分数低且没有其他阅读和/或拼写障碍的儿童特别有益。总之，Calcularis 2.0 支持患有发展性计算障碍的儿童提高他们的算术能力和心理数轴表示能力。然而，进一步根据个人情况调整设置是有意义的。
植入式传感器的神经刺激伪影去除可提高信号清晰度和运动意志解码
随着对具有可靠和多功能控制的假肢的需求不断增长，肌电模式识别和植入传感器方面的最新进展已被证明具有相当大的优势。此外，可以通过刺激残留神经实现假肢的感觉反馈，从而实现对假肢的闭环控制。然而，这种刺激会导致肌电图 (EMG) 信号中出现干扰伪影，从而降低假肢的可靠性和功能。在这里，我们实现了两种实时刺激伪影去除算法，即模板减法 (TS) 和 ε - 正则化最小均方 (ε -NLMS)，并研究了它们在植入神经袖和 EMG 电极的两名肱骨截肢者中离线和实时肌电模式识别的性能。我们表明，这两种算法都能够显著提高伪影破坏的 EMG 信号的信噪比 (SNR) 和离线模式识别准确性。此外，这两种算法都改善了主动神经刺激期间运动意图的实时解码。尽管这些结果取决于用户特定的传感器位置和神经刺激设置，但它们仍然代表了朝着能够进行多功能控制和同时感觉反馈的双向神经肌肉骨骼假肢迈出的进步。
丘脑底核神经元局部场诱发电位中深部脑刺激伪影的噪声消除
本研究介绍了一种噪声消除技术，用于 MER 机器通过丘脑底核深部脑刺激/或刺激器 (STN-DBS) 在局部场电位 (LFP) 中进行电刺激获取的丘脑底核 (STN) 神经元微电极信号。我们提出了一种新方法，用于消除由不同于典型 LFP (低频电位) 信号的脉冲发生器触发的诱导刺激伪影。该方法经过处理和准确性测试，并计算用于体外状态的执行。结果表明，该方法可以很好地抑制刺激伪影。并且还在帕金森病 (PD) 受试者 (患者) 的体内状态下进行了测试。它用于处理从 PD 手术中收集的 LFP 信号，以初步探索 STN、DBS 参数 (刺激强度、刺激电压、频率和幅度脉冲宽度) 内 beta 波段同步变化的定量依赖性。研究结果表明，DBS 过程可以克服过度的β频率（30Hz）活动，并且随着 DBS 电流在 1-3V 范围内增加，刺激频率在 60-120Hz 范围内增加，减少程度也随之增加。该方法为探索诱导电刺激对帕金森脑活动的即时效果提供了科学研究和技术支持，并可作为未来技术的研究工具。