背景:一种可靠的生物标志物来识别负责产生癫痫发作的皮质组织以指导癫痫的预后和治疗。组合的尖峰波纹事件是癫痫组织的有前途的生物标志物,目前需要专家审查才能准确识别。本专家审查是耗时且主观的,限制了可重复性和高通量应用程序。新方法:为了解决此限制,我们开发了一种用于尖峰纹波检测的完全自动化方法。该方法由一个卷积神经网络组成,该卷积神经网络训练以计算频谱图像包含尖峰纹波的概率。结果:我们在专家标记的数据上验证了所提出的尖峰纹波检测器,并表明该检测器准确地分离了具有低癫痫发作风险的受试者。与现有方法的比较:所提出的方法以及需要手动验证候选尖峰纹波事件的现有方法。引入完全自动化的方法可降低主观性,并增加此癫痫生物标志物的严格性和可重复性。结论:我们介绍并验证了完全自动的尖峰纹波探测器,以支持在临床和翻译工作中使用该Epilepsy Biomarker的利用。
背景:最近,我们利用并发的P300和稳态视觉诱发电位(SSVEP)特征(也称为混合特征)实现了具有大指令集的高速脑机接口(BCI)系统。然而,如何为所提出的BCI系统选择刺激间隔(ISI)以平衡编码效率和解码性能仍不清楚。新方法:本研究开发了一个6 * 9混合P300-SSVEP BCI系统,并研究了一系列ISI,范围从-175 – 0 ms,步长为25 ms。从几个方面分析了ISI对混合特征的影响,包括诱发特征的幅度、分类准确性、信息传输速率(ITR)。招募了12名天真的受试者进行实验。结果:结果表明ISI因素对混合特征有显著影响。具体而言,随着ISI值的降低,诱发特征的幅度和准确性逐渐降低,而ITR迅速增加。当ISI等于-175 ms时,达到了最高的ITR 158.50 bits/min。与现有方法的比较:与前文研究中使用的ISI相比,本研究中的最佳ISI取得了更好的性能。结论:ISI对P300-SSVEP BCI系统有重要影响,本研究中其最优值为-175 ms,这对于未来开发具有更大指令集的高速BCI系统具有重要意义。
背景:要了解单个神经元中的信息编码,需要分析阈下突触事件、动作电位 (AP) 及其在不同行为状态下的相互关系。然而,由于突触事件的信噪比不佳、频率高、幅度波动和时间过程多变,检测行为动物的兴奋性突触后电位 (EPSP) 或电流 (EPSC) 仍然具有挑战性。新方法:我们开发了一种突触事件检测方法,称为 MOD(机器学习最优滤波检测程序),它结合了监督机器学习和最优维纳滤波的概念。要求专家手动对短时间的数据进行评分。该算法经过训练以获得维纳滤波器的最优滤波系数和最优检测阈值。然后使用最优滤波器处理评分和未评分的数据,并将事件检测为高于阈值的峰值。结果:我们在小鼠体内空间导航过程中用 EPSP 轨迹测试 MOD,并在增强递质释放的条件下用切片体外 EPSC 轨迹测试 MOD。受试者工作特征 (ROC) 曲线下面积 (AUC) 平均为体内数据集 0.894 和体外数据集 0.969,表明检测精度高、效率高。与现有方法的比较:当使用 (1 − AUC) − 1 指标进行基准测试时,MOD 在体内数据集上的平均性能比以前的方法 (模板拟合、反卷积和贝叶斯方法) 高出 3.13 倍,但显示出相当 (模板拟合、反卷积) 或更高 (贝叶斯) 的计算效率。结论:MOD 可能成为大规模实时分析突触活动的重要新工具。
背景:根据研究的 3R 原则,应尽可能限制动物的使用。尤其是对于初级科学家进行光生理和电生理手术技术的培训,在转向活体动物之前需要替代的培训工具。我们已经开发了一种经济高效的大鼠脑模型,用于训练各种手术技术,包括但不限于光遗传学、电生理学和颅内药物治疗。结果:我们的大脑模型创造了一种逼真的动物手术训练体验。手术的成功率(例如植入准确性)可以在模型大脑的横截面上轻松评估。此外,该模型允许练习电生理记录以及测试运动或光相关的伪影。与现有方法的比较:就必要的技术、注意事项和时间跨度而言,我们模型中的手术和记录体验与实际大鼠中的非常相似。与实际大鼠大脑的一些差异略微降低了我们模型与活体动物相比的难度。因此,入门级科学家可以先在我们的模型中学习基本技术,然后再学习活体动物中稍微复杂的程序。结论:我们的大脑模型是一种有用的培训工具,可以让刚进入电生理学和光遗传学操作领域的科学家掌握一套基本技能,然后再将其应用于活体动物。它可以适应所需的培训内容,甚至可以用于为更高级的科学家测试和优化新的实验室设备。
玛戈·安德森是威斯康星大学密尔沃基分校的历史和城市研究教授。她于 1978 年获得罗格斯大学历史学博士学位。她的研究和教学兴趣集中在社会科学史和官方数据系统的发展,特别是人口普查和调查。她出版了几本关于美国人口普查历史的书籍,最著名的是《美国人口普查:社会史》(耶鲁大学出版社,1988 年);以及与斯蒂芬·E·芬伯格合著的《谁算数?当代美国人口普查的政治》(罗素·塞奇基金会,修订版,2001 年)。她教授美国劳工、城市和妇女历史,自 1970 年代末以来一直教授定量历史。 1991 年至 1995 年和 1996 年至 2001 年,她在 ICPSR 暑期课程中教授定量历史分析,还曾担任 ICPSR 理事会成员(1998-2003 年)和主席(2000-2002 年)。2006 年,她担任社会科学史协会主席。她目前的研究重点是战时人口数据的使用以及公共数据使用的道德问题。
玛戈·安德森是威斯康星大学密尔沃基分校的历史和城市研究教授。她于 1978 年获得罗格斯大学历史学博士学位。她的研究和教学兴趣集中在社会科学史和官方数据系统的发展,特别是人口普查和调查。她出版了几本关于美国人口普查历史的书籍,最著名的是《美国人口普查:社会史》(耶鲁大学出版社,1988 年);以及与斯蒂芬·E·芬伯格合著的《谁算数?当代美国人口普查的政治》(罗素·塞奇基金会,修订版,2001 年)。她教授美国劳工、城市和妇女历史,自 1970 年代末以来一直教授定量历史。 1991 年至 1995 年和 1996 年至 2001 年,她在 ICPSR 暑期课程中教授定量历史分析,还曾担任 ICPSR 理事会成员(1998-2003 年)和主席(2000-2002 年)。2006 年,她担任社会科学史协会主席。她目前的研究重点是战时人口数据的使用以及公共数据使用的道德问题。
玛戈·安德森是威斯康星大学密尔沃基分校的历史和城市研究教授。她于 1978 年获得罗格斯大学历史学博士学位。她的研究和教学兴趣集中在社会科学史和官方数据系统的发展,特别是人口普查和调查。她出版了几本关于美国人口普查历史的书籍,最著名的是《美国人口普查:社会史》(耶鲁大学出版社,1988 年);以及与斯蒂芬·E·芬伯格合著的《谁算数?当代美国人口普查的政治》(罗素·塞奇基金会,修订版,2001 年)。她教授美国劳工、城市和妇女历史,自 1970 年代末以来一直教授定量历史。 1991 年至 1995 年和 1996 年至 2001 年,她在 ICPSR 暑期课程中教授定量历史分析,还曾担任 ICPSR 理事会成员(1998-2003 年)和主席(2000-2002 年)。2006 年,她担任社会科学史协会主席。她目前的研究重点是战时人口数据的使用以及公共数据使用的道德问题。
玛戈·安德森是威斯康星大学密尔沃基分校的历史和城市研究教授。她于 1978 年获得罗格斯大学历史学博士学位。她的研究和教学兴趣集中在社会科学史和官方数据系统的发展,特别是人口普查和调查。她出版了几本关于美国人口普查历史的书籍,最著名的是《美国人口普查:社会史》(耶鲁大学出版社,1988 年);以及与斯蒂芬·E·芬伯格合著的《谁算数?当代美国人口普查的政治》(罗素·塞奇基金会,修订版,2001 年)。她教授美国劳工、城市和妇女历史,自 1970 年代末以来一直教授定量历史。 1991 年至 1995 年和 1996 年至 2001 年,她在 ICPSR 暑期课程中教授定量历史分析,还曾担任 ICPSR 理事会成员(1998-2003 年)和主席(2000-2002 年)。2006 年,她担任社会科学史协会主席。她目前的研究重点是战时人口数据的使用以及公共数据使用的道德问题。
摘要这项研究的目的是系统地检查甘蔗种植中疾病检测和管理方面的最新技术创新。它试图确定数字成像,分子诊断和基因工程方面的关键进步,这些进步显着改善了对甘蔗疾病的检测,监测和控制,旨在提高整体作物健康和生产力。本研究确定了几种至关重要的技术,这些技术已重塑了甘蔗种植中的疾病管理策略。它突出了机器学习算法和遥感技术在早期检测和诊断植物疾病方面的有效性。分子诊断的发展允许快速,精确的病原体鉴定。此外,基因工程有助于创造耐疾病的甘蔗品种,从而减少了对化学处理的依赖。这些技术的整合导致疾病的监测和管理改善,从而导致更健康的作物和增加的产量。机器学习,遥感,分子诊断和基因工程的融合代表了管理甘蔗疾病的变革转变。这些技术不仅增强了更有效地检测和管理疾病的能力,而且还通过减少化学使用和提高作物弹性来促进可持续的农业实践。这些技术的持续创新和整合具有进一步提高甘蔗农业生产率和可持续性的希望。关键词甘蔗种植;疾病检测;机器学习;遥感;分子诊断;基因工程;可持续农业
认知科学是研究人类、动物和人工系统心理运作的基础科学。这是一项高度跨学科的事业,涉及哲学、心理学、生物学、语言学和计算机科学以及其他传统学科。本课程综合介绍了研究人类思维的主要经验方法。学生将学习如何应用科学方法来研究自然和人工认知系统中心理信息的表征、操纵和利用。它将教会学生理解现有的方法论,并认识到复制结果的必要条件。主题将包括认知科学的哲学基础、认知心理学的基本方法、神经科学、语言学、计算建模、数据分析以及进行认知研究时的道德责任。- 3 个学分,CRN 23619 学生学习成果: