XiaoMi-AI文件搜索系统
World File Search System计算机所
计算机脑电图
介绍。脑机接口（BCI）是一种很有前途的方法，当大脑或脊髓受损或患病时，它可以绕过通常的神经通路，实现与外部设备的直接连接。目标。本文旨在综述基于脑机接口的非侵入式脑电设备的最新研究。研究并提出了不同的内生和外生技术、优点、缺点和困难。材料和方法。使用电子数据库进行了广泛的文献检索，以确定基于 EEG 的 BCI 的相关研究。对选定的研究进行分析，以确定设备在辅助、适应和康复中的应用。结果。非侵入式脑电图-脑机接口与侵入式脑机接口相比具有许多优点，包括成本更低、使用更简单、更便携。我们还排除了颅骨组织损伤的可能性。非侵入式BCI的缺点是分辨率较低并且捕获的信号较弱。结论。在过去的 20-30 年里，BCI 经历了巨大的发展，带来了非侵入式 BCI 的进步、创新和改进。已经提出开发混合 BCI 系统，即将一个 BCI 系统与另一个 BCI 或其他类型的接口集成在一起，以提高基于 EEG 的 BCI 应用的准确性和有效性。除了单独使用 EEG 获取生物信号外，还可以使用 fNIRS 或 fMRI 等其他技术来支持生物信号的强度和质量。心率或眼球运动是附加生理测量的两个例子。关键词：脑机接口，脑电图，康复。
计算机科学杂志
摘要 - 脑肿瘤是颅骨内异常质量生长的一般名称，这是由于大脑中细胞续签期间的误差而导致的。从脑肿瘤中丧生的人数每天都在增加。早期诊断对于减少损失的治疗计划和结果至关重要。MRI（磁共振）成像方法广泛用于脑肿瘤诊断并显示大脑中的组织。通过在传统方法中使用MR图像对脑肿瘤进行分类很困难，因为大脑结构及其中的组织很复杂。脑肿瘤分类已被使用，近年来一直很受欢迎并且在分类方面具有很高的准确率。在这项研究中，它的目的是通过比较VGG16，VGG19和MobïLenet深度学习体系结构来确定具有最高精度比率的体系结构。为了增加这些体系结构的成功，将直方图均衡应用于数据库中的图像。所使用的数据集由3590 MR图像组成，由四个脑肿瘤类（神经胶质瘤，脑膜瘤，无肿瘤，垂体）组成。MobileNet由于测试和训练而获得了最高的精度。实验研究表明，直方图均衡通过提高图像质量有助于深度学习结构的性能。关键词：脑肿瘤，图像分类，深度学习
