将使用双刺激连续质量量表 (DSCQS) 方法,受试者并排观看原始图像和受损解码图像,并在连续量表中对两者进行评分。该量表分为五个相等的长度,与正常的 ITU-R 五点质量量表相对应,即优秀、良好、一般、较差和差。该方法需要评估每个测试图像的原始版本和受损版本。观察者不知道哪一个是参考图像,并且参考图像的位置以伪随机顺序更改。受试者通过在垂直刻度上插入标记来评估原始图像和解码图像的整体质量。垂直刻度成对打印,以适应每个测试图片的双重呈现。
方法:这是一篇描述随机交叉研究的方案文章。我们将收集 13 名健康成年人的数据,他们的年龄在 40 至 60 岁之间,体重指数 < 35 kg/m 2 。参与者需要分三次进入实验室,坐 3 小时,每次访问时每 30 分钟以随机顺序休息 3 分钟,休息方式如下:(1) 社交休息;(2) 在跑步机上快走;或 (3) 简单的阻力活动。在每种实验条件之前和之后,将使用短分离通道功能性近红外光谱 (fNIRS) 测量脑血流量 (主要结果),并评估工作记忆 (计算机上的 1、2 和 3)。将收集以下其他次要结果:心理因素(问卷);动脉僵硬;唾液皮质醇水平;和血糖水平。
方法:八个右撇子健康受试者(四名男性,年龄:20-24)参加了这项两节研究(只有BCI-BCI会议和ITBS + BCI会议,随机顺序)。神经塑性变化。在仅BCI的会议中,在基线和BCI培训后立即测量FNIRS。在ITBS + BCI会话中,BCI训练之后是在右主运动皮层(M1)上传递的ITB。单脉冲TMS在基线和ITB后立即测量。fnirs在基线,ITB后和BCI培训后立即测量。配对样本t检验用于比较运动诱发电位的振幅,皮层无声周期持续时间,氧合血红蛋白(HBO2)浓度和跨时间点的功能连接性以及在会话之间的BCI精度。
为了进一步验证,我们使用了额外的公开数据集。共有 31 名健康个体(13 名男性,年龄 19-41 岁)参与了这项研究。研究人员以随机顺序向参与者播放了六种选定食品的三段相同视频广告(即动态内容)。每个视频广告的长度在 25 到 46 秒之间。视频播放完成后,使用二元选择试验得出产品排名。在这里,分类任务归结为对参与者在排名方面的第一个和最后一个选择的辨别,这很容易与决策过程联系起来,从而与购买(或不购买)产品的意图联系起来。最后,记录脑电图活动,并进行抽样
图1。实验设置。(a)研究参与者坐在脚踏板中的测试脚上,耦合到6度的自由度负载电池。表面肌电图记录了内侧腹腔,比目鱼,胫骨前和股四头肌肌肉的肌肉活性。(b)参与者以随机顺序进行了一次AIH或SHAM AIH的一次会议,至少相隔一周。AIH方案由15秒的60秒交替发作(〜9%O 2)与常氧房空气(21%O 2)组成。Sham Aih由交替的常规房间空气发作。(c)在每次疗程之前,在0-,30和60分钟之前评估了踝部植物和背反射强度以及表面肌电图。仅在基线和干预后60分钟进行认知测试。
图1:实验设计。示例序列的示例部分是面部作为奇数类别的条件。图像显示为233ms,因此更新(载波)频率为4.286 Hz。每5个图像以0.857 Hz的速度出现一次不同的示例。这称为奇数频率。在每种条件下,通过类别阻止,将图像呈现14秒,并包含12个这样的奇数周期。在每个演示序列(70秒)中,参与者以随机顺序查看5个条件中的每个条件中的每个条件都有不同的奇数类别类别:面部,四肢,走廊,角色,角色和汽车。我们平均每个参与者每类收集6个序列。每个70秒序列都使用了不同的图像。图像跨越12°。这里的面部图像上涵盖了文本“面”,以符合Biorxiv的出版政策。
受体分子的位点,然后生成对接参数文件(DPF)。这些文件用作网格映射和对接的输入文件。使用受体和配体的PDB文件用于生成PDBQT文件,以使用AutoDdock Tools 1.5.7执行对接研究。对每个配体进行了独立的运行,每个表观构象体以随机顺序对接到CDK1激酶的结合袋中。在扩展坞研究中,分配了遗传算法和lamarckian通用算法进行配体构象搜索。分析了从每个对接受体配体配合物的Autodock4对数文件(DLG)获得的数据[26]。随后,使用Ligplot+ V.4.5.3软件来计算结合位点中配体和CDK1激酶之间疏水和氢键的数量。通过Ligplot + 4.5.3软件鉴定了结合位点中存在的氨基酸的类型和数量[27]。
图1:实验设计。示例的示例部分在带有面部的条件下显示为233ms的奇数类别图像,因此更新(载波)频率为4.286 Hz。每5个图像以0.857 Hz的速度出现一次不同的示例。这称为奇数频率。在每种条件下,通过类别阻止,将图像呈现14秒,并包含12个这样的奇数周期。在每个演示序列(70秒)中,参与者以随机顺序查看5个条件中的每个条件中的每个条件都有不同的奇数类别类别:面部,四肢,走廊,角色,角色和汽车。我们平均每个参与者每类平均收集6个序列,每个70秒序列使用不同的图像。图像跨越12°。这里的面部图像被文本“面”涵盖,以符合Biorxiv的出版政策。
数据由脑电图(EEG)信号组成,该信号是通过从10位参与者(4位女性,右手,平均年龄±SD = 26.1±4.0年)中的低成本消费级设备来表达的,而没有任何以前在脑部计算机界面(BCIS)的经验的经验。BCI协议由两个条件符合,即握把手(Motor Imagery,MI)的动力学想象和静止/闲置状况。在每天的会话中,每个参与者都需要进行五次协议运行,约为1.5 h。首次运行,称为run0,将进行5个实际抓握运动的试验,以及在休息条件下的相同数量的试验。这是为了更好地解释协议,并鼓励参与者专注于执行运动的感觉。其余运行(Run1-Run4)均为识别,由每种以随机顺序呈现的条件进行20次试验。从覆盖感觉运动区域的15个电极注册了电脑活动,在SAM-
本文研究了用于定量末端链研究中使用的四种替代数据收集方法的方法之间的收敛有效性。基准方法是常规的APT方法(即纸笔方法),其中要求受访者指示产品属性与消费者的好处之间的现有联系(即ab),以及在征服和消费者价值(BV)之间。替代数据收集方法是口头访谈(VI),两种类型的综合访谈(CP和CR),每种访谈仅在AB和BV链接与受访者之间差的顺序相差。结果表明,未建立所有四种数据收集方法之间的方法之间的收敛有效性。但是,当将两种替代数据收集方法(特别是:CP和VI)与常规APT方法进行比较时,在某种程度上支持了方法之间的收敛有效性。唯一产生结果的数据收集方法(即consumer m-e-cs)与常规APT方法明显不同的是计算机访谈,其中AB和BV链接以(部分)随机顺序与受访者(即CR方法)。2005 Elsevier Ltd.保留所有权利。2005 Elsevier Ltd.保留所有权利。