Functional Near Infrared Spectrosco

Functional Near Infrared Spectroscopy (fNIRS) signals have the potential to permit accurate analysis of intracortical brain physiologic disease. The HomER graphical user interface is used to display the NIRS data, FastICA is updated to reduce data dimension and combined Wavelet & Pca method is developed to denoise NIRS signals. These signals include several types of noise spread from low to high frequencies such as respiratory interference frequency band of 0.1-0.3Hz, NIRS Mayer wave which is about 0.1Hz, cardiac interference frequency band which is 0.8-2.0Hz, artifacts from head and facial motions, and high frequency noise generated from electronic components. Wavelet & Pca is an efficient method to reduce biological noise, motion artifact and high-frequency noise. The applied processing technique consists of adaptively modifying the wavelet coefficients based on the degree of noise contaminating the processed NIRS signal. This is done subsequently to signal pre-processing by reducing data dimension using the FastICA method. The feasibility of the method was demonstrated by testing it on experimental fNIRS data collected from 47 subjects. Preliminary results, through signal-to-noise ratio and correlation indicators show that the technique reduces noise and improves the quality of the acquired NIRS signals and its corresponding analysis.

ผลลัพธ์ (ไทย) 1:

ทำงานใกล้อินฟราเรด (fNIRS) สัญญาณมีศักยภาพที่จะอนุญาตให้มีการวิเคราะห์ที่ถูกต้องของการเกิดโรคทางสรีรวิทยาสมอง intracortical อินเตอร์เฟซผู้ใช้แบบกราฟิกโฮเมอร์ที่ใช้ในการแสดงข้อมูล NIRS ที่ FastICA มีการปรับปรุงเพื่อลดมิติข้อมูลและรวมเวฟและ Pca วิธีการพัฒนาเพื่อ denoise สัญญาณ NIRS สัญญาณเหล่านี้รวมถึงหลายประเภทของการแพร่กระจายเสียงจากต่ำไปความถี่สูงเช่นระบบทางเดินหายใจคลื่นความถี่รบกวนของ 0.1-0.3Hz, NIRS เมเยอร์คลื่นซึ่งเป็นเรื่องเกี่ยวกับ 0.1Hz หัวใจคลื่นความถี่รบกวนซึ่งเป็น 0.8-2.0Hz, สิ่งประดิษฐ์จากศีรษะและใบหน้า การเคลื่อนไหวและความถี่สูงที่สร้างเสียงจากชิ้นส่วนอิเล็กทรอนิกส์ เวฟและ Pca เป็นวิธีการที่มีประสิทธิภาพในการลดเสียงรบกวนทางชีวภาพสิ่งประดิษฐ์การเคลื่อนไหวและเสียงความถี่สูง เทคนิคการประมวลผลที่ใช้ประกอบด้วยปรับเปลี่ยนการปรับเปลี่ยนค่าสัมประสิทธิ์เวฟขึ้นอยู่กับระดับของการปนเปื้อนเสียงสัญญาณ NIRS การประมวลผล นี้จะกระทำภายหลังสัญญาณก่อนการประมวลผลโดยการลดมิติข้อมูลโดยใช้วิธี FastICA ความเป็นไปได้ของวิธีการที่ได้แสดงให้เห็นโดยการทดสอบกับข้อมูล fNIRS ทดลองเก็บรวบรวมจาก 47 วิชา ผลการศึกษาเบื้องต้นผ่านอัตราส่วนและความสัมพันธ์ตัวชี้วัดสัญญาณต่อเสียงรบกวนแสดงให้เห็นว่าเทคนิคที่ช่วยลดเสียงรบกวนและช่วยเพิ่มคุณภาพของสัญญาณ NIRS ที่ได้มาและการวิเคราะห์ที่สอดคล้องกันของ ความเป็นไปได้ของวิธีการที่ได้แสดงให้เห็นโดยการทดสอบกับข้อมูล fNIRS ทดลองเก็บรวบรวมจาก 47 วิชา ผลการศึกษาเบื้องต้นผ่านอัตราส่วนและความสัมพันธ์ตัวชี้วัดสัญญาณต่อเสียงรบกวนแสดงให้เห็นว่าเทคนิคที่ช่วยลดเสียงรบกวนและช่วยเพิ่มคุณภาพของสัญญาณ NIRS ที่ได้มาและการวิเคราะห์ที่สอดคล้องกันของ ความเป็นไปได้ของวิธีการที่ได้แสดงให้เห็นโดยการทดสอบกับข้อมูล fNIRS ทดลองเก็บรวบรวมจาก 47 วิชา ผลการศึกษาเบื้องต้นผ่านอัตราส่วนและความสัมพันธ์ตัวชี้วัดสัญญาณต่อเสียงรบกวนแสดงให้เห็นว่าเทคนิคที่ช่วยลดเสียงรบกวนและช่วยเพิ่มคุณภาพของสัญญาณ NIRS ที่ได้มาและการวิเคราะห์ที่สอดคล้องกันของ

ผลลัพธ์ (ไทย) 2:

การทำงานใกล้กับสัญญาณอินฟราเรดสเปก (crohn Irs) มีศักยภาพที่จะอนุญาตให้มีการวิเคราะห์ความถูกต้องของโรคทางสรีรวิทยาสมอง ส่วนติดต่อผู้ใช้แบบกราฟิกโฮเมอร์จะใช้ในการแสดงข้อมูล NIRS FastICA มีการปรับปรุงเพื่อลดมิติข้อมูลและการรวมกันของการ & Pca วิธีการที่ได้รับการพัฒนาเพื่อที่จะไม่แสดงสัญญาณ NIRS สัญญาณเหล่านี้รวมถึงหลายประเภทของการแพร่กระจายเสียงจากต่ำถึงความถี่สูงเช่นวงการรบกวนทางเดินหายใจของ 0.1-0.3 Hz, สาย NIRS Mayer ซึ่งเป็นเรื่องเกี่ยวกับ 0.1 Hz, คลื่นความถี่ในการรบกวนหัวใจซึ่งเป็น 0.8-2.0 Hz สิ่งประดิษฐ์จากหัวและ การเคลื่อนไหวของใบหน้า, และเสียงความถี่สูงที่สร้างจากชิ้นส่วนอิเล็กทรอนิกส์. & Pca เป็นวิธีที่มีประสิทธิภาพในการลดจุดรบกวนทางชีวภาพวัตถุเคลื่อนไหวและเสียงรบกวนความถี่สูง เทคนิคการประมวลผลที่ใช้ประกอบด้วยการปรับเปลี่ยนค่าสัมประสิทธิ์การสั่นคลอนโดยขึ้นอยู่กับระดับของเสียงรบกวนการประมวลผลสัญญาณ NIRS นี้จะทำในภายหลังเพื่อให้สัญญาณการประมวลผลล่วงหน้าโดยการลดขนาดข้อมูลโดยใช้วิธี FastICA ความเป็นไปได้ของวิธีการที่ได้รับการแสดงให้เห็นโดยการทดสอบในการทดลองข้อมูลที่เก็บรวบรวมจาก๔๗วิชา. ผลเบื้องต้นผ่านสัญญาณต่อสัญญาณรบกวนและตัวชี้วัดความสัมพันธ์แสดงให้ทราบว่าเทคนิคการลดเสียงรบกวนและปรับปรุงคุณภาพของสัญญาณ NIRS ที่ได้รับและการวิเคราะห์ที่สอดคล้องกัน ...

ผลลัพธ์ (ไทย) 3:

มันเป็นไปได้ที่จะได้รับการวิเคราะห์ที่ถูกต้องของความผิดปกติทางสรีรวิทยาของสมอง ส่วนติดต่อผู้ใช้แบบกราฟิกเพื่อแสดงข้อมูล NIR และปรับปรุง fastICA เพื่อลดขนาดของข้อมูล สัญญาณเหล่านี้รวมถึงเสียงที่ส่งผ่านจากความถี่ต่ำถึงความถี่สูงเช่น 0.1-0.3hz การหายใจสัญญาณแทรกสอดคล้องกับวงดนตรี nirs-เมเยอร์เกี่ยวกับ 0.1hz 0.8-2.0hz หัวใจสัญญาณรบกวนวงดนตรีที่สร้างขึ้นโดยการเคลื่อนไหวของศีรษะและใบหน้าและเสียงความถี่สูง การวิเคราะห์องค์ประกอบหลักของเวฟเล็ตเป็นวิธีที่มีประสิทธิภาพในการขจัดสัญญาณรบกวนทางชีวภาพภาพเคลื่อนไหวสิ่งประดิษฐ์และเสียงความถี่สูง เทคนิคการประมวลผลที่ใช้รวมถึงการปรับเปลี่ยนค่าสัมประสิทธิ์เวฟเล็ตตามระดับมลพิษของสัญญาณอินฟราเรดใกล้ นี้ตามด้วยการลดขนาดของข้อมูลโดยใช้ fastICA วิธี ความเป็นไปได้ของวิธีการที่ได้รับการยืนยันโดยการทดสอบข้อมูลการทดลองของ 47 คน ผลเบื้องต้นแสดงให้เห็นว่าเทคนิคนี้สามารถลดเสียงรบกวนและปรับปรุงคุณภาพของสัญญาณอินฟราเรดใกล้คอลเลกชันและการวิเคราะห์