Functional near-infrared spectrosco

Functional near-infrared spectroscopy (fNIRS) can be employed to investigate brain activation by measuring the absorption of near-infrared light through an intact skull. fNIRS can measure hemoglobin signals, which are similar to functional magnetic resonance imaging (fMRI) blood-oxygen-level-dependent (BOLD) signals. The general linear model (GLM), which is a standard method for fMRI imaging, has been applied for fNIRS imaging analysis. However, when the subject moves, the fNIRS signal can contain artifacts during the measurement. These artifacts are called motion artifacts. However, the GLM has a drawback of failure because of motion artifacts. Recently, wavelet and hemodynamic response function based algorithms are popular detrending methods of motion artifact correction for fNIRS signals. However, these methods cannot show impressive performance in harsh environments such as overground walking tasks. This paper suggests a new motion artifact correction method that uses an entropy based unbalanced optode decision rule and a wavelet regression based back propagation neural network. Through the experiments, the performance of the proposed method was proven using graphic results, a brain activation map, and an objective performance index when compared with conventional detrending algorithms.

ผลลัพธ์ (ไทย) 1:

ทำงานใกล้อินฟราเรดสเปกโทรสโก (fNIRS) สามารถใช้ในการตรวจสอบการเปิดใช้งานสมองโดยการวัดการดูดกลืนแสงอินฟราเรดใกล้ผ่านกะโหลกศีรษะเหมือนเดิม fNIRS สามารถวัดสัญญาณฮีโมโกลซึ่งมีความคล้ายคลึงกับการทำงาน (magnetic resonance imaging fMRI) เลือดออกซิเจนระดับขึ้นอยู่กับ (ตัวหนา) สัญญาณ รูปแบบเชิงเส้นทั่วไป (GLM) ซึ่งเป็นวิธีการมาตรฐานสำหรับการถ่ายภาพ fMRI ได้ถูกนำมาใช้สำหรับการวิเคราะห์ fNIRS การถ่ายภาพ แต่เมื่อการเคลื่อนไหวเรื่องสัญญาณ fNIRS สามารถมีสิ่งประดิษฐ์ในช่วงการวัด สิ่งประดิษฐ์เหล่านี้เรียกว่าวัตถุเคลื่อนไหว อย่างไรก็ตาม GLM มีข้อเสียเปรียบของความล้มเหลวเพราะของสิ่งประดิษฐ์ที่เคลื่อนไหว เมื่อเร็ว ๆ นี้และขั้นตอนวิธีเวฟฟังก์ชั่นการตอบสนองตามการไหลเวียนโลหิตเป็นวิธี detrending นิยมของการแก้ไขสิ่งประดิษฐ์เคลื่อนไหวสำหรับสัญญาณ fNIRS อย่างไรก็ตาม วิธีการเหล่านี้ไม่สามารถแสดงผลการดำเนินงานที่น่าประทับใจในสภาพแวดล้อมที่รุนแรงเช่นงานเดินดิน กระดาษนี้แสดงให้เห็นวิธีการแก้ไขการเคลื่อนไหวสิ่งประดิษฐ์ใหม่ที่ใช้เอนโทรปีกฎการตัดสินใจที่ไม่สมดุล optode และเวฟถดถอยตามการขยายพันธุ์กลับเครือข่ายประสาท ผ่านการทดลองประสิทธิภาพของวิธีการที่นำเสนอได้รับการพิสูจน์โดยใช้ผลกราฟิกแผนที่เปิดใช้งานสมองและดัชนีประสิทธิภาพวัตถุประสงค์เมื่อเทียบกับอัลกอริทึม detrending ธรรมดา

ผลลัพธ์ (ไทย) 2:

การทำงานใกล้-อินฟราเรดสเปก (ที่พักนี้สามารถใช้ในการตรวจสอบการเข้าถึงสมองโดยการวัดการดูดซึมของแสงที่อยู่ใกล้กับอินฟราเรดผ่านกะโหลกศีรษะเหมือนเดิม พักนี้สามารถวัดสัญญาณของฮีโมโกลบินซึ่งคล้ายกับสัญญาณการถ่ายภาพด้วยคลื่นแม่เหล็ก (fMRI) ที่ใช้ในระดับออกซิเจนในเลือด (ตัวหนา) รูปแบบเชิงเส้นทั่วไป (GLM) ซึ่งเป็นวิธีการมาตรฐานสำหรับการถ่ายภาพ fMRI ได้ถูกนำไปใช้สำหรับการวิเคราะห์ภาพ อย่างไรก็ตามเมื่อตัวแบบเคลื่อนที่สัญญาณของการทำงานของที่พักนี้สามารถมีสิ่งประดิษฐ์ในระหว่างการวัดได้ สิ่งประดิษฐ์เหล่านี้เรียกว่าวัตถุเคลื่อนไหว อย่างไรก็ตาม GLM มีข้อเสียเปรียบของความล้มเหลวเนื่องจากสิ่งประดิษฐ์การเคลื่อนไหว เมื่อเร็วๆนี้ฟังก์ชั่นการตอบสนอง, การใช้งานแบบไดนามิกและความยืดหยุ่นเป็นที่นิยมวิธีการตรวจจับการเคลื่อนไหวของวัตถุ อย่างไรก็ตาม, วิธีการเหล่านี้ไม่สามารถแสดงประสิทธิภาพที่น่าประทับใจในสภาพแวดล้อมที่รุนแรงเช่นงานเดินมากเกินไป. กระดาษนี้แนะนำวิธีการแก้ไขวัตถุการเคลื่อนไหวใหม่ที่ใช้เอนโทรปีตามกฎการตัดสินใจ optode ที่ไม่สมดุลและการถดถอยที่อยู่หลังจากการเผยแพร่เครือข่ายประสาทการแพร่กระจาย ผ่านการทดลอง, ประสิทธิภาพการทำงานของวิธีการที่เสนอได้รับการพิสูจน์โดยใช้ผลกราฟิก, แผนที่การเปิดใช้งานสมอง, และดัชนีประสิทธิภาพการทำงานวัตถุประสงค์เมื่อเทียบกับอัลกอริทึมการตรวจสอบทั่วไป.

ผลลัพธ์ (ไทย) 3:

ฟังก์ชัน NIRS สามารถศึกษาการกระตุ้นสมองโดยการวัดการดูดซึมของแสงอินฟราเรดใกล้ผ่านกะโหลกศีรษะที่สมบูรณ์ fnis สามารถวัดสัญญาณฮีโมโกลบินซึ่งคล้ายกับสัญญาณของโบล์ขึ้นอยู่กับระดับออกซิเจนในเลือด เป็นวิธีมาตรฐานสำหรับการถ่ายภาพด้วย MRI ซึ่งได้ถูกนำมาใช้ในการวิเคราะห์ภาพ อย่างไรก็ตามเมื่อกล้องย้ายสัญญาณ FNIRS สามารถมีสิ่งประดิษฐ์ในระหว่างการวัด สิ่งประดิษฐ์เหล่านี้เรียกว่าการเคลื่อนไหวสิ่งประดิษฐ์ อย่างไรก็ตามเนื่องจากการมีอยู่ของการเคลื่อนไหว pseudoshades GLM มีข้อเสียของความล้มเหลว ในปีล่าสุดขั้นตอนวิธีขึ้นอยู่กับวิธีการแปลงเวฟเล็ตและฟังก์ชันการตอบสนองการไหลของเลือดเป็นวิธีการทั่วไปสำหรับการแก้ไขการเคลื่อนไหวของสัญญาณ FNIRS pseudo อย่างไรก็ตามวิธีการเหล่านี้ไม่ได้แสดงให้เห็นถึงประสิทธิภาพที่น่าประทับใจในสภาพแวดล้อมที่น่ากลัวเช่นเดินบนพื้นดิน วิธีการใหม่สำหรับการแก้ไขภาพเทียมเคลื่อนไหวคือการนำเสนอซึ่งใช้เอนโทรปีตามกฎการวัดแสงที่ไม่สมดุลและ BP ประสาทเครือข่ายขึ้นอยู่กับวิธีการถดถอย ประสิทธิภาพของวิธีการที่ได้รับการยืนยันโดยการทดลองและเปรียบเทียบกับวิธีการแบบดั้งเดิม