基于领域对抗训练CNN实现在线注意力解码的脑机接口

基于领域对抗训练CNN实现在线注意力解码的脑机接口

跨主体脑机接口:基于卷积神经网络的领域对抗训练实现实时注意力解码 学术背景 注意力解码在我们日常生活中扮演着至关重要的角色,其基于脑电图(EEG)的实现已经引起了广泛关注。然而,由于EEG信号在个体间的显著差异性,为每个人训练一个通用的模型在实践中是不可行的。因此,本文提出了一种端到端的脑机接口(BCI)框架,旨在解决这一挑战,特别是利用了时间和空间的一维卷积神经网络(1D CNN)及领域对抗训练策略(Domain-Adversarial Training)。 传统注意力解码方法通常依赖于预定义的特征提取和模式分类技术,如线性判别分析(LDA)和支持向量机(SVM),但这些方法在处理跨主体数据时表现出局限。另外,深度学习方法虽然在分类性能上表现出色,但如何处理EEG信号的显著个体差异性依旧是...

运动功能障碍的量化和诊断

背景与研究动机 帕金森病(Parkinson’s Disease, PD)是一种神经退行性疾病,主要影响患者的运动能力,导致震颤、运动迟缓、四肢僵硬和行走平衡问题。这种运动缺陷严重影响患者的独立生活能力和生活质量。据统计,预计到2030年,仅在美国就会有近1.2百万人患有帕金森病,而全球的患者数更是超过1000万人。因此,如何准确评估和诊断患者的运动缺陷是一个急需解决的关键问题。 现有的PD严重性评估方法主要依赖于临床医生的主观观察和经验,通过患者在实验室或诊所中进行特定动作来评估。这种方法不仅受到人为主观因素的影响,且在受控环境中的观察无法充分反映患者在日常生活中的实际运动情况。因此,研究人员亟需一种可靠的、非侵入式的量化方法,能客观地评估帕金森病患者的运动缺陷,从而提供更及时有效的康复反...

混合水凝胶磁性驱动胶囊用于自动肠道微生物采样

混合水凝胶磁性驱动胶囊用于自动肠道微生物采样

混合水凝胶-磁性驱动胶囊用于自动肠道微生物采样 学术背景 肠道微生物群由大量且多样的微生物组成,这些微生物对人体健康有着重要影响,例如癌症、糖尿病和炎症性肠病(IBD)等。目前研究肠道微生物的方法主要包括粪便采样、回肠造口术或结肠镜检查。然而,这些方法存在各种问题:粪便采样无法提供特定肠段的微生物群信息;回肠造口术和结肠镜检查则高度侵入。因此,需要一种非侵入式的、能够在小肠内进行目标采样的工具。 近年来,可吞咽胶囊成为一种解决方案。在进行目标采样的同时,这些胶囊也具备药物递送、组织活检和主动运动等功能。然而,现有的液体采样胶囊仍然面临尺寸限制和复杂度高的问题。有效实现自动采样并具备主动运动的胶囊设计依然稀缺。 研究来源 本文由Yung P. Lai、Taeyoung Lee、Daniel S...

基于时间扭曲技术的T波峰到终末变化预测猪心肌梗死模型中的室颤

基于时间扭曲技术的T波峰到终末变化预测猪心肌梗死模型中的室颤 背景介绍 论文来源突发性心脏性死亡(Sudden Cardiac Death, SCD)是全球范围内死亡的主要原因,其主要致病机制之一即为室颤(Ventricular Fibrillation, VF),特别是在心肌梗死后的环境下。在此背景下,早期预测VF风险显得尤为重要。心室复极化(Ventricular Repolarization, VR)改变与室性心律失常形成的联系已经在实验模型和临床研究中得到验证。T波峰到T波终末间隔(T-peak-to-T-end interval, Tpe)作为VR离散度(VR Dispersion, VRD)的替代指标,早被提出并被认为是预测心律失常风险的潜在指标。然而,Tpe间隔仅捕捉到T波峰和...

一种仿生视觉检测模型:基于分数脉冲神经元电路的事件驱动LGMDs实现

一种仿生视觉检测模型:基于分数脉冲神经元电路的事件驱动LGMDs实现

学术报道:基于分数脉冲神经元电路的仿生视觉检测模型研究 在智能自动驾驶和无人驾驶飞行器等领域中,迅速有效地预测碰撞并触发避让行为具有非常重要的应用价值。蚱蜢的巨型运动探测器 (LGMDs) 能够在碰撞发生前有效地预测碰撞,并触发避让。这种能力使得LGMD成为设计碰撞避让人工视觉系统的理想模型。不同于传统CMOS摄像机,事件相机(DVS)能够模拟生物视觉系统中的光感受器,从底层仿真LGMD系统的分野,提供高时间分辨率、高动态范围和最小运动模糊等优势。 背景及意义 本次研究的作者为Yabin Deng、Haojie Ruan、Shan He、Tao Yang和Donghui Guo,分别来自厦门大学和福州大学,并在IEEE Transactions on Biomedical Engineeri...

基于经阴道超生和压力测定量化孕期宫颈弹性的方法

基于经阴道超生和压力测定量化孕期宫颈弹性的方法 背景与动机 早产(在37周妊娠期前分娩)是新生儿发病率和死亡率的主要原因。由于早产带来的高风险,许多有早产症状的孕妇需要住院治疗,但超过一半的住院孕妇最终还是足月分娩。现有的宫颈软化预测方法(如Bishop评分)预测早产的效用有限,因此需要开发更准确的工具来预测早产。 研究问题 目前宫颈弹性成像的两种常用方法是应变弹性成像和剪切波弹性成像。然而,应变弹性成像缺乏应力信息,不支持不同成像会话间的比较;剪切波弹性成像在宫颈组织具有高度不均质性时其稳健性受到影响。 目标和方法 本文研究的目标是开发一种通过在经阴道超声成像系统中增加应力传感器来克服上述限制的定量宫颈弹性成像系统。该系统能够安全、准确并且具有高度重复性,用于长期监测和不同检查员之间的比较...

使用FOV IoU实现360° 图像中的对象检测

使用FOV IoU实现360° 图像中的对象检测 360°摄像机近年来在虚拟现实、自动驾驶和安全监控等多个领域中得到了广泛应用。随着360°图像数据的增加,对360°图像识别任务尤其是对象检测的需求也在不断增长。由于传统方法在360°图像处理中的不足,Miao Cao、Satoshi Ikehata和Kiyoharu Aizawa等研究人员提出了两种基础技术:视场IoU(Field-of-View Intersection over Union,简称FOV-IoU)和360度增强(360augmentation),用以改善360°图像中对象检测的效果。 背景和研究动机 现代大多数对象检测神经网络主要设计用于透视图像,但当应用于等距矩形投影(EquiRectangular Projection...

DVMark:基于多尺度深度学习的视频水印框架

DVMark:基于多尺度深度学习的视频水印框架

DVMark:基于多尺度深度学习的视频水印框架 视频水印技术通过在覆盖视频中嵌入信息来实现数据隐藏。本文提出的DVMark模型是一种基于深度学习的多尺度视频水印解决方案,具有较高的鲁棒性和实用性,能够在保证视频质量的前提下,抵抗各种可能的失真和攻击。 背景与动机 视频水印技术涉及在覆盖视频中嵌入消息,可以是可见的也可以是不可见的。不可见水印因其不会干扰原始内容且难以被攻击者检测到而具有优势。水印可以应用于多种场景,如包含视频创建元数据、时间戳以及创作者信息等。此外,水印也广泛用于信息监控和追踪,这是因为水印即便在视频传播过程中遭受一定程度的失真和修改后仍然可以恢复。 目前,评估视频水印系统的主要因素包括不可见性(质量)、鲁棒性和有效载荷(消息比特数量)。传统的水印方法多依赖于手工设计特征,通...

用于语义分割的堆叠反卷积网络

用于语义分割的堆叠反卷积网络

用于语义分割的堆叠反卷积网络 引言 语义分割在计算机视觉领域中是一项关键任务,其目的是对图像中的每一个像素进行分类,预测其类别。然而,现有的全卷积网络(Fully Convolutional Networks, FCNs)在处理空间分辨率方面存在局限性,容易出现物体边界模糊和小物体丢失的问题。为了解决这些问题,本文提出了一种堆叠逆卷积网络(Stacked Deconvolutional Network, SDN)来提升语义分割的效果。 研究背景 在深度卷积神经网络(Deep Convolutional Neural Networks, DCNNs)的推动下,语义分割取得了显著进展。DCNN通过强大的学习能力可以获取高级语义特征,比如图像分类、目标检测和关键点预测等。然而,DCNN在语义分割任...

FP-Age:利用人脸解析注意机制进行野生环境中的面部年龄估计

FP-Age:利用人脸解析注意机制进行野生环境中的面部年龄估计

FP-Age:利用人脸解析注意机制进行野生环境中的面部年龄估计 研究背景 在人脸图像上进行年龄估计是一项重要的计算机视觉任务,它在法医、安全、健康福祉和社交媒体等多种实际应用中具备广泛的应用前景。然而,由于头部姿势、面部表情和遮挡等多样化因素的存在,深度学习模型在人脸年龄估计领域的表现尚有提升空间。特别是在非受控环境下(“in-the-wild”)的人脸图像中,这些问题尤为突出。为了提高模型在不同条件下的鲁棒性和准确性,作者提出了一种新的方法,旨在将面部语义信息引入到年龄估计过程中,使模型能够有效关注最具信息量的面部区域。 研究人员与发表信息 这篇论文的主要作者包括Imperial College London的Yiming Lin、Jie Shen (通讯作者)、Yujiang Wang和...