研究背景 蛍光スペクトルは、蛍光物質（蛍光団）の識別と定量に広く使用される方法です。しかし、材料に他の蛍光団（基線蛍光団）が含まれている場合、対象の蛍光団を定量化することが難しくなります。特に基線の発光スペクトルが明確に定義されておらず、対象の蛍光団の発光スペクトルと重なる場合に問題となります。これらの蛍光物質を正確に区別して定量化するために、研究者たちは多波長励起蛍光スペクトルに基づく新しい方法を提案しました。この研究の主な目標は、基線蛍光干渉の問題を解決し、事前の仮定なしに堅牢な推定アルゴリズムを提供することです。 論文の出典 この論文は「An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores ...

睡眠段階分類は、睡眠の質の評価や疾病の診断において極めて重要です。しかし、既存の分類方法は時間変動する多チャンネル脳信号の空間および時間特徴の処理、個別の生体信号の違いへの対応、モデルの解釈可能性の点で多くの課題に直面しています。従来の機械学習方法は複雑な特徴工学に依存しており、深層学習方法は特徴の表現学習に優れているものの、空間-時間特徴の利用、個体間の一般化能力、モデルの解釈可能性においてまだ改善の余地があります。 これらの課題を解決するために、北京交通大学のZiyu Jiaらとマサチューセッツ工科大学のLi-Wei H. Lehmanは、多視角時空グラフ畳み込みネットワーク（Multi-View Spatial-Temporal Graph Convolutional Networks...

MI-EEGデコードにおける注意機構に基づく時間依存学習畳み込みニューラルネットワーク（CNN） 研究背景と問題提起 脳-機械インターフェース（Brain-Computer Interface, BCI）システムは、脳信号をリアルタイムで翻訳してコンピュータと通信する新たな手段を提供しています。近年、BCI技術は麻痺患者に対する補助や予防的なケアにおいて重要な役割を果たすようになりました。現在の多くのBCIシステムは、非侵襲的で比較的便利な脳波（EEG）信号記録に依存して脳活動を追跡しています。しかし、同じMI（運動想像）タスクの期間中でも、異なる時期に生じる異なるMI関連パターンの時間依存性特性はしばしば無視され、MI-EEGデコード性能が大きく制約されています。 論文の出典と著者情報 論...

肌骨モデルは、生体力学解析に広く利用されており、直接計測が困難な運動変数（例：筋力や関節モーメント）を推定することができます。従来の物理駆動の計算肌骨モデルは、神経駆動から筋肉、筋肉の動力学、および身体と関節の運動学と動力学の間の動的相互作用を説明することができます。しかし、これらのモデルはその複雑さのため、動作速度が遅く、リアルタイムアプリケーションの実現が難しいです。近年、データ駆動方式はその実現速度の速さと操作の簡単さから有望な代替手段となっていますが、基礎的な神経機械プロセスを反映することができません。 本研究では、物理学の知識を融合した深層学習フレームワークを提案し、筋骨モデリングを実現します。このフレームワークでは、物理分野の知識をデータ駆動モデルに導入し、ソフト制約として罰則/...

在今日の教育環境において、学生の学習スタイルを理解することは、彼らの学習効率を向上させるために極めて重要です。特に視覚学習スタイル（visual learning style）の識別は、教師と学生が教育と学習の過程でより効果的な戦略を取るのに役立ちます。現在、視覚学習スタイルを自動的に識別する主な方法は、脳波（Electroencephalogram, EEG）と機械学習技術に依存しています。しかし、これらの技術は通常、アーティファクトの除去および特徴抽出のためにオフライン処理が必要であり、そのためリアルタイムでの適用が制限されています。 この研究は、Soyiba Jawed、Ibrahima Faye、およびAamir Saeed Malikが《IEEE Transactions on N...