腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
思影科技
专栏成员
举报
428
文章
492477
阅读量
132
订阅数
订阅专栏
申请加入专栏
全部文章(428)
神经网络(60)
数据处理(45)
数据分析(41)
编程算法(33)
机器学习(31)
深度学习(31)
人工智能(25)
腾讯云测试服务(22)
alpha(16)
学习方法(14)
其他(13)
block(12)
erp(11)
连接(10)
网络(7)
数据库(6)
模块化(6)
NLP 服务(5)
医疗(5)
生物基因(5)
网络安全(5)
线性回归(5)
https(5)
sql(4)
http(4)
大数据(4)
figure(4)
glm(4)
mask(4)
sf(4)
语音(4)
go(3)
数据加密服务(3)
图像处理(3)
网站(3)
卷积神经网络(3)
数据结构(3)
nat(3)
min(3)
同步(3)
语音识别(2)
c++(2)
node.js(2)
单片机(2)
matlab(2)
vr 视频解决方案(2)
游戏(2)
自动化(2)
聚类算法(2)
分类算法(2)
analysis(2)
db(2)
it(2)
meta(2)
session(2)
编码(2)
统计(2)
费用中心(1)
内容分发网络 CDN(1)
对象存储(1)
人脸识别(1)
mac os(1)
python(1)
c#(1)
bootstrap(1)
css(1)
html(1)
api(1)
vba(1)
linux(1)
apt-get(1)
黑石物理服务器(1)
文件存储(1)
短视频(1)
访问管理(1)
音视频点播加速(1)
高性能计算(1)
express(1)
parcel(1)
存储(1)
爬虫(1)
shell(1)
图像识别(1)
强化学习(1)
监督学习(1)
ftp(1)
tcp/ip(1)
敏捷开发(1)
模式识别(1)
安全(1)
数据可视化(1)
sas(1)
processing(1)
信息流(1)
云计算(1)
特征工程(1)
模型测试(1)
流计算 Oceanus(1)
图像分析(1)
ast(1)
bat(1)
difference(1)
dos(1)
double(1)
dp(1)
epoch(1)
event(1)
fft(1)
frequency(1)
gd(1)
iso(1)
lm(1)
local(1)
mapping(1)
mean(1)
nft(1)
null(1)
patch(1)
plc(1)
prediction(1)
ps(1)
rest(1)
scale(1)
self(1)
sleep(1)
soa(1)
state(1)
time(1)
touch(1)
wifi(1)
word(1)
队列(1)
工具(1)
效率(1)
重构(1)
最佳实践(1)
搜索文章
搜索
搜索
关闭
影像学纹理分析:放射科医生需要知道的事项
数据分析
影像学纹理特征是图像中图像强度的变化,是影像组学的重要组成部分。本文的目的是讨论影响纹理度量性能的一些参数,并提出建议,以指导未来影像组学研究的设计和评估。
用户1279583
2022-06-13
1.3K
0
深度学习在静息态功能磁共振成像中的应用
数据分析
图像处理
机器学习
深度学习
神经网络
对从人脑功能磁共振成像(fMRI)数据中获得的丰富的动态的时空变化特性进行建模是一项具有挑战性的任务。对大脑区域和连接水平进行分析为fMRI数据提供了更直接的生物学解释,并且到目前为止一直有助于描述大脑中的特征。在本文中作者假设,与之前研究广泛使用的预先进行的fMRI时变信息转换以及脑区之间的功能连接特征相比,直接在四维(4D)fMRI体素级别空间中进行时空特征的学习可以增强大脑表征的鉴别性。基于这个目的,作者对最近提出的结构MRI(sMRI)深度学习(DL)方法进行扩展,以额外获得时变信息和在预处理好的fMRI数据上对提出的4D深度学习模型进行训练。结果表明使用基于复杂的非线性函数的深度时空方法为学习任务生成具有鉴别性的编码,使用fMRI体素/脑区/功能连接特征对模型进行验证,发现本文方法的分类性能优于传统标准机器学习(SML)和DL方法,除了相对简单的集中趋势测量的fMRI数据的时间平均值。此外,作者探讨了不同方法识别fMRI特征的优劣,其中对于fMRI体素级别特征DL显著优于SML方法。总之作者的研究结果体现了在fMRI体素级别数据上训练的DL模型的效率和潜力,并强调了开发辅助工具的重要性,以促进对这种灵活模型的解释。本文发表在IEEE Engineering in Medicine & Biology Society (EMBC)
用户1279583
2022-06-13
1.4K
1
脑小血管病变伴认知障碍的大脑动力学与白质高信号的关系
数据分析
认知功能障碍是脑小血管疾病(cSVD)的显著标志。已有的功能磁共振成像研究强调了大脑活动模式和行为变异性之间的联系。本文的研究旨在描述cSVD的影像学标记物、动态连通性和认知障碍之间的关联。
用户1279583
2022-04-15
430
0
思影科技EEG/ERP数据处理业务
数据分析
好的数据质量是获得可靠结果的前提,而预处理的质量往往对后处理的结果存在一定的影响。脑电的数据对噪音的敏感性很强,为了提高您数据的质量,在更大程度上将数据中的信噪比提高,获得更严谨的科研结果,我们会对您的数据进行高质量的预处理。
用户1279583
2022-04-12
1.6K
0
思影科技近红外脑功能数据处理服务
数据分析
使用NIRS_SPM进行激活分析的步骤包括:对原始数据进行格式转化、使用定位信息创建MNI空间坐标、滤波、一阶建模、GLM模型评估、设置设计矩阵、计算beta值等。
用户1279583
2022-04-12
1.4K
0
可穿戴功能性近红外光谱成像在自然环境中的应用
数据分析
新型便携无线可穿戴功能性近红外光谱成像(fNIRS)设备的发展为脑功能成像开辟新路,这将带来认知研究的革命性变化。在过去的几十年里,诸多研究采用了传统的功能近红外光谱成像(fNIRS)方法,证明了这项技术在不同人群和不同应用领域的适用性,其中涉及健康大脑研究及脑损伤研究。然而,可穿戴fNIRS更具吸引力的特征在于,它能够在日常生活场景中施测,这是其他金标准的神经成像方法(如功能性磁共振成像)所不能实现的。这将极大影响我们探究人脑功能的神经基础及机制的方式。本文的目的是回顾认知神经科学领域中采用可穿戴fNIRS在自然环境下进行的研究。此外,我们提出了使用可穿戴fNIRS在无约束环境下可能面临的挑战,讨论了更准确推断大脑功能性激活状态的方法。最后,我们总体展望了认知神经科学领域的未来前景,我们认为,在可穿戴fNIRS研究中的获益将极为可观。本文发表在Japanese Psychological Research杂志。
用户1279583
2022-02-28
823
0
鱼与熊掌兼得:ERP数据的单变量统计数据的灵活性和效力
erp
编程算法
数据分析
腾讯云测试服务
ERP研究产生了大量的时空数据集。这些丰富的数据集是帮助我们理解认知和神经过程的关键。然而,它们也存在大量的多重比较问题,可能导致大量具有假阳性效应(effect)的研究(高I型错误率)。ERP统计分析的标准方法是对时间窗和感兴趣区域的平均,但这并不总是能控制第一类错误,它们的不灵活性可能导致检测真实效应的效力(统计效力,power,以下全部成为效力)较低。单变量方法提供了另一种分析方法。然而,迄今为止,它们被认为主要适用于探索性统计分析,只适用于简单的设计。在这里,我们提出了新的模拟研究,表明基于置换(permutation)的单变量检验可以用于复杂的因子设计。最重要的是,当使用强的先验时间窗和空间区域时,单变量方法比传统的时空平均方法提供略大的效力。此外,当使用更具探索性的时空参数时,它们的效力仅略有下降。我们认为,在许多ERP研究中,单变量分析方法优于传统的时空平均分析方法。本文发表在Psychophysiology杂志。
用户1279583
2022-02-28
779
0
智能手机成瘾者的大脑功能和结构的改变
数据分析
在过去的几年里,伴随着智能手机的迅速普及和推广,人们对过度使用智能手机的潜在不利影响越来越感到担忧,特别是对身心健康的潜在不利影响。最近,“智能手机成瘾”(SPA,smartphone addiction)一词被引入,用来描述与智能手机相关的成瘾行为及其相关的身体和心理障碍。
用户1279583
2022-02-28
725
0
从诱发反应中解码动态脑模式:应用于时间序列神经成像数据的多元模式分析教程
数据分析
数据加密服务
多变量模式分析(MVPA)或大脑解码方法已经成为分析功能磁共振数据的标准做法。虽然解码方法已广泛应用于脑机接口,但其应用于时间序列神经成像数据(如脑磁图、脑电图)以解决认知神经科学中的实验问题是最近的事。在本教程中,我们描述了从认知神经科学的角度来告知未来时间序列解码研究的广泛选择。使用脑磁图数据的例子,我们说明了解码分析流程中的不同选项对实验结果的影响,目的是解码不同的知觉刺激或认知状态随时间的动态大脑激活模式。我们展示了在预处理(如降维、降采样、试次平均)和解码(如分类器选择、交叉验证设计)时所做的决策。除了标准解码外,我们还描述了对时变神经成像数据的MVPA的扩展,包括表征相似性分析、时间泛化和分类器权重图的解释。最后,我们概述了时间序列解码实验设计和解释中的重要注意事项。本文发表在Journal of Cognitive Neuroscience杂志。
用户1279583
2022-02-28
1.4K
0
动态功能连接组:最新技术和前景
数据分析
编程算法
静息态功能磁共振成像(fMRI)突出了在没有任务或刺激的情况下大脑活动的丰富结构。在过去的二十年里,人们一直致力于研究功能连接(FC),即大脑不同区域之间的功能相互作用,这在很长一段时间内被认为是静止的。直到最近,FC的动态行为才被揭示,表明在自发fMRI信号波动的相关模式之上,不同脑区之间的连接在一个典型的静息态fMRI实验中表现出有意义的变化。因此,大量的工作被用来评估和表征动态FC(dFC),并探索了几种不同的方法来确定相关的FC波动。同时,关于dFC的性质提出了几个问题,只有回到神经起源,才会引起人们的兴趣。为了支持这一点,建立了与脑电图(EEG)记录、人口统计学和行为数据的相关性,并探索了各种临床应用,其中可初步证明dFC的潜力。在本文中,我们旨在全面描述迄今为止提出的dFC方法,并指出我们认为对该领域未来发展最有希望的方向。讨论了dFC分析的优点和缺陷,帮助读者通过可用的方法和工具的复杂网络来确定自己的方向。本文发表在Neuroimage杂志
用户1279583
2022-02-28
809
0
人、猕猴、小鼠静息态三重网络
访问管理
数据分析
三重网络模型是Vinod Menon 2011年基于静息态功能连接提出的用于评估人类神经精神疾病的理论模型。该模型认为静息态功能网络中突显网络、默认网络、中央执行网络对神经精神疾病评估具有重要意义。数十年来,该模型在多项疾病研究中得到验证,但受限于人体的非侵入性,极少有研究能深入到神经元层面探讨三重网络的结构功能基础。本研究利用大脑转录组信息整合了人、猕猴、小鼠脑功能网络,发现小鼠、猕猴大脑也可以用三重网络模型来描述。本实验进一步探究了类抑郁动物模型、神经元结构环路、光遗传功能网络与三重网络的相关性,从神经系统构成机制上对三重网络进行了验证。实验再次证明了三重网络的应用价值,同时为动物研究结果向人类转化提供了范式。本文发表在Molecular Psychiatry杂志。
用户1279583
2022-02-28
599
0
失眠患者的功能连通性改变
数据分析
失眠 (Insomnia, ID) 是最常见的睡眠障碍;然而,ID症状的发病机制尚未完全了解。采用多因素的观点,并将ID视为一种涉及区域间神经元协调的情况,将有助于理解ID的病理生理学。功能连接 (Functional connectivity, FC) 可能有助于阐明ID症状的潜在功能过程和神经相关性。尽管越来越多的研究评估FC异常,但对ID病理生理学的见解仍然是零碎的。本文旨在寻找静息态下失眠的FC变化的经验证据。共涉及1052名ID参与者的31项研究符合本综述的纳入标准。结果表明,ID症状与主要静息态网络半球内和半球间相互作用受损相关。总的来说,证据支持这样一种假设,即失眠的特征是大脑功能连接的组织 (organization) 紊乱,导致睡眠、认知、情绪和记忆下降。然而,被综述的研究之间存在广泛的方法学异质性,以及本系统综述提出的研究方案和统计方法的局限性,使得很难提供一个单一的ID病理生理学框架。这一领域的未来研究应该引导共享和严格的搜索设计 (search designs),以确保ID病理生理学的可靠研究证据。本文发表在Sleep Medicine Reviews杂志。
用户1279583
2022-02-28
815
0
EEG/ERP研究中使用头皮表面拉普拉斯算法的问题和考虑
erp
数据分析
尽管表面拉普拉斯算法可能抵消的容积传导和对表面电位数据记录参考的不利影响,电生理学学科一直不愿采用这种方法进行数据分析。这种顾虑的原因是多方面的,往往涉及到对潜在转换性质的不熟悉、感知到的数学复杂性的威胁,以及对信号损失、密集电极排列需求或噪声敏感性的担忧。我们回顾了容积传导和允许任意选择脑电参考所引起的缺陷,以一种直观的方式描述了表面拉普拉斯变换的基本原理,并举例说明了常见参考模式(鼻子、连接乳突、平均)和用于频繁测量的EEG频谱(theta, alpha)以及标准ERP成分(如N1或P3)的表面拉普拉斯转换之间的差异。我们特别回顾了表面拉普拉斯算法普遍应用中的一些常见的局限,这些局限可以通过适当选择样条弹性参数和正则化常数进行球面样条内插来有效地解决。我们从实用主义的角度认为,这些局限不仅是没有根据的,而且一直使用表面电位对脑电图和ERP研究的进展构成了相当大的障碍。本文发表在International Journal of Psychophysiology杂志。
用户1279583
2022-02-28
909
0
纹理分析及其在医学成像中的应用
数据分析
分类算法
学习方法
深度学习
机器学习
纹理分析是一种量化图像强度变化的图像分析技术。的基本原理,以及它们的优点、缺点和应用。这项研究的重点是收集和分析近50年来有关纹理分析的研究,简要描述了不同的方法,并给出了应用实例。鉴于纹理分析应用广泛,本研究主要集中在生物医学图像分析领域,并整理了一份最新的生物组织和器官相关的疾病产生的纹理变化的列表,可用于查阅疾病的发病和进展。最后,总结了纹理分析方法作为疾病生物标记物的作用。本文发表在IEEE REVIEWS IN BIOMEDICAL ENGINEERING杂志。
用户1279583
2022-02-28
977
0
伪影校正时选择脑电图的独立成分的实用指南
数据分析
sas
背景:脑电图数据很容易受到非神经来源信号的污染。独立分量分析(ICA)可以帮助EEG数据对这些伪影进行校正。伪迹的独立成分(ICs)可以由专家通过目测识别。但是伪迹特性有时是模糊的或难以注意到的,甚至专家也可能不同意如何对特定伪迹进行分类。因此,将伪迹属性告知用户,并给他们机会进行干预是很重要的。
用户1279583
2022-02-28
2.2K
2
动脉自旋标记(ASL)磁共振成像:基础物理、脉冲序列和建模
数据分析
动脉自旋标记(ASL)是一种非侵入性磁共振成像(MRI)技术,它使用内源性动脉血作为动态示踪剂来量化器官的组织灌注。血流灌注描述了一个器官中给定体积的组织向毛细血管床输送和交换的动脉血水量,单位是 mL/100g/min。ASL常用于人脑,灰质脑灌注为70mL/100g/min,白质为20mL/100g/min。由于其非侵入性,ASL现在被更广泛地应用于其他器官,包括肾脏、肝脏、外周肌肉、胰腺和心脏。由于ASL不需要外源性造影剂,随着时间的推移重复使用是安全的,因此可以用来追踪疾病进展或药物治疗引起的灌注变化。本文发表在Advances in Magnetic Resonance Technology and Applications中。
用户1279583
2022-02-28
5.5K
0
静息态功能磁共振成像:关于静息态功能连接和脑网络分析方法
数据分析
自诞生之初,人类就对大脑中发生的事情充满好奇。功能磁共振成像是一种重要的工具,它有助于无创地检查、定位和探索大脑的语言、记忆等功能。近年来,神经科学研究的焦点明显转向了“静息态”下的大脑研究。重点是在没有任何感官或认知刺激的情况下大脑内部的内在活动。对静息态下大脑功能连接的分析揭示了不同的静息态网络,这些网络描述了特定的功能和不同的空间拓扑结构。虽然不同的统计方法被引入到静息态功能磁共振成像连接性的研究中,但得到了一致的结果。在本文中,我们详细介绍了静息态功能磁共振成像的概念,然后讨论了三种最广泛使用的分析方法、描述了几种具有脑区特征的静息态网络及相关认知功能、静息态功能磁共振成像的临床应用。本综述旨在强调静息态功能磁共振成像连接性研究的实用性和重要性,强调其与基于任务的功能磁共振成像的互补性质。本文发表在The Neuroradiology杂志。
用户1279583
2022-02-28
3.8K
0
动脉自旋标记磁共振(ASL)的神经放射学家指南
数据分析
动脉自旋标记(Arterial spin labeling, ASL)是一种无创测量脑血流量(cerebral blood flow, CBF)的MRI技术。本文为大脑ASL提供了实用指南,以及指出了ASL技术的潜在缺陷。文中还介绍了其技术和生理背景。目前,ASL主要的研究领域是脑血管病、痴呆症和神经肿瘤学。在脑血管疾病中,ASL由于其定量的性质和确定大脑动脉范围的能力而令人感兴趣。急性卒中中,半暗带侧支循环血供的来源可通过ASL进行可视化。在慢性脑血管病中,脑灌注受损的程度和严重程度可通过ASL看到,可用来指导治疗或预防干预。ASL具有检测和随访动静脉畸形的潜力。在痴呆症患者的检查中,ASL被认为是PET的一种诊断替代方法。它可以轻易添加在常规结构MRI检查中。在确诊为阿尔茨海默病和额颞叶痴呆的患者中,可以看到与PET所见的低代谢模式相似的低灌注模式。脑肿瘤ASL研究表明,ASL测量的CBF增加区域与动态磁敏感增强灌注(DSC)成像测量的脑血容量增加高度相关。ASL用于脑肿瘤成像的主要优点是CBF测量不受血脑屏障破坏及其定量性质的影响,便于多中心和纵向研究。本文发表在Neuroradiology杂志。
用户1279583
2021-07-16
2K
0
功能数据的多体素模式分析:社会和情感神经科学家的实用介绍
数据分析
数据处理
数据结构
模型测试
腾讯云测试服务
请点击上面“思影科技”四个字,选择关注我们,思影科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,希望专业的内容可以给关注者带来帮助,欢迎留言讨论及转发推荐,也欢迎了解思影科技的课程及数据处理服务,可添加微信号siyingyxf或18983979082进行咨询(咨询电话18580429226,杨晓飞)。(文末点击浏览)
用户1279583
2021-01-02
1.6K
0
PNAS:你会作弊吗?—认知控制在作弊行为与诚实行为中的介入作用
数据分析
你曾作弊过吗?你是一个诚实的人吗?面对作弊的诱惑时,你的认知控制是否帮你有效地抵抗了诱惑从而帮助你遵从自己的道德操守,还是促使你更加屈从于诱惑,从而获得更多利益呢?快来看看这篇文章,帮助你了解面对作弊选择时,to be or not to be的困惑是怎样被大脑最后决定的。
用户1279583
2020-08-13
1K
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档