fNIRSのための新しい最適化フレームワーク:ニューロリハビリテーションのための脳画像再構築の強化

科学分野:

• 神経イメージング
• 生物医学工学
• シグナル処理

背景:

• 機能的近赤外線光譜検査 (fNIRS) は非侵襲的な脳イメージング技術である.
• モーション・アーティファクトは fNIRSの画像再構築の精度を低下させることが多い.
• 伝統的なニューラルネットワークは ウェアラブルデバイスには コンピューティングが集中しています

研究 の 目的:

• ウェアラブル fNIRS デバイスのための最適化されたニューラルネットワークのフレームワークを開発する.
• fNIRSの脳画像の明晰さと信頼性を高めるため
• 様々な fNIRS データセットのための標準化された処理パイプラインを確立する.

主な方法:

• ウェアラブルプラットフォームに合わせたニューラルネットワーク処理の最適化フレームワークを提案した.
• リソース・リミテッド・コンピューティングに関する複数のデータセットを使用してフレームワークを体系的に評価した.
• 3つの異なるデータセットでフレームワークのパフォーマンスを検証しました.

主要な成果:

• fNIRS信号の品質と画像再構築の精度が大幅に改善されました.
• オプティマイゼーションによって 24%のメモリフットプリントの削減が示されました.
• 様々な fNIRS データセットに適用可能な標準化された処理パイプラインを確立しました.

結論:

• 提案されたフレームワークは,ウェアラブルデバイスでのfNIRS脳画像分析を強化します.
• 汎用的なプリプロセッシング最適化戦略は,fNIRSのデータ分析を標準化することができます.
• この進歩は 臨床研究と神経リハビリテーションの 幅広い応用をサポートします