Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Deep-Meg: A deep learning approach for magnetoencephalograhic inverse problem solutions.

Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference·2025
Same author

Analyzing Information Exchange in Parkinson's Disease via Eigenvector Centrality: A Source-Level Magnetoencephalography Study.

Journal of clinical medicine·2025
Same author

An Ultrasound Prototype for Remote Hand Movement Sensing: The Finger Tapping Case.

Sensors (Basel, Switzerland)·2025
Same author

The Effect of Sleep Deprivation on Brain Fingerprint Stability: A Magnetoencephalography Validation Study.

Sensors (Basel, Switzerland)·2024
Same author

In-Vivo Electrical Properties Estimation of Biological Tissues by Means of a Multi-Step Microwave Tomography Approach.

IEEE transactions on medical imaging·2024
Same author

Microwave Breast Sensing via Deep Learning for Tumor Spatial Localization by Probability Maps.

Bioengineering (Basel, Switzerland)·2023

関連する実験動画

Updated: Sep 9, 2025

Detecting Pre-Stimulus Source-Level Effects on Object Perception with Magnetoencephalography
09:25

Detecting Pre-Stimulus Source-Level Effects on Object Perception with Magnetoencephalography

Published on: July 26, 2019

7.0K

ディープラーニングによる磁気脳図源の局所化と再構築

Stefano Franceschini1, Michele Ambrosanio2, Maria Maddalena Autorino1

  • 1Department of Engineering, University of Naples Parthenope, Naples, Italy.

Frontiers in neuroscience
|September 2, 2025
PubMed
まとめ
この要約は機械生成です。

新しいディープラーニングアルゴリズムであるDeep-MEGは,磁気脳図 (MEG) データから空間的および時間的なソースの再構築を強化します. この進歩により 脳の信号の推定が改善され 病理性組織の正確な臨床的局所化が可能になります

キーワード:
ビームフォーム脳の信号の推定脳源の再構築マグネトエンセファログラフィニューラルネットワーク

さらに関連する動画

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging
10:48

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

Published on: June 3, 2013

22.3K
Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
11:28

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

Published on: June 30, 2018

11.8K

関連する実験動画

Last Updated: Sep 9, 2025

Detecting Pre-Stimulus Source-Level Effects on Object Perception with Magnetoencephalography
09:25

Detecting Pre-Stimulus Source-Level Effects on Object Perception with Magnetoencephalography

Published on: July 26, 2019

7.0K
How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging
10:48

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

Published on: June 3, 2013

22.3K
Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
11:28

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

Published on: June 30, 2018

11.8K

科学分野:

  • 神経科学
  • バイオメディカルエンジニアリング
  • 人工知能

背景:

  • マグネトエンセファログラフィ (MEG) は優れた時間解像度を提供するが,逆の問題の不適切な性質のために,ソースの推定では空間解像度に苦労する.
  • 病理的な組織を特定し,臨床的決定を下すには,正確な源の位置づけが不可欠です.
  • 伝統的なMEGソース再構築方法は,高い空間的精度を達成する上で限界に直面しています.

研究 の 目的:

  • MEG信号を用いた同時空間的および時間的なソース再構築のためのディープ・MEGというディープ・ラーニング・アルゴリズムを導入する.
  • MEGデータ処理における伝統的な方法の限界を解決し,正確なソースの位置づけを行う.
  • 皮質の情報源だけでなく 脳全体の信号を分析できる 総合的なツールを開発する

主な方法:

  • MEGセンサーデータを処理するためのハイブリッドニューラルネットワークアーキテクチャ (Deep-MEG) の開発.
  • リアルなフォワードモデルを用いた複数のアクティブソースによるシミュレーションによる検証
  • 最先端の再構築アルゴリズムと比較したDeep-MEGの性能.
  • 現実世界のMEGデータでアルゴリズムのテスト.

主要な成果:

  • Deep-MEGは,MEG信号から空間と時間の情報を抽出する能力を示しています.
  • このアルゴリズムは 脳の信号推定の精度を ソースレベルで改善することを示しています
  • シミュレーションと実際のデータテストは,強化されたソース再構築のためのDeep-MEGの可能性を示している.

結論:

  • ディープ・MEGは,高解像度MEGソース推定のための有望なディープ・ラーニングソリューションを提供します.
  • このアルゴリズムは,従来のMEG分析の空間解像度の制限を克服する可能性があります.
  • 深層MEGは脳活動と病理の正確な局所化を要求する臨床アプリケーションに 大きく役立つ可能性があります