机器学习工具用于基于尸体头部MRI的皮质区域特定fNIRS校准
Serhat Ilgaz Yöner1, Mehmet Emin Aksoy1,2, Hayrettin Can Südor1
1Department of Biomedical Equipment Technology, Junior College, Acıbadem Mehmet Ali Aydınlar University, Istanbul 34752, Türkiye.
Sensors (Basel, Switzerland)
|October 29, 2025
概括
这项研究介绍了DrSVision,一个用于功能近红外光谱 (fNIRS) 校准的新软件. 它优化了源探测器的分离,以便在神经科学研究中精确地监测皮质区域.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 医学物理 医学物理
背景情况:
- 功能近红外光谱 (fNIRS) 是一种非侵入性神经成像方法.
- 在fNIRS的一个挑战是校准源探测器分离 (SDS) 以获得最佳深度灵敏度 (SAD).
- 准确的校准对于监测神经科学和神经成像中的特定皮质区域至关重要.
研究的目的:
- 为了介绍DrSVision 1.0版本,一个独立的软件工具用于fNIRS校准.
- 解决FNIRS中优化SDS和SAD的实际工具的局限性.
- 为了使fNIRS更精确地用于针对性地皮层区域监测.
主要方法:
- 蒙特卡罗 (MC) 模拟使用尸体头部的细分MRI数据来模拟光衰减.
- 对各种源探测器分离 (SDS) 的深度灵敏度 (SAD) 的计算.
- 训练高斯过程回归 (GPR) 机器学习模型,以推最佳的SDS,以在目标深度获得最大的灵敏度.
主要成果:
- DrSVision软件是作为一个独立的工具开发的,独立于第三方平台.
- 该软件为实验目标提供特定区域的校准输出.
- GPR模型成功地推了最佳的SDS,以实现最大的SAD.
结论:
- 对于fNIRS校准挑战,DrSVision软件提供了一个实用的解决方案.
- 该工具通过根据实验需求量身定制校准来支持更精确的fNIRS应用.
- 未来的工作包括对特定主题进行校准,并为各种实验设置提供更广泛的支持.
关键词:
这就是为什么MRI是MRI.蒙特卡罗模拟的蒙特卡罗模拟校准工具是一个校准工具.在FNIRS中使用.功能近红外光谱学近红外光谱学高斯的过程回归过程.机器学习是机器学习.磁共振成像技术的使用在深度上的灵敏度.源探测器的分离方式更多相关视频
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
12.2K
08:29Standardized Induction and Assessment of Long-term Potentiation-like Cortical Plasticity Using Transcranial Magnetic Stimulation
Published on: November 7, 2025
276