論文の概要: ToFFi -- Toolbox for Frequency-based Fingerprinting of Brain Signals
- arxiv url: http://arxiv.org/abs/2110.09919v1
- Date: Tue, 19 Oct 2021 12:32:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-20 19:01:24.874773
- Title: ToFFi -- Toolbox for Frequency-based Fingerprinting of Brain Signals
- Title（参考訳）: toffi -- 周波数ベースの脳信号のフィンガープリント用ツールボックス
- Authors: Micha{\l} K. Komorowski, Krzysztof Rykaczewski, Tomasz Piotrowski,
Katarzyna Jurewicz, Jakub Wojciechowski, Anne Keitel, Joanna Dreszer,
W{\l}odzis{\l}aw Duch
- Abstract要約: スペクトル指紋(英: Spectral fingerprints, SFs)は、人間の脳領域におけるユニークなパワースペクトルである。
SFは正確なROI識別を可能にし、非ニューロタイプグループによって示される相違のバイオマーカーとして機能する。
- 参考スコア（独自算出の注目度）: 1.7077037131373034
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spectral fingerprints (SFs) are unique power spectra signatures of human
brain regions of interest (ROIs, Keitel & Gross, 2016). SFs allow for accurate
ROI identification and can serve as biomarkers of differences exhibited by
non-neurotypical groups. At present, there are no open-source, versatile tools
to calculate spectral fingerprints. We have filled this gap by creating a
modular, highly-configurable MATLAB Toolbox for Frequency-based Fingerprinting
(ToFFi). It can transform MEG/EEG signals into unique spectral representations
using ROIs provided by anatomical (AAL, Desikan-Killiany), functional
(Schaefer), or other custom volumetric brain parcellations. Toolbox design
supports reproducibility and parallel computations.
- Abstract（参考訳）: スペクトル指紋(英: Spectral fingerprints、SFs)は、人間の脳の関心領域(ROIs, Keitel & Gross, 2016)のユニークなパワースペクトルである。
SFは正確なROI識別を可能にし、非ニューロタイプグループによって示される差のバイオマーカーとして機能する。
現在、スペクトル指紋を計算するためのオープンソースで多用途なツールは存在しない。
我々は、周波数ベースのフィンガープリント(ToFFi)のためのモジュールで高度に構成可能なMATLABツールボックスを作成することで、このギャップを埋めました。
MEG/EEG信号は、解剖学的(AAL、Desikan-Killiany)、機能的(Schaefer)、その他のカスタムボリューム脳パーセレーションによって提供されるROIを用いて、独自のスペクトル表現に変換することができる。
ツールボックス設計は再現性と並列計算をサポートする。
関連論文リスト
- FE-UNet: Frequency Domain Enhanced U-Net with Segment Anything Capability for Versatile Image Segmentation [50.9040167152168]
CNNのコントラスト感度関数を実験的に定量化し,人間の視覚システムと比較した。
本稿ではウェーブレット誘導分光ポーリングモジュール(WSPM)を提案する。
人間の視覚系をさらにエミュレートするために、周波数領域拡張受容野ブロック(FE-RFB)を導入する。
本研究では,SAM2 をバックボーンとし,Hiera-Large を事前学習ブロックとして組み込んだ FE-UNet を開発した。
論文 参考訳（メタデータ） (2025-02-06T07:24:34Z) - SpecTf: Transformers Enable Data-Driven Imaging Spectroscopy Cloud Detection [0.7139158700911061]
SpecTfは分光特有のディープラーニングアーキテクチャで、スペクトル情報のみを使用してクラウド検出を行う。
スペクトル測定を画像チャネルではなくシーケンスとして扱うことで、SpecTfは空間的コンテキストに依存することなく、基本的な物理的関係を学習する。
我々は、異なるプラットフォーム上の異なる機器にそれを適用することで、SpecTfのクロスストラクチャー一般化の可能性を示す。
論文 参考訳（メタデータ） (2025-01-09T02:14:12Z) - DiffFormer: a Differential Spatial-Spectral Transformer for Hyperspectral Image Classification [3.271106943956333]
超スペクトル画像分類(HSIC)は、高次元データをスペクトル情報と空間情報で分析する可能性から注目されている。
本稿では、スペクトル冗長性や空間不連続性といったHSICの固有の課題に対処するために、差分空間スペクトル変換器(DiffFormer)を提案する。
ベンチマークハイパースペクトルデータセットの実験は、分類精度、計算効率、一般化可能性の観点から、DiffFormerの優位性を示す。
論文 参考訳（メタデータ） (2024-12-23T07:21:41Z) - Multimodal Biometric Authentication Using Camera-Based PPG and Fingerprint Fusion [10.360896128201237]
本稿では,ビデオから抽出したPSG信号を指紋データと統合し,ユーザ認証の精度を高めるマルチモーダルバイオメトリックシステムを提案する。
システムは、カメラのレンズに指先を数秒で配置し、ユニークな生体特性のキャプチャと処理を可能にする。
論文 参考訳（メタデータ） (2024-12-07T14:09:40Z) - FactorizePhys: Matrix Factorization for Multidimensional Attention in Remote Physiological Sensing [10.81951503398909]
Factorized Self-Attention Module (FSAM) は、非負行列分解を用いたボクセル埋め込みから多次元の注意を計算する。
提案手法は,空間的,時間的,チャネル的注意を包括的に獲得し,一般的な信号抽出の性能を高めるために,ボクセルの埋め込みを適応的に分解する。
FactorizePhysは、生のビデオフレームから血流パルス信号を推定するためのエンドツーエンドの3D-CNNアーキテクチャである。
論文 参考訳（メタデータ） (2024-11-03T12:22:58Z) - On the Reliability of Radio Frequency Fingerprinting [5.074726108522963]
RFF(Radio Frequency Fingerprinting)は、RF放射に基づいて物理層(PHY)のデバイスを識別するユニークな方法を提供する。
我々は,新しいFPGA画像が再ロードされるたびに,SDRが新しい通信を開始すると,指紋の突然変異が現れることを示す。
論文 参考訳（メタデータ） (2024-08-17T12:06:21Z) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - TOP-ReID: Multi-spectral Object Re-Identification with Token Permutation [64.65950381870742]
マルチスペクトルオブジェクトReID, Dubbled TOP-ReIDのための循環トークン置換フレームワークを提案する。
また,巡回多スペクトル特徴アグリゲーションのためのToken Permutation Module (TPM)を提案する。
提案するフレームワークは,ロバストなオブジェクトReIDに対して,より識別性の高いマルチスペクトル特徴を生成できる。
論文 参考訳（メタデータ） (2023-12-15T08:54:15Z) - Specformer: Spectral Graph Neural Networks Meet Transformers [51.644312964537356]
スペクトルグラフニューラルネットワーク(GNN)は、スペクトル領域グラフ畳み込みを通じてグラフ表現を学習する。
本稿では、全ての固有値の集合を効果的に符号化し、スペクトル領域で自己アテンションを行うSpecformerを紹介する。
複数のSpecformerレイヤを積み重ねることで、強力なスペクトルGNNを構築することができる。
論文 参考訳（メタデータ） (2023-03-02T07:36:23Z) - EEGminer: Discovering Interpretable Features of Brain Activity with
Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。
我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。
発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文 参考訳（メタデータ） (2021-10-19T14:22:04Z) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳（メタデータ） (2020-06-28T20:59:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。