БЕСКОНТАКТНЫЙ КОНТРОЛЬ МИКРООБЪЕКТОВ МЕТОДАМИ ИНТЕРФЕРОМЕТРИИ МАЛОЙ КОГЕРЕНТН...ITMO University
Рассмотрены основные характеристики методов интерферометрии малой когерентности и оптической когерентной томографии применительно к задачам исследований микрорельефа поверхности и внутренней микроструктуры различных материалов с высокой разрешающей способностью. Представлены примеры практического использования рассмотренных методов при исследованиях рельефа поверхности полимерного материала, внутренней микроструктуры материала бумаги и микроструктуры лакового слоя при оценке состояния предметов живописи для последующей реставрации с применением лазерных технологий.
Классификация сигналов головного мозга для нейрокомпьютерного интерфейсаAzoft
Ученые всего мира работают над созданием нейрокомпьютерного интерфейса, чтобы улучшить качество жизни людей с ограниченными возможностями. R&D отдел компании Azoft не остался в стороне от этой острой темы и принял участие в международном конкурсе "Grasp-and-Lift EEG Detection". Конкурс был посвящен классификации ЭЭГ сигналов для последующей разработки нейрокомпьютерного интерфейса. В этой публикации вы найдете описание экспериментов, предпринятых нашей командой с целью систематизации движений правой руки с использованием записей ЭЭГ. Более того, вы сможете ознакомиться с одним из ярких примеров прикладного использования свёрточных нейронных сетей. Материалы о проекте вы можете найти на нашем сайте: http://www.azoft.ru/blog/klassifikaciya-signalov-golovnogo-mozga-dlya-nejrokompyuternogo-interfejsa/
БЕСКОНТАКТНЫЙ КОНТРОЛЬ МИКРООБЪЕКТОВ МЕТОДАМИ ИНТЕРФЕРОМЕТРИИ МАЛОЙ КОГЕРЕНТН...ITMO University
Рассмотрены основные характеристики методов интерферометрии малой когерентности и оптической когерентной томографии применительно к задачам исследований микрорельефа поверхности и внутренней микроструктуры различных материалов с высокой разрешающей способностью. Представлены примеры практического использования рассмотренных методов при исследованиях рельефа поверхности полимерного материала, внутренней микроструктуры материала бумаги и микроструктуры лакового слоя при оценке состояния предметов живописи для последующей реставрации с применением лазерных технологий.
Классификация сигналов головного мозга для нейрокомпьютерного интерфейсаAzoft
Ученые всего мира работают над созданием нейрокомпьютерного интерфейса, чтобы улучшить качество жизни людей с ограниченными возможностями. R&D отдел компании Azoft не остался в стороне от этой острой темы и принял участие в международном конкурсе "Grasp-and-Lift EEG Detection". Конкурс был посвящен классификации ЭЭГ сигналов для последующей разработки нейрокомпьютерного интерфейса. В этой публикации вы найдете описание экспериментов, предпринятых нашей командой с целью систематизации движений правой руки с использованием записей ЭЭГ. Более того, вы сможете ознакомиться с одним из ярких примеров прикладного использования свёрточных нейронных сетей. Материалы о проекте вы можете найти на нашем сайте: http://www.azoft.ru/blog/klassifikaciya-signalov-golovnogo-mozga-dlya-nejrokompyuternogo-interfejsa/
EEG segmentation method based on analysis of traveling wavesIgor Kolodkin
This project represents a method for electroencephalography based on the analysis of traveling waves. The method can be applied to analysis of spatially organized physical, chemical, and biological processes. In particular, the method can be used to neurophysiological, geothermal and ocean researches and to studies of the distributed solar dynamics.
Experimental researches of the method have been carried out on the real data of human brain electroencephalography (EEG). It is shown that the proposed method outperforms the classical methods of EEG segmentation
The project is aimed to work out the interactive software for nucleotide sequence visualization. Methods. The program named as “Triander” was created under Free Pascal RAD IDE Lazarus. The source code and compiled for Windows binaries are freely accessible at http://icbge.org.ua/ukr/Triander. This program can produce four types of plots. It is possible to build three DNA walks done independently for each nucleotide position in triplets. The usage of not equal in modulus nucleotide vectors lead to significant reduction of visual information loss in DNA walks. The program can be used in the investigation of fine structure of sequences and find in them standard patterns and nontrivial regions for further detail analysis.
The presentation provides an overview of existing driver assistance systems of vehicles, which are based on an assessment of psycho-physiological parameters.
EEG segmentation method based on analysis of traveling wavesIgor Kolodkin
This project represents a method for electroencephalography based on the analysis of traveling waves. The method can be applied to analysis of spatially organized physical, chemical, and biological processes. In particular, the method can be used to neurophysiological, geothermal and ocean researches and to studies of the distributed solar dynamics.
Experimental researches of the method have been carried out on the real data of human brain electroencephalography (EEG). It is shown that the proposed method outperforms the classical methods of EEG segmentation
The project is aimed to work out the interactive software for nucleotide sequence visualization. Methods. The program named as “Triander” was created under Free Pascal RAD IDE Lazarus. The source code and compiled for Windows binaries are freely accessible at http://icbge.org.ua/ukr/Triander. This program can produce four types of plots. It is possible to build three DNA walks done independently for each nucleotide position in triplets. The usage of not equal in modulus nucleotide vectors lead to significant reduction of visual information loss in DNA walks. The program can be used in the investigation of fine structure of sequences and find in them standard patterns and nontrivial regions for further detail analysis.
The presentation provides an overview of existing driver assistance systems of vehicles, which are based on an assessment of psycho-physiological parameters.
2. Совместно с НИИ нейрохирургии им. Н.Н. Бурденко проводится изучение
методов обработки электроэнцефалограмм. Результаты исследования используются при
распознавании артефактов на записях ЭЭГ, интерпретации реакций на внешние
раздражители, определении различного рода приступов и т.д. В частности при
доврачебной диагностики людей на наличие у них признаков заболеваний ЦНС.
Ритмы мозга человека
Одна из первых фотографий исследования методом ЭЭГ
Измерение показаний ЭЭГ (фиксация электродов)
2
3. Запишем уравнения авторегрессии для случайного стационарного процесса:
Получив коэффициенты э u(t) – шумовая составляющая.
и найдём оценки коэффициентов для каждого обследуемого используя уравнения ЮлаУолкера:
Измерение показаний ЭЭГ(аппарат и обработка)
18 каналов записи ЭЭГ
3
4. Для обеспечения построения более достоверного решающего правила
используются эвристические алгоритмы предобработки данных,
которые специфицированы для каждого конкретного заболевания ЦНС
(на текущий момент такие алгоритмы разработаны для болезни
Паркинсона и эпилепсии).
Суть используемых эвристических алгоритмов заключается в том, чтобы
усреднить данные ЭЭГ таким образом, чтобы с учётом выбранного
канала данных ЭЭГ и его амплитудных особенностей у людей
минимизировать влияние помех на результат путём минимизации
коэффициента неопределенности матрицы получаемой при построении
уравнений Юла-Уолкера, т.к., чем ниже коэффициент неопределённости
этой матрицы, тем выше влияние именно информативных данных
конечный на результат и ниже влияние на него помех.
4
5. 1. Методы анализа и выбора информативных переменных (в частности каналов на записях ЭЭГ).
2. Метод сопряжённых градиентов.
3. Метод построения решающего правила на основе обучающей выборки: построим гиперплоскость
перпендикулярно кратчайшему расстоянию между многогранниками и проверим, что все точки каждого из них
лежат по одну сторону от этой гиперплоскости, причём многогранники лежат в разных полупространствах. Для
этого воспользуемся некоторыми уравнениями аналитической геометрии.
(h21, h22, h23, h24)
(h11, h12, h13, h14)
Гиперплоскость разделитель
(h41, h42, h43, h44)
(i11,i12,i13,i14)
(h31, h32, h33, h34)
(i51,i52,i53,i54) (i41,i42,i43,i44)
(i61,i62,i63,i64)
(i31,i32,i33,i34)
(h51, h52, h53, h54)
(i21,i22,i23,i24)
(h61, h62, h63, h64)
Многогранник
здоровых
Многогранник
больных
5
6. j
Алгоритм был опробован на реальных записях электроэнцефалограмм.
Разделение было получено как при непосредственной обработке результатов
измерений ЭЭГ (37 файлов: 6 больных Паркинсоном, 16 – эпилепсией и 9 не
больных заболеваниями ЦНС), так и при обработке отдельных фрагментов ЭЭГ
обследуемых, и принятие этих фрагментов за цельную картину ЭЭГ
обследуемого (370 файлов: 60 больных Паркинсоном, 160 – эпилепсией и 90 не
больных заболеваниями ЦНС).
6