近红外视频学习数据预处理(四)
今天,在“NIRS知识红包竞猜群”,崔旭和刘宁老师举行了本年度的NIRS知识红包竞猜活动,我从中学到了很多,尤其说得的数据预处理的方法。有两道题大家可以自测一下,自己了解不。
1、近红外功能成像数据预处理中,去除噪音的常用方法,试举 2 例。
2、判断对错:近红外功能成像数据处理通常可以去除心跳噪音,眨眼噪音,运动伪迹
预知答案,读读本文内容。
视频的第4集讲解的是数据预处理。
对于处理数据来说,每一样的数据都不是容易的,这需要实践,这需要基础知识,这也需要看文献。当拿到一种数据时,一定要了解原始数据的构成,每一种数据都有其特定的组成的信号,理解原始信号组成必不可少的一步。
近红外原始数据组成可查看下图,有很多信号,呼吸、心脏跳动、机器噪声等
我们来细品一下近红外中的干扰信号,在很早之前也写过一篇近红外信号质量的影响文章,可参考原创 fNIRS近红外光信号质量影响因素
本文的笔记以上面的视频为主。
这几张图很好的展示了生理信号的波形图,这些是被试自身影响近红外信号质量的主要因素,在预处理数据的过程,需要通过滤波将其除掉。
非生理噪声,主要有机器噪声和运动伪迹。机器噪声这个根据不同机器自身造成的,需要一定的经验去判断。运动伪迹主要是不连续性和尖峰。
预数据处理方法:
生理信号的常见处理方法:滤波
非生理信号干扰
非生理信号干扰常见方法:
CBSI 手动剔除 滤波
对于CBSI的方法,可查看 崔旭老师的文章《Functional Near Infrared Spectroscopy (NIRS) signal improvement based on negative correlation between oxygenated and deoxygenated hemoglobin dynamics》
UCLA的讲演者也分享了预处理的代码,可查看网址https://github.com/smburns47
最后,你知道开头的两个问题的答案了吗?欢迎留言分享
文章仅限学习使用,不用于商业行为,若有侵权及疑问,请后台留言!
Make brain technology more simple!
推荐阅读:
UCLA近红外视频学习(一)
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。