在数据采集和biosignal处理最新进展铺平了道路最优集成或融合互补的数据形式在各种各样的临床设置。数据模式包括心电图(ECG)、脑电图(EEG), electrocorticography (ECoG)、磁共振成像(MRI),功能磁共振成像(fMRI),正电子发射断层扫描(PET),扩散张量成像(DTI)。集成可以利用分析顺序或同时执行,根据同步问题,物理兼容性,和标准的临床过程。融合方法旨在整合来自不同形式的数据的分析,建立协同关系改善临床假说测试和医疗诊断。
数据源的异构特性从不同的临床分析和采集模式提出了巨大挑战。数据融合的主要目的是利用几种single-modality方法的互补特性以提高他们每个人单独考虑。另外,融合可以启用或提高近似更复杂结构的结果(例如,分层树和拓扑网络)。这广泛的研究领域一直以不同的方式命名,例如,传感器数据融合、决策融合、多通道融合、异构传感器融合,混合专家分类器组合器,多路信号处理。
这个特殊的问题集中在理论和应用的发展融合方法biosignal分析(FMBA)。收到14提交每个手稿了至少两个外部裁判。5论文终于接受了特殊的问题。公认的论文封面重要与计算智能和神经科学相关的问题。
的论文、h·班维尔等人提出一种基于融合精神任务评价方法从脑电图和近红外光谱的特性。心理旋转任务评价词一代,减法,唱歌和导航和电动机和脸图像。方法旨在提高分类性能更有效和灵活的脑机接口(bci)。
y黄等人开发一个多通道融合过程后期,结合功能从面部表情图片和情感识别的脑电图数据。执行两个决策级融合分类四个基本情绪状态(幸福,中性,悲伤和恐惧)和三个情感强度水平(强,普通,和弱)。
通用方法分类命名蒲公英算法(DA)是由李x et al。本文开发的不同组合与其他bioinspired DA方法(蝙蝠算法、粒子群优化和增强的烟花算法)和神经网络方法实现极端的学习机器。结果表明改善分类精度不同的生物医学问题的使用数据从脑电图,心电图,单光子发射计算机断层扫描(SPECT)。
r·刘等人提出了一种不等粒运动图像分类方法,BCI系统的状态使用脑电图传感器。美国由虚构的动作,左手右脚,右肩,以及静息状态。使用获得的权重进行融合最近的邻居和支持向量机分类器。
最后,z翁等人设计一个本地化的多通道融合方法中心使用核磁共振T1和DTI的大脑区域。流线的数量是融合与标准化分数各向异性更全面的大脑信息学手段。每个节点的重要性和中心定位估计相结合的大脑区域重要性矩阵和信息传递效率的贡献值。该方法应用于精神分裂症分析。
上述论文形式激励样本的实际问题和解决方案,可以从的角度FMBA包括理论和应用程序。所表现出的主题的相关性在竞争获得的重大改进方法在不同的上下文中。我们希望读者会发现见解和灵感FMBA进一步的研究。
确认
我们想要感谢作者的优秀的工作和贡献这个特殊的问题。我们还要感谢所有审阅人员提供他们的专业知识和宝贵的意见,提高论文的质量。
Addisson萨拉查
韦森特Zarzoso
Manuel Rosa-Zurera
路易斯•范盖拉