诱发成分分析（ECA）：基于GLM正则化对功能超声信号的分解 背景介绍 功能性神经影像数据分析旨在揭示大脑活动的空间和时间模式。现存的数据分析方法主要分为两类：完全基于数据的分析方法和依赖于先验信息的方法，例如用刺激时间程来分析脑活动。一般来说，使用刺激信号可以帮助识别活跃的大脑区域，但大脑对刺激的反应往往表现出非线性和时间变化的特点。因此，完全依赖刺激信号来描述大脑的时间反应可能导致对大脑功能的理解比较局限。 在此背景下，本文作者提出了一种新技术，称为诱发成分分析（Evoked Component Analysis，简称ECA），其利用了先验信息作为指导因子，通过在低阶分解框架中引入广义线性模型（General Linear Model，GLM）设计矩阵作为正则项，达到了在空间和时间上分解...

科学论文综合学术报道 在现代医学中，呼吸调节对于呼吸功能障碍患者至关重要。然而，目前临床使用的正压呼吸机存在长期依赖和损伤等问题，而类似”铁肺”这样的体外辅助设备虽提供了无创替代方案，但现有的人工驱动器尚未达到仿生呼吸肌的效果。基于此，本文的作者提出了一种仿生软体外骨骼机器人，通过模拟自然呼吸，能够实现体外闭环呼吸调节。 学术背景 呼吸机在临床上被广泛应用，但随着人口老龄化及新冠疫情的持续，呼吸功能辅助的需求大大增加。目前的呼吸辅助设备，包括正压和负压呼吸机，都存在一定局限性。比如，正压呼吸机会引起气压伤和不良血流动力学效应。负压呼吸机虽然能更接近自然呼吸，但通常结构刚性且笨重。现有的仿生呼吸辅助设备也存在一些缺点，如没有主动的吸气和呼气辅助。因此，开发一种既能提供仿自然呼吸双向主动支持，又...