Motion Artifact Removal in Functional Near‐Infrared Spectroscopy Based on Long Short‐Term Memory‐Autoencoder Model

ABSTRACT Motion artifact removal is a critical issue in functional near‐infrared spectroscopy (fNIRS) analysis tasks, with traditional methods relying heavily on expert‐based knowledge and optimal selection of model parameters within brain regions. In this paper, we propose a deep learning denoising...

Celý popis

Podrobná bibliografie

Vydáno v:	The European journal of neuroscience Ročník 61; číslo 2
Hlavní autoři:	Yang, Pan, Wang, Junhong, Wang, Ting, Li, Lihua, Xu, Dongjuan, Xi, Xugang
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Chichester Wiley Subscription Services, Inc 01.01.2025
Témata:	Algorithms Deep learning functional near‐infrared spectroscopy Hemodynamics Infrared spectroscopy LSTM‐AE Morphology motion Neural networks reconstruct hemodynamic response Spectrum analysis Statistical analysis
ISSN:	0953-816X, 1460-9568
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!