fMRI Visualization of Functional Patterns of Neural Networks during the Performance of Cyclic Finger Movements: Age-Related Peculiarities

Omel’chenko, A. N.; Makarchuk, N. E.

doi:10.1007/s11062-018-9697-3

Cited by 3 publications

(3 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Secondly, record the count value A of the counter when the first pulse comes, and N = 1 at the same time. Then, record the count value B of the counter when the next pulse comes, and N = N + 1, then calculate the time difference, if the result is less than 200 ms, return to the previous step, stop counting until the difference is greater than or equal to 200 ms, and then calculate the period [19,20].…”

Section: Music Audio Rhythm Recognition Methodsmentioning

confidence: 99%

Music Audio Rhythm Recognition Based on Recurrent Neural Network

Chen

2022

Wireless Communications and Mobile Computing

View full text Add to dashboard Cite

Music rhythm detection and tracking is an important part of music understanding system and music visualization system. Based on the important position of rhythm in music expression and the wide range of multimedia applications, rhythm extraction has become an important hotspot in computer music analysis. In the field of audio recognition research, deep learning can automatically learn the features of audio and extract the rhythm of music. This paper takes music audio rhythm recognition as the main research object and carries out a series of researches with deep learning GRU neural network as the main technical support. A residual network is introduced into the GRU network model, and it is found that when the residual network is at 50 layers, the model has the highest accuracy for audio rhythm extraction. After adjusting the model parameters through experiments, this paper concludes that the average recognition accuracy of the ResNet_50-GRU model for recognizing the rhythm of the music audio in the MSD, AudioSet, and FMA data sets is 92.5%.

show abstract

Section: Music Audio Rhythm Recognition Methodsmentioning

confidence: 99%

Music Audio Rhythm Recognition Based on Recurrent Neural Network

Chen

2022

Wireless Communications and Mobile Computing

View full text Add to dashboard Cite

show abstract

“…Відомо, що кортикальний контроль вико нання простого довільного руху забезпечується такою нейронною мережею: M1S1con, SMAcon, PMVcon, CBLips [14]. Дані літератури свідчать про те, що нейрон ний код окремого завчено руху, як схеми переміщення кінцівки в просторі, формується в PMVcon [15].…”

Section: результати та їх обговоренняunclassified

Increased Functional Connectivity of the Temporal Lobe Regions, as the Magnetic Resonance Marker for Temporal Lobe Epilepsy

Omelchenko¹,

Makarchuk²

2018

Fiziol Zh

View full text Add to dashboard Cite

Обстежено 8 пацієнтів, які страждають на скроневу епілепсію. При виконанні рухового завдання виявлено активацію первинних та асоціативних сенсомоторних ділянок кори головного мозку, котрі утворюють сенсомоторну нейронну мережу. Загальний об'єм вокселів активації становив 46,22 см 3 , при застосованому пороговому значенні критерію кореляції Z ≥ 2,3. Зміни магнітно-резонансного (МР) сигналу за кластерами активації сягали 1,15% (SD = 0,17%). Аналіз результатів отриманих в стані спокою, свідчив про функціональну зв'язаність ділянок переднього полюса нижньої скроневої звивини, заднього полюса середньої скроневої звивини, парагіпокампальних звивин обох півкуль, а також гіпокампа лівої півкулі головного мозку, що топографічно відповідає локалізації епілептиформної активності за електроенцефалографією. Частота коливань МР-сигналу в стані спокою в цій нейронної мережі становила 0,1•10-3 Гц. Нами було виявлено активацію інтактної сенсомоторної нейронної мережі, а також функціональну зв'язаність потенційно епілептогенної макроскопічної нейронної мережі. Таким чином, функціональна МРТ потенційно може доповнити діагностичні методи для виявлення епілептогенних нейронних мереж при скроневій епілепсії. Ключові слова: епілепсія, функціональна МРТ (фМРТ), рухова зона кори, головний мозок.

show abstract

“…Виконання усвідомленого цілеспрямованого руху супроводжується залученням кількох макроскопічних кортикальних нейронних мереж. Зокрема, залучаються центри контролю рухів, соматосенсорної зони кори, а також вищі асоціативні ділянки головного мозку [1,2]. Інформаційний потік, який реєструється органами чуття, часто переходить у рухову відповідь на процеси, що відбуваються в навколишньому середовищі.…”

Section: вступunclassified

Brain cortex activation during the execution of the motor task in subjects with acute cerebrovascular accident

Omelchenko¹,

Makarchuk²

2018

ScienceRise: Biological Science

View full text Add to dashboard Cite

Запропоновано аналіз особливостей гемодинамічної фМРТ відповіді при виконанні руху здоровими волонтерами і пацієнтами із гострим порушенням мозкового кровообігу (ГПМК) для оцінки можливості фМРТ картування кори головного мозку при гострому інсульті. Було досліджено п'ять груп пацієнтів: до першої групи належали 18 здорових волонтерів, другу групу склали 3 пацієнти із гострим інсультом, у яких вогнище ішемії було розташоване в області центральної борозни лівої півкулі, третя група складалася з 3 пацієнтів з ГПМК, у яких вогнище ішемії було розташоване в білій речовині лівої півкулі, четверта група складалася з 3 пацієнтів з ГПМК, у яких вогнище ішемії було розташоване в правій півкулі мозочка, до п'ятої групи ввійшли два пацієнти з ГПМК, у яких вогнище ішемії було розташоване в надкрайовій звивині лівої півкулі головного мозку. Під час фМРТ дослідження пацієнти виконували рухи правою рукою. Аналіз даних фМРТ був проведений методом загального лінійного моделювання за допомогою програмного забезпечення FSL. Загальні для всіх груп ділянки активації кори головного мозку були розташовані в контралатеральній первинній сенсомоторній корі, додатковій моторній ділянці та мозочку. Додаткові ділянки активації у пацієнтів із гострим інсультом були розташовані в іпсилатеральній сенсомоторній корі, лобно-тім'яній і премоторній корі, в обох півкулях мозочка і в субталамічних ядрах. Під час аудіо-моторної трансформації було знайдено обумовлену інсультом міграцію ділянок активації розташованих в надкрайовій звивині і вентральній премоторній корі, які відносяться до системи дзеркальних нейронів. Під час виконання рухового завдання спостерігалися зони активації прилеглі до гіперінтенсивних на дифузійно-зважених зображеннях (DWI) зонах ішемії. Але в точках найвищої інтенсивності DWI МР-сигналу фМРТ активації не було виявлено. Було виявлено кореляцію максимального зміни амплітуди BOLD сигналу і загального обсягу активації головного мозку у всіх групах. Було показано, що метод фМРТ дозволяє візуалізувати основні зони церебрального рухового контролю при їх ураженні внаслідок ГПМК. Виявлено, що церебральний контроль виконання руху при ГПМК вимагає залучення додаткових ділянок кори і підкірки. Продемонстровано, що при ГПМК зони фМРТ активації можуть спостерігатися поблизу вогнищ гіперінтенсивних на DWI Ключові слова: головний мозок, гостре порушення мозкового кровообігу, функціональна МРТ, рухова зона кори

show abstract

fMRI Visualization of Functional Patterns of Neural Networks during the Performance of Cyclic Finger Movements: Age-Related Peculiarities

Cited by 3 publications

References 34 publications

Music Audio Rhythm Recognition Based on Recurrent Neural Network

Music Audio Rhythm Recognition Based on Recurrent Neural Network

Increased Functional Connectivity of the Temporal Lobe Regions, as the Magnetic Resonance Marker for Temporal Lobe Epilepsy

Brain cortex activation during the execution of the motor task in subjects with acute cerebrovascular accident

Contact Info

Product

Resources

About