1,721,167 research outputs found
Neural Response Analysis of Head Direction Cells
No full textTeoretisk analyse og modellering av nevroner er verktøy brukt til å gi en bedre forståelse av nervesystemet — en forståelse som forhåpentligvis forkorter veien til å finne behandlingsmetoder og kurer, samt måter å forhindre problemer relatert til sykdommer i nervesystemet.
Ved å studere hoderetningsceller ønsker denne studien å gi forståelse, samt beskrive hvordan nerveceller fungerer og kommuniserer. Hoderetningsceller er celler som bistår med romlig orientering. Disse er valgt grunnet tilgjengelighet av ekte data samlet fra frittgående mus. På et utvalg av hoderetningscellene ble bestemte kriterier benyttet for å velge ut data for videre bearbeidelse. Det ble gjort forsøk på å identifisere en generell modell som kan beskrive utladningene av hoderetningscellene. I tillegg ble det samme datasettet testet for å se om det er mulig å klassifisere hoderetningen. Det siste problemet ble undersøkt ved hjelp av en maskinlæringstilnærming med 'long short-term memory' nettverk, ofte brukt til klassifisering av sekvenser.
Izhikevich nevronmodell ble valgt som utgangspunkt for videre undersøkelser ettersom den er biologisk plausibel og kan beregnes enkelt. I tillegg kreves det få tilpasninger av både modell og datasett før videre analyse. Det var mulig å modellere deler av nevronresponsen, men det var ikke mulig å lage en generell modell som gir en komplett beskrivelse av hoderetningscellene.
Klassifisering av fyringssekvensene til hoderetningene ved å bruke 'long short-term memory' nettverk på datasettet gir noen lovende resultater. Responsen fra en hoderetningscelle inneholder alene ikke nok informasjon til å benytte metoden beskrevet i denne oppgaven, men ved å kombinere responsen fra flere hoderetningsceller kan man bestemme hoderetningen med noe avvik, circa 10 grader +/- 30 grader
Neural Response Analysis of Head Direction Cells
Full text linkTeoretisk analyse og modellering av nevroner er verktøy brukt til å gi en bedre forståelse av nervesystemet — en forståelse som forhåpentligvis forkorter veien til å finne behandlingsmetoder og kurer, samt måter å forhindre problemer relatert til sykdommer i nervesystemet.
Ved å studere hoderetningsceller ønsker denne studien å gi forståelse, samt beskrive hvordan nerveceller fungerer og kommuniserer. Hoderetningsceller er celler som bistår med romlig orientering. Disse er valgt grunnet tilgjengelighet av ekte data samlet fra frittgående mus. På et utvalg av hoderetningscellene ble bestemte kriterier benyttet for å velge ut data for videre bearbeidelse. Det ble gjort forsøk på å identifisere en generell modell som kan beskrive utladningene av hoderetningscellene. I tillegg ble det samme datasettet testet for å se om det er mulig å klassifisere hoderetningen. Det siste problemet ble undersøkt ved hjelp av en maskinlæringstilnærming med 'long short-term memory' nettverk, ofte brukt til klassifisering av sekvenser.
Izhikevich nevronmodell ble valgt som utgangspunkt for videre undersøkelser ettersom den er biologisk plausibel og kan beregnes enkelt. I tillegg kreves det få tilpasninger av både modell og datasett før videre analyse. Det var mulig å modellere deler av nevronresponsen, men det var ikke mulig å lage en generell modell som gir en komplett beskrivelse av hoderetningscellene.
Klassifisering av fyringssekvensene til hoderetningene ved å bruke 'long short-term memory' nettverk på datasettet gir noen lovende resultater. Responsen fra en hoderetningscelle inneholder alene ikke nok informasjon til å benytte metoden beskrevet i denne oppgaven, men ved å kombinere responsen fra flere hoderetningsceller kan man bestemme hoderetningen med noe avvik, circa 10 grader +/- 30 grader.Theoretical analysis and computational modeling of neurons are tools used to get a better understanding of the nervous system — an understanding which hopefully shortens the path to finding treatments, cures, and ways to prevent problems related to nervous disorders.
This study aims to understand and explain how neural cells function and communicate by studying head direction (HD) cells. These cells are cells that assist with spatial orientation and are selected due to the availability of real data sets, collected from freely moving mice. From a selection of HD cells, specific criteria were placed on the data set, extracting parts for further inspection. A search for a common model capable of describing the response of an HD cell was conducted, using patterns describing the discharge of said HD cell. In addition to trying to find a model using already existing spiking neuron models, it was tested to see if it is possible to classify the angle of the head by looking at the same response recordings as for the model. The last task was explored using a machine learning approach with long short-term memory networks, commonly used for classifying sequences.
The Izhikevich spiking neuron model was chosen as the model of investigation because of the combination of being biologically plausible as well as computationally simple. Additionally, this model requires little to no alterations to the model or data set prior to the analysis. It was possible to approximate the model to parts of the neural responses using the model, but a general model describing the complete response of an HD cell was not found.
When using long short-term memory networks to classify spiking sequences to the direction of the head according to the data set, some results show promise.The response from a single HD cell alone does not contain enough information to use the method described in this report, while the neural net can distinguish between some directions when combining the response from several HD cells; about 10 degrees +/- 30 degrees
Wireless Video Capsule Endoscopy Prototype Utilizing a Backscatter Transceiver for High Data Rate Transmission
No full textKapselendoskopi er en viktig medisinsk applikasjon for sikrere, smertefri og muligens mer nøyaktig påvisning av sykdommer i mage-tarmkanalen, som kreftpolypper i tykktarmen. Trådløs Video Kapselendoskopi (WCE) ble tilgjengelig for klinisk bruk i 2001. WCE-er drives av batterier og trenger vanligvis å vare i mer enn 8-10 timer, avhengig av bruken. De aktive komponentene i en WCE er kameraet, en prosesseringsenhet, LED-lys og en sender/mottaker. WCE sender en videostrøm til utstyret utenfor kroppen. Videostrømmen består av 2-30 bilder per sekund, avhengig av applikasjonen. Strømforbruk er den viktigste begrensende faktoren for å øke bildefrekvensen og bildekvaliteten. Den kliniske verdien av videostrømmen krever høy bildekvalitet som avhenger av pikseldybden, oppløsningen og belysningsforholdene.
Det foreslås å bruke backscatter-systemet utviklet av A. Khaleghi et al. [1] for å forbedre strøm-effektiviteten til en WCE, og potensielt redusere senderen/mottakerens strømforbruk fra 20-45 mW til bare 250 nW. I tillegg vil ulike prosesseringsenheter og kameraer bli vurdert for å forbedre strøm-effektiviteten til WCE-er. En prototype i kapselstørrelse er utviklet for å vurdere effekten av forbedringene på den totale strøm-effektivitet til WCE-er.
Prototypen i kapselstørrelse består av tre kretskort og tre batterier. Montert måler prototypen uten strømbryter 25,14 mm og 27,65 mm med strømbryter. Diameteren er 9,5 mm. Backscatter-bryteren ADG902 og kameramodulen NanEyeC fra ams AG, med 320x320 oppløsning, er brukt. På grunn av brikkemangel, bruker kapselstørrelsesprototypen en STM32L051 mikrokontroller-enhet. Basert på spesifikasjonene og effektsimuleringene ønsket vi å bruke STM32L432, da denne støtter 12-bits SPI og har RAM som er stor nok til å motta kameradata i så få operasjoner som mulig. Det brukes tre Renata SR754SW 80 mAh, 1,55 V batterier. Prototypen i kapselstørrelse har to 2 mA 0201 LED-lys for å minimere LED-lysenes innvirkning på det totale strømforbruket. De aktuelle implementeringene av LED-lysene for et endeprodukt blir gjennomgått og analysert.
Dataoverføringshastigheten i systemet er 12 Mbps. Den beste programvareimplementeringen, 12-bits SPI med DMA, kjører på en L4 mikrokontroller-enhet med 24 MHz kjernefrekvens, som muliggjør 8 bilder i sekundet. Det totale strømforbruket for denne konfigurasjonen er 71,0 mW, noe som gir en levetid på 3 timer og 23 minutter. Ved å redusere bildefrekvensen til 2 bilder i sekundet og implementere en adaptivt LED-lys kontroll, gjennom å bare bruke LED-lysene under eksponeringstiden, økes levetiden til 7 timer og 15 minutter. Effektanalysen viser tydelig at implementering av backscatter som sender/mottaker reduserer det totale strømforbruket med 20-28 %. Den største delen av det kombinerte strømforbruket er 3V3 LDOen, som utgjør 57 % av det totale strømforbruket
Support of remote medical diagnostics using HTML5 - Possibility to detect changes in the facial functions caused by face paralysis in order to evaluate therapy s effectiveness or find some new abnormalities.
Full text linkIn this project I propose to cast the problem of remote patient monitoring into an application available on every device that supports a web browser. The research was done with taking into account the aim of the project which was fo- cused on checking whether it is possible to detect changes in the facial functions caused by the facial paralysis. The motivation for this work was to provide algorithms for detecting geometrical and colours differences between two halves of the face for patients who suffer from facial paralysis. The features were collected during making sequence of special facial gestures. Moreover I took advantage of existing solutions to magnify local colour and motion changes. This combination may uncover new dependencies between data set and lead to conclusions that were previously undiscovered.
In my thesis, I focused on analyzing different factors that can have influence on the processes of the extracting functional and geometrical features. The research I present aims at reviewing face, eye and mouth recognition performances in function of: distance from/to a camera, hardware used to decode information, personal features, head rotation and light conditions. Moreover, I also analyze accuracy of counting distances between specific facial points and colours differences between two halves of the face for the same parameters.
Considering possible signs, symptoms and diagnose methods of facial paralysis, I present a fully functional application, which can potentially provide a faster access to medical care and help to evaluate effectiveness of the rehabilitation methods. I believe that it may be very useful, because the telemedicine allows to reduce health care costs and give medical institutions faster access to information about their patients.
Additionally, during the research the restrictions of the measurement conditions affecting the reliability and repeatability of the results were examine and the application was tested on the group of potential users. My first conclusions are the facts that following factors may have influence on implemented algorithms:
distance from the camera
rotation and slope of the head personal features
light conditions
Under preliminary studies, using different devices did not affect the results. Based on the results it can be assumed that by analyzing distances between characteristic facial features it is possible to detect changes in the facial functions caused by face paralysis in order to evaluate therapy s effectiveness or find some new abnormalities. For colours differences it is much more difficult to formulate
a clear diagnose as this parameter is influenced by measurement conditions.
In the last part of this thesis, I conclude the project and describe possibilities for future work in this area which include for example combining this application
with professional diagnosis methods
Machine Learning of Circulatory Oscillations in Cardiac Surgical Patients
No full textThe human circulatory system is a complex organ system, with multiple feedback and feedforward mechanism for regulation. When global circulatory variables are assessed, these exhibit distinct oscillatory patterns with several frequency bands with different amplitudes, probably because of the underlying complex regulation. Loss of complexity, or decomplexification, has been reported in several cardiac diseases, as well as after heart surgery. Electrocardiogram (ECG), arterial blood pressure (ABP) and laser Doppler flowmetry (LDF) of peripheral blood flow has been recorded in ten patients subjected to coronary artery bypass grafting (CABG) surgery. As such, cardiovascular oscillations have been obtained in observations pre and post surgery, divided into different classes. Heart rate variability (HRV) signals have been extracted from the ECG signals. Low frequency content in the band 0.004 - 2 Hz has been computed in the HRV, ABP and LDF signals with the continuous wavelet transform (CWT). Principal component analysis (PCA) has been performed of the CWT data, to investigate changes in the circulatory system due to the CABG surgery. This showed a small distinction between pre and post surgery observations. The frequency band for each signal has been further divided into six smaller subbands. Total power in each subband has been computed. This showed a statistical significantly decrease in power from before to after surgery in the HRV signals, for the five lower subbands. Also, the power loss was statistically significant in some of the subbands for the ABP signal. Further, five more features have been computed for each subband. These new features, as well as the principal component (PC) scores, for each observation, have been further analyzed with the ReliefF feature selection method. From this, the dimensionality was reduced to only contain the important features showing distinction between pre and post surgery data. Using these features, supervised classification was performed with the decision tree, discriminant analysis, K-nearest neighbor (KNN) and support vector machine (SVM) classifiers. Performance measures have been assessed with the K-fold cross validation method. Correct classification accuracy of the different classes for before and after surgery was relatively high, however performance was not perfect. This was probably due to the low number of observations, as more is data usually needed to properly train and test classifiers
Deteksjon av luftembolier i hjernen hos nyfødte ved hjelp av ultralyd Doppler
No full textNår spedbarn er født med en form for hjertefeil kan kateterintervensjon eller hjerte-kirurgi hjelpe. Dette kan føre til at luftbobler, eller embolier, kommer inn i blodstrømmen. Årsaken er for det meste ukjent, men konsekvensene kan være tette arterier og andre alvorlige komplikasjoner hos pasienten. En metode for å detektere når, hvor og hvor mange bobler som kommer inn i blodstrømmen er viktig for å få et innblikk i hvilke metoder som bør brukes eller unngås. Ved å se på ultralyd Doppler-bildet av den cerebrale blodstrømmen, målt med det nylig utviklede NeoDoppler-systemet og det tilhørende EarlyBird-programmet, kan ekkosignalene fra bobler med høyere intensitet gjenkjennes blant blodsignalet.
I dag telles boblene ved å søke gjennom ultralydbildet av signalet manuelt. Dette er tidkrevende siden det må gjøres flere ganger for å være sikker på at alle boblesignaler har blitt telt, og det må noen ganger gjennomføres av flere personer for å se om de kommer fram til det samme. Dette prosjektet hadde som mål å utvikle en automatisk deteksjons-algoritme for å detektere bobler mer effektivt og nøyaktig enn manuelt å gå gjennom alle dybder av hvert opptak i ultralydbildet. Algoritmen går automatisk gjennom hver dybde og teller signaler med intensitet over en viss terskel. For å bli detektert som en boble, blir lengden av signalet sammenliknet med en forventet boblelengde funnet ved Dopplerskiftet. I algoritmen sjekkes det også at signalet ikke kommer av medisinske instrumenter, og et bakgrunnssignal estimeres ved medianfiltrering. Ved å prøve og feile ble det funnet at terskelverdien som ga flest korrekte deteksjoner med så få falske positive som mulig for alle 16 opptak i treningssettet var 9 dB over bakgrunnssignalet. Et lavpassfilter med cutoff-frekvens på 20 Hz fjernet også de fleste falske deteksjonene i opptak uten bobler. Algoritmen har en kjøretid på omtrent 30 sekunder for et 30 minutter langt opptak. Med de nevnte innstillingene ga treningssettet 59 riktige, 10 falske positive og 39 tapte deteksjoner sammenliknet med de manuelt telte boblene.
Testsettet som ble brukt for endelig evaluering av algoritmen besto av 405 opptak fra 16 pasienter under kateterintervensjon og 2 pasienter med opptak før, under og etter hjerte-kirurgi. Testsettet hadde 1623 deteksjoner der 1337 av dem var falske positive, for det meste grunnet sykliske variasjoner med hjertefrekvensen. I et mindre datasett var 84.6% av de falske positive på grunn av sykliske variasjoner. Andre grunner er bevegelse av ultralydproben, doble deteksjoner og pulsasjoner av blodåreveggen. Det var ikke mange eksempler på dette i treningssettet, som er grunnen til at algoritmen ikke kompenserer for disse typene falske positive. For å få flere riktige deteksjoner må artefakter av disse typene gjenkjennes ved å lage funksjoner som tar seg av hver sin type falsk deteksjon i algoritmen. Dette kan også gjøre det mulig å senke terskelen så flere bobler detekteres riktig uten for mange falske.When infants are born with a heart defect, catheter intervention or heart surgery may fix the issue. Such interventions can cause air bubbles, or emboli, to flow into the blood stream. The exact reason for this is mostly unknown, but the consequences include clogged arteries and other major problems for the patient. A method of detecting when, where and how many bubbles enter the blood stream is important to get an insight of which procedures should and should not be performed. By looking at the ultrasound Doppler image of the cerebral blood flow using the newly developed NeoDoppler system with the accompanying EarlyBird software, the higher intensity echo signals of air bubbles can be recognised among the surrounding blood signal.
Today, the bubbles are counted by manually searching through the ultrasound image of the signal. This is time consuming as it has to be done multiple times to be sure all bubble signals have been detected, and is sometimes done by multiple people to see if they reach the same conclusion. In this project, the aim is to develop an automatic detection algorithm to increase the efficiency and accuracy of the bubble detection compared to manually going through each recording. The algorithm automatically goes through each depth and counts signals with an intensity above a threshold. To be detected as bubbles, the signal length is compared to an expected bubble length found by the Doppler shift. The algorithm also checks that the high intensity signal is not an artifact caused by medical instruments, and estimates the background signal by median filtering. By trial and error, the threshold giving most correct detections with as few false positives as possible for all 16 recordings in the training set was 9 dB above the background signal. A low pass filter with a cutoff frequency of 20 Hz proved to discard most of the unwanted false detections in recordings with no bubbles. The algorithm has a run time of roughly 30 seconds for a 30 minute recording. With the mentioned settings, the training set had in total 59 correct, 10 false positive and 39 missed detections compared to the manual counting.
The test set used for final evaluation of the algorithm consisted of 405 recordings from 16 patients during catheter intervention and 2 patients with recordings pre, during and post heart surgery. The test set had 1623 detections where 1337 were false positives, mostly due to cyclic variations with the heart frequency. In a smaller data set, 84.6% of false positives were due to cyclic variations. Other reasons are movement of the ultrasound probe, double detections and pulsations of the artery wall. There were not many examples of this in the training set, which is why the algorithm does not compensate for these types of false positives. To improve the rate of correct detections, artifacts of these types should be avoided by adding functions taking each type of false detection into consideration. This could also make it possible to lower the threshold, increasing the number of correct and reducing the number of missed detections
On the Neural Communication for Data Transmission in Nano-Networks
No full textNano-networks are engineered systems for performing communication at the nano-scale. They are achieved through physical mechanisms suitable at this scale, including electromagnetism and electrochemical transport. From the communication and information engineering perspective, a challenging issue in nanotechnology involves interfacing between nano-scale components, and between nano-scale and macro-scale networks. A potential cutting-edge strategy is to use molecular communication and fine-tune the natural systems like muscular, cardiovascular, endocrine and nervous systems that have been engineered by evolution to transmit information. For intra-body communication, molecular communication has advantages over alternative electromagnetic nano communications in propagation gain and energy consumption, which motivates understanding and engineering intra-body molecular communication systems to send, transport, and receive artificial information. Among others, the neural nano-network which effectively communicates and rules other intra-body nano-networks is aimed to be understood to engineer solutions for useful problems in communications technology and medicine.
The focus of the thesis is to develop and analyze a theoretical framework for the neural communication in engineered neural-like nano-networks. First, a solid mathematical framework linked with relevant molecular segments in the electrochemical and molecular communication pathways including propagation modeling is developed. The neural communication is inspected through the concepts of electrochemical- and molecular communication, which are referred to as the intra- and inter-neuronal communication, respectively. In the analysis, the chemical and ionic processes are represented with signals, whereas the biological mechanisms are modeled as input-output systems. Second, the information transfer in neural communication is inspected by introducing analogies between the neural communication system and the optical communications system to apply results from optical Poisson channels in deriving theoretical upper bounds on the information capacity of neural synapses. The efficacy of information transfer is analyzed under different synaptic set-ups with progressive complexity, and is shown to depend on the peak rate of the communicated spiking sequence and neurotransmitter (spontaneous) release, neurotransmitter propagation, and neurotransmitter binding.
The presented research contribution promises in understanding the performance of the neural communication paradigm as a candidate for future nano-networks, and having an impact to the emerging area of molecular communication, as well as the fields of biotechnology and nanotechnology. Creating man-made neural-like communications systems can indubitably lead to new solutions in information and data transfer in nano-networks or, alternatively, to novel therapeutic methods for the neurodegenerative diseases
Analysis of low Frequency content from the Circulatory System
Full text linkThis thesis has investigated the low frequency content from the cardiovascular system. Three different signals; heart rate variability(HRV), blood pressure(BP) and a flow signal of the blood(Laser doppler flow, LDF) all being global variables of the cardiovascular system collected independently of each other has been used. The low frequency content from these three different signals has been compared for patients doing cardiac surgery. Four time segments of one hour each has been collected, one before the surgery and three after surgery. The frequency analysis has been done using a continuous wavelet transform. This produces three frequency spectrum's for each time segment, corresponding to a signal. A Poincare analysis for the HRV signal has been done to verify some of the results. The study of the evolution of the frequency spectrum's over the time segments then shows two main findings.
First finding is a similar trend in the sub-bands "HR", "resp" and partly the "myo" sub-band. Where the peak frequency for all shows a similar evolution over the time segments. Also for the power variable there is a similar trend over the time segments.
Second finding is the similar trend in the lower sub-bands "neuro", "eMeta" and "VLF". For the mentioned sub-bands the peak value variable has all the same evolution over the time segments. These variables also shows a statistical significant change from before the surgery to the last and most stable segment after the surgery. The trend from the peak value also recur in the variables from the Poincare analysis. The values from the Poincare analysis show significant decrease from before to after surgery.
The results are produced from a limited amount of data. In order to increase the statistical strength of the results a larger data set should be evaluated
- …
