FI125397B - Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa - Google Patents
Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa Download PDFInfo
- Publication number
- FI125397B FI125397B FI20125075A FI20125075A FI125397B FI 125397 B FI125397 B FI 125397B FI 20125075 A FI20125075 A FI 20125075A FI 20125075 A FI20125075 A FI 20125075A FI 125397 B FI125397 B FI 125397B
- Authority
- FI
- Finland
- Prior art keywords
- signal
- dimensional
- channel
- vector
- base
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/12—Measuring electrostatic fields or voltage-potential
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/0017—Means for compensating offset magnetic fields or the magnetic flux to be measured; Means for generating calibration magnetic fields
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
- G01R33/025—Compensating stray fields
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
- G01R33/035—Measuring direction or magnitude of magnetic fields or magnetic flux using superconductive devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
- G01R33/035—Measuring direction or magnitude of magnetic fields or magnetic flux using superconductive devices
- G01R33/0354—SQUIDS
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Neurology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Claims (18)
1. Menetelmä ei-toivottujen artefaktien ja kanavakohinan tunnistamiseksi ja poistamiseksi monikanavaisen magneettikentän tai sähköisen potentiaalin mittauksen vähintään yhdestä mittauskanavasta (14), jossa mittauslaite (19) käsittää N mittausanturin (14a-f) joukon ja tietojenkäsittelylogiikan ja jossa menetelmä käsittää vaiheet, joissa: muodostetaan kanta (22), joka määrittää N-ulotteisen signaaliavaruuden n-ulotteisen aliavaruu-den, jossa n on pienempi kuin N, käyttäen n-ulotteisen kannan määrittelyssä Signal Space Separation -menetelmän fysikaalista mallia tai tilastollista mallia, joka perustuu tallennettujen N-ulotteisten signaalien statistiikkaan; ja muodostetaan (23) yhdistetty (n+1)-ulotteinen kanta lisäämällä n-ulotteiseen kantaan signaalivektori, jossa signaalivektori kuvaa signaalia, joka on läsnä N-kanavaisen laitteen (19) vain yhdessä kanavassa (14), jossa signaalivektori tallennetaan spatiaalisella näytteenottotaajuudella, joka on suurempi kuin korkeimmat spatiaaliset taajuudet kiinnostavassa signaalissa, niin että n+1 on pienempi kuin N; tunnettu siitä, että menetelmä käsittää edelleen vaiheet, joissa: - hajotetaan (24) tallennettu N-ulotteinen signaalivektori yhdistetyssä kannassa oleviksi n+1 komponentiksi, - vähennetään (25) tallennetusta N-ulotteisesta signaalivektorista komponentit, jotka vastaavat yhdistetyssä kannassa olevaa lisättyä vektoria, - toistetaan tallennetun signaalin hajottaminen yhdistetyssä kannassa oleviksi n+1 komponentiksi N kertaa käyttäen yhtenä lisättynä kantavektorina kutakin kanavaa (14) vastaavaa vektoria kerrallaan, ja - vähennetään N signaalikomponenttia, jotka vastaavat lisättyjä kantavektoreita kussakin hajo-tusoperaatiossa, alkuperäisestä datasta.
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että stabiloidaan numeerisesti ratkaisu lineaariseen ongelmaan, joka koskee N-ulotteisen signaalin hajottamista n+1 komponentiksi, käyttäen julkaisussa Foster kuvattua Wiener-Kolmogorov-menetelmää tai mitä tahansa samantyyppistä regularisointimenetelmää.
3. Patenttivaatimuksen 2 mukainen menetelmä, tunnettu siitä, että estimoidaan anturin kohinan tilastollisia korrelaatioita N kanavan (14) välillä, joita korrelaatioita tarvitaan numeerisessa regularisointimenetel-mässä, peräkkäisten näytteiden välisistä eroista tallennetuissa signaaleissa.
4. Patenttivaatimuksen 3 mukainen menetelmä, tunnettu siitä, että estimoidaan anturin kohinan tilastolliset korrelaatiot N kanavan (14) välillä korrelaatioista ylipäästösuodatetuissa tallennetuissa signaaleissa.
5. Jonkin patenttivaatimuksista 2-4 mukainen menetelmä, tunnettu siitä, että tallennetaan signaali temporaalisella näytteenottotaajuudella, joka on suurempi kuin korkeimmat taajuudet kiinnostavassa signaalissa.
6. Jonkin patenttivaatimuksista 1-5 mukainen menetelmä, tunnettu siitä, että sovelletaan menetelmää tallennustuloksiin, jotka on saatu monikanavaisella magnetoenkefalografia (MEG) -laitteella (19).
7. Jonkin patenttivaatimuksista 1-5 mukainen menetelmä, tunnettu siitä, että sovelletaan menetelmää tallennustuloksiin, jotka on saatu monikanavaisella elektroenkefalografia (EEG) -laitteella.
8. Jonkin patenttivaatimuksista 1-5 mukainen menetelmä, tunnettu siitä, että sovelletaan menetelmää magneettisten reso-nanssisignaalien tallennustuloksiin, jotka on saatu monikanavaisella MRI-laitteella.
9. Monikanavainen mittauslaite (19), joka on järjestetty tunnistamaan ja poistamaan ei-toivottuja artefakteja ja kanavakohinaa monikanavaisen magneettikentän tai sähköisen potentiaalin mittauksen vähintään yhdestä mittauskanavasta (14), jossa mittauslaite (19) käsittää N mittausanturin (14a-f) joukon; ja tietojenkäsittelylogiikan, joka on järjestetty muodostamaan kanta (22), joka määrittää N-ulotteisen signaaliavaruuden n-ulotteisen aliavaruu-den, jossa n on pienempi kuin N, käyttäen n-ulotteisen kannan määrittelyssä Signal Space Separation -menetelmän fysikaalista mallia tai tilastollista mallia, joka perustuu tallennettujen N-ulotteisten signaalien statistiikkaan; ja muodostamaan yhdistetty (n+1)-ulotteinen kanta (23) lisäämällä n-ulotteiseen kantaan signaalivektori, jossa signaalivektori kuvaa signaalia, joka on läsnä N-kanavaisen laitteen (19) vain yhdessä kanavassa (14), jossa signaalivektori tallennetaan spatiaalisella näytteenottotaajuudella, joka on suurempi kuin korkeimmat spatiaaliset taajuudet kiinnostavassa signaalissa, niin että n+1 on pienempi kuin N; tunnettu siitä, että tietojenkäsittelylo-giikka on järjestetty edelleen: - hajottamaan (24) tallennettu N-ulotteinen signaa-livektori yhdistetyssä kannassa oleviksi n+1 komponentiksi, - vähentämään (25) tallennetusta N-ulotteisesta signaalivektorista komponentti, joka vastaa yhdistetyssä kannassa olevaa lisättyä vektoria, - toistamaan tallennetun signaalin hajottaminen yhdistetyssä kannassa oleviksi n+1 komponentiksi N kertaa käyttäen yhtenä lisättynä kantavektorina kutakin kanavaa (14) vastaavaa vektoria kerrallaan, ja - vähentämään N signaalikomponenttia, jotka vastaavat lisättyjä kantavektoreita kussakin hajo-tusoperaatiossa, alkuperäisestä datasta.
10. Patenttivaatimuksen 9 mukainen laite, tunnettu siitä, että tietojenkäsittelylogiikka on järjestetty edelleen: stabiloimaan numeerisesti ratkaisu lineaariseen ongelmaan, joka koskee N-ulotteisen signaalin hajottamista n+1 komponentiksi, käyttäen julkaisussa Foster kuvattua Wiener-Kolmogorov-menetelmää tai mitä tahansa samantyyppistä regularisointimenetelmää.
11. Patenttivaatimuksen 10 mukainen laite, tunnettu siitä, että tietojenkäsittelylogiikka on järjestetty edelleen: estimoimaan anturin kohinan tilastollisia korrelaatioita N kanavan (14) välillä, joita korrelaatioita tarvitaan numeerisessa regularisointimenetel-mässä, peräkkäisten näytteiden välisistä eroista tal lennetuissa signaaleissa.
12. Patenttivaatimuksen 11 mukainen laite, tunnettu siitä, että tietojenkäsittelylogiikka on järjestetty edelleen: estimoimaan anturin kohinan tilastolliset korrelaatiot N kanavan (14) välillä korrelaatioista ylipäästösuodatetuissa tallennetuissa signaaleissa.
13. Jonkin patenttivaatimuksista 10 - 12 mukainen laite, tunnettu siitä, että tietojenkäsit-telylogiikka on järjestetty edelleen: tallentamaan signaali temporaalisella näytteenottotaajuudella, joka on suurempi kuin korkeimmat taajuudet kiinnostavassa signaalissa.
14. Jonkin patenttivaatimuksista 9-13 mukainen laite, tunnettu siitä, että laite on monikanavainen magnetoenkefalografia (MEG) -laite (19).
15. Jonkin patenttivaatimuksista 9-13 mukainen laite, tunnettu siitä, että laite on monikanavainen elektroenkefalografia (EEG) -laite.
16. Jonkin patenttivaatimuksista 9-13 mukainen laite, tunnettu siitä, että laite on monikanavainen magneettikuvaus (MRI) -laite, joka ottaa vastaan magneettisia resonanssisignaaleja.
17. Tietokoneohjelma ei-toivottujen artefak-tien ja kanavakohinan tunnistamiseksi ja poistamiseksi monikanavaisen magneettikentän tai sähköisen potentiaalin mittauksen vähintään yhdestä mittauskanavasta (14), jossa mittauslaite (19) käsittää N mittausanturin (14a-f) joukon ja tietojenkäsittelylogiikan ja jossa tietokoneohjelma käsittää ohjelmakoodia, joka ajettaessa tietojenkäsittelylogiikalla on järjestetty toteuttamaan vaiheet, joissa: muodostetaan kanta (22), joka määrittää N-ulotteisen signaaliavaruuden n-ulotteisen aliavaruu-den, jossa n on pienempi kuin N, käyttäen n-ulotteisen kannan määrittelyssä Signal Space Separation -menetelmän fysikaalista mallia tai tilastollista mallia, joka perustuu tallennettujen N-ulotteisten signaalien statistiikkaan; ja muodostetaan (23) yhdistetty (n+1)-ulotteinen kanta lisäämällä n-ulotteiseen kantaan signaalivektori, jossa signaalivektori kuvaa signaalia, joka on läsnä N-kanavaisen laitteen (19) vain yhdessä kanavassa (14) ; tunnettu siitä, että tietokoneohjelma on järjestetty suorittamaan edelleen vaiheet, joissa: - hajotetaan (24) tallennettu N-ulotteinen signaa-livektori yhdistetyssä kannassa oleviksi n+1 komponentiksi, - vähennetään (25) tallennetusta N-ulotteisesta signaalivektorista komponentit, jotka vastaavat yhdistetyssä kannassa olevaa lisättyä vektoria, - toistetaan tallennetun signaalin hajottaminen yhdistetyssä kannassa oleviksi n+1 komponentiksi N kertaa käyttäen yhtenä lisättynä kantavektorina kutakin kanavaa (14) vastaavaa vektoria kerrallaan, ja - vähennetään N signaalikomponenttia, jotka vastaavat lisättyjä kantavektoreita kussakin hajo-tusoperaatiossa, alkuperäisestä datasta.
18. Patenttivaatimuksen 17 mukainen tietokoneohjelma, tunnettu siitä, että tietokoneohjelma on tallennettu tietovälineelle, joka on tietojenkäsit-telylogiikan luettavissa.
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20125075A FI125397B (fi) | 2012-01-24 | 2012-01-24 | Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa |
| EP13740539.5A EP2806789B1 (en) | 2012-01-24 | 2013-01-24 | Method and device for recognizing and removing undesired artifacts in multichannel magnetic field or electric potential measurements |
| PCT/IB2013/050595 WO2013111072A1 (en) | 2012-01-24 | 2013-01-24 | Method and device for recognizing and removing undesired artifacts in multichannel magnetic field or electric potential measurements |
| US14/374,365 US10307105B2 (en) | 2012-01-24 | 2013-01-24 | Method and device for recognizing and removing undesired artifacts in multichannel magnetic field or electric potential measurements |
| CA2862189A CA2862189C (en) | 2012-01-24 | 2013-01-24 | Method and device for recognizing and removing undesired artifacts in multichannel magnetic field or electric potential measurements |
| JP2014553840A JP6143794B2 (ja) | 2012-01-24 | 2013-01-24 | 多重チャンネル磁場または電荷ポテンシャル測定における不要なアーティファクトを認識し、除去する方法および機器 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20125075 | 2012-01-24 | ||
| FI20125075A FI125397B (fi) | 2012-01-24 | 2012-01-24 | Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FI20125075A7 FI20125075A7 (fi) | 2013-07-25 |
| FI125397B true FI125397B (fi) | 2015-09-30 |
Family
ID=48872936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FI20125075A FI125397B (fi) | 2012-01-24 | 2012-01-24 | Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US10307105B2 (fi) |
| EP (1) | EP2806789B1 (fi) |
| JP (1) | JP6143794B2 (fi) |
| CA (1) | CA2862189C (fi) |
| FI (1) | FI125397B (fi) |
| WO (1) | WO2013111072A1 (fi) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8593141B1 (en) | 2009-11-24 | 2013-11-26 | Hypres, Inc. | Magnetic resonance system and method employing a digital squid |
| US8970217B1 (en) | 2010-04-14 | 2015-03-03 | Hypres, Inc. | System and method for noise reduction in magnetic resonance imaging |
| FI125397B (fi) | 2012-01-24 | 2015-09-30 | Elekta Ab | Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa |
| BR112017004336A2 (pt) | 2014-09-05 | 2017-12-05 | Hyperfine Res Inc | métodos e aparelhos de formação de imagem por ressonância magnética de campo baixo |
| WO2017205734A1 (en) * | 2016-05-26 | 2017-11-30 | University Of Washington | Reducing sensor noise in multichannel arrays using oversampled temporal projection and associated systems and methods |
| US10627464B2 (en) | 2016-11-22 | 2020-04-21 | Hyperfine Research, Inc. | Low-field magnetic resonance imaging methods and apparatus |
| WO2018098141A1 (en) | 2016-11-22 | 2018-05-31 | Hyperfine Research, Inc. | Systems and methods for automated detection in magnetic resonance images |
| WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US11318277B2 (en) | 2017-12-31 | 2022-05-03 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| US12280219B2 (en) | 2017-12-31 | 2025-04-22 | NeuroLight, Inc. | Method and apparatus for neuroenhancement to enhance emotional response |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| WO2020032998A1 (en) * | 2018-08-06 | 2020-02-13 | Hi Llc | Systems and methods to reduce data and complexity in neural signal processing chain |
| JP6664568B1 (ja) | 2018-08-22 | 2020-03-13 | 旭化成エレクトロニクス株式会社 | 磁場計測装置、磁場計測方法、磁場計測プログラム |
| US12336821B2 (en) | 2018-08-24 | 2025-06-24 | University Of Washington | Apparatuses, systems, and methods for suppression of artifacts in non-invasive electromagnetic recordings |
| CN113382683A (zh) | 2018-09-14 | 2021-09-10 | 纽罗因恒思蒙特实验有限责任公司 | 改善睡眠的系统和方法 |
| JP6936405B2 (ja) | 2018-12-26 | 2021-09-15 | 旭化成エレクトロニクス株式会社 | 磁場計測装置 |
| US11497425B2 (en) | 2019-03-08 | 2022-11-15 | Asahi Kasei Microdevices Corporation | Magnetic field measurement apparatus |
| US11701042B2 (en) | 2019-03-14 | 2023-07-18 | Ricoh Company, Ltd. | Signal processing apparatus and signal processing method |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| US11768258B2 (en) | 2019-11-27 | 2023-09-26 | Ricoh Company, Ltd. | Signal separating apparatus, signal separating method, and non-transitory recording medium |
| JP7626622B2 (ja) | 2021-01-20 | 2025-02-04 | 旭化成エレクトロニクス株式会社 | 磁場計測装置、磁場計測方法、磁場計測プログラム |
| CN114384463B (zh) * | 2022-01-13 | 2024-10-29 | 中国电子科技集团公司第五十四研究所 | 一种基于空间投影的伪信源辨识方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL163669A0 (en) | 2002-02-06 | 2005-12-18 | Univ California | Squid detected nmr and mri at ultralow fields |
| FI115324B (fi) * | 2003-03-14 | 2005-04-15 | Elekta Neuromag Oy | Menetelmä ja järjestelmä monikanavaisen mittaussignaalin käsittelemiseksi |
| FI115737B (fi) | 2003-09-26 | 2005-06-30 | Elekta Neuromag Oy | Menetelmä monikanavaisen mittaussignaalin käyttämiseksi lähdemallinnuksessa |
| JP5361131B2 (ja) | 2007-01-03 | 2013-12-04 | エレクタ アクチボラゲット | 直交仮想チャネルを使用したマルチチャネル測定データの分析 |
| FI124427B (fi) * | 2010-07-06 | 2014-08-29 | Elekta Ab | Menetelmä häiriöavaruuden tarkentamiseksi biomagneettisissa kenttämittauksissa |
| FI125397B (fi) | 2012-01-24 | 2015-09-30 | Elekta Ab | Menetelmä spatiaalisen ja temporaalisen ylinäytteityksen käyttämiseksi monikanavaisissa mittauksissa |
-
2012
- 2012-01-24 FI FI20125075A patent/FI125397B/fi active IP Right Grant
-
2013
- 2013-01-24 WO PCT/IB2013/050595 patent/WO2013111072A1/en not_active Ceased
- 2013-01-24 CA CA2862189A patent/CA2862189C/en active Active
- 2013-01-24 US US14/374,365 patent/US10307105B2/en active Active
- 2013-01-24 JP JP2014553840A patent/JP6143794B2/ja active Active
- 2013-01-24 EP EP13740539.5A patent/EP2806789B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015508318A (ja) | 2015-03-19 |
| EP2806789A4 (en) | 2015-10-21 |
| JP6143794B2 (ja) | 2017-06-07 |
| WO2013111072A1 (en) | 2013-08-01 |
| CA2862189C (en) | 2018-09-11 |
| EP2806789B1 (en) | 2017-08-30 |
| US10307105B2 (en) | 2019-06-04 |
| US20140343882A1 (en) | 2014-11-20 |
| FI20125075A7 (fi) | 2013-07-25 |
| EP2806789A1 (en) | 2014-12-03 |
| CA2862189A1 (en) | 2013-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2806789B1 (en) | Method and device for recognizing and removing undesired artifacts in multichannel magnetic field or electric potential measurements | |
| EP1880226B1 (en) | Method and device for interference suppression in electromagnetic multi-channel measurement | |
| Astolfi et al. | Assessing cortical functional connectivity by linear inverse estimation and directed transfer function: simulations and application to real data | |
| US7729740B2 (en) | Noise cancellation in magnetoencephalography and electroencephalography with isolated reference sensors | |
| US8838225B2 (en) | Analysis of multi-channel measurement data using orthogonal virtual channels | |
| US20190117164A1 (en) | Methods and systems of de-noising magnetic-field based sensor data of electrophysiological signals | |
| US20160051162A1 (en) | Method for locating a brain activity associated with a task | |
| Giraldo-Suarez et al. | Reconstruction of neural activity from EEG data using dynamic spatiotemporal constraints | |
| US20160051161A1 (en) | Method for locating a brain activity associated with a task | |
| US20140107464A1 (en) | Method for Locating a Brain Activity | |
| Xie et al. | Spatiotemporal nonlinearity in resting-state fMRI of the human brain | |
| US20240164695A1 (en) | Systems and methods for enhanced encoded source imaging | |
| CN113995422B (zh) | 基于非负块稀疏贝叶斯学习的瞬态脑电源定位方法及系统 | |
| Long et al. | State-space solutions to the dynamic magnetoencephalography inverse problem using high performance computing | |
| Peterson et al. | Combined head phantom and neural mass model validation of effective connectivity measures | |
| Nawel et al. | A comparison of inverse problem methods for source localization of epileptic MEG spikes | |
| Taulu et al. | The signal space separation method | |
| US12336821B2 (en) | Apparatuses, systems, and methods for suppression of artifacts in non-invasive electromagnetic recordings | |
| Darvas et al. | Functional imaging of brain activity and connectivity with MEG | |
| Prasikala et al. | The Effect of Prior Parameters on Standardized Kalman Filter-Based EEG Source Localization | |
| Lamus et al. | Parameter estimation and dynamic source localization for the magnetoencephalography (MEG) inverse problem | |
| Pfeiffer et al. | Sensor localization using magnetic dipole-like coils: A method for highly accurate co-registration in on-scalp MEG | |
| Lamus et al. | An analysis of how spatiotemporal dynamic models of brain activity could improve MEG/EEG inverse solutions | |
| Rajakenttä | Robustness of hidden Markov hodels for detecting resting beta states in magnetoencephalography data | |
| Liang et al. | A Self-Attention-Based Model for Automatic Magnetoencephalography Signal Reconstruction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG | Patent granted |
Ref document number: 125397 Country of ref document: FI Kind code of ref document: B |
|
| PC | Transfer of assignment of patent |
Owner name: MEGIN OY |