模态数据库 杰伊·哈克 ( )，2014 年秋季 概述 ModalDB 是一种数据库，它允许人们有效地访问和操作包含多种数据模式的数据分层数据集。 它建立在 MongoDB 之上，最初是为斯坦福人工智能实验室的 Robobrain 项目开发的。 主要功能包括： 能够以不同方式（在内存中、在磁盘上）存储不同类型的数据（例如图像、视频、文本），同时提供对用户隐藏这一事实的无缝界面。 例如： In [1]: video_frame['subtitles'] # loads quickly from in-memory ... In [2]: video_frame['image'] # loads lazily from disk 能够定义数据对象的任意嵌套层次结构。 例如，“视频”可以具有关联的属性（摘要、缩略图等），同时还在内部维护“帧”的集合。 在代码中： In [1]: im

MIT 学习神经网络经典书籍 Like the first edition, which it replaces, this volume is inspired by two great questions: “How does the brain work?” and “How can we build intelligent machines?” As in the first edition, the heart of the book is a set of close to 300 articles in Part III which cover the whole spectrum of Brain Theory and Neural Networks.

olaf的经典脑网络书籍，脑科学研究必选

通用空间模式（CSP）算法能够解决运动图像任务脑机接口（BCI）的二进制分类问题。 本文提出了一种基于滤波器组公共空间模式（FBCSP）的新方法，称为多尺度重叠FBCSP（MO-FBCSP）。 我们通过使用一对一（OvO）策略将CSP算法扩展到多类。 选择多个周期，并将其与包含有用信息的滤波器组的重叠频谱结合在一起。 在具有9个主题的基准BCI竞赛IV数据集2a上对该方法进行了评估。 随机森林（RF）分类器的平均准确度达到80％，相应的kappa值为0.734。 定量结果表明，该方案优于经典FBCSP算法超过12％。

matlab代码不React非侵入性深脑刺激 该存储库包含用于通过时间干扰（TI）模拟无创性深部脑刺激（DBS）的所有代码。 关于该项目 该项目的灵感来自于2017年6月发表的一篇论文[1]，该论文提出了一种通过两个（或多个）时间干扰信号的非侵入式DBS新方法。 使用此仓库中可用的代码，您可以可视化球形头模型中电场（电场）的分布。 此外，使用计算出的电场分布，我们还可以看到神经元在导电介质中任何点的响应（头部模型）。 假设您具有任意头部模型的有限元分析（FEA）产生的电场分布，这也是该项目的一部分（但此处未介绍），则可以使用其他脚本来可视化分布。 综上所述，此存储库的主要重点有两个方面： 可视化从FEA或分析解决方案生成的电场分布 在电场分布的不同位置测试不同神经元模型的响应 电场（电场）分布 在这个项目中，我使用了球形头模型，以使事情变得简单。 E场的计算和可视化是在Matlab中完成的（如果您感兴趣，请查看Matlab文件夹）。 为此，您可以选择要查看其分布的电极配置，然后运行代码。 输出示例如下所示： 神经元React 一旦有了电场分布，我们可能想看看神经元在不同位置如何响应这种

该集合包括来自20名患有新近诊断的原发性胶质母细胞瘤的受试者的数据集，这些受试者接受了手术和标准伴随化学放射疗法（CRT）进行了辅助化疗。每位患者包括两次MRI检查：CRT完成后90天内和病情进展时（由临床确定，并基于临床表现和/或影像学发现的结合，并根据治疗或干预的变化进行标点）。

张量流的多步骤级联网络用于脑肿瘤分割 这是我们在Python3，tensorflow和Keras上的BraTS2019论文实现。 整个肿瘤....................................肿瘤核心......................增强肿瘤 拟议方法的示意图 要求 Python3.5，Tensorflow 1.12和其他常见软件包，可以在看到 入门 是配置文件。 是程序的主要功能。 建立模型，并负责培训和测试阶段。 提供了许多在程序中使用的有用功能。 提供了多层和模型构造的一些组合。 提供了一些API来计算指标，例如DIce，Sensitivity等。 训练 该网络接受了2019年脑肿瘤分割挑战赛（Brats2019）训练数据集的培训，该数据集可从Brats2019网页上下载。 （1）编辑parameters.ini ，使其与您的本地环境一致，

This book bridges the considerable gap between typical finance mba education and the knowledge required to successfully answer quantitative finance job interview questions.

matlab图像分割肿瘤代码脑肿瘤检测的分水岭算法 该方法结合了分割和形态学运算，这是图像处理的基本概念。 使用MATLAB软件可以从大脑的MRI扫描图像中检测和提取肿瘤。 我们首先要集中精力创建一个程序，该程序需要很少的处理时间来获得结果。 执行代码 在matlab中打开代码 更改每个输入图像的目录图像5的示例I = imread（'C：\ Users \ Manjunatha \ Desktop \ 5.jpg'）; 运行代码

matlab代码保密脑龄 评估各种机器学习模型性能的研究，这些模型用于通过基于功能磁共振成像的多种生物标记和认知行为表现来预测一个人的大脑年龄。 结果概述： 先决条件 所有功能都是用matlab编写的。 分析说明 使用一系列认知测试对行为测度进行了预测，预测了各个年龄段的约100名健康成年人的大脑年龄，使用了各自的功能磁共振成像数据计算了他们的功能连通性概况，并使用，计算了每个人的fMRI数据，这也是从每个人的功能磁共振成像数据得出的。 创建并比较了许多回归模型，以查看它们如何处理少量主题和许多功能。 这些包括： 二次模型回归 一般线性模型回归 偏最小二乘回归 森林随机回归 支持向量回归 通过使用嵌套的交叉验证结构来防止过度拟合，从而实现了预测。 结果发现，支持向量回归和偏最小二乘回归能够胜过其他方法，在受试者实际年龄和预测年龄之间平均误差为7.4年。 出于患者机密原因，此处未包含数据 档案文件 age_predict_master.m-运行所有模型的脚本 / model_functions-每种模型类型的脚本 - nested_fcn_quadratic_model_February