SEPARATION AND IDENTIFICATION OF RHYTHM COMPONENTS OF LOCAL FIELD POTENTIAL SIGNALS IN AWAKE MICE USING ENSEMBLE EMPIRICAL MODE DECOMPOSITION
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Decomposition of local field potential (LFP) signals with different oscillatory rhythms is useful for analysis of various neuronal activities in mice. In this paper, we first removed the power-line interference with high signal fidelity by using a notch filter with infinite impulse response. Next, we applied the ensemble empirical mode decomposition (EEMD) method to separate the LFP signal into low-frequency, Delta, Theta, Beta, Gamma, Ripple, and high-frequency oscillations, in the form of different intrinsic mode functions (IMFs). The LFP signal components with different frequency bands were identified and then reconstructed from the IMFs within the same frequency range by analyzing their power spectral ratios (PSRs). Then, normalized autocorrelation functions of the resting respiratory signal and the reconstructed Delta oscillations were computed to estimate the corresponding power spectral densities by means of the Fourier transform. The results of LFP signal decomposition and oscillatory rhythm reconstruction demonstrated the effectiveness of the EEMD and PSR analysis methods. The coherence analysis results indicate that the primary periodicity peak of the Delta LFP component is definitely linked to that of resting respiration in an awake mouse. Our major contribution is to establish a novel LFP signal separation and identification procedure by combining the EEMD method with appropriate parameter setting and the power spectral analysis approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle