SCKS toolbox: Blind deconvolution of hemodynamic response
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F10%3APR24892" target="_blank" >RIV/00216305:26220/10:PR24892 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
SCKS toolbox: Blind deconvolution of hemodynamic response
Popis výsledku v původním jazyce
This toolbox contains implementation of square-root Cubature Kalman Filter and square-root Rauch-Tang-Striebel smoother (SCKF-SCKS). These algorithms perform joint estimation of the states, input and parameters of stochastic continuous-discrete state-space models. The state equations must have a form of ordinary differential equations, where their discretization is performed through an efficient local-linearization scheme. Additionally, the parameter noise covariance is estimated dynamicaly via stochastic Robbins-Monro approximation method, and the measurement noise covariance is estimated online as well, using combination of varitional Bayesian (VB) approach with nonlinear filter/smoother. In particular, this method was designed to perform the nonlinear blind deconvolution of hemodynamic responses from fMRI data to estimate the underlying neuronal signal.
Název v anglickém jazyce
SCKS toolbox: Blind deconvolution of hemodynamic response
Popis výsledku anglicky
This toolbox contains implementation of square-root Cubature Kalman Filter and square-root Rauch-Tang-Striebel smoother (SCKF-SCKS). These algorithms perform joint estimation of the states, input and parameters of stochastic continuous-discrete state-space models. The state equations must have a form of ordinary differential equations, where their discretization is performed through an efficient local-linearization scheme. Additionally, the parameter noise covariance is estimated dynamicaly via stochastic Robbins-Monro approximation method, and the measurement noise covariance is estimated online as well, using combination of varitional Bayesian (VB) approach with nonlinear filter/smoother. In particular, this method was designed to perform the nonlinear blind deconvolution of hemodynamic responses from fMRI data to estimate the underlying neuronal signal.
Klasifikace
Druh
R - Software
CEP obor
FH - Neurologie, neurochirurgie, neurovědy
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/1M0572" target="_blank" >1M0572: Data, algoritmy, rozhodování</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Interní identifikační kód produktu
SCKS
Technické parametry
Software může být spuštěn v programovém prostředí Matlab na standardních PC.
Ekonomické parametry
—
IČO vlastníka výsledku
00216305
Název vlastníka
Ústav biomedicínského inženýrství