SCKS toolbox: Blind deconvolution of hemodynamic response

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

—

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.

Druh

R - Software

CEP obor

FH - Neurologie, neurochirurgie, neurovědy

OECD FORD obor

—

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

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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