该文章的声音简介（中文版）：
该文章的声音简介（英文版）：
fNIRS信号容易受到头动伪影、接触不良以及生理噪声等影响，导致测量信号信噪比低和数据浪费。来自北京师范大学牛海晶课题组的张百强同学将分享一种基于生成深度学习的多尺度时间模型，旨在恢复受损fNIRS 信号质量。欢迎大家踊跃参与和讨论。
时间：北京时间2025年6月14日(周六) 上午10点
地点：腾讯会议 (请事先下载并更新腾讯会议软件)
房间号：590-855-383
密码： 565656
Zhi, Y., Zhang, B., Xu, B., Wan, F., Niu, P., & Niu, H. (2025). Reconstructing damaged fNIRS signals with a generative deep learning model. Artificial Intelligence Review, 58(2),58. https://doi.org/10.1007/s10462-024-11028-2
个人及团队简介：
张百强，北京师范大学认知神经科学与学习国家重点实验室牛海晶课题组硕士研究生，研究方向为深度学习模型在fNIRS数据处理中的应用。课题组长期从事基于近红外光谱技术的人脑功能检测及神经调控干预研究。课题组在心理学、光学以及认知神经领域取得一系列研究成果，相关研究得到国自然国际合作项目、国自然原创探索项目以及载人航天国家重大专项项目等支持。目前与国内外十余家研究机构建立长期稳定的密切合作。欢迎优秀硕士、博士及博士后研究人员加入！邮箱:[email protected]。
