XiaoMi-AI文件搜索系统
World File Search System动脑
冲动脑训练答案
冲动脑训练提供了一套旨在增强心理敏捷性的游戏。这些游戏旨在提高记忆力，集中度和延长期间的专注能力。用户可以参与各种难题，以挑战他们的反射，速度和反应时间，从而促进解决问题的技能和批判性思维。该计划鼓励发展逻辑推理，并为脑训练提供了一个刺激的环境。该应用程序促进了神经可塑性的概念，这表明定期的心理运动可以改善认知功能。它邀请用户通过其互动和引人入胜的游戏进行自我完善和心理增强的旅程。Impulse Brain训练获得了积极的接待，根据众多评论，有700万用户和高评分。vopedixuha也已被多个国家 /地区的苹果认可。该应用程序优先考虑用户安全和数据隐私，以确保对个人信息进行负责任的加密和处理。对于用户来说，了解其数据的收集和使用方式很重要，这可能会根据位置和年龄而异。该应用程序的开发人员致力于透明度，并可能随着时间的推移更新其隐私惯例。总而言之，脉冲脑训练是那些希望通过一系列引人入胜且具有挑战性的活动来增强精神能力的人的可访问工具。作为一个个人优先考虑心理健康并寻求在记忆挑战和信息饱和度中增强认知能力的人，我发现了冲动。VucogaImpulse是由GMRD Apps Limited开发的一个应用程序，评分为4.7，为5分，与iPhone兼容，并支持多种语言，包括英语，法语，德语，意大利语，日本，韩语，葡萄牙，俄罗斯，简化的中文，西班牙，西班牙，传统的中文，土耳其语，乌克兰，乌克兰和乌克兰和越南。完成了为期30天的大脑运动方案后，我注意到我的重点和工作记忆中有明显的增强。虽然这些改进可能不仅归因于该应用程序，但积极的结果对我而言至关重要。Toserosononu我投资了一生计划，将其视为对我的心理健康的重要贡献。恐龙章节书系列我正在考虑进行另一场培训课程，但在30天或为期10天的计划之间不确定。在完成治疗方案后获得量身定制的建议是有益的。提供的大脑探望者很愉快，它将增加价值，以了解其他人如何处理这些难题。应用程序“垃圾”和“灯泡”提供了引人入胜的教育体验。我们感谢您积极的反馈和对应用程序改进的奉献精神。您的见解对我们来说是无价的，我们鼓励您通过通过支持电子邮件与我们联系，分享增强应用程序功能的任何建议。希望您的幸福感和大脑冲动的刺激体验。
为健康用户提供主动脑机接口
脑机接口 (BCI) 的研究和开发持续增长。特别是，BCI 专利申请在最近几年呈指数级增长（Greenberg 等人，2021 年）。然而，对于不同类型的 BCI，情况有所不同：侵入式和非侵入式、主动和被动式，尤其是在健康用户的可能使用方面。侵入式 BCI 提供最佳性能，甚至可以提供对运动决策形成的早期阶段的访问，与通常的输入设备相比实现更快的交互（Mirabella 和 Lebedev，2017 年），但它们具有高风险和成本，并且不太可能在不久的将来供健康用户使用。现有的非侵入式 BCI 具有较低的带宽、速度和准确性，这就是为什么在脑/神经-计算机交互路线图中，只有被动式，而不是主动式 BCI 被视为健康用户的潜在技术（BNCI Horizon 2020, 2015；Brunner 等人，2015 年）。被动式 BCI 使用“不以自愿控制为目的的大脑活动”（Zander 和 Kothe，2011 年）。由于它们不要求用户的注意，因此其较低的交互速度是可以接受的（Current Research in Neuroadaptive Technology，2021 年）。相比之下，主动式 BCI 的用户通过有意识地控制自己的大脑活动来明确地控制应用程序（Zander 和 Kothe，2011 年）1。这些 BCI 必须与手动输入设备（键盘、鼠标、触摸屏）和新兴的非接触式替代品（基于语音、手势和凝视）竞争，因为它们在人机交互 (HCI) 中发挥着同样的作用（Lance 等人，2012 年；van Erp 等人，2012 年）。尽管已经宣布了一些尝试，希望通过推进大脑传感器技术来大幅提高非侵入式 BCI 的性能（最引人注目的是 Facebook 计划实现“直接从大脑”快速输入文本— Constine，2017 年），但脑电图 (EEG) 仍然是唯一广泛使用的技术，其性能仍然低于机电输入设备所提供的性能。例如，据报道，非侵入式异步“脑开关”（一种需要低假阳性率但只能检测一个离散命令的 BCI）的平均激活时间约为 1.5 秒（Zheng 等人，2022 年）。此外，虽然一些非医疗主动 BCI 使用完善的非侵入式 BCI 范例——运动想象 BCI、P300 BCI、稳态视觉诱发电位 (SSVEP) BCI 和代码调制视觉诱发电位 (c-VEP) BCI——但许多项目依赖于基于学习到的变化 EEG 节律的更不精确的控制（Nijholt，2019 年；Prpa 和 Pasquier，2019 年；Vasiljevic 和 de Miranda，2020 年）。由于性能低下，主动 BCI 仍然主要供无法使用其他输入的人（例如瘫痪者）负担得起。尽管如此，为健康人开发主动 BCI 的尝试仍在继续。在本意见中，我简要概述了它们目前开发的应用领域，然后尝试弄清楚这些尝试的动机以及近期的前景。
基于人口发射速率的电动脑信号预测的有效性
通过测量局部田间电位（LFP）或脑电图（EEG）信号（EEG）信号（EEG）信号（EEG）信号（EEG）信号，通常对人群水平的神经活动进行实验研究。为了进行观察到的神经活动和模拟神经活动之间的比较，重要的是，神经活动的模拟可以准确预测这些大脑信号。在人群层面上对神经敏化的模拟通常依赖于点神经元网络模型或点火率模型。虽然这些简化的神经活动的表示在计算上是有效的，但它们缺乏计算LFP/EEG信号所需的明确空间信息。已经提出了不同的启发式方法来克服这一限制，但是这些方法的准确性尚未得到充分评估。这样一种启发式方法，即所谓的内核方法，以前已采用有希望的结果，并且具有在电动脑信号产生的生物物理学中得到充分依据的其他优势。它基于网络模型中每个突触途径的计算速率至lfp/eeg kernels，之后可以直接从人口发射速率获得LFP/EEG信号。这相当于计算大脑信号的计算工作量的大规模降低，因为为每个人群计算大脑信号，而不是为每个神经元计算。在这里，我们研究了如何以及何时可以期望内核方法起作用，并提出了预测其准确性的理论框架。最后，我们证明了内核方法对于主导大脑信号的贡献最准确。我们表明，脑信号预测的相对误差是单细胞内核异质性和尖峰训练相关性的函数。因此，我们进一步建立了内核法作为一种有希望的方法，用于计算大型神经模拟的电信号。
使用开放数据的胎儿功能MRI自动脑掩盖
抽象的胎儿静止状态功能磁共振成像（RS-FMRI）已成为表征出生前脑发育的关键新方法。尽管这种方法的快速而广泛地增长，但目前，我们缺乏适合解决该数据类型固有的独特挑战的神经影像处理管道。在这里，我们解决了最具挑战性的处理步骤，在数千个非平稳的3D大脑体积中，胎儿大脑与周围组织的快速而准确地隔离。利用我们的1,241个手动追踪的胎儿fMRI图像的图书馆，我们培训了一个卷积神经网络（CNN），该卷积神经网络（CNN）在来自单独的扫描仪和人群的两个持有测试集中实现了出色的性能。此外，我们将自动屏蔽模型与现有软件的其他fMRI预处理步骤结合在一起，并洞悉我们对每个步骤的改编。这项工作代表了针对全面的，开源的工作流程的最初进步，并具有公开共享的代码和数据，用于胎儿功能性MRI数据预处理。
识别核心 MRI 序列以实现可靠的自动脑转移分割
a 慕尼黑工业大学伊萨尔医院放射肿瘤学系；b 德国转化放射治疗联盟 (DKTK)，慕尼黑合作伙伴网站；c 慕尼黑亥姆霍兹中心放射医学研究所 (IRM)、放射科学系 (DRS)；d 信息学系；e 德国慕尼黑工业大学 TranslaTUM - 中央转化癌症研究所；f 瑞士苏黎世苏黎世大学医院放射肿瘤学系；g 马格德堡大学医院放射肿瘤学系；h 德国耶拿弗里德里希席勒大学耶拿大学医院放射治疗和放射肿瘤学系；i 瑞士苏黎世苏黎世大学医院定量生物医学系；j 诊断和介入神经放射学系； k 慕尼黑工业大学伊萨尔右翼医院神经外科系，慕尼黑；l 海德堡大学医院放射肿瘤学系；m 海德堡放射肿瘤学研究所 (HIRO)，国家放射肿瘤学中心 (NCRO)，海德堡；n 德国哥廷根大学医学中心放射肿瘤学系；o 瑞士阿劳州立大学阿劳分校 KSA-KSB 放射肿瘤学中心；p 富尔达综合医院放射肿瘤学系，富尔达；q 基尔石勒苏益格-荷尔斯泰因大学医学中心放射肿瘤学系；r 弗莱堡大学医学中心放射肿瘤学系；s 德国癌症联盟 (DKTK)，弗莱堡合作伙伴中心，弗莱堡，德国；t 塞浦路斯利马索尔欧洲大学德国肿瘤中心放射肿瘤学系； u 法兰克福及德国北部 Saphir 放射外科中心，Guestrow；v 法兰克福大学医院神经外科系，法兰克福；w 慕尼黑工业大学医学人工智能与信息学研究所，慕尼黑；x 亥姆霍兹人工智能，亥姆霍兹慕尼黑中心，诺伊尔贝格，德国
专为被动脑机接口应用而设计的可穿戴脑电图设备
摘要：由于公众对被动式脑机接口 (pBCI) 应用的兴趣日益浓厚，市场上最近推出了许多用于在日常生活中捕捉脑电图 (EEG) 信号的可穿戴设备。然而，目前还没有确定此类设备电极配置的完善标准。本文提出了一个总体程序来确定可穿戴 EEG 设备的最佳电极配置，从而为预期的 pBCI 应用提供最佳性能。我们使用了两个 EEG 数据集，这些数据集是在旨在调节情绪或注意力状态的不同实验中记录的。情绪专用 EEG 耳机旨在最大限度地提高使用情绪相关 EEG 数据集对不同情绪状态进行分类的准确性，注意力专用 EEG 耳机旨在最大限度地提高 EEG 指数和行为注意力指数之间的时间相关性。通用电极配置旨在最大限度地提高两种应用中不同数量电极（2、4、6 和 8）的整体性能。然后将性能与现有的可穿戴 EEG 设备进行比较。模拟表明，与传统电极配置相比，所提出的电极配置能够更准确地估计用户的情绪和注意力状态，这表明可穿戴 EEG 设备应根据与目标 pBCI 应用相关的完善的 EEG 数据集进行设计。
为被动脑机接口应用开放多会话、多任务脑电图认知数据集
脑机接口，尤其是被动脑机接口 (pBCI)，由于能够估计和监控用户心理状态，越来越受到基础研究和应用研究与开发社区的关注。测试新的管道和基准分类器以及特征提取算法是进一步研究该领域的关键。不幸的是，pBCI 研究中的数据共享仍然很少。COG-BCI 数据库包含 29 名参与者在 3 个独立会话中的记录，这些会话中有 4 个不同的任务 (MATB、N-Back、PVT、Flanker)，旨在引发不同的心理状态，总共超过 100 小时的开放 EEG 数据。该数据集在主观、行为和生理层面进行了验证，以确保其对 pBCI 社区的实用性。此外，还给出了一个概念证明，其中包含心理工作量估计管道和结果的示例，以确保数据可用于 pBCI 管道的设计和评估。这项工作为在开放科学框架中推广 pBCI 的使用做出了巨大努力。
打开用于被动脑计算机界面应用程序的EEG数据集：缺乏和观点
摘要 - 随着开放科学的出现，越来越多的研究人员正在共享他们的数据集和处理方法。但并非所有领域都关注，并且有些仍然缺乏开放的数据库，这些数据库可以更快，更相关的研究，更重要的是赞成结果的可复制性和可重复性。对于脑部计算机界面的领域尤其如此，尤其是在被动脑机接口的相对新领域。本文概述了基于脑电图的被动脑机接口应用程序的当前可用数据集。详细介绍了其主要特征，包括参与者的数量，任务，电极设置和电极位置信息。缺乏被突出显示和讨论，并为将来的研究提供了建议。
使用生成对抗网络重建 ERP 信号以实现移动脑机接口
摘要 — 实用的脑机接口已被广泛研究，以利用现实世界中的脑信号准确检测人类意图。然而，脑电图 (EEG) 信号由于行走和头部运动等伪影而失真，因此脑信号的幅度可能比所需的 EEG 信号大。由于这些伪影，在移动环境中准确检测人类意图具有挑战性。在本文中，我们提出了基于生成对抗网络的重建框架，使用行走过程中的事件相关电位 (ERP)。我们使用预训练的卷积编码器来表示潜在变量，并通过形状类似于编码器对立面的生成模型重建 ERP。最后，使用判别模型对 ERP 进行分类，以证明我们提出的框架的有效性。结果，重建的信号具有与站立期间的 ERP 类似的重要成分，例如 N200 和 P300。重建的 EEG 的准确性与行走期间的原始噪声 EEG 信号相似。重建的 EEG 信噪比显著增加至 1.3。生成模型的损失为 0.6301，相对较低，这意味着训练生成模型具有较高的性能。重建的 ERP 因此在降噪效果下在行走过程中的分类性能有所提高。即使在移动环境中，所提出的框架也可以帮助基于脑机接口识别人类意图。
Epirmex新生儿的Epirmex队列中的自动脑MRI指标：与2年的神经发育结果相关
Baptiste Morel，Pierre Bertault，GéraldineFavrais，Elsa Tavernier，Barthelemy Tosello等。诊断和介入成像，2021，102（4），pp.225-232。10.1016/j.diii.2020.10.009。hal-03324508