XiaoMi-AI文件搜索系统
World File Search System听觉
大脑听觉系统中的价值偏向竞争
注意力可能会偏向于与任务目标相符的特征（例如，Folk、Remington & Johnston，1992；Wolfe、Cave & Franzel，1989），物理上显著的刺激（例如，Theeuwes，1991、1992），以及之前被注意力优先考虑的刺激，现在通常被称为选择历史（例如，Awh、Belopolsky & Theeuwes，2012）。在选择历史的背景下，与奖励相关的刺激会获得更高的注意力优先级（例如，Hickey、Chelazzi 和 Theeuwes，2010；Della Libera 和 Chelazzi，2006），并且即使先前与奖励相关的刺激不显著且与任务无关，这种注意力偏差仍会持续存在，正如使用价值驱动的注意力捕获 (VDAC) 范式所证明的那样（Anderson、Laurent 和 Yantis，2011）。奖励历史对注意力的影响主要在视觉领域进行研究（有关评论，请参阅 Anderson，2016a、2019 的作品），而对其他感觉系统中学习依赖性注意力偏差的机制理解有限。跨模态设计研究了注意力处理中多个感觉网络之间的相互作用，通常是为了理解双模态刺激是如何被处理和整合的（例如 Stormer、McDonald 和 Hillyard，2009；McDonald、Teder-Salejarvi、Di Russo 和 Hillyard，2005；McDonald、Teder-Salejarvi 和 Hillyard，
语音流分离以控制基于 ERP 的听觉 BCI
目的。研究表明，在听觉脑机接口 (BCI) 中使用自然声音可以改善分类结果和可用性。一些听觉 BCI 基于流分离，其中受试者必须关注一个音频流而忽略其他音频流；这些流包括某种需要检测的刺激。在这项工作中，我们专注于事件相关电位 (ERP)，并研究为每个音频流提供可理解的内容是否有助于用户更好地集中注意力于所需的流，从而更好地关注目标刺激并忽略非目标刺激。方法。除了控制条件外，还使用两个同时和空间化的音频流测试了基于选择性注意和鸡尾酒会效应的两种实验条件：i) 条件 A2 包括听觉刺激（单音节）在由每个流的自然语音组成的背景上的重叠，ii) 在条件 A3 下，使用对每种语音的自然流的短暂改变作为刺激。主要结果。这两个实验方案在校准部分的交叉验证分析和在线测试中都改进了控制条件（单个单词作为刺激，没有语音背景）的结果。ERP 反应的分析也表明，与控制条件相比，这两个方案具有更好的可辨别性。主观问卷的结果支持第一个实验条件具有更好的可用性。意义。使用自然语音作为背景可改善基于 ERP 的听觉 BCI 中的流分离（在性能指标、ERP 波形和主观问卷中的偏好参数中具有显著的结果）。基于 ERP 的流分离领域的未来工作应该研究将自然语音与容易感知但不分散注意力的刺激相结合使用。
利用脑电图通道注意力检测听觉注意力
摘要 — 听觉注意检测 (AAD) 试图从多人说话场景（例如鸡尾酒会）中的 EEG 信号中检测出被关注的语音。由于 EEG 通道反映了不同大脑区域的活动，因此面向任务的通道选择技术可以提高脑机接口应用的性能。在本研究中，我们提出了一种软通道注意机制，而不是硬通道选择，通过优化听觉注意检测任务来导出 EEG 通道掩模。神经 AAD 系统由神经通道注意机制和卷积神经网络 (CNN) 分类器组成。我们在公开数据库上评估了所提出的框架。对于 64 通道 EEG，我们在 2 秒和 0.1 秒决策窗口下分别实现了 88.3% 和 77.2%；对于 32 通道和 16 通道 EEG，我们在 2 秒决策窗口下分别实现了 86.1% 和 83.9%。所提出的框架在所有测试用例中都远远优于其他竞争模型。
采用脑机接口技术的医疗器械术语及定义
脑机接口医疗器械brain-computer interface medical equipment，BCI-ME 结构上：与大脑、中枢神经或者外周神经直接连接。 机制上：实现大脑信息与外部辅助、增强设备实时双向交互或单向刺激是其显着特征。 效果上：实现脑部疾病治疗、视觉听觉语言等功能恢复或代替、肢体康复等临床治疗效果。
智能手机，平板电脑，可穿戴设备和可听觉 - 1年计划
如果我们更换您的设备，则您的设备将被翻新的型和质量的三星设备替换，并且具有可比的功能和功能，但不一定具有相同的颜色，并且不超过我们确定的设备的当前值。在原始制造商包装中包含的标准配件只有在与替换设备不兼容时才能替换。已被替换零件或设备替换的所有零件和设备成为我们的属性。本计划下的保护将在此计划中剩下的时间内扩展到替换设备。替换设备将成为受保护的设备。本计划涵盖的任何维修只能由三星授权服务中心进行。
持续性皮质振荡对听觉有节奏刺激的频率选择性
皮质振荡，以通过神经夹带的机制在语音和音乐感知，注意力选择和工作记忆中发挥功能作用。通常认为神经夹带的特性之一是，其对持续振荡的调节作用超过了节奏刺激。我们通过在被动感知范式中研究旋律刺激期间和表达旋律刺激期间和之后通过研究皮质神经振荡来测试了这种现象的存在。旋律由； 60 and; 80 Hz音调嵌入2.5 Hz流中。使用雄性和女性人类中的颅内和表面记录，我们揭示了高c条带的持续振荡活性，以响应整个皮质的音调，远远超出了听力区域。响应2.5 Hz流，在任何频带中均未观察到持续活动。我们进一步表明，我们的数据被阻尼的谐波振荡器模型很好地捕获，可以分为三类的神经动力学，具有独特的阻尼特性和特征性。该模型对人皮层中听觉神经夹带的频率选择性提供了一种机械和定量的解释。
基于EEG的听觉注意检测及其对被动BCI的未来应用
在复杂的听觉环境中区分和参加一个特定声音源的能力是有效交流的基本技能。的确，它使我们可以在酒吧里与朋友进行家庭对话或讨论。这种能力在听力受损的个体中受到挑战，并且更准确地说是有人工耳蜗（CI）的能力。的确，由于植入物的光谱分辨率有限，在嘈杂的环境或同时听觉来源的情况下，听觉感知仍然很差。最近的方法学进步允许现在根据神经信号检测，该神经信号在一个人正在关注的多个并发流中的听觉流。这种称为基于脑电图的听觉注意检测（AAD）的方法基于基本研究发现，表明，在多语音方案中，与无人看管的语音相比，在多语音方案中，对播放的语音信封的皮质跟踪得到了增强。在这些发现之后，其他研究表明，可以使用脑电图/脑电图（脑电图/磁脑摄影）来探索在鸡尾酒派对的情况下语音聆听期间探索听觉的关注。总的来说，这些发现使人们可以构想下一代助听器将习惯技术和AAD结合在一起。重要的是，AAD在被动BCI的背景下，在教育环境以及互动音乐表演的背景下也具有巨大的潜力。在这篇迷你综述中，我们首先介绍了AAD的不同方法和全球概念的主要局限性。然后，我们在非临床被动BCI领域暴露其潜在应用。
持续性皮质振荡对听觉有节奏刺激的频率选择性
人类的神经行为研究长期以来一直集中在任务重复执行期间本地活动水平的变化。后来发现扩展网络中的自发神经耦合也会影响性能。在这里，我们打算揭示基本机制，相对重要性以及自发耦合与任务诱导的激活之间的相互作用。为此，我们在休息期间记录了两组健康参与者（男性和女性），而他们执行了视觉感知或运动序列任务。我们证明，对于这两项任务，任务过程中更强大的作用以及通过自发的静止节奏预测性能的自发性节奏耦合。然而，高性能的人呈现出经典任务诱导的激活，而没有更强的自发网络耦合。激活是仅在自发网络相互作用较低的受试者中需要的补偿机制。这挑战了神经处理的经典模型，并要求采取新的策略来训练和提高性能。
日常生活中的神经语音追踪和听觉注意力解码
当我们乘坐繁忙的火车、穿过拥挤的城市或与朋友聚会时，我们经常会面临复杂的听力挑战。在这种情况下，人们不断接触许多不同的、重叠的声源，如语音、音乐或交通噪音。听觉场景分析需要分离和识别不同的听觉对象，抑制不相关信息，并对相关信息进行高级处理（Kaya 和 Elhilali，2017 年）。不同听觉对象的分割和流式传输可能非常困难，可能需要大量的注意力资源（Herrmann 和 Johnsrude，2020 年）。许多听力受损的人难以将听觉对象彼此区分开来，这使得多说话者设置对这一群体来说尤其具有挑战性（Shinn-Cunningham 和 Best，2008 年）。最先进的听力