XiaoMi-AI文件搜索系统
World File Search System性脑机
走向脑机代码？
尽管人们普遍认为大脑是某种计算机，但至今无人知道计算机代码是什么（或者可能存在用于不同目的的不同代码）。记忆可能被编码在大分子化学亚基序列中，这一想法很自然——因为有那么多的记忆需要容纳——但几年前出现的最简单版本很难与大脑计算机神经元的互连性相协调，也很难与神经网络观点中关于大脑工作原理的观点相协调。但同样明显的是，这种代码不可能适用于信息从外围传输到中央处理区域的方式，现在似乎已经充分确定，神经元的活动（如沿神经元通道的信息传输）最好通过电压脉冲或尖峰在神经元内产生的速率来衡量。适当的时候，人们有必要问自己，这两个截然不同的编码原则是如何结合在一起的。事实上，目前大脑中唯一可以模糊测量的编码信息是来自外周感觉系统的神经元的信息，但即便如此，其含义也远非清晰。外周神经元“激发”的速率是刺激强度的简单衡量标准，还是更微妙的衡量标准？相位信息是如何体现在信号中的？如果不是，那么来自同一感觉系统中相邻神经元的信号如何相互组合以产生平均值以外的结果？感觉神经元输出的噪声只是一种麻烦，还是可能更为重要？这或多或少是洛斯阿拉莫斯国家实验室理论部门的 Andre Longtin、圣地亚哥海军系统中心的 Adi But-sara 和密苏里大学圣路易斯分校的 Frank Moss 就中枢神经系统感觉编码机制所作的有趣论述的起点。除了兴趣之外，引起人们对这篇文章关注的一个原因是，它出现在大多数神经生理学家认为是必然会出现的领域中。
中风后康复：通过脑机
脑机接口（BCI）在中风患者康复中的应用，通过检测相应的脑信号，可以控制功能性电刺激（FES），在运动意图发生时触发瘫痪肢体的肌肉收缩。假设运动意图与真实运动触发的视觉和本体感受反馈之间的精确时间一致性可以促进神经可塑性过程并导致轻瘫的功能改善。在这项随机对照试验的系统评价中，研究人员搜索了 Pubmed、Scopus 和 Web of Science 数据库，并从 516 篇出版物中选出了 13 篇，这些出版物基于 7 个研究人群。由于研究设计不同，很难直接比较这些研究。五项研究报告 BCI-FES 组的运动功能有所改善，其中三项研究显示 BCI-FES 组与对照组之间存在显著差异。
2022年脑科学与类脑智能发展态势
[1] 韩雪 , 阮梅花 , 王慧媛 , 等 . 神经科学和类脑人工智能发 展 : 机遇与挑战 . 生命科学 , 2016, 28: 1295-307 [2] Ngai J. BRAIN 2.0: transforming neuroscience. Cell, 2022, 185: 4-8 [3] Mehonic A, Kenyon AJ. Brain-inspired computing needs a master plan. Nature, 2022, 604: 255-60 [4] European Brain Research Area. European Research Inventory and Mapping Report[EB/OL]. (2022-02-15) [2023-01-09].https://www.neurodegenerationresearch. eu/2022/02/ebra-releases-mapping-report-investment- in-european-brain-research-still-vital/ [5] Canadian Brain Research Strategy. Brain Research Must Be a National Priority for the Social, Health, and Economic Advancement of Canada[EB/OL]. (2022-10- 07)[2023-01-09]. https://www.ourcommons.ca/Content/ Committee/441/FINA/Brief/BR11979145/br-external/ CanadianBrainResearchStrategy-e.pdf [6] Canadian Brain Research Strategy. Recruitment for CBRS Indigenous Engagement Sessions[EB/OL].(2022-09-20) [2023-01-09]. https://canadianbrain.ca/recruitment-for- indigenous-engagement-sessions/ [7] Brain/MINDS Beyond expands to the international project for primate brain connectome[EB/OL]. (2022-09-30) [2023-01-09]. https://brainminds-beyond.jp/news/2022/ 09/post_21.html [8] Thiebaut de Schotten M, Forkel SJ. The emergent properties of the connected brain. Science, 2022, 378: 505-10 [9] Axer M, Amunts K. Scale matters: the nested human connectome. Science, 2022, 378: 500-4
A Review of EEG-Neurofeedback 脑电神经反馈综述
脑电反馈是一种基于脑电图技术的无创脑刺激方法，通过脑机接口将脑电生理活动信号传送到计算机，将脑电活动的实时变化作为反馈刺激给予被试自身，帮助被试学习如何自我调节大脑活动。脑电反馈应用十分广泛，可作为精神疾病的辅助治疗、健康个体的认知能力提高以及作为脑电生理特征与认知功能相互作用的实验条件。为了对脑电反馈有一个清晰的认识，本文从脑电反馈系统的组成部分、脑电反馈方案的设计要素、脑电反馈的评价以及脑电反馈的机制理论四个部分对其进行了综述。
对残疾人增强和替代性通信脑机接口系统研究的系统评价。
增强和替代通信脑机接口 (AAC-BCI) 系统旨在为患有严重言语和身体障碍 (SSPI) 的人提供通信访问，而无需有意识的运动。随着该领域朝着 AAC-BCI 系统的临床实施方向发展，涉及 SSPI 参与者的研究至关重要。研究表明，AAC-BCI 系统在不同用户中的表现存在差异，并且对有残疾和无残疾用户的表现进行比较的结果好坏参半。本系统评价的目的是 (1) 描述 BCI 研究中报告的研究、系统和参与者特征，(2) 总结使用 AAC-BCI 系统的残疾参与者的沟通任务表现，以及 (3) 探索有残疾和无残疾参与者的表现差异。在 2018 年 5 月和 2021 年 3 月搜索了电子数据库，确定了 6065 条记录，其中 73 条符合纳入标准。非实验性研究设计很常见，样本量通常很小，大约一半的研究涉及五名或更少的残疾参与者。参与者的特征以及这些特征的报告方式存在相当大的差异。超过 60% 的研究报告称，在至少一种测试条件下，残疾参与者的平均选择准确率≤70%。然而，一些研究排除了未达到特定系统性能标准的参与者，而另一些研究没有说明是否有任何参与者因表现而被排除。29 项研究包括有残疾和没有残疾的参与者，但很少有研究报告比较两组表现的统计分析。结果表明，AAC-BCI 系统有望支持 SSPI 患者的交流，但对某些人来说仍然无效。由于缺乏报告结果测量的标准，因此很难综合各个研究的数据。需要进一步研究来证明 AAC-BCI 系统对 SSPI 患者的有效性
智能时代的脑科学与类脑智能研究
张鑫. 智能时代的脑科学与类脑智能. 中国科学院院刊, 2024, 39(5): 840-850, doi: 10.16418/j.issn.1000-3045.20240305003.
脑机接口，实现脑与人工智能的交互
相泽洋二教授，早稻田大学研究生院物理学硕士，非线性非平衡统计力学 津本忠二教授，大阪大学医学院神经生理学系博士/研究员课程 大阪大学研究生院神经外科博士 EEG 脑机接口的开发
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。