XiaoMi-AI文件搜索系统
World File Search System想象的
人类皮层中想象的体感知觉的神经生理学表征
版权所有 © 2021 Bashford 等人。这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是正确署名原始作品。
人类后顶皮层中实际和想象的触摸的神经编码
摘要在人类后顶叶皮层（PPC）中，单个单元编码具有部分混合表示形式的高维信息，使少量神经元可以编码与运动计划，执行，认知和感知相关的许多变量。在这里，我们测试了以前证明的PPC神经元种群是否同样参与了体验域。，我们在实际的触摸表现和触觉成像任务中记录了人类临床试验参与者的PPC中的神经元。神经元用双侧接受场在短潜伏期中编码了实际触摸，并通过身体部位组织，并覆盖了所有经过测试的区域。触觉图像任务引起了身体部分的反应，该反应与实际触摸共享神经基板。我们的结果是人类PPC中触摸编码及其在触觉成像任务中的认知参与的第一个神经元水平的证据，这可能反映了语义处理，注意力，感官预期或想象中的触摸。
深空探索，商业化和殖民化的未来：负责任地想象的前沿
深空探索，商业化和殖民化的期货：可负责任的丹尼斯·M·布什内尔（Dennis M.报告在比平常的十年或更少的商业前景的情况下，解决关键要求的相关问题，技术，方法，关闭业务案例的机会。报告还解决了殖民途中深空的人类的要求和方法。火星殖民化在短短几年内，由于降低了辐射，成本和安全性，在辐射，成本和安全方面，殖民地的殖民化已转变为越来越多的可行性。介绍数十年来，本地星球几乎开发了一个几乎完全是地球同步赤道轨道（GEO），并且低于商业空间行业，目前以约320美元的价格评估。它具有很大程度的位置地球公用事业，电信，导航和成像的各种表现。其他100B $ 420 B的总空间经济性总数[参考。1]包括政府活动，例如太空探索，包括低地球轨道（LEO），太空科学和国家安全空间的人类。发生了一场名副其实的LEO应用程序革命，成千上万的小卫星被大放异彩，以提供高速互联网范围的世界，并且可能不断凝视和捕捉地球上任何地方的图像的能力。2 - 12]。当前成本降低是六个因素[参考。我们也处于正在进行的技术革命之中，包括整体上，实现微型化和成本降低以及其他技术改进，从而产生了主要的空间访问和降低空间的成本。本报告考虑了GEO以外的空间活动的机会，问题和前景，此处称为“深空”。深空包括商业活动，人类探索以及适当的殖民化[参考。严重的深空开发的主要推动者是通过可重复使用的火箭，改进的制造（包括印刷）和优化发射运营的结合来降低LEO访问成本。13]，与NASA太空启动系统[SLS]预计成本相比，最多可工作的因素可能有14个。空间访问成本地板是燃料的成本，不到
解码心灵：跨模态感知和想象的神经差异和语义表征
本研究对与感知和想象概念相关的神经信号进行了分析，旨在提高有言语障碍人士的沟通能力。该研究利用通过 124 通道 ANT Neuro eego Mylab EEG 系统（ANT Neuro BV，亨格洛，荷兰）获取的公开可用的脑电图 (EEG) 数据。该数据集包括来自 12 名参与者的 11,554 次试验。所提出的卷积神经网络 (CNN) 模型在将 EEG 数据分类为来自感知或想象的语音任务条件方面优于其他模型，测试准确率达到 77.89%。传统的机器学习模型，包括随机森林 (RF)、支持向量分类器 (SVC) 和 XGBoost，都表现出过度拟合的趋势，导致准确率较低。至于语义解码，不幸的是，不同的模型在机会层面上执行。索引词：语音解码、EEG、BCI、语义解码
通过新颖的增强现实范式解决基于运动想象的 BCI 文盲问题
*电子邮件：elena.fenoglio@iit.it 简介：运动想象 (MI) - 无需运动输出即可在脑海中演练运动 - 被广泛用作脑机接口 (BCI) 的控制策略，因为它能引发与真实运动类似的神经反应，同时成本低、非侵入性且安全 [1]。然而，15-30% 的基于 MI 的 BCI 用户是“BCI 文盲”：他们无法控制系统 [2]。为了解决这个问题，我们提出了一种将 MI 与动作观察 (AO)（深思熟虑和结构化的运动观察）相结合的范例，并辅以增强现实 (AR)，以探索其对运动相关大脑反应的影响，从而可能增强基于 MI 的 BCI 范例。材料、方法和结果：25 名健康参与者使用触摸面板用右臂执行伸手任务 - 想象的（运动想象-MI）或真实的（运动执行-ME）（图 1A）。以随机顺序重复使用 AR（真实条件）和不使用 AR（增强条件）的任务，前者显示虚拟右臂以提供 AO 提示。我们通过计算运动执行/想象期间 alpha 和 beta 波段的事件相关去同步 (ERD) 来分析电生理 (EEG) 信号，基线为运动开始前 500 毫秒。
同一肢体不同关节运动想象的EEG信号ANFIS分类
简介：脑机接口 (BCI) 的实验领域正在扩大，包括运动动作，这在解读认知过程方面起着至关重要的作用。无需任何外部刺激，运动想象 (MI) 可用作脑机接口 (BCI) 的强大模型。操作外部设备的一种自然方法是想象移动同一只手臂的各个关节。这些设想的运动在运动脑中具有相似的空间图像，因此很难根据 EEG 数据区分同一腿的各个关节的 MI。方法：本研究使用了 25 名参与者的现有数据集合。参与者想象使用他们的右肢进行三项不同的活动：想象自己操纵右手、想象弯曲右臂以及在放松时闭上眼睛。为了给这些脉冲分配类别，我们求助于自适应神经模糊推理系统。结果：平均准确率为 90%。结论：研究结果表明，该技术对于正确分类 EEG 数据至关重要。本研究使用的数据收集包括肌肉成像中使用的相同肢体的脑电图测量。新的分类方法将应用于这些信号以得出结论。
从“桌子”到“ doraemon”：关于新闻工作中人工智能社会技术想象的比较分析
抽象的人工智能在整个新闻周期中变得越来越普遍。响应这一趋势，本文探讨了记者关于新闻制作中AI整合的社会技术想象力，重点是他们对AI的机会和道德挑战的看法。该研究还通过对中国，日本，瑞士和英国的记者进行以问题为中心的访谈，研究了各种媒体和话语文化对这些看法的影响。通过对访谈的归纳主题分析，结果表明，这四个国家的记者承认AI在期刊中的潜在优势，例如增强的效率和改善的数据分析。但是，他们对新闻工作中人机合作的期望根据文化背景而有所不同。
真正的不确定性和道德 AI：监管沙盒作为道德想象的政策工具
人工智能 (AI) 技术在我们知识的极限或超出范围的情况下挑战道德选择。技术的发展不仅比我们的监管速度更快，而且比我们的想象更快。在越来越多的关于人工智能和伦理的文献中，为负责任的人工智能创建框架的斗争得到了深入讨论。在欧盟人工智能法案的等待中，实际上与欧盟人工智能法案平行，保护基本权利以及以人为本、合乎道德和负责任地使用人工智能技术是一项核心目标 [ 1 , 2 ]，自下而上解决人工智能和伦理问题的举措正在蓬勃发展。有人呼吁将道德作为人工智能教育的核心 [ 3 ]；为人工智能开发者引入誓言，与医学中的希波克拉底誓言一致 [ 4 ]；并建立约束公司行善的行为准则 [ 5 , 6 ]。此外，有人呼吁通过政策制定者引入的监管沙盒等机制，实现多方利益相关者的协调
评估神经生理模式的相关性以预测基于运动想象的 BCI 用户的表现
摘要 —基于运动想象的脑机接口 (MI-BCI) 允许用户仅使用大脑活动来控制计算机以执行各种应用，而大脑活动通常由脑电图 (EEG) 记录。尽管 BCI 应用众多，但由于其准确性较差，它们在实验室外的使用仍然很少。一些用户无法使用 BCI，这种现象有时被称为“BCI 文盲”，影响了大约 10% 到 30% 的 BCI 用户，他们无法产生可辨别的 EEG 模式。通过进行神经生理学分析，尤其是通过识别 BCI 性能的神经生理学预测因子，我们可以更好地理解这种现象及其原因。反过来，这也可能帮助我们更好地理解并从而可能改进 BCI 用户培训。因此，本文提出了专用于预测 MI-BCI 用户表现的统计模型，该模型基于从“睁眼放松”条件下的两分钟 EEG 记录中提取的神经生理学用户特征。我们考虑了 56 名受试者在进行 MI-BCI 实验之前在“睁眼放松”条件下记录的数据。我们使用机器学习回归算法和留一交叉验证来构建我们的预测模型。我们还计算了这些特征（神经生理预测因子）与用户的 MI-BCI 表现之间的不同相关性。我们的结果表明，此类模型可以比偶然性（p ≤ 0.01）更好地预测用户表现，但平均绝对误差相对较高，为 12.43%。我们还发现我们的一些特征与性能之间存在显着的相关性，包括之前探索的 µµµ 波段预测因子，以及这里提出的新预测因子：µµµ 峰值位置变异性。因此，这些结果有助于更好地理解和预测 BCI 文盲。但是，它们还需要进一步改进才能获得更可靠的预测。索引词 — 脑机接口 (BCI)、脑电图 (EEG)、神经生理预测指标
肌腱材料与结构特性与不同运动种群中想象的定量磁共振之间的相关性
阿喀琉斯肌腱刚度（Kat）和Young的模量（YAT）是肌腱功能的重要决定因素。但是，他们的评估需要复杂的设备和耗时的程序。这项研究的目的是双重的：使用文献中提出的经典方法（超声和力数据的组合）和MRI技术比较Kat和YAT，以了解MRI在确定KAT和YAT差异方面的能力。此外，我们研究了短T2*松弛时间，KAT和YAT之间的潜在相关性，以确定T2*松弛时间是否可能与材料或结构特性有关。招募了十二个耐力和力量运动员，并招募了十二个健康对照。在T2*使用标准梯度回声MRI测量静止和较长的组件，同时使用经典方法（超声和动力学测量方法组合）评估KAT和YAT。Power athletes had the highest kAT (3064 ± 260, 2714 ± 260 and 2238 ± 189 N/mm for power ath letes, endurance athletes and healthy control, respectively) and yAT (2.39 ± 0.28, 1.64 ± 0.22 and 1.97 ± 0.32 GPa for power athletes, endurance athletes and healthy control, respectively) and the lowest T2* short component （分别为0.58±0.07，0.77±0.06和0.74±0.08 ms，分别为动力运动员，耐力运动员和健康对照）。耐力运动员的T2*长组件值最高。在研究的种群中，T2*长的组件，KAT或YAT之间没有任何相关性，而T2*短分量与YAT负相关。这些结果表明T2*短分量可用于研究不同人群中材料特性的差异。