XiaoMi-AI文件搜索系统
World File Search System意象
Alwasiti , HHA 和 Yusoff , MZ 2022, '使用深度卷积神经网络和 Mixup 进行脑机接口的运动意象分类
摘要 — 目标：构建一个可以在单个受试者的小型 EEG 训练集上进行训练的 DL 模型提出了一个有趣的挑战，这项工作正试图解决这一挑战。具体来说，本研究试图避免长时间的 EEG 数据收集过程，并且不组合多个受试者的训练数据集，因为这会对分类性能产生不利影响，因为受试者之间的个体间差异很大。方法：使用大约 120 次 EEG 试验对定制的具有混合增强功能的卷积神经网络进行训练，每个模型仅针对一个受试者。结果：经过修改的具有混合增强功能的 ResNet18 和 DenseNet121 模型分别实现了 0.920（95% 置信区间：0.908,0.933）和 0.933（95% 置信区间：0.922,0.945）的分类准确率。结论：我们表明，尽管本研究使用的训练数据集有限，但与同一数据集上先前研究中的其他 DL 分类器相比，设计的分类器具有更高的分类性能。
触觉意象影响指尖振动触觉刺激的皮质反应
尽管与其他类型的心理意象相比，触觉意象的研究并不深入，但它对于脑机接口 (BCI) 来说可能非常有用，因为它可以产生 BCI 操作所需的神经调节。在这里，我们通过比较触觉意象 (TI) 对皮质反应的影响与指尖实际振动触觉刺激的影响，评估了与触觉意象 (TI) 相关的神经调节。我们发现 TI 和振动刺激都会引起与事件相关的脑电图 (EEG) 活动频率变化。此外，TI 会影响由短脉冲振动引起的体感诱发电位 (SEP)。收集了 29 名接受过触觉意象任务训练的参与者的 EEG 数据。在有和没有 TI 的情况下测量了对振动脉冲的反应。这些 SEP 由三个主要部分组成：中央顶叶区域的 P100 反应、额叶区域的 P200 反应和中央区域的 P300 反应。 TI 持续导致同侧 P100、同侧和对侧 P300 以及额叶 P200 增加。此外，TI 还增强了额叶区域因振动而发生的 θ 波段 ERS。这些发现表明，TI 不仅会调节 EEG 模式，还会影响皮质对物理体感刺激的处理。这种对真实和想象的躯体感觉的联合处理可用于 BCI，特别是在临床相关的 BCI 中，这些 BCI 致力于通过结合中枢诱导和外周活动来恢复体感处理。
实验者对基于心理意象的大脑的影响......
1 关于实验者和参与者的性别对 MI-BCI 表现演变的影响的初步结果先前发表在第八届国际 BCI 大会 [43] 上的一篇简短会议论文中。在这里，我们介绍了有关潜在混杂因素（例如与运动相关的伪影）的更多更完整的结果。我们还首次提出了与参与者心理特征相关的结果，这为更好地理解实验者的影响提供了第一条线索。最后，我们还提供了新的用户体验相关结果。
运动意象过程中的 ERD 调节与用户特征和 BCI 性能相关
摘要 — 提高用户表现是基于运动想象 (MI) 的 BCI 控制的主要问题之一。MI-BCI 利用运动和感觉运动皮层上的感觉运动节律 (SMR) 的调制来区分几种心理状态并实现用户交互。这种调制被称为事件相关去同步 (ERD) 和同步 (ERS)，来自 mu (7-13 Hz) 和 beta (15-30 Hz) 频带。这种 BCI 开辟了有希望的领域，特别是控制辅助技术、运动训练甚至中风后运动康复。然而，MI-BCI 在实验室外仍然很少使用，主要是因为它们缺乏稳健性和可用性（15% 到 30% 的用户似乎无法控制 MI-BCI）。提高用户表现的一种方法是更好地了解用户特征与 BCI 性能背后的 ERD/ERS 调制之间的关系。因此，在本文中，我们在一个包含 75 名参与者的大型 MI-BCI 数据库中分析了 MI 任务（即 ERD 和 ERS）背后的大脑运动模式如何根据 (i) 任务性质（即右手 MI 和左手 MI）、(ii) 执行任务的会话（即校准或用户培训）和 (iii) 用户特征（例如年龄、性别、手动活动、性格特征）进行调节。本研究的独创性之一是将与用户特征相关的人为因素研究与 MI 任务期间的神经生理 ERD 调节结合起来。我们的研究首次从 16PF5 问卷中揭示了 ERD 与自我控制之间的关联。
心理意象 BCI 用户培训的物理学习伴侣
基于心理意象的脑机接口 (MI-BCI) 提供了与数字技术（如轮椅或神经假体）交互的新机会，只需执行心理意象任务（例如，想象物体旋转或想象手部运动）。MI-BCI 还可用于多种应用，如通信或中风后康复。不过，它们缺乏可靠性仍然是该技术大规模发展的障碍。例如，平均 75% 的时间可以识别两个任务之间的一项任务。研究表明，如果用户不自主或紧张，他们更有可能在使用 MI-BCI 时遇到困难。这可能至少部分是由于缺乏社交存在和情感支持，尽管教育文献中有建议，但这些在 MI-BCI 中还很少得到测试。提供这种社交和情感背景的一种方法是使用学习伴侣。因此，我们设计、实施和评估了第一个致力于改进 MI-BCI 用户培训的学习伴侣。我们将这个伴侣命名为 PEANUT，即用于神经技术用户培训的个性化情感代理。PEANUT 通过结合发音句子和面部表情的干预，根据用户的表现和进度提供社交临场感和情感支持。它是基于文献、数据分析和用户研究而设计的。我们特别进行了各种在线用户调查，以确定我们的学习伴侣在外观和支持性语音内容方面的理想特征。从这些调查的结果中，我们特别推断出根据学习者的表现和进步，应该使用哪些句子的特征（个人/非个人、感叹/陈述）。我们还发现眉毛可以增加卡通脸的表现力。然后，一旦这个伴侣
持续在线脑电图运动意象解码的微调策略：来自大规模纵向研究的见解
摘要 — 本研究调查了在涉及大型用户组和每个参与者多个会话的因果环境中在线纵向脑电图 (EEG) 运动想象 (MI) 解码中深度学习的持续微调策略。我们是第一个在大型用户组中探索此类策略的人，因为纵向适应通常是在单个受试者环境中使用单一适应策略进行研究的，这限制了推广研究结果的能力。首先，我们研究了不同的微调方法对解码器性能和稳定性的影响。在此基础上，我们集成了在线测试时间适应 (OTTA) 以在部署期间调整模型，补充了先前微调的效果。我们的研究结果表明，基于先前特定于主题的信息连续进行的微调可以提高性能和稳定性，而 OTTA 可以有效地使模型适应连续会话中不断变化的数据分布，从而实现无校准操作。这些结果为纵向在线 MI 解码的未来研究提供了宝贵的见解和建议，并强调了结合领域适应策略对提高实际应用中的 BCI 性能的重要性。临床相关性——我们的研究实现了更稳定、更有效的长期运动想象解码，这对于神经康复和辅助技术至关重要。
“具身”语言处理：心理运动意象能力可以预测青少年对高意象性词语的定义能力，但不能预测低意象性词语的定义能力
图 2. Frak 等人（2001 年）使用的实验范例说明。上图为显性动作，参与者被要求用拇指和食指抓住一个装满水的圆柱形容器，将水倒入容器中。下图为隐性动作。左图：计算机显示器上容器（即圆盘）的示意图。圆盘上的两条小线表示在想象动作期间食指和拇指应放置的位置。右图：操纵对立轴从 -22° 到 +56°。
固定引起的活动减少后的运动意象和动作观察：叙述性综述
在运动中，无论是专业运动还是业余运动，发生意外导致受伤或肌肉骨骼病变的风险都很高（例如肌肉撕裂、骨折、扭伤）。这些事件可能会导致训练停止，或者在某些情况下导致长时间的身体不活动（例如卧床休息和/或固定不动）。即使有必要，这种身体活动的减少或活动减少在考虑运动练习和康复时也会成问题。事实上，除了对身体（例如易疲劳）和心理健康（例如抑郁）的有害影响外，活动减少还会对运动功能产生不利影响，降低运动表现[1]。因此，康复方案必须
数字舞蹈对大脑意象、认知和健康的功效：随机对照试验
背景：多领域干预对促进健康老龄化具有明显的好处，但维持长期收益的自我赋权策略仍然难以捉摸。目的：本研究评估了参与数字体感舞蹈游戏对大脑意象变化的影响，作为主要结果，以及其他身心健康指标作为与健康老龄化相关的次要结果。方法：2020 年 8 月 31 日至 2021 年 6 月 27 日期间，这项随机对照试验招募了 60 名年龄超过 55 岁且近期未参与数字舞蹈游戏的合格参与者。使用计算机生成的随机化序列将参与者按 1:1 分配到接受数字体感舞蹈游戏训练的干预组 (n=30) 或对照组 (n=30)，不进行分层。匿名代码向研究人员隐瞒了干预分配情况，分配干预的个人不参与研究数据的分析。干预包括每周两次 30 分钟的舞蹈游戏，持续 6 个月，对照组接受健康老龄化教育。主要结果是大脑意象的变化。所有变量均在基线和 6 个月的随访中测量，并使用意向治疗分析的 t 检验来估计干预效果。结果：与对照组相比，干预参与者在左侧壳核灰质体积 (GMV)（估计 0.016，95% CI 0.008 至 0.024；P <.001）、左侧苍白球 GMV（估计 0.02，95% CI 0.006 至 0.034；P =.004）和左侧苍白球低频波动的分数振幅（估计 0.262，95% CI 0.084 至 0.439；P =.004）的大脑意象方面有显著差异。此外，干预组小脑 VI GMV 的想象也有所不同（估计值为 0.011，95% CI 0.003 至 0.02；P =.01）。干预组蒙特利尔认知评估总分（估计值为 1.2，95% CI 0.27 至 −2.13；P <.01）、生活质量（估计值为 7.08，95% CI 2.35 至 11.82；P =.004）和工作日坐着的时间（估计值为 −1.96，95% CI −3.33 至 −0.60；P =.005）也有所改善。此外，舞蹈表演与认知表现（P =.003）、健康状况（P =.14）、适应力（P =.007）和士气低落（P <.001）显着相关。
现实生活中运动意象和执行的神经相关性......
大量证据表明，运动意象和动作执行行为是由重叠的神经基质引起的，即使在运动意象期间没有明显的运动。到目前为止，尚不清楚运动意象和执行中的神经激活与自然的全身运动（例如行走）相比如何。神经影像学研究尚未直接比较动态行走运动中的意象和执行。在这里，我们用移动脑电图记录了行走期间的大脑激活，并与行走意象期间的大脑激活进行了比较，以心理计数作为控制条件。我们要求 24 名健康参与者在路上走六步，想象走六步，或者在心里从一数到六。我们发现运动意象期间的 beta 和 alpha 功率调制类似于动作执行模式；在执行心理计数的控制任务时未发现这种对应关系。神经重叠发生在执行和想象步行动作的早期，表明激活了共享动作表征。值得注意的是，在动作执行和动作结束时的想象过程中都发生了与步行相关的明显 beta 反弹，这表明与实际步行一样，运动意象涉及重置或抑制运动过程。然而，我们还发现运动意象引发了一种独特的更分散的 beta 活动模式，尤其是在任务开始时。这些结果表明，运动意象和自然步行的执行涉及共享的运动认知激活，但运动意象需要额外的皮质资源。