XiaoMi-AI文件搜索系统
World File Search System机界面
基于适用于基于运动仿真的大脑计算机界面
摘要 - 在这项工作中，我们开发了中等的偏差功能，以衡量一组给定间隔值数据之间的相似性和相似性，以构建间隔值的启动函数，并且我们将这些功能应用于两个电动成像脑计算机界面（MI-BCI）系统中，以分类电脑图信号。为此，我们介绍了间隔值中等偏差函数的概念，尤其是我们研究了那些间隔值值的中度偏差函数，这些函数保留了输入间隔的宽度。为了将它们应用于Mi-BCI系统，我们首先使用模糊含义的操作员来测量系统集合中每个分类器的输出链接的不确定性，然后我们使用新的间隔价值汇总的聚合功能执行决策阶段。我们已经在两个MI-BCI框架中测试了我们的建议的好处，比使用其他数值聚合和间隔值的OWA运算符获得的结果更好，并获得了竞争结果，而不是基于非聚合的框架。
基于生物信号的电机控制自适应用户机界面
摘要 用户机界面将从用户测量的生物信号映射到外部设备的控制命令。从生物信号到设备输入的映射由解码算法执行。用户和解码器的适应——共同适应——为提高不同用户和应用程序的界面包容性和可用性提供了机会。用户学习可实现强大的界面控制，可跨环境和上下文进行推广。解码器适应可以个性化界面，考虑日常信号变化并提高整体性能。因此，共同适应创造了塑造用户和解码器系统的机会，以实现强大且可推广的个性化界面。然而，共同适应会创建一个双学习者系统，用户和解码器之间具有动态交互。设计共同适应界面需要新的工具和框架来分析和设计用户解码器交互。在本文中，我们回顾了用户机界面中的自适应解码、用户学习和共同适应，主要是用于运动控制的脑机、肌电和运动学界面。然后，我们讨论了共同适应接口的性能标准，并提出了一种设计用户-解码器共同适应的博弈论方法。
测量神经元雪崩以告知脑部计算机界面
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年12月14日发布。 https://doi.org/10.1101/2022.06.14.495887 doi：Biorxiv Preprint
基于SSVEP的大脑计算机界面，用于使用低
一般权利一般权利所有珍珠中的内容均受版权法保护。根据发布者政策提供作者手稿。请仅使用项目记录或文档中提供的详细信息引用发布的版本。在没有公开许可证的情况下（例如Creative Commons），应从出版商或作者那里寻求进一步重用内容的许可。取消策略取消政策，如果您认为本文档违反版权，请联系提供详细信息的图书馆，我们将立即删除对工作的访问并调查您的索赔。遵循以下工作：https：//pearl.plymouth.ac.uk/ada-research
社论：脑部计算机界面：新颖的应用和交互式技术
药物 - 靶相互作用（DTI）被认为是基因组药物发现的重要组成部分，DTI的计算预测可以加速到靶标的铅药物，这可以弥补缺乏耗时且昂贵的湿湿技术技术。当前，许多计算方法基于药物和靶标的顺序组成或理化特性来预测DTI，但是需要进一步的努力来改善它们。在本文中，我们提出了一种基于序列的新方法，以准确识别DTI。对于目标蛋白质，我们使用来自变压器（BERT）的预训练的双向编码器表示探索，以提取序列特征，这些序列特征可以提供独特而有价值的模式信息。对于药物分子，使用离散小波变换（DWT）来从药物分子纤维固定物中产生信息。然后，我们将DTI的特征向量加以连接，然后将它们输入由批处理层，矩阵线性激活层和线性层组成的特征提取模块，称为BRL块和称为卷积神经网络模块，以进一步提取DTIS。随后，将BRL块用作预测引擎。基于对比度损失和跨透明镜损失优化模型后，它给出了G蛋白偶联受体，离子通道，酶和核受体的靶族的预测准确性，最高为90.1、94.7、94.9和89％，这表明该建议的方法可以超过现有的预测者。提出的方法也可能是其他DIT的潜在选择。为了使研究人员尽可能方便，新预测器的Web服务器可自由访问：https：//bioinfo.jcu.edu.edu.cn/dtibert或http：//http：//121.36.221.79/dtibert/。
光学非侵入性大脑 - 计算机界面开发
国防高级研究项目局革命性的假肢计划占据了神经界面技术的潜力，使患者能够控制和感觉到假肢和手，甚至在模拟中驾驶飞机。这些具有里程碑意义的成就需要具有侵入性的，长期植入的穿透电极阵列，这在根本上与能够实现的战士或长期临床应用的应用根本不相容。非侵入性神经记录方法并不那么有效，遭受了时间和空间分辨率的严重限制，信噪比，深度渗透，可移植性和成本。为了缩小这些差距，约翰·霍普金斯大学应用物理实验室（APL）的研究人员正在探索光学技术，这些技术通过血液动力学特征或神经组织运动记录了与快速光学信号表示的神经活动相关的。尽管这两个签名在记录神经活动的时空分辨率和深度方面有所不同，但它们为实现便携式，低成本，高性能的脑部计算器界面提供了途径。如果成功，这项工作将帮助以思维速度迎接计算的新时代。
脑部计算机界面，以提供个性化的多感官干预措施
摘要为了揭示神经性疼痛经历的复杂性，研究人员试图使用脑电图（EEG）和皮肤电导（SC）鉴定可靠的疼痛特征（生物标志物）。尽管如此，它们用作设计个性化疗法的临床帮助仍然很少，并且患者处方常见和效率低下的止痛药。为了满足这种需求，新型的非药理干预措施，例如经皮神经刺激（TENS），通过神经调节和虚拟现实（VR）激活外周痛缓解，以调节患者的注意力。但是，所有当前治疗方法都遭受患者自我报告的疼痛强度的固有偏见，具体取决于其倾向和耐受性，以及未考虑疼痛发作的时间的未明确，预定义的会话时间表。在这里，我们显示了一个脑部计算机界面（BCI），该界面检测到来自EEG的神经性疼痛的实时神经生理学特征，并因此触发了结合TENS和VR的多感官干预。验证多感官干预有效减轻了实验性诱发的疼痛后，通过电力诱导疼痛，用13个健康受试者对BCI进行了测试，并在实时解码疼痛中显示了82％的回忆。然后用八名在线疼痛精度达到75％的神经性患者进行了验证，因此释放了在神经性患者疼痛感知中引起显着降低（50％NPSI评分）的干预措施。这为使用完全便携式技术的个性化，数据驱动的疼痛疗法铺平了道路。我们的结果证明了从客观神经生理学信号中实时疼痛检测的可行性，以及VR和TEN的触发组合的有效性以减轻神经性疼痛。
在脑机界面，神经计算和机器人技术中的博士后位置
神经计算和工程实验室正在寻找与脑机界面，深度学习，神经计算和机器人技术有关的项目的多个博士后研究员。我们的小组使用机器学习技术来研究神经回路和设计下一代脑机界面中的计算。我们正在寻求在重点网络模型，计算神经科学和脑机界面设计的重点领域雇用博士后。除此之外，我们还在寻找一个专门重点的博士后，以机器人的武器和计算机视觉系统，不需要神经科学 /神经工程的背景。要了解有关我们的研究的更多信息，请访问我们的实验室网站（http://seas.ucla.edu/~kao/）或通过kao@seas.ucla.edu向Jonathan Kao（PI）发送电子邮件。候选人必须拥有博士学位。特别鼓励那些在机器学习，神经科学，神经/电气工程，计算机科学，应用数学或统计数据方面具有强大背景的人。候选人有望具有强大的职业道德；出色的组织，人际交往能力；软件技能；和批判性思维能力。要申请，请发送求职信，并将简历发送至kao@seas.ucla.edu。
超越主电机皮层以改善脑部计算机界面
大脑 - 用于运动恢复的计算机接口（BCIS）通常会从其主电机皮层（M1）中的神经活动中解码用户的意图，并使用此信息来启用外部设备的“心理控制”。在这里，我们认为M1的活动具有太少和太多的信息，无法进行最佳解码：太少了，因为超出其超出其的许多区域都会贡献独特的电动机，并且具有与运动相关的信息，而与运动相关的信息缺乏或以其他方式从M1活动中解析；太多了，在那个电机命令中，与注意力和反馈处理等非运动过程纠缠在一起，从而极大地阻碍了解码。我们认为，通过整合来自多个大脑区域的其他信息来开发BCIS，可以更好地解释用户的意图，从而规避这两个挑战。
开发重症监护设置患者的脑部计算机界面
意识障碍很常见，无论有或没有急性脑损伤。最近对急性脑损伤的研究已经确定了行为无反应的患者，这些患者显示了通过功能磁共振成像（fMRI）或脑电图（EEG）检测到的自愿性脑激活的证据[1，2]。证明这种激活的患者处于一种称为认知运动解离（CMD）状态，这在一项研究中与后来的意识和功能结果的行为恢复有关[1]。这些患者目前没有能力与亲人或医疗保健提供者进行沟通，尽管具有一定程度的意识。对患者的一个普遍挑战是他们无法始终有效地传达其最根本的身体需求[3]，例如无法识别的疼痛，不适，控制和不安全感的失去感，人格化，焦虑，睡眠障碍，恐惧和挫败感[4]。非副技术（例如唇读和手势）是这些患者的主要交流手段。但是，这些方法通常不足以进行有效的交流[5]。大脑计算机界面（BCI）技术将脑电活动转化为通常由脑电图记录的脑电活动，绕过其他身体功能的计算机命令[6，7]。尽管有效地使用了BCI系统来康复目的[8，9]，但在重症监护环境中的引入仍有限[10-12]。在重症监护设置中实施BCI系统已面临许多技术和后勤挑战。这些挑战包括由于听觉或身体干扰而导致的低可靠性，目标定向思维的可能灭绝和疲劳[13]。其他挑战包括身体残疾。患者可能由于眼睑失用或其他视觉障碍而无法成功使用基于视觉的BCI系统。利用基于触觉输入的系统也可能会构成挑战，因为止痛药，延长的床架和皮肤破裂。基于听觉的BCI任务可能是最有前途的，但并非没有自己的挑战。对重症患者的听觉BCI研究经常在一次会议上报告高可变性和/或表现不佳[12]。多个会话在忙碌的ICU环境中构成挑战。鉴于此，目前在重症监护室（ICU）中研究了BCI系统，重点是快速可靠的信号（例如，“是”/“''/''''二进制信号[11]，稳态的视觉诱发潜在的潜在 - 基于（SSVEP-）基于（SSVEP）的通信[10]或瞬态唤起的潜力（p300或n200或n200或n200或n200或n200）[12] [12]）或拼写。所有这些系统都是基于提示的（同步）BCI系统，它们限制了患者，因为它们仅在向患者出现提示的预定周期内活跃。用户只能在这些前特定时期内生成响应。自定进度（异步）系统始终是活跃的，并通过连续记录的数据分析大脑活动。这些系统允许患者自行自由地激活BCI。自定进度的BCI系统拥有自己的一套Challenges。这种方法特别有前途，因为急性脑损伤的患者通常具有波动的精神状态，并且可能在预定的时间前一刻无法使用基于CUE的方法进行。由于随着时间的推移连续处理的大量数据，自定进度的BCI系统必须依赖于高真实的正率和较少的假阳性检测[14]。这项研究的总体目标是开发和测试一个自定进度的BCI系统的原型，该系统可以在重症监护环境中采用，这将为研究提供基础