XiaoMi-AI文件搜索系统
World File Search System用脑
即插即用监控，利用肌肉和脑信号进行实时手势和错误检测
摘要 在各种潜在的安全关键场景中，对机器人进行有效的人工监督是确保机器人正确运行的关键。本文通过结合两种人体生物信号流（分别通过 EMG 和 EEG 获得的肌肉和大脑活动），朝着快速可靠的人工干预监督控制任务迈出了一步。它展示了使用肌肉信号对左手和右手手势进行连续分类、使用脑信号（在观察到错误时无意识产生）对错误相关电位进行时间锁定分类，以及结合这些管道在多项选择任务中检测和纠正机器人错误的框架。以“即插即用”的方式评估由此产生的混合系统，其中 7 名未经训练的受试者监督执行目标选择任务的自主机器人。离线分析进一步探索了 EMG 分类性能，并研究了选择可能促进可推广的即插即用分类器的训练数据子集的方法。
基于皮层脑电图的大脑研究现状...
或功能受限的患者，使用脑信号控制辅助医疗设备的能力将极大地改善生活质量。例如，患有肌萎缩侧索硬化症 (ALS) 或四肢瘫痪的患者在交流和运动控制方面有严重的障碍。对于 ALS 患者，眼动追踪可以为这些人提供控制设备的选择，但这项技术依赖于光照条件和完全眼球活动，而这在 ALS 晚期可能会受到限制。1 最近两项基于皮层脑电图 (ECoG) 的脑机接口 (BCI)（记录、放大和转换成外部设备计算机命令的系统）的研究为这些患者通过恢复交流或运动控制能力来改善对身体限制的自我管理带来了希望。2,3 在这篇综述中，我们主要关注两种功能障碍和发病率高的疾病——ALS 和四肢瘫痪，BCI 技术在这两种疾病中得到了最广泛的应用。
肌萎缩侧索硬化症脑机接口的寿命
使用脑机接口 (BCI) 进行交流的持久性尚未得到广泛研究，这些接口适用于患有进行性神经退行性疾病的人。我们报告了一位患有晚期肌萎缩侧索硬化症 (ALS) 的患者 7 年独立在家使用植入式通信 BCI 的情况，该患者于 2016 年报告了开始使用该产品的情况。在家使用的频率随着时间的推移而增加，以替代逐渐失去对眼球注视追踪设备的控制，随后在植入 6 年后使用频率逐渐减少。当 BCI 控制变得不可靠时，在家使用就结束了。没有技术故障的迹象。相反，神经信号的幅度下降，计算机断层扫描成像显示进行性萎缩，这表明 ALS 相关的神经退行性病变最终导致 BCI 在多年成功使用后失效，尽管还有其他合理的解释。
感觉积极？根据脑信号预测情绪图像相似性
目前的视觉相似性概念是基于从图像内容中得出的特征。这忽略了用户对内容的情感体验，以及用户在搜索图像时的感受。在这里，我们将效价（情感评价的正或负量化）视为图像相似性的一个新维度。我们报告了最大规模的神经成像实验，该实验使用脑机接口的功能性近红外光谱来量化和预测视觉内容的效价。我们表明，情感相似性可以 (1) 直接从响应视觉刺激的大脑信号中解码，(2) 用于预测情感图像相似性，平均准确率为 0.58，高唤醒刺激的准确率为 0.65，(3) 有效地用于补充基于内容的模型的情感相似性估计；例如，当融合 fNIRS 和图像排名时，检索 F-measure@20 为 0.70。我们的工作为情感多媒体分析、检索和用户建模开辟了新的研究途径。
即插即用监控，利用肌肉和脑信号进行实时手势和错误检测
摘要 在各种潜在的安全关键场景中，对机器人进行有效的人工监督是确保机器人正确运行的关键。本文通过结合两种人体生物信号流（分别通过 EMG 和 EEG 获得的肌肉和大脑活动），朝着快速可靠的人工干预监督控制任务迈出了一步。它介绍了使用肌肉信号对左手和右手手势进行连续分类、使用脑信号（在观察到错误时无意识产生）对错误相关电位进行时间锁定分类，以及结合这些管道在多项选择任务中检测和纠正机器人错误的框架。以“即插即用”的方式评估由此产生的混合系统，其中 7 名未经训练的受试者监督执行目标选择任务的自主机器人。离线分析进一步探索了 EMG 分类性能，并研究了选择可能促进可推广的即插即用分类器的训练数据子集的方法。
![arXiv:2002.00538v1 [eess.SP] 2020 年 2 月 3 日](/simg/6\61319fe93dd478a149577aa0b161eb32886ef0da.webp)
arXiv:2002.00538v1 [eess.SP] 2020 年 2 月 3 日
脑机接口 (BCI) 不仅用于健康人控制外部设备，还用于恢复运动障碍患者的运动功能。解码运动意图是使用脑信号执行手臂运动任务的最重要方面之一。从脑电图 (EEG) 信号解码运动执行 (ME) 在之前的工作中表现出色，然而基于运动想象 (MI) 范式的意图解码迄今为止未能达到足够的精度。在本研究中，我们重点研究了一种针对 ME 和 MI 范式的具有迁移学习的稳健 MI 解码方法。我们获取了与手臂伸展 3D 方向相关的 EEG 数据。我们提出了一种基于关系网络 (BTRN) 架构的 BCI 迁移学习方法。与传统工作相比，解码性能最高。我们确认了 BTRN 架构有可能有助于使用 ME 数据集连续解码 MI。
使用脉冲耦合神经网络
摘要：图像处理可以定义为校正和更改图像及其解释的功能结构。数字图像处理的应用之一是使用组件和图像分割中的图像处理技术。这些技术之一是医疗世界中的磁共振成像（MRI）。在本文中，介绍了脑肿瘤检测系统以及各种异常和异常，其中图像预处理和制备包括图像增强，滤波和降低噪声。然后，图像分割是通过脉冲神经网络完成的。接下来，提取图像特征，最后，通过算法将肿瘤和异常区域与正常区域分离。在这项研究中，使用特征选择和集成方法，并使用脑MRI图像的最重要统计特征来改善脑肿瘤检测。以及进行的研究和肿瘤检测系统的实施，可以为将来的研究提供以下建议，并且肿瘤检测系统将更有效地工作。脉冲耦合神经网络（PCNN）可在预处理阶段进行图像分割，尤其是在图像过滤中。
帕金森病的冷漠症进展与脑萎缩和白质损伤有关
我们使用了 445 名参与者的 T1 加权磁共振成像 (MRI) 和临床数据。冷漠症是运动障碍协会统一帕金森病评定量表 (MDS-UPDRS) 第 I 部分的一部分进行评估的。我们应用基于变形的形态测量 (DBM) 来量化灰质萎缩，并使用脑组织分割 (BISON) 算法从 T1 加权图像中分割出 WMH。使用线性回归模型，我们进行了横断面分析，以确定基线脑测量值 (DBM 和 WMH) 与冷漠严重程度之间的关联。纵向分析利用线性混合效应模型来调查基线脑测量值是否与未来的冷漠症随时间进展有关，其中考虑了年龄、性别、运动伪影、Hoehn 和 Yahr 分期、左旋多巴等效日剂量 (LEDD)、颅内总容量 (TIV) 和基线冷漠等协变量。我们进行了基于假设和探索性的分析，以确认文献中先前报告的结果并探索潜在的新关联。
阅读！ - Neurotech@Berkeley
2013 年，第一个神经发育性精神障碍模型是用脑类器官建立的。奥地利科学院的研究人员从一名小头症患者的 iPCS 中获得了脑类器官。小头症是一种以脑和头部尺寸明显缩小为特征的疾病。研究人员发现了一组与小头症有关的基因突变；然而，具有这些突变的小鼠模型无法复制人类患者大脑尺寸的缩小。利用人类类器官，研究人员能够复制这种大脑缩小并确定该疾病的根本原因之一。他们利用小头症患者的 CDK5 调节亚基相关蛋白 2 (CDK5RAP2) 突变对成纤维细胞进行了重新编程，以建立人类类器官模型。通过这个模型，他们可以将小头症相关的细胞异常追溯到 CDK5RAP2 的功能丧失。这些类器官的神经上皮区域和放射状胶质干细胞减少
使用长度训练进行语音图像分类...
摘要 —脑机接口利用脑信号来控制外部设备，而无需实际控制行为。最近，语音意象已被研究用于使用语言进行直接交流。语音意象使用用户想象语音时产生的脑信号。与运动意象不同，语音意象仍然具有未知的特征。此外，脑电图具有复杂和非平稳特性，导致解码性能不足。此外，语音意象难以利用空间特征。在本研究中，我们设计了长度训练，使模型能够对一系列少量单词进行分类。此外，我们提出了分层卷积神经网络结构和损失函数以最大化训练策略。所提出的方法在语音意象分类中表现出竞争力。因此，我们证明了单词的长度是提高分类性能的线索。关键词-脑机接口；脑电图；语音意象；卷积神经网络