XiaoMi-AI文件搜索系统
World File Search System穿戴
纳米分辨率可穿戴无线医疗...
摘要—基于颅骨变形的无创颅内压 (NIICP) 方法已被证明是评估颅内压 (ICP) 和顺应性的重要工具。本文介绍了一种新型无线传感器的开发和特性，该传感器使用此方法作为其工作原理，设计为易于使用、具有高分辨率和实现良好的可访问性。首先，简要回顾了 ICP 的生理学基础和 NIICP 方法的历史演变。然后介绍了传感器架构和所选组件的原理，旨在确保纳米位移测量、高速将模拟分辨率转换为数字、最少的失真、无线通信和信号校准。NIICP 信号的典型幅度为 5 µ m，因此 NIICP 波形分析需要至少 1% 的该幅度的分辨率。我们还使用纳米位移测试系统展示了传感器的 40 纳米分辨率，该系统还可以动态响应 50 至 180 bpm 的 NIICP 信号，而不会出现任何显著失真（P2/P1 比率的最大偏差为 2.6%）。该设备的未来应用非常广泛，可以增强对颅内动力学的临床评估。
可穿戴和可植入软生物电子器件
能够实时记录生理信号并提供适当治疗的高性能可穿戴和植入设备在个性化医疗改革中发挥着关键作用。然而，刚性无机设备与柔软有机人体组织之间的机械和生化不匹配会造成严重问题，包括皮肤刺激、组织损伤、信噪比降低以及使用时间有限。因此，人们投入了大量研究精力，通过使用灵活、可拉伸的设备设计和软材料来克服这些问题。在这里，我们总结了软生物电子学的最新代表性研究和技术进展，包括可变形和可拉伸的设备设计、各种类型的软电子材料以及表面涂层和处理方法。我们还重点介绍了这些策略在新兴软可穿戴和植入设备中的应用。我们最后总结了目前的一些局限性，并对这一蓬勃发展的领域的未来前景进行了展望。
低成本，基于脑电图的可穿戴癫痫发作...
癫痫病是一种慢性和严重的神经系统疾病，影响了全球6500万人[1]。尽管特发性在许多情况下，癫痫发作可能是由先前对大脑的创伤引起的，例如在分娩，头部损伤和/或细菌性脑膜炎期间缺氧[2]。除了由大脑过多的神经元活动引起的生理症状之外，癫痫病通常是社会污名的主题，患者经常因自治和自主权丧失而受到歧视，误解和更广泛社会的排斥[1]。尽管可以成功治疗许多病例，但对于患者而言，治疗通常无法访问或昂贵，从而阻止他们治疗疾病并缓解其症状[1]。在低收入和中等收入国家中，这一点尤其清楚，许多疾病已经全面存在巨大的治疗差距，而全球癫痫癫痫的中位癫痫治疗差距从2012年的25％到100％[2] [2]。癫痫的最危险和后果之一是癫痫病突然出现意外死亡（SUDEP）[3]。考虑到在引起SUDEP诱发的癫痫发作的开始仅15分钟后，发现患者容易发生且无脉动，因此据信，在每次癫痫发作的必要癫痫患者中避免潜在的SUDEP或一般身体损伤之前，允许进行快速或过早干预的设备和方法[3]。
Neuropose：使用EMG可穿戴设备
无处不在的手指运动跟踪可以在增强现实，体育分析，康复 - 医疗保健，触觉等方面进行许多令人兴奋的应用程序。本文介绍了神经蛋白，该系统显示了使用柏拉图可穿戴肌电图（EMG）传感器进行3D手指运动跟踪的可行性。EMG传感器可以通过手指激活引起的肌肉感知电势，从而提供丰富的信息，以获得细粒的手指运动感测。然而，将传感器信息转换为3D手指的姿势是微不足道的，因为来自多个手指的信号以复杂的模式在传感器处叠加。为解决这个问题，神经蛋白与机器学习架构在复发性神经网络（RNN），编码器 - 编码器网络和重新NETS上的机器学习体系结构中融合了信息，从而从噪声EMG数据中解释了3D手指运动。生成的运动模式在时间上是光滑的，并且在解剖学上是一致的。此外，要利用一种转移学习算法将一个用户的验证模型调整到具有最小培训开销的新用户。对12位用户的系统研究表明中位错误为6。24◦和90％的误差为18。33◦在跟踪3D指关节角。准确性对于传感器安装位置的自然变化以及用户的腕部位置变化是可靠的。神经蛋白是在智能手机上实施的，其处理延迟为0.101，并且高能开销。
带有 EEG 可穿戴耳机的人机交互
内在人在环强化学习 (HITL-RL) 是一种通过使用可穿戴脑电图 (EEG) 耳机捕捉脑电波来隐式获取人类反馈的方法。它可以显著加速 RL 算法的训练收敛，同时减轻参与训练循环的人类的负担。虽然人类自然会观察 RL 代理的表现，但代理的任何错误行为都可以通过 EEG 信号中的误差电位 1 (ErrP) 识别。然后可以将此信息合并到 RL 算法的奖励函数中以加速其学习。因此，误差电位的检测精度会显著影响 RL 算法的收敛时间。这项工作的重点是使用仅使用现成的 EEG 可穿戴设备检测到的用户脑电波来可靠地检测误差电位。我们首先提出一种新的误差电位解码算法，该算法利用 EEG 信号的空间、时间和频域特性。我们开发了三个类似 Atari 的游戏环境，并招募了 25 名志愿者进行评估。所提出的算法实现了 73.71% 的准确率（比目前最先进的算法提高了 8.11%）。然后我们展示了一种智能丢弃低置信度估计的改进算法能够将准确率提高到 79.51%（提高了 16.63%）。
可穿戴触觉游戏控制器 - arXiv
本文概述了可穿戴游戏控制器的开发，该控制器结合了振动触觉反馈，为控制数字游戏提供了低成本、多功能和直观的界面。该设备与许多传统的触觉反馈实现不同，它将基于振动触觉的触觉反馈与基于手势的输入相结合，从而成为用户和虚拟环境之间的双向管道。该设备旨在挑战所谓的“界面”，并借鉴了行动者网络理论领域的工作，有意模糊人与机器之间的界限。这可以提供更身临其境的体验，因此直观的界面不会让用户感觉自己正在控制飞机，而是让用户成为由用户手部动作控制的飞机。该设备带来了有趣的动作和刺激。它为游戏环境中的触觉控制器在便携式和低成本解决方案方面开辟了新领域。
通过可穿戴设备进行疲劳监测：最先进的...
疲劳的客观测量在职业健康和安全等领域至关重要，因为疲劳会损害认知和运动能力，从而降低生产力并增加受伤风险。可穿戴系统代表了疲劳监测的极具前景的解决方案，因为它们能够在无人值守的环境中持续、长期监测生物医学信号，并具有所需的舒适性和非侵入性。这是开发实时疲劳监测准确模型的先决条件。但是，通过可穿戴设备监测疲劳带来了独特的挑战。为了概述目前通过可穿戴设备监测与疲劳相关的变量的最新技术，并发现当前知识中的潜在差距和缺陷，进行了系统回顾。在 Scopus 和 PubMed 数据库中搜索了自 2015 年以来以英文发表的文章，标题中包含术语“疲劳”、“困倦”、“警觉”或“警觉”，并提出了基于可穿戴设备的非侵入性疲劳量化系统。在检索到的 612 篇文章中，有 60 篇符合纳入标准。纳入的研究主要是短期的，并且在实验室环境中进行的。总体而言，研究人员根据市场上可穿戴设备获取的运动 (MOT)、脑电图 (EEG)、光电容积图 (PPG)、心电图 (ECG)、皮肤电反应 (GSR)、肌电图 (EMG)、皮肤温度 (T sk )、眼球运动 (EYE) 和呼吸 (RES) 数据开发疲劳模型。在提出的疲劳量化方法中，监督机器学习模型，更具体地说是二元分类模型占主导地位。这些模型在检测疲劳方面表现非常出色，然而，在模型开发过程中，几乎没有努力确保使用高质量的数据。总之，本综述的结果表明，方法论的局限性阻碍了大多数提出的疲劳模型的普遍性和现实世界的适用性。需要做更多的工作来充分探索可穿戴设备在疲劳量化方面的潜力，以及更好地理解疲劳与生理变量变化之间的关系。
使用可穿戴传感器评估物料处理
本作品受美国版权法保护（公法 94-553，第 107 节）。根据版权法中定义的合理使用，允许对本材料进行简短引用，但需进行适当的致谢。未经作者明确书面许可，不得将本材料用于经济利益。
迈向移动和可穿戴脑机接口
简介：脑机接口 (BCI) 尚未被主流采用作为控制范例，因为大多数 BCI 系统都很笨重、难以设置，并且在移动环境中通常表现不够好，无法取代现有的输入模式。然而，BCI 可能有望成为多模式系统的一部分，当用户的手不空闲和/或无法发出语音命令时，该系统可以增强交互，这通常是高度移动应用领域的要求。随着电极功能的最新进展以及移动设备和头戴式显示器处理能力的提高，现在可以在移动设备上实时获取、发送和处理 EEG 信号。这些改进使得构建可穿戴移动 BCI 成为可能，它可以为主流用户和残疾人提供替代的交互方法。本摘要描述了我们正在进行的设计和评估可穿戴移动 BCI 组件的工作中的两项试点研究。材料、方法和结果：在我们的第一项研究中，我们的目标是设计一个 BCI 来检测所有可穿戴组件的 SSVEP。谷歌眼镜 [2] 用于同时向参与者呈现两个闪烁的视觉刺激，频率为 13 Hz 和 17 Hz。我们的 EEG 放大器是一块 OpenBCI 板，我们使用定制的 3D 打印夹子将其夹在参与者的腰带上。我们使用三个电极：枕骨（Oz）作为信号、乳突作为接地、耳垂作为参考，来检测 SSVEP 信号。我们记录了 EEG 数据以供离线分析。在 10 个疗程中，使用图 1 所示的装置，我们可以检测到参与者正在关注两个刺激中的哪一个，对于 13 Hz 的准确率为 76%-84%，对于 17 Hz 的准确率为 67%-72%，对于 1 秒长滑动窗口 SSVEP 的 PSD 振幅谱作为特征，使用对每个刺激单独训练的 10 倍交叉验证 RF 分类器。我们将实验扩展到步行-秒表刺激场景，发现单个刺激 1 秒长滑动窗口 SSVEP 的准确率为 93%。我们第二项研究的目的是确定是否可以用易于制作的定制入耳电极替换头皮电极，该电极改编自 Looney [1] 讨论的耳电极设计。我们使用 eFit s 扫描仪创建了参与者左耳的模型。然后，我们 3D 打印了一个耳机，并放置了 3 个预凝胶的 Ag/AgCl 接地板电极，并用银箔覆盖，使它们接触外耳的耳道壁。将用于比较的入耳电极和 Oz 连接到可穿戴 OpenBCI 系统和距离用户 6 厘米的闪烁的 13Hz LED。如图 2 所示，枕骨区域的峰值 SSVEP 幅度高于耳道，但 SNR 也增加了，因此使用可穿戴 BCI 从耳朵和头皮的检测准确率可达到 80-90%。