XiaoMi-AI文件搜索系统
World File Search System脑电
电神经成像、脑网络和神经反馈协议的新进展
人类脑电生物反馈 (神经反馈) 始于 20 世纪 40 年代 [1]，使用 1 个脑电图记录通道，然后在 20 世纪 90 年代发展到 4 个通道。电神经成像领域的新进展使用低分辨率电磁断层扫描 (LORETA) 脑电图三维电流源将脑电生物反馈扩展至 19 个通道 [ 2]。2004 年至 2006 年，开发了将脑电图与健康参考数据库进行“实时”比较的概念，并使用基于统计钟形曲线的表面脑电图 z 分数神经反馈进行测试，该统计钟形曲线称为“实时”z 分数。开发“实时”或“现场”规范参考数据库比较是为了帮助减少选择什么阈值来激活反馈信号的不确定性，并将所有脑电图测量值统一为一个值，即与年龄匹配的参考样本平均值的距离。 2009 年，LORETA z 分数神经反馈通过针对被称为布罗德曼区域的大脑网络中心进一步提高了特异性。2009 年创建了一个症状检查表程序，以帮助将症状与基于 fMRI 和 PET 和神经学的大脑网络失调联系起来。症状检查表和基于 NIH 的网络将症状与大脑网络联系起来，源自 1990 年开始的人类大脑映射程序，该程序至今仍在继续。
GIIST_潜在导师名单_博士联合项目_2425.xlsx
类脑计算是借鉴脑科学基本原理，打破 “ 冯诺依曼 ” 架构束缚的新型计算技术。本研究组将从理论和器件两个方向对类脑计算展开协同 研究。 理论方面：研究类脑计算架构、模型和算法，探索基于类脑计算的类脑智能的基础理论；借鉴神经元模型、神经环路传导、神经编码 及认知、学习、记忆、决策等神经机制，逐步建立和完善类脑处理信息处理的数学 / 计算原理和模型；构建类脑计算和智能的统一理论 框架。为类脑计算器件及系统的发展提供理论基础。 器件方面：基于新材料和新技术，研究新型高性能类脑神经器件，解决一致性差、可靠性差、规模化难等痛点；研究基于类脑神经器 件的网络架构，构建大规模阵列，开展外围电路的研发与设计；研究基于新型类脑器件的感知和计算架构，发展感存、存算、感存算 一体系统。
电 - ...在...
摘要。交通摄像头的视频供稿对于许多目的都是有用的，其中最关键的是与监视道路安全有关。车辆轨迹是危险行为和交通事故的关键要素。在这方面，至关重要的是要脱离那些异常的车辆轨迹，即偏离通常的路径的轨迹。在这项工作中，提出了一个模型，以使用流量摄像机的视频序列自动解决该模型。该提案通过框架检测车辆，跨帧跟踪其轨迹，估计速度向量，并将其与其他空间相邻轨迹的速度向量进行比较。可以从速度向量的比较中，可以检测到与相邻的trajectories非常不同（异常）的轨迹。实际上，该策略可以检测错误的轨迹中的车辆。模型的某些组成部分是现成的，例如最近深度学习方法提供的检测；但是，考虑了几种不同的选择和分析车辆跟踪。该系统的性能已通过各种真实和合成的交通视频进行了测试。
跨受试者脑电情绪分类的迁移判别词典对学习方法
脑电信号具有不易伪装、可携带、无侵入等特点，在情绪识别中被广泛应用。然而由于个体差异的存在，不同受试者的同一种情绪状态下的脑电信号数据分布会存在一定的差异。传统的情绪识别方法为了得到对新受试者分类效果良好的模型，需要收集大量新受试者的标记数据，但这往往不现实。本研究针对跨受试者脑电情绪分类提出了一种迁移判别字典对学习（TDDPL）方法。TDDPL方法将不同受试者的数据投影到领域不变子空间中，基于最大均值差异（MMD）策略构建迁移字典对学习。在子空间中，TDDPL学习共享的综合字典和分析字典，搭建从源域（SD）到目标域（TD）的判别知识桥梁。通过最小化每个子字典的重构误差和类间分离项，学习到的合成字典具有判别性，而学习到的低秩编码具有稀疏性。最后，在 TD 中，基于分类器参数、分析字典和投影矩阵构建判别分类器，而无需计算编码系数。在 SEED 和 SEED IV 数据集上验证了 TDDPL 方法的有效性。
静息态脑网络与胃基础电节律的锁相
胃体中的 Cajal 肌间质细胞网络充当着胃的“起搏器”，持续产生约 0.05 Hz 的电慢波，主要通过迷走神经传入神经传递到大脑。最近的一项研究将静息态功能磁共振成像 (rsfMRI) 与同步表面胃电图 (EGG) 相结合，将皮肤电极放置在上腹部，发现 12 个大脑区域的活动与胃基础电节律明显相位锁定。因此，我们探究使用空间独立成分分析 (ICA) 方法估计的大脑静息态网络 (RSN) 的波动是否可能与胃同步。在本研究中，为了确定任何 RSN 是否与胃节律相位锁定，对一名参与者进行了 22 次扫描；在每个会话中，获取两次 15 分钟的 EGG 和 rsfMRI 数据。三个会话的 EGG 数据具有微弱的胃信号而被排除；其余 19 个会话总共产生了 9.5 小时的数据。使用组 ICA 分析 rsfMRI 数据；估计 RSN 时间进程；对于每次运行，计算每个 RSN 和胃信号之间的锁相值 (PLV)。为了评估统计意义，所有“不匹配”数据对（在不同日期获取的 EGG 和 rsfMRI 数据）的 PLV 被用作替代数据来生成每个 RSN 的零分布。在总共 18 个 RSN 中，发现三个与基础胃节律显著锁相，即小脑网络、背部体感运动网络和默认模式网络。肠脑轴负责维持中枢神经系统与内脏之间的内感受反馈，其紊乱被认为与多种疾病有关；脑部 rsfMRI 数据中胃部亚慢节律的表现可能对临床人群研究有用。
基于脑电信号的特征选择模型用于评估驾驶员的认知负荷
摘要：近年来，研究的重点是生成机制来评估受试者在执行各种需要高度集中注意力的活动（例如驾驶车辆）时的认知工作量水平。这些机制已经实现了多种分析认知工作量的工具，而脑电图 (EEG) 信号由于其高精度而最常使用。然而，实现 EEG 信号的主要挑战之一是找到适合识别认知状态的信息。在这里，我们提出了一种基于机器学习技术的使用 EEG 信号信息进行模式识别的新特征选择模型，称为 GALoRIS。GALoRIS 结合遗传算法和逻辑回归来创建一个新的适应度函数，该函数识别和选择有助于识别高和低认知工作量的关键 EEG 特征，并构建一个能够优化模型预测过程的新数据集。我们发现，GALoRIS 使用从多个 EEG 信号中提取的信息来识别与受试者驾驶车辆时的高和低认知工作负荷相关的数据，将原始数据集减少了 50% 以上，并最大限度地提高了模型的预测能力，实现了 90% 以上的准确率。
基于脑电信号的BCI虚拟康复及远程辅助设备技术综述
摘要：虚拟现实已广泛应用于娱乐、通信和医疗保健等各个行业。在医疗行业，结合脑机接口 (BCI)，虚拟现实可以产生康复措施，可能有助于实现远程康复或远程康复等新策略。BCI 的设计和开发集成了不同的过程，包括生物信号采集和处理、特征提取和选择、信号分类以及将该技术应用于接受康复治疗的患者。本文对侧重于 BCI 实施和基于虚拟现实实施的远程康复辅助技术的论文进行了文献综述。这篇综合评论的目的是找出那些利用虚拟现实与生物医学技术相结合来改善各种康复过程表现的研究。各种重新审视的研究为远程康复提供了一个完整的系统。这些发现可以导致将这些模型应用于各种康复任务。
一种稳态视觉诱发电位脑电信号的个性化压缩方法
摘要：稳态视觉诱发电位（SSVEP）作为一种信息丰富的脑电信号，在无线可穿戴设备中脱颖而出。然而，其数据通常非常庞大，占用过多的带宽源，并且在以原始数据形式传输时需要巨大的功耗，因此需要对其进行压缩。本文提出了一种针对SSVEP应用的个性化脑电信号压缩与重构算法。在该算法中，为了实现个性化，首先使用面向BCI应用的开放基准数据库（BETA）对初级人工神经网络（ANN）模型进行预训练。然后，通过增量学习为每个受试者生成自适应ANN模型来压缩他们的个人数据。此外，提出了一种个性化的非均匀量化方法来减少压缩引起的误差。在BETA上进行测试，当压缩率为12.7倍时，识别准确率仅下降3.79％。与不使用ANN、不使用均匀量化的情况相比，所提算法在准确度测试中可使信号损失从50.43%减少到81.08%。
长期肢体固定调节与抑制相关的脑电生理活动
长期固定对运动系统的影响已被描述为在运动准备、想象或执行期间，当必须进行运动时。但是，当必须抑制运动时会发生什么？长期肢体固定会调节运动抑制背后的生理反应吗？在健康参与者执行 Go/Nogo 任务时记录了事件相关电位 (ERP)，双手可以自由反应（T1/T4：固定前/后）或左手运动被石膏固定阻止时（T2：石膏固定后立即；T3：固定一周后）。在右侧（对照）侧，无论时间点如何，N140、N2 和 P3 成分在 Nogo 试验中显示出比在 Go 试验中更大的预期振幅。相反，在左侧（操纵侧），对 Nogo 试验的 ERP 反应的每个组成部分在不同时间点都表现出特定的差异，这表明抑制相关的 EEG 活动由于石膏的存在和固定时间的延长而显著降低。此外，在固定后阻断阶段（T3 阻断），对 Nogo 刺激的抑制相关 θ 波段活动降低。总之，这些发现可以解释为固定引起的可塑性变化的结果，石膏相关的皮质脊髓兴奋性调节（通过使用 TMS 研究）和对 Go 和 Nogo 试验的 β 波段降低也证明了这一点。因此，只有我们可以自由活动，抑制反应才会完全实现。固定一周后，阻断运动所需的抑制量较低，因此抑制相关反应也会降低。
