XiaoMi-AI文件搜索系统
World File Search System诱发电位
背景音乐对稳定状态下精神疲劳的影响......
摘要：作为一种广泛使用的脑机接口（BCI）范式，基于稳态视觉诱发电位（SSVEP）的BCI具有信息传输速率高、对伪影容忍度高、在不同用户之间表现稳健等优势。然而，长时间重复刺激导致心理疲劳的发生率是基于SSVEP的BCI的一个关键问题。音乐通常被用作一种方便、非侵入性的缓解心理疲劳的方法。本研究通过在长时间的SSVEP-BCI任务中引入不同模式的背景音乐，探讨音乐对心理疲劳的补偿作用。通过脑电图功率指数、SSVEP幅度和信噪比的变化来评估被试的心理疲劳。研究结果表明，在SSVEP-BCI任务中引入激动人心的背景音乐可有效缓解被试的心理疲劳。此外，对于连续的 SSVEP-BCI 任务，在休息间隔阶段使用舒缓背景音乐的音乐模式组合被证明能更有效地减少用户的精神疲劳。这表明背景音乐可以为长时间的基于 SSVEP 的 BCI 实现提供切实可行的解决方案。
探索脑-人工智能接口中 c-VEP 解码的人工神经网络模型
摘要 — 对话式脑人工智能接口 (BAI) 是一种新型脑机接口 (BCI)，它使用人工智能 (AI) 帮助有严重语言障碍的人进行交流。它通过先进的 AI 对话代理将用户的广泛意图转化为连贯的、特定于上下文的响应。BAI 中意图翻译的一个关键方面是解码代码调制的视觉诱发电位 (c-VEP) 信号。本研究评估了五种不同的人工神经网络 (ANN) 架构，用于解码 BAI 系统中基于 c-VEP 的 EEG 信号，强调了轻量级、浅层 ANN 模型和使用来自其他参与者的数据进行预训练策略以增强分类性能的有效性。这些结果为 ANN 模型在解码基于 c-VEP 的 EEG 信号中的应用提供了宝贵的见解，并可能使其他基于 c-VEP 的 BCI 系统受益。索引术语 — 脑-人工智能接口 (BAI)、c-VEP、EEG、chatgpt、人工神经网络 (ANN)。
基于自动编码器的特征提取到鲁棒的基于SSVEP的BCIS
摘要：对于具有肌萎缩性侧面硬化症（ALS）的受试者，言语和非言语通知受到很大的损害。基于视觉诱发电位（SSVEP）的大脑计算机界面（BCIS）是成功的替代增强通信之一，可帮助ALS与他人或设备进行通信。对于实际应用，噪音的影响大大降低了基于SSVEP的BCI的性能。因此，开发基于SSVEP的强大BCI对于帮助受试者与他人或设备进行交流非常重要。在这项研究中，提出了基于噪声抑制的特征提取和深度神经网络，以开发出强大的基于SSVEP的BCI。为了抑制噪音的影响，提出了一种denoising自动编码器来提取降解功能。为了获得实用应用的可接受识别结果，深层神经网络用于发现基于SSVEP的BCI的决策结果。实验结果表明，所提出的方法可以有效地抑制噪声的影响，并且基于SSVEP的BCI的性能可以大大改善。此外，深神经网络的表现优于其他方法。因此，提出的基于SSVEP的BCI对实际应用非常有用。
BETA：面向 SSVEP-BCI 应用的大型基准数据库
脑机接口 (BCI) 提供了一种替代的交流方式，在过去 20 年里引起了人们日益增长的兴趣。具体来说，对于基于稳态视觉诱发电位 (SSVEP) 的 BCI，频率识别方法和数据共享已经有了显著的改进。然而，这个领域的公共数据库数量仍然有限。因此，我们在研究中提出了一个面向 BCI 应用的 BE 基准数据库 (BETA)。BETA 数据库由 70 名执行 40 个目标提示拼写任务的受试者的 64 通道脑电图 (EEG) 数据组成。BETA 的设计和获取是为了满足现实世界应用的需求，它可以用作这些场景的试验台。我们通过一系列分析验证了数据库，并对 BETA 上的十一种频率识别方法进行了分类分析。我们建议分别使用宽带信噪比 (SNR) 和 BCI 商来表征单次试验和人群水平的 SSVEP。BETA 数据库可从以下链接下载 http://bci.med.tsinghua.edu.cn/download.html。
针对 SC/ST/OBC-NC/PwBD/EWS 的特别招聘活动...
1. 医疗仪器：任何形式的医学成像；电生理仪器；诊断/监测仪器；手术/介入仪器。 2. 医学信号和医学图像处理：电生理信号处理（诱发电位、EEG、EMG、ECG 等）、体内医学图像处理。 3. 生理系统建模：心血管系统建模；肌肉骨骼建模；呼吸系统建模；生理建模的系统控制视角。 4. 生物医学工程数据科学：医院/临床层面的数字健康（AI/ML/IoT）应用 此外，候选人必须拥有工程或物理科学（生物医学、电气、仪器仪表、机械、计算、系统控制；物理、数学、统计学）的基本学位，具有人体系统和/或整个器官层面的研究背景，曾在生理系统/临床领域密切工作，未来有在人体系统/整个器官层面的研究计划。亚细胞、细胞和组织水平的研究工作将不予考虑。
通过减少刺激幅度深度
摘要 - 稳态视觉诱发电位（SSVEP）当前是脑部计算机界面（BCI）中使用最广泛的范例之一。尽管SSVEP-BCI的特征是它们的高且稳健的分类性能，但从用户体验的角度来看，反式刺激的重复表现是不舒服的。的确，SSVEP刺激的低水平视觉特征使它们随着时间的流逝而紧张，并且可能会破坏需要持续关注的任务。他们甚至可以诱导癫痫发作。本研究探讨了刺激幅度深度（90％的幅度降低），以设计SSVEP刺激，以改善用户舒适性的解决方案。在低振幅和标准的全幅度SSVEP刺激之间，系统比较了不同管道获得的分类精度。结果揭示了使用与任务相关的组件分析（TRCA）分类方法的高（99.8％）和低幅度（80.2％）刺激的高分类精度。目前的发现证明了减少SSVEP刺激幅度以增加用户舒适度为透明BCI操作铺平道路的有效性。
稳态视觉诱发电势中的数据分析 -
摘要 - 电脑摄影仪（EEG）已被广泛用于脑部计算机界面（BCI），这使瘫痪的人能够由于其便携性，高时间分辨率，较高的时间分辨率，易用性和低成本而直接与外部设备进行通信和控制。基于稳态的视觉诱发电位（SSVEP）基于BCI的BCI系统，该系统使用多种视觉刺激（例如计算机屏幕上的LED或盒子）在不同频率上流动的数十年来，由于其快速通信速率和高信号速率和高信号率而被广泛探索。在本文中，我们回顾了基于SSVEP的BCI的当前研究，重点介绍了能够持续，准确检测SSVEP的数据分析，从而可以进行高信息传输率。在本文中描述了主要的技术挑战，包括信号预处理，频谱分析，信号分解，特定规范相关性分析及其变化以及分类技术的空间过滤。还讨论了自发性大脑活动，精神疲劳，转移学习以及混合BCI的研究挑战和机遇。
脑电图在大脑和行为研究方面的百年应用
脑电图 (EEG) 是一种非侵入性神经成像技术，用于通过放置在头皮上的电极记录大脑的电活动。记录的信号，即脑电图（缩写为 EEG），是皮质神经元群（沿皮质柱排列的锥体细胞）中同步突触活动的产物。每个电极位置的电压波动反映了活动电极和参考电极之间的差分测量值，该差分测量值被放大并记录为 EEG 轨迹。这些电变化可以以高时间分辨率捕获，从而为了解亚毫秒范围内大脑活动的时间过程提供了一个窗口。EEG 在临床环境中被证明特别有用，因为某些异常的大脑功能病例会引起相对一致的 EEG 模式，这些模式可以被检测到。定量 EEG (qEEG) 促进了此类应用，定量 EEG 是应用数学技术提取 EEG 轨迹的数值特征以支持信号解释。 EEG 轨迹是癫痫的典型测试，可用于识别睡眠问题、确定大脑是活着还是死亡，或探测某些意识障碍。视觉诱发电位已用于诊断多发性硬化症（一种导致脱髓鞘的疾病），听觉诱发电位可检测新生儿的听力异常。通过将信号锁定在响应或外部刺激上并对多次试验的信号取平均值，可以提取与引起它的感觉、运动或认知事件特定相关的神经活动。这种技术经常用于监测整个发育过程中的大脑成熟度、精神疾病以及检查行为和药物治疗后的神经变化的研究。在学术研究中，EEG 通过对信号取平均值以及最近的单次试验分析，已被广泛用于探索与认知处理相关的基本问题，包括注意力、情绪、记忆和决策的研究。由于便携性和低成本，EEG 越来越多地用于现实环境、社区和其他神经成像工具过于昂贵或后勤不切实际的环境。利用 EEG 的商业应用也在不断增加，使大脑监测可供公众使用。它与人工智能、虚拟和增强现实等其他技术的结合，为与数字和物理世界的互动创造了新的可能性。脑机接口 (BCI) 的进展表明，EEG 可用于控制假肢和通信设备、提供神经反馈训练和促进身体康复。
用于神经信号记录的液态金属电极阵列
摘要：神经电极是神经科学、神经疾病和神经机接口研究的核心设备，是连接大脑神经系统和电子设备的桥梁。目前使用的大多数神经电极都是基于刚性材料，其柔韧性和拉伸性能与生物神经组织有显著不同。本研究采用微加工技术开发了一种基于液态金属 (LM) 的 20 通道神经电极阵列，该阵列采用铂金属 (Pt) 封装材料。体外实验表明，该电极具有稳定的电性能和优异的机械性能，如柔韧性和弯曲性，使电极与颅骨形成保形接触。体内实验还使用基于 LM 的电极从低流量或深度麻醉下的大鼠记录了脑电信号，包括由声音刺激触发的听觉诱发电位。使用源定位技术分析了听觉激活的皮层区域。这些结果表明，基于 20 通道 LM 的神经电极阵列满足脑信号采集的需求，并提供支持源定位分析的高质量脑电图 (EEG) 信号。
大脑通讯 AIN 通讯
心脑整合动力学对于内感受（即感知身体信号）至关重要。在这项前所未有的纵向研究中，我们评估了接受原位心脏移植的患者和匹配的健康对照者的内感受的神经认知标记。对患者在术前（T1）、数月后（T2）和一年后（T3）进行了纵向评估。我们评估了内感受的行为（心跳检测）和电生理（心跳诱发电位）标记。心跳检测任务显示，患者和对照组在术前（T1）的内感受相似。然而，心脏移植后（T2），患者的表现优于对照组，但在随访分析（T3）中没有观察到这种差异。从神经生理学上讲，虽然心跳诱发电位分析显示手术前（T1）各组之间没有差异，但在移植后两个阶段（T2、T3）发现患者的这种事件相关电位的幅度降低。所有这些显著的影响在与不同的心脏病学测量方法共变后仍然存在。总之，这项研究为脑心通路的适应性特性带来了新的见解。