XiaoMi-AI文件搜索系统
World File Search System运动方向
DNA损伤在肾小管上皮细胞损伤中的作用
从脑电图（EEG）信号中解码人的手移动对于开发主动的人类增强系统至关重要。尽管现有研究为从EEG信号解码单手运动方向做出了很大的贡献，但在相反的手移动条件下解码主要的手移动方向仍保持开放。在本文中，我们研究了基于相反手移动下的EEG信号的主要手部运动方向的神经特征，并基于运动相关皮质电位（MRCP）的非线性动力学参数开发了一种新颖的解码方法。实验结果表明，在相反的手移动下，手动运动方向之间MRCP的显着差异。此外，在相反的手运动状态下，提出的方法的表现良好，平均二元解码精度为89.48±5.92％。这项研究可能为上肢的未来发展的人类增强系统奠定了基础，损害了患者和健康的人，并开辟了新的途径，以从EEG信号中解释其他手移动参数（例如，速度和位置）。
飞行模拟器中的运动 进化的故事 | 航空焦点
驾驶飞机时，人脑不断接收加速度变化的信息，并根据飞行条件对其进行解释。平稳飞行是指所有平面的加速度都恒定或接近恒定的状态。当加速度出现多个不同幅度的变化时，就会出现湍流飞行。当飞机转弯、爬升或下降，或增加或降低速度时，就会产生加速度，我们可以对其进行解释，并影响我们的控制输入。例如，用力向后拉操纵杆会导致运动方向快速改变，我们感觉到的是“G”。这种感觉的强度很可能会促使我们放松或停止控制输入，以降低变化率（或加速度），从而降低此操作的“G”，并使飞机恢复稳定飞行状态。
Magnescale 数字测量仪通用目录 - GeBoTech GmbH
• 测量范围：110 mm / 4.33" • 精度：4 μ m • 分辨率：0.5 μ m • 直接连接到 A/B 正交计数器 • 减少测量误差 • 精密双主轴支撑可实现平稳的主轴运动和几乎无误差的测量。 • 减小测量力 使用测量平衡器（选件），测量力可以在三个可选步骤中减小到最小 0.3 N。无论主轴运动方向如何，力都保持恒定。 • 软主轴返回。制动机制降低了主轴返回速度，从而消除了损坏表面板或工件的危险。
Magnescale 数字仪表
• 测量范围：110 mm / 4.33" • 精度：4 μ m • 分辨率：0.5 μ m • 直接连接到 A/B 正交计数器 • 减少测量误差 • 精密双主轴支持可实现平稳的主轴运动和几乎无误差的测量。• 减小测量力 使用测量平衡器（选件），测量力可以在三个可选步骤中降低到最小 0.3 N。无论主轴运动方向如何，力都保持恒定。• 软主轴返回。制动机制降低了主轴返回速度，从而消除了损坏表面板或工件的危险。
将神经群体格式与功能联系起来
标题：将神经元群体格式与功能联系起来作者：Douglas A. Ruff 1、Sol K. Markman 1,2、Jason Z. Kim 3、Marlene R. Cohen 1 1 美国伊利诺伊州芝加哥大学神经生物学系 2 美国马萨诸塞州麻省理工学院脑与认知科学系 3 美国纽约州伊萨卡康奈尔大学物理系摘要 具有复杂行为的动物往往比简单生物具有更多不同的大脑区域，而执行多项任务的人工网络往往会自组织成模块 (1-3)。这表明不同的大脑区域发挥着不同的功能来支持复杂的行为。然而，一个常见的观察是，动物感觉、知道或做的任何事情基本上都可以从任何大脑区域的神经活动中解码 (4-6)。如果万物无处不在，为什么还要有不同的区域？这里我们表明，大脑区域的功能更多地与不同类型的信息在神经表征中如何组合（格式化）有关，而不仅仅与这些信息是否存在有关。我们比较了两个大脑区域：中颞区（MT），对视觉运动感知很重要（7，8），以及背外侧前额叶皮质（dlPFC），与决策和奖励预期有关（9，10））。当猴子根据运动和奖励信息的组合做出决策时，这两种类型的信息都会出现在两个大脑区域中。然而，它们的格式不同：在 MT 中，它们是单独编码的，而在 dlPFC 中，它们以反映猴子决策的方式联合表示。一个反映了 MT 和 dlPFC 中信息格式的循环神经网络（RNN）模型预测，操纵这些区域的活动将对决策产生不同的影响。与模型预测一致，电刺激 MT 偏向于视觉运动刺激和受刺激单元的首选方向之间的中间位置的选择（11），而刺激 dlPFC 则产生“赢家通吃”决策，有时反映视觉运动刺激，有时反映受刺激单元的偏好，但绝不会介于两者之间。这些结果与模块化结构通过灵活地重新格式化信息来实现行为目标，从而实现复杂行为的诱人可能性相一致。神经群体反应中不同信息源的格式化在单个神经元中并不明显。长期以来，人们都知道单个神经元的反应反映了多种感觉、认知和/或运动过程。例如，MT 神经元针对视觉运动方向进行调整（7、8、12-14），其反应受到奖励信息（例如与刺激或选择相关的预期奖励）和其他认知过程的调节（通常成倍增加）（15-18）。然而，从单个神经元研究中收集到的已知的调整和调制模式与群体中关于运动方向和奖励信息的多种格式化方式相一致（有时称为表征几何或神经群体几何（19, 20））。之所以出现不同的可能性，是因为即使是相同调整的神经元，也会受到认知过程的异质性调制。通过在对运动方向具有相同调整的神经元中增加一些奖励预期调制量的随机性来模拟这种异质性（图 1A；方法）可以产生运动方向和奖励预期的群体表示，这些表示要么是可分离的（在每个神经元的响应为一维的空间中以不同维度编码；图 1B、C、D），要么是组合的（以相同维度编码；图 1E、F、G）。可分离和组合群体格式之间的差异无法从单个神经元响应中得知，而是来自于奖励预期的调制如何以及是否在整个群体中协调。
PSAEEGNet：基于金字塔挤压注意力机制的 CNN，用于 RSVP 任务中的单次试验 EEG 分类
脑机接口 (BCI) 技术通过解释脑电活动实现了人与计算机或其他外部设备之间的直接通信 (Cecotti and Graser, 2010; Manor and Geva, 2015)。BCI 技术在各个领域有着广泛的应用，例如运动方向识别 (Zhang et al., 2022a)、情绪识别 (Chen et al., 2019; Joshi and Ghongade, 2021; Tao et al., 2023) 和癫痫发作检测 (Xu et al., 2020; Dissanayake et al., 2021; Jana and Mukherjee, 2021; Wang B. et al., 2023)。同时，研究人员正在积极研究脑电图 (EEG) 在目标识别领域的潜在应用 (Lan et al., 2021)。在复杂环境中，计算机视觉容易受到环境干扰，
模仿缺陷的神经建模 - 信息科学
简介。失用症通常被定义为无法进行自主运动，且无法用基本运动、感觉或认知缺陷（不是由虚弱、共济失调、运动不能、神经传导阻滞、不注意命令或理解能力差引起）来解释。一些失用症患者无法模仿无意义的手势，这被认为可以测试从视觉感知到运动控制的直接路径的完整性，而不是通过语义表征或语言概念介导的。关于人体的知识也很重要，因为失用症患者无法将身体形态映射到自己的身体或人体模型上[2]。运动学研究表明，患者要么表现出完全正常的运动轮廓，但最终位置异常；要么表现出运动异常（运动方向缓慢和反复改变），但目标正确[4]。空间运用障碍似乎源于一种基本缺陷，这种缺陷可能与目标位置的心理表征和在线视觉控制策略的运动异常有关。
通过运动学分析
对避免进近倾向的调查传统上依赖于基于计算机的技术，这些技术主要是通过改编时间来表征人类行为的。但是，这些技术无法准确量化其他动力变量，例如手动速度和运动方向。为了解决这些限制，已经开发了新的机器人设备，从而为人类行为提供了更多样化和准确的定量评估。本技术报告介绍了Kinarm上的避免接近任务的适应性，这是一个机器人平台，旨在跟踪参与者与虚拟环境互动的上肢运动。这种避免进近任务的这种变体评估了两个臂在十二个方向上的运动。此外，可以应用电阻载荷来研究物理效果在避免进近倾向或支持康复方案中的作用。数据和来自试验样本（n = 5）的数据突出了Kinarm进近避免接近任务的功能（KAAT）。