XiaoMi-AI文件搜索系统
World File Search SystemAsymmetry
验证可穿戴 MUSE 耳机的脑电图频谱分析和额叶阿尔法不对称
摘要 — EEG 功率谱密度 (PSD)、个体 alpha 频率 (IAF) 和额叶 alpha 不对称 (FAA) 都是 EEG 频谱测量，已广泛用于评估实验和临床环境中的认知和注意力过程，并且可用于现实世界的应用（例如远程 EEG 监测、脑机接口、神经反馈、神经调节等）。高密度 EEG 记录系统的成本高、移动性低、准备时间长，这些因素限制了其潜在应用。低密度可穿戴系统解决了这些问题，并可以增加对更大和多样化样本的访问。本研究测试了低成本、4 通道可穿戴 EEG 系统 (MUSE) 是否可用于快速测量连续 EEG 数据，从而产生与研究级 EEG 系统 (64 通道 BIOSEMI Active Two) 相似的频率分量。我们将参考乳突的 MUSE EEG 数据的频谱测量与具有两个不同参考的 BIOSEMI EEG 数据的频谱测量进行比较以进行验证。我们特意收集了最少量的数据来测试实际应用的可行性（EEG 设置和数据收集在 5 分钟内完成）。我们表明 MUSE 可用于检查所有频带的功率谱密度 (PSD)、单个 alpha 频率 (IAF；即峰值 alpha 频率和 alpha 重心) 和额叶 alpha 不对称。此外，我们观察到使用 MUSE 记录的 alpha 功率和不对称测量具有令人满意的内部一致性可靠性。估计 PAF 和 CoG 频率上的不对称性与传统方法（整个 alpha 波段）相比没有产生显着优势。这些发现应推动在大量参与者样本中使用可穿戴神经技术进行人类神经生理监测，并提高其在现实环境中实施的可行性。关键词——可穿戴 EEG、功率谱密度、频域、信号验证、额叶 alpha 不对称、单个 alpha 频率 (IAF)。
手动运动的成功取决于人格特征，大脑不对称和授课程度
摘要：基于运动图像的脑部计算机界面（BCIS）越来越多地用于神经疗程中。但是，有些人无法控制BCI，这是大脑活动和人格特征的特征。尚不清楚BCI对照的成功是否与半球间的不对称性有关。这项研究是在44名BCI主体上进行的，其中包括一个BCI疗程，EEG分析，16pf Cattell问卷调查，对潜伏左手的估计以及真实和成像运动的主观复杂性。在保留，实用，持怀疑态度和不是非常社交的个体中，左手（LH）运动的想象力（LH）运动的成功率更高。外向性，活力和优势对于“纯”右手中的右手（RH）运动的想象力以及潜在左撇子的灵敏度显着。真实LH和图像RH运动的主观复杂性与与RH相比的LH运动的想象中的脑状态识别的成功相关，并取决于惯用水平。因此，惯性水平是影响BCI控制成功的因素。数据应该与运动控制，多巴胺侧向化的半球差异有关，并且对中风后患者的康复可能很重要。
脑不对称检测和机器学习分类用于诊断早期痴呆症“2279
摘要：早期识别人类大脑的退化过程对于提供适当的护理和治疗至关重要。这可能涉及检测大脑的结构和功能变化，例如左右半球之间不对称程度的变化。计算算法可以检测到变化，并用于痴呆症及其阶段（遗忘性早期轻度认知障碍 (EMCI)、阿尔茨海默病 (AD)）的早期诊断，并有助于监测疾病的进展。在这方面，本文提出了一种可以在商用硬件上实现的数据处理管道。它使用从阿尔茨海默病神经影像计划 (ADNI) 数据库的 MRI 中提取的大脑不对称特征来分析结构变化，并使用机器学习对病理进行分类。实验提供了有希望的结果，区分了认知正常 (NC) 的受试者和患有早期或进行性痴呆症的患者。经过测试的监督机器学习算法和卷积神经网络在 NC vs. EMCI 中的准确率分别达到 92.5% 和 75.0%，在 NC vs. AD 中的准确率分别达到 93.0% 和 90.5%。所提出的流程为痴呆症的分类提供了一种有前途的低成本替代方案，并且可能对伴有大脑不对称变化的其他大脑退行性疾病有用。
前额叶不对称 BCI 神经反馈数据集
前额叶皮层 (PFC) 不对称是情感神经科学的重要标志，已引起人们的极大兴趣，与动机、饮食行为、同理心、风险倾向和临床抑郁症的研究有关。本文提供的数据是使用 PFC 不对称神经反馈 (NF) 作为脑机接口 (BCI) 范例的三个不同实验的结果，而不是旨在获得长期效果的治疗机制，使用功能性近红外光谱 (fNIRS)，众所周知，它特别适合研究 PFC 不对称，并且对伪影不太敏感。从实验角度来看，BCI 环境更加注重个体受试者的基线、时期内成功和持续的激活以及最低限度的训练。受试者池也来自普通人群，对特定行为模式的偏见较少，并且不包含任何患者数据。我们在数据集中附上了数据格式、实验和协议设计的详细描述，以及基于基线阈值和参考任务的成功分数定义的个性化指标的分析。本文介绍的工作是 BCI 领域的几项实验的结果，其中参与者按照实时 NF 范式与连续视觉反馈进行交互，这源于我们在情感计算领域的长期研究。我们向社区提供这些实验的 fNIRS 数据集。我们特别提供从我们的情感交互领域的实证研究中提取的数据，这些研究与计算机生成的叙述以及与启发式搜索等算法的交互，所有这些都提供了一种机制来提高参与者由于其逼真的视觉反馈而参与主动 BCI 的能力。除了提供参与者实时接受背外侧前额叶皮层 (DLPFC) 左半侧不对称激活增加的 NF 的方法细节外，我们还重申了精心设计协议的必要性，以确保实时视觉反馈能够适应参与者的个体反应，从而增强 BCI 中 NF 范式的优势。个性化反馈对于 BCI 中 NF 的成功至关重要。
从时间不对称到量子纠缠
物理基础中最困难的两个问题是（1）引起时间的箭头，以及（2）量子力学的本体论是什么。我对这两个问题提出了一个统一的“ Humean”解决方案。张力使我们能够将过去的假设和统计假设纳入最佳系统，然后我们用它来简化宇宙的量子状态。这使我们能够以一种没有明显的复杂性来授予量子状态的法态状态，并探讨了过去假设的原始版本面临的“超类问题”。我们将结果理论称为Humean统一。它提供了时间不对称和量子纠缠的一致解释。在这一理论上，引起时间的箭头也是量子现象的原因。新理论具有可分离的马赛克，最佳的系统，简单且无关，量子力学和特殊相对论之间的张力较小，并且理论和动态统一性更高。Humean Unifiration会导致新见解，这些见解对Humeans和非人类都有用。
从时间不对称到量子纠缠
物理学的哲学基础中最困难的两个问题是：(1)时间之箭的由来以及 (2)量子力学的本体论是什么。第一个问题令人费解，因为物理学的基本动力学定律并不包括时间之箭。第二个问题令人费解，因为量子力学波函数描述的是一种不可分离的现实，它与我们日常经验中的对象有显著不同。在本文中，我们提出了一个统一的“休谟式”解决方案来处理这两个问题。休谟主义允许我们将过去假说和统计公设纳入最佳系统，然后用它来简化宇宙的量子态。这使我们能够以一种不会给最佳系统增加显著复杂性的方式赋予量子态法理地位，并解决了过去假说原始版本面临的“超自然类问题”。我们将这一策略称为休谟统一。它将时间不对称和量子纠缠的起源结合在一起。根据这一理论，时间之箭的产生也是自然界中不可分离现象的原因。结果是一个更加统一的理论，具有可分离的马赛克，最佳系统简单且不模糊，量子力学和狭义相对论之间的矛盾更少，理论和动态统一性更强。然后，我们将我们的建议与文献中仅关注两个问题之一的建议进行比较。我们的分析进一步表明，为了更深入地了解科学哲学中的问题，即使不是休谟主义者，探索休谟主义的全部资源也会大有裨益。
生物膜结构和成分-II的流动性和不对称性：目标：本讲座的主要目标是：简要讨论不规则
细胞的边界是由生物膜形成的，即定义细胞内部和外部的屏障。这些障碍可以防止细胞内部产生的分子泄漏出来，并从扩散中散开分子；然而，它们还包含允许细胞采用特定分子并去除不需要的传输系统。此类运输系统授予膜选择性渗透性的重要特性。膜是动态结构，其中蛋白质漂浮在脂质的海中。膜的脂质成分形成了通透性的屏障，蛋白质成分充当泵和通道的传输系统，可将选定的分子进入和流出细胞。生物膜形成不对称结构，并且像具有流动性一样是流体，即具有各种细胞分子的易位酶。生物膜的不对称性可以部分归因于膜内蛋白质的不规则分布。生物膜的脂质双层由外部小叶和内部小叶组成，它们分布在两个表面之间，以在外表面和内表面之间形成不对称性。这个不对称的组织对于细胞功能（例如细胞信号传导）很重要。生物膜的不对称性反映了膜的两个传单的不同功能。如磷脂双层的流体膜模型所示，膜的外部和内部小叶在其组成中是不对称的。膜流动性是指