XiaoMi-AI文件搜索系统
World File Search SystemAttention
VERA：虚拟环境记录注意力
摘要 — 患有注意力缺陷多动障碍 (ADHD) 的儿童在日常生活中表现出不同的症状，例如难以集中注意力、冲动、难以调节运动功能等。最常用的治疗方法是药物治疗，但会产生副作用。另一种解决方案是行为治疗，但似乎并不比药物治疗效果更好，而且成本更高。一种越来越受关注的新方法是使用神经反馈 (NF) 来教患者自己调节症状，通过以可理解的形式可视化大脑活动。此外，虚拟现实 (VR) 是 ADHD 背景下 NF 的支持环境。然而，在进行 NF 之前，确定与症状表现相对应的生理信号特征非常重要。我们在此提出了一个新框架，该框架基于可嵌入 VR 耳机的设备对脑电图 (EEG) 和视线方向的联合测量，目标是估计注意力状态。在信号采集的同时，执行注意力任务来标记生理信号。从信号中提取特征，并应用机器学习 (ML) 模型来检索注意力状态。这项初步研究提供了令人鼓舞的结果，能够在多种情况下做出正确的分类。此外，带有标记生理信号的数据集正在开发中。这将有助于更好地理解 ADHD 症状背后的机制。关键词 —虚拟现实、眼动追踪、脑机接口、机器学习
使用转移学习和注意力的高级种族分类：实时指标，错误分析和可视化的轻量级学习
背景和目标：深度学习技巧极大地推动了面部图像的种族分类进步。尽管取得了这些进步，但许多现有方法依赖于复杂的模型，这些模型需要大量的计算成本并表现出缓慢的处理速度。本研究旨在通过利用转移学习以及结合了基于注意力的学习的改进的有效网络模型来介绍一种有效，强大的种族分类方法。方法：在这项研究中，有效的网络被用作基本模型，应用转移学习和注意机制来增强其在种族分类任务中的功效。有效NET的分类器组件在战略上进行了修改，以最大程度地减少参数计数，从而在不损害分类精度的情况下提高处理速度。为了解决数据集不平衡，我们实施了广泛的数据增强和随机的过采样技术。修改模型经过严格培训和在全面的数据集上进行了评估，并通过准确性，精度，召回和F1得分指标进行了评估。结果：修改后的有效网络模型表现出显着的分类精度，同时显着降低了UTK-FACE数据集的计算需求。具体来说，该模型的准确度为88.19％，反映了基本模型的增强2％。此外，它证明记忆消耗和参数计数减少了9-14％。此外，提出的方法增强了培训样本少约50％的班级测试准确性约5％。实时评估显示，处理速度的速度比基本模型快14％，并且达到了最高的F1得分结果，这强调了其对实际应用的有效性。结论：本研究提出了一个基于改进的有效网络体系结构的高效种族分类模型，该模型利用转移学习和基于注意力的学习来实现最先进的表现。所提出的方法不仅持有高精度，还可以确保快速处理速度，使其非常适合实时应用。调查结果表明，这种轻巧的模型可以有效地与更复杂和计算密集的最新方法相抗衡，从而为实践种族分类提供了宝贵的资产。
认知康复，以补救复杂的轻度创伤性脑损伤患者的注意力和记忆：病例系列
在患有轻度创伤性脑损伤（MTBI）的个体中，经常观察到抽象的注意力和记忆差异，尤其是在表现出神经结构异常的患者中，通常被称为复杂的轻度脑损伤（C-MTBI）。目前的病例系列采用定制的认知再培训干预措施和补偿技术，旨在增强C-MTBI患者日常生活（ADL）的注意力，记忆和活动。通过计算机断层扫描（CT）或磁共振成像（MRI）检测到的格拉斯哥昏迷量表（GCS）和神经影像异常的分数用于将病例分类为C-MTBI。使用目的抽样技术选择了本案例系列中的所有四个情况。使用脑功能障碍的PGI电池（PGI-BBD）评估了病例的认知功能障碍，而通过认知症状清单（CSC）的印地语版本测量了ADL的评估。患有C-MTBI的患者经过了认知康复（CR）的特定量身定制的，以应对其认知义务性质的独特要求和特征。认知再培训会议是在每两周一次的基础上系统地组织的，并补充了一次额外的每周一次，重点是补偿策略，这些策略是通过电话/视频会议面对面或面对面进行的。分别使用PGI-BBD和CSC重新评估了所有四个案例均完成CR会议，并在CR会话的竞争之后，认知功能和ADL进行了重新评估。目前的病例系列强调了CR计划的有效性，结合了认知培训和补偿策略在改善C-MTBI患者的注意力，记忆和ADL方面。所有四个案例均表现出CR计划后认知功能和ADL度量的显着改善，支持其适用性和治疗价值。
注意：负责药房的经理或同等级别的经理 华盛顿州法律规定，负责经理（或同等级别的经理）和所有药剂师
普通药房或医院药房自检工作表。请勿发送至委员会办公室。本报告和自检的主要目的是提供一个机会来识别和纠正不符合州和联邦法律的领域。本工作表不能取代美国药典 (USP) <797> 药物配制 - 无菌制剂。（注意：自检和委员会检查均不会评估您是否完全遵守药房执业的所有法律和规则。）通过回答问题并参考提供的相应法律/规则/ CFR，您可以确定您是否遵守了许多规则和法规。如果您已纠正任何缺陷，请在相应问题旁写上更正内容和更正日期。
揭示足球守门员隐蔽注意力的脑电图相关性：迈向创新运动训练程序
体育科学和神经科学的进步为设计高效且激励人心的运动训练工具提供了新的机会。例如，使用神经反馈 (NF)，运动员可以学会自我调节特定的大脑节律，从而提高他们的表现。在这里，我们专注于足球守门员的隐性视觉空间注意 (CVSA) 能力，这对于这些运动员取得优异成绩至关重要。我们寻找可用于基于虚拟现实的 NF 训练程序的 CVSA 脑电图 (EEG) 标记，即符合以下标准的标记：(1) 特定于 CVSA，(2) 可实时检测，(3) 与守门员的表现/专业知识相关。我们的结果表明，CVSA 最著名的 EEG 标记——被关注半视野同侧 α 功率增加——由于不符合标准 2 和 3 而无法使用。尽管如此，我们还是强调了运动员 CVSA 能力的提高与静息时 α 功率增加之间存在显著的正相关性。虽然该标记的特异性仍有待证实，但它符合标准 2 和 3。这一结果表明，可以为守门员设计创新的生态训练程序，例如结合使用 NF 和在虚拟现实中执行的认知任务。
MECASA：使用加性自注意力对混合 EEG-fNIRS 数据进行运动执行分类
运动执行是人类行为的一个基本方面，已利用 BCI 技术进行了广泛的研究。EEG 和 fNIRS 已被用于提供有价值的见解，但它们各自的局限性阻碍了性能。这项研究调查了融合脑电图 (EEG) 和功能性近红外光谱 (fNIRS) 数据在运动执行范式中对静息状态与任务状态进行分类的有效性。使用 SMR 混合 BCI 数据集，这项研究将单峰 (EEG 和 fNIRS) 分类器与多峰融合方法进行了比较。它提出了使用卷积加性自注意机制 (MECASA) 的运动执行，这是一种利用卷积运算和自注意来捕获多峰数据中复杂模式的新颖架构。 MECASA 建立在 CAS-ViT 架构之上，采用计算效率高、基于卷积的自注意模块 (CASA)、混合块设计和专用融合网络，将来自独立 EEG 和 fNIRS 处理流的特征组合在一起。实验结果表明，MECASA 在所有模态 (EEG、fNIRS 和融合) 中的表现始终优于成熟方法，与单模态方法相比，融合方法始终能提高准确性。fNIRS 通常比单独的 EEG 实现更高的准确性。消融研究揭示了 MECASA 的最佳配置，其中嵌入维度为 64-128 为 EEG 数据提供最佳性能，OD128（上采样光密度）为 fNIRS 数据产生优异结果。这项工作凸显了深度学习，特别是 MECASA，在增强 EEG-fNIRS 融合用于 BCI 应用的潜力。
变形金刚：纯粹基于注意力的网络学习
自我注意事项是指神经网络自行找出序列的哪些部分，例如单词句子或图像中的一系列斑点，共同有助于解决手头的问题。例如，对于语言翻译，自我注意力的目标是找出源语言中哪些单词在一起有助于目标语言中任何单个单词的产生。另一方面，在图像识别中，自我注意力将有助于网络弄清楚哪些补丁程序共同做出了最大的贡献，可以正确预测类标签。
注意力调节神经特征维度图中的刺激表征
图 1：对特定特征维度的注意力如何塑造神经特征维度图？A. 优先级图理论假设各种“特征维度图”用于根据其首选特征维度内的计算来索引视野中最重要的位置，并且这些图中的激活应根据观察者的目标进行缩放。如果正在进行的任务需要检测或辨别运动（例如，识别飞镖蜂鸟的运动方向），则相应“运动图”内的激活将增加与蜂鸟位置相关的重要性。运动图可以通过两种方式优先考虑超出空间注意力预期的局部效应的信息（例如，Sprague 等人，2018 年）。可以发生局部增强，这样只有具有关注特征的刺激的位置才会被优先考虑。或者，可以发生全局增强，这样整个地图上的激活被附加缩放，从而增加对任何位置关注特征维度的敏感度。这种类型的调制仍会驱动更强的目标表征，但当运动是目标相关特征维度时，还会在没有刺激的位置导致更强的反应。这里描绘了运动维度图，但调制同样适用于其他特征维度，例如颜色。B. 评估特征（运动）图中刺激位置和相反位置的激活可以区分局部和全局增强解释。两种模型都预测，当首选特征维度相关（例如运动；左）时，刺激将在刺激位置具有最大的激活。如果增强是局部的，那么相反位置的激活不应该在各种条件下改变（中间）。但是，如果存在全局增强，那么当运动与任务相关时，相反位置的激活应该增加。通过计算刺激和相反位置之间的激活差异，可以评估基于特征的调制的空间特异性（右）。如果运动图中注意运动条件的激活差异（刺激相反）较大，则增强是局部的。然而，如果关注颜色和运动条件之间的激活差异相似，则增强在特征维度图上是全局的。
注意力缺陷多动障碍与
目的：注意力缺陷多动障碍 (ADHD) 和创伤后应激障碍 (PTSD) 经常共病，并具有共同的核心症状。然而，性别和性别相关因素显著影响其患病率、临床表现和诊断。在这里，我们进行了系统的文献综述和荟萃分析，以研究儿童期和成年期 ADHD/PTSD 共病的性别差异。方法：对 PsycINFO 和 PubMed 进行范围审查，得出 13 项符合条件的研究，并具有完整的结果数据。我们使用合并比值比 (OR) 和 95% 置信区间 (CI) 对 ADHD/PTSD 的性别分层患病率进行了固定效应荟萃分析。使用年龄作为子组进行固定效应亚组分析。使用 I 2 指数和 Cochran 的 Q 检验评估效应大小异质性。结果：在整个样本中（N= 13,585；F= 7005，M= 6580），女性 ADHD/PTSD 的诊断率明显高于男性（OR = 1.32，p = 0.02）。研究间异质性低至中等且不显著（I 2 = 41%；p = 0.06），验证了固定效应模型。年龄分层亚组分析显示，仅在成年人口中，女性 ADHD/PTSD 的几率高于男性（OR=1.41；p = 0.01）。此外，在以 ADHD 为主要诊断的研究中（OR = 1.60；p = 0.002），以及在采用结构化临床访谈作为诊断工具的研究中（OR = 1.46；p = 0.009），女性更有可能被诊断出患有这两种疾病。结论：我们的研究首次表明，女性中的 ADHD 和 PTSD 之间的关联更强，这表明 ADHD 可能以性别特有的方式增加 PTSD 的风险。
幼儿园中注意力缺陷多动症（ADHD）的风险
学龄前儿童中的ADHD症状对社会发展有影响，尤其是社会能力。学龄前儿童中的ADHD症状将增加对立的行为和同龄人的行为问题，从而使儿童难以结交朋友并建立健康的关系。早期发现多动症风险很重要，但是学龄前儿童的ADHD风险的情况仍然不为人知。本研究旨在获得东爪哇幼儿儿童的多动症症状的描述。这项研究使用了描述性定量研究，样本量为202名学龄前儿童。检测ADHD风险的仪器是缩写的Conners评级量表（ACRS）。使用单变量分析分析了数据结果。数据分析的结果表明，有30％（202名）学龄前儿童患有多动症风险。最常见的ADHD症状是不懈或活动过多。这些发现表明，ADHD风险检测需要在学前班水平上注意。