XiaoMi-AI文件搜索系统
World File Search SystemBCI
空间编码的BCI
在空间外观视野中，空间编码的SSVEP BCI在稳态视觉诱发对视觉闪烁刺激的反应的地形中利用了变化。与频率编码的SSVEP BCI相比，操作员不会注视任何闪烁的灯；因此，此范式可以减少视觉疲劳。其他优点包括高分类精度和简化的刺激设置。对范式的先前研究使用了固定持续时间的刺激间隔。对于频率编码的SSVEP BCIS，已经表明，动态调整试验持续时间可以提高系统的信息传输速率（ITR）。因此，我们研究了通过应用动态停止方法，是否可以为空间编码的BCI实现类似的增加。到此为止，我们引入了一个新的停止标准，该标准结合了分类结果的可能性及其在较大数据窗口中的性能。，BCI的平均ITR为28.4±6.4位/ min/ min，固定间隔，动态间隔将性能提高到81.1.1±44.4位/分钟。用户能够保持长达60分钟的连续操作的性能。我们建议动态响应时间可能是一种时间反馈，使操作员可以优化其大脑信号并补偿疲劳。
第八届国际 BCI 会议
简介：我们开发了一种新型、微创的脑机接口，可降低开放式脑外科手术的风险。我们的设备 Stentrode 是通过血管造影植入的，部署时可自行扩张以符合血管曲率。材料、方法和结果：2019 年 8 月，我们的开创性参与者在运动皮层上方的上矢状窦中植入了 Stentrode BCI。Stentrode 连接到植入胸大肌区域的无线遥测装置，该装置与 brainOS 软件一起能够获取、传输和解释他的神经信号。数据采集在植入后 7 周开始，以确保伤口正常愈合。在初始数据采集后的 5 周内，参与者正在使用该系统控制通信软件并向朋友、家人和当地议会发送电子邮件。结合眼动追踪，他能够以每分钟 14 个正确字符 (CCPM) 的速度打字，错误率为 9%（748 次试验中出现 68 次错误）。讨论：通过消除有风险的开脑手术的要求，Stentrode 提供了一种比侵入式 BCI 更安全的替代方案，同时仍然保持了从颅骨下方获取的高质量信号。三个月的临床随访未显示血栓形成、感染或阻塞的迹象，再加上初步疗效结果，它为侵入式 BCI 系统提供了一种可行的替代方案。意义：我们在世界上首次证明了血管内脑机接口的临床可行性，表明 Stentrode 可以获取、传输和解释神经信号，使因运动神经元疾病导致上肢瘫痪的参与者能够在家中控制通信软件。
BCI 战略计划 - 犹他州 DPS
犹他州刑事鉴定和调查局成立时，其目的是通过指纹识别和新兴技术集中和促进犹他州的刑事鉴定工作，增强执法部门的调查能力，并防止错误鉴定。尽管创始人希望该局提供“调查”服务，以协助警察机构和局内调查人员的愿景从未实现，但 BCI 已成为警察机构的重要工具。经过 97 年的发展，犹他州刑事鉴定局从国会大厦地下室的简陋起步发展成为现在的 11 个部门机构。从负责对犹他州枪支购买进行背景调查的布雷迪部门，到决定是否有资格删除犯罪历史以期获得更美好未来的抹除部门。BCI 拥有现代化、正义和公共安全的传统。
具有间断性的 BCI 的黎曼通道选择......
摘要— 目标：会话间非平稳性是当前脑机接口 (BCI) 面临的主要挑战，会影响系统性能。在本文中，我们研究了使用通道选择来减少黎曼 BCI 分类器的会话间非平稳性。我们使用协方差矩阵的黎曼几何框架，因为它具有鲁棒性和良好的性能。当前的黎曼通道选择方法不考虑会话间非平稳性，通常在单个会话中进行测试。在这里，我们提出了一种新的通道选择方法，该方法专门考虑非平稳性影响，并在多会话 BCI 数据集上进行评估。方法：我们使用顺序浮动后向选择搜索策略删除最不重要的通道。我们的贡献包括：1) 在黎曼框架中通过不同标准量化多类问题中非平稳性对大脑活动的影响；2) 一种预测 BCI 性能是否可以通过通道选择提高的方法。结果：我们在三个基于多会话和多类心理任务 (MT) 的 BCI 数据集上评估了所提出的方法。与使用所有通道相比，它们可以显著提高受会话间非平稳性影响的数据集的性能，并且在所有数据集上都明显优于最先进的黎曼通道选择方法，尤其是在选择小通道集大小时。结论：通过通道选择降低非平稳性可以显著提高黎曼 BCI 分类准确性。意义：我们提出的通道选择方法有助于使黎曼 BCI 分类器对会话间非平稳性更具鲁棒性。索引词——脑机接口、EEG、黎曼流形、通道选择、非平稳性。
使用 BCI 技术控制无人机
无人机，又称无人驾驶飞行器 (UAV)，是一种远程或自主操作的飞行器。无人机的使用率有所提高，因为现在可以使用它们执行人类无法完成的复杂任务。脑电图 (EEG) 由大脑的电活动产生，可以通过在头皮上放置电极来测量。使用 EEG 信号控制无人机的想法是指使用 EEG 技术来控制无人机的运动。EEG 信号用于确定用户的意图并将其转换为发送给无人机的命令。对于这个项目，我们开发并测试了一个系统，该系统的目的是使用头带控制无人机，当无人机飞行员做出面部表情时，头带会检测来自无人机飞行员的 EEG 信号。商用 EEG 头带将用于记录执行三种面部表情时产生的 EEG 信号：抬起眉毛、用力眨眼和向左看。头带有三个电极，形式为小金属盘，可以测量三个额叶皮层。在本实验中，将从三个不同的人身上获取记录，并使用 OpenBCI GUI 软件分析和记录从他们身上记录下来的 EEG 信号。记录的数据将传输到 MATLAB 软件。然后，数据将经过特征提取过程，以设计人工神经网络 (ANN)。之后，将训练人工神经网络对实验选择的面部表情进行分类，一旦训练完成，神经网络将转换为一个函数，该函数将被发送到 MATLAB，目的是根据创建的神经网络执行的分类分析向 DJI Tello 无人机发送命令。
长距离 alpha 同步作为 BCI 的控制信号
。CC-BY-NC-ND 4.0 国际许可，根据 （未经同行评审认证）提供，是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2022 年 5 月 28 日发布。；https://doi.org/10.1101/2022.05.25.493035 doi：bioRxiv 预印本
一种用户友好的基于 SSVEP 的 BCI，使用不可感知的...
摘要：利用四类相位编码刺激，开发了基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）系统。将高于临界融合频率（CFF）的60Hz闪烁光诱发的SSVEP与15Hz和30Hz的SSVEP进行比较。采用任务相关成分分析（TRCA）方法检测脑电图（EEG）中的SSVEP成分。对17名受试者的离线分析表明，60Hz的最高信息传输速率（ITR）为29.80±4.65bpm，数据长度为0.5s，分类准确率为70.07±4.15％。在线BCI系统在4s的60Hz下达到平均分类准确率为87.75±3.50％，ITR为16.73±1.63bpm。具体来说，受试者在60Hz下的最大ITR为80bpm，持续时间为0.5s。虽然60Hz的BCI性能低于15Hz和30Hz，但行为测试的结果表明，在无闪烁感知的情况下，60Hz的BCI系统比15Hz和30Hz的BCI系统更舒适。相关性分析表明，信噪比（SNR）较高的SSVEP对应更好的分类性能，舒适度的提高伴随着性能的下降。本研究证明了使用无感知闪烁的用户友好型SSVEP BCI的可行性和潜力。
使用 BCI 的大脑控制机器人
脑机接口 (BCI) 技术应成为系统与各个客户之间的有效接口工具。无需外部组件即可提供所需命令并完成事务。最初，这些类型的接口是考虑到各种类型的医疗应用而开发的，这些应用可导致支持设备的制造。BCI 的应用范围不断扩大，引发了其在医疗应用方面的参与，尤其是在非瘫痪人类的生活中。从这个角度来看，BCI 也为健全用户带来了许多好处。BCI 的贡献已扩展到工业、教育、娱乐等不同领域。尽管人们对 BCI 技术抱有各种期望，但它必须妥善处理技术限制和用户挑战。本文将探讨 BCI 系统面临的困难及其各自的解决方案。