XiaoMi-AI文件搜索系统
World File Search SystemBCIs
计算机接口 (BCI)
近年来，神经科学领域的科学发现与人工智能领域的发展相结合，导致了一系列神经技术的发展。神经成像系统、神经刺激器和脑机接口 (BCI) 的进步正在带来增强、控制和“阅读”大脑的新方法。此外，尽管 BCI 最初是在医学领域开发和使用的，但现在它们越来越多地应用于其他领域（娱乐、营销、教育、国防工业）。我们按照系统评价和荟萃分析的首选报告项目 (PRISMA) 指南进行了文献综述，以提供有关使用 BCI 的伦理问题的背景信息。从所审查研究的主题数据分析中得出的伦理问题包括围绕人类尊严、人格和自主权、用户安全、耻辱和歧视、隐私和安全、责任、研究伦理和社会正义（包括获得这项技术）的问题。本文试图解决这些问题的各个方面。我们发现了许多不同的伦理问题，这些问题大部分与先前研究的结果一致。然而，我们发现了两个细微差别，它们与 BCI 相关的伦理问题实证研究以及 BCI 对国际关系的影响有关。本文还强调了所有利益相关者合作的必要性，以确保这项技术的伦理开发和使用，并提出了几项建议。生物伦理学原则提供了一个初步的指导框架，但在当前的人工智能领域，该框架应该进行修订，以应对 BCI 开发和使用带来的挑战。
脑机接口中的信息传输速率
摘要。目的。信息传输速率 (ITR) 或有效比特率是一种流行且广泛使用的信息测量指标，尤其适用于基于 SSVEP 的脑机 (BCI) 接口。通过将速度和准确性结合为单值参数，该指标有助于评估和比较不同 BCI 社区中的各种目标识别算法。为了计算 ITR，通常假设输入分布均匀，并且通道模型过于简单，该模型无记忆、静止且本质上对称，字母大小离散。因此，为了准确描述性能并启发未来 BCI 设计的端到端设计，需要更彻底地检查和定义 ITR。方法。我们将视网膜膝状体视觉通路承载的共生通信介质建模为离散无记忆通道，并使用修改后的容量表达式重新定义 ITR。我们利用有向图的结果来表征由于新定义导致的转换统计不对称与 ITR 增益之间的关系，从而得出数据速率性能的潜在界限。主要结果。在两个著名的 SSVEP 数据集上，我们比较了两种尖端目标识别方法。结果表明，诱导的 DM 通道不对称对实际感知的 ITR 的影响大于输入分布的变化。此外，证明了新定义下的 ITR 增益与通道转换统计的不对称呈反比。进一步表明，单独的输入定制可以带来感知的 ITR 性能改进。最后，提出了一种算法来寻找二分类的容量，并进一步讨论了通过集成技术将这些结果扩展到多类情况。意义。我们期望我们的研究结果将有助于表征高度动态的 BCI 通道容量、性能阈值和改进的 BCI 刺激设计，以实现人脑与计算机系统之间更紧密的共生，同时确保有效利用底层通信资源。
基于 EEG 的脑机接口 (BCI)
摘要 — 脑机接口 (BCI) 是用户和系统之间强大的通信工具，它增强了人脑直接与环境通信和交互的能力。过去几十年来，神经科学和计算机科学的进步推动了 BCI 的令人振奋的发展，从而使 BCI 成为计算神经科学和智能领域的顶级跨学科研究领域。可穿戴传感设备、实时数据流、机器学习和深度学习方法等最新技术进步增加了人们对基于脑电图 (EEG) 的 BCI 在转化和医疗保健应用方面的兴趣。许多人受益于基于 EEG 的 BCI，它有助于在工作场所或家中单调的任务下持续监测认知状态的波动。在本研究中，我们调查了脑电信号传感技术和 BCI 应用中计算智能方法的最新文献，弥补了过去五年 (2015-2019) 系统总结中的空白。具体来说，我们首先回顾了 BCI 的现状及其重大障碍。然后，我们分别介绍了用于收集和清理 EEG 信号的先进信号传感和增强技术。此外，我们展示了最先进的计算智能技术，包括可解释的模糊模型、迁移学习、深度学习和组合，以在流行的应用中监控、维护或跟踪人类的认知状态和操作性能。最后，我们提供了几个受 BCI 启发的创新医疗保健应用，并讨论了基于 EEG 的 BCI 的一些未来研究方向。
BCI、关系伦理和健全主义习性
1 David Kinney 和 Liam Kofi Bright (2023) 认为，特权群体应该忽略告知他们特权的信息，这是 Buchak 的风险规避理性模型 (2010, 2013) 所期望的。也就是说，那些拥有特权社会地位的人应该忽略那些告知他们有利于他们的实际社会不平等的信息。这甚至适用于那些已经努力让自己接受了解特权的潜在情感成本的人，因为在他们的模型中，无知不是源于意图或主动偏见，而是源于风险规避者的行为方式。如果有人预计警察和其他权威人士的审查较少，他们可能会从事风险更大的行为，否则这些行为的预期收益会更高。为了避免这种风险，精英代理人只是“不予理睬”，以免了解可能理性地激励他们承担更大社会风险的社会优势。由此他们认为，信息 DEI 培训成本高昂且无效。
光标BCIS的长期无监督重新校准
皮质内脑机构界面（IBCIS）需要频繁地重新校准，以维持由于随着时间的推移积累而导致的神经活动变化而保持稳健的性能。补偿这种非机构性将使您无需进行监督的重新校准期，在这种情况下，用户无法自由使用其设备。在这里，我们介绍了一个隐藏的马尔可夫模型（HMM），以推断用户在IBCI使用期间朝着哪些目标转向。然后，我们使用这些推断的靶标对系统进行重新训练，从而使无监督的神经活动适应。我们的方法在两个月内以大规模的闭环模拟和人类IBCI用户的闭环模拟以优于最高的最新技术。利用跨越五年IBCI记录的离线数据集，我们进一步显示了最近提出的重新校准的数据分配匹配方法如何在长时间尺度上失败；只有目标推断方法似乎能够实现长期无监督的重新校准。我们的结果表明，如何使用任务结构将嘈杂的解码器引导成一个高度表现的解码器，从而克服了临床翻译BCI的主要障碍之一。
fnirs-eeg bcis用于运动康复：评论
1智能神经工程枢纽（Hubin），Aspire Create，IOMS，伦敦大学学院（UCL），伦敦Stanmore，伦敦HA7 HA7 4LP，英国伦敦大学学院（UCL）； jianan.chen.22@ucl.ac.uk（J.C。）; yunjia.xia.18@ucl.ac.uk（y.x。）; xinkai.zhou.21@ucl.ac.uk（X.Z。）; Alex.thomas@ucl.ac.uk（A.T。）2 DOT-HUB，伦敦大学学院（UCL）医学物理与生物医学工程系，英国伦敦WC1E 6BT； ernesto.vidal@ucl.ac.uk（e.v.r。）; robert.cooper@ucl.ac.uk（R.J.C.）3数字健康和生物医学工程，电子和计算机科学学院，南安普敦大学，南安普敦大学SO17 1BJ，英国4 Aspire Create，骨科与肌肉骨骼科学系，伦敦大学学院（UCL），斯坦莫尔大学，伦敦伦敦HA7 4LP，英国伦敦HA7 4LP； r.loureiro@ucl.ac.uk（R.L.）; t.carlson@ucl.ac.uk（T.C。）*通信：Hubin.zhao@ucl.ac.uk†这些作者对这项工作也同样贡献。
社论：BCIS：儿童的研发
数百万患有严重神经系统障碍的儿童与世界建立联系的能力有限，剥夺了他们的基本权利。大脑计算机界面（BCIS）是一种快速发展的潜在解决方案。尽管BCI技术和设计方面取得了进展以及良好的需求，但孩子们几乎完全忽略了BCI研究。这正在发生变化，该研究主题提供了具体的例子，说明了小儿BCI快速新兴领域的基本问题。面向患者的方法对于满足儿科种群需求的BCI的设计至关重要。与以患者为导向的设计相符，Rowley等。将功率流动性确定为严重神经残疾儿童家庭的一个共同目标。他们证明了临床小儿BCI计划组织试验临床试验的能力，将简单，实用的BCI系统与已建立的功率流动培训技术相结合。得到参与者家庭的认可，其结果证明了这种方法的可行性，并提供了有望推动未来研究的功能性能的证据。BCI与其他辅助技术的杂交是一种良好的策略，可最大程度地提高性能和实际影响。尽管很容易想象这种技术的引人注目的用途，但迄今为止，儿童的研究受到限制。填补了这一差距，墨西岛和亚当斯对基于混合EEG的BCI系统进行了广泛的审查，从有复杂需求的儿童及其家人的角度来看。Jadavji等。包括> 40项相关研究，它们描述了混合BCIS设计的多种策略，包括选择系统和范式元素，这些策略有望为未来的研究提供信息，并可以帮助将现代的杂交方法带入小儿BCI。使用BCI用于临床康复是一个快速发展的研究领域，与小儿种群特别相关。例如，即使在半脑膜大脑麻痹的儿童中发现了可比的负担，所有关于中风引起的偏瘫的BCI的研究都集中在成年人群上。迈出了缩小差距的第一步是将BCI与围产期卒中和半肢体的一组儿童组合BCI与功能性电刺激（BCI-FES）相结合的第一个初步试验。确认患有较大脑病变的儿童操作简单的BCI系统以及配对运动EEG信号的可耐受性，并在paretic肢中执行功能运动。第2阶段临床试验似乎处于直接状态。
基于SSVEP的BCI中的多频率刺激方法
摘要 — 稳态视觉诱发电位 (SSVEP) 因其众多优点而成为脑机接口 (BCI) 中最广泛使用的模式之一。然而，由于 SSVEP 中谐波的存在和响应频率范围有限，因此很难在不牺牲接口其他方面或对系统施加额外限制的情况下进一步扩大目标数量。本文介绍了一种用于 SSVEP 的新型多频刺激方法，并研究了其有效增加呈现目标数量的潜力。所提出的刺激方法是通过叠加不同频率的刺激信号获得的，具有尺寸效率高、允许单步目标识别、对可用频率范围没有严格限制、适用于自定步调的 BCI，并且不需要特定的光源。除了刺激频率及其谐波之外，诱发的 SSVEP 波形还包括刺激频率的整数线性组合的频率。使用仅以频率和谐波为参考的典型相关分析 (CCA) 解码从九名受试者收集的 SSVEP 的结果也证明了在基于 SSVEP 的 BCI 中使用这种刺激范式的潜力。
基于SSVEP的BCIS
摘要 - 稳定的视觉诱发电位（SSVEP）基于脑部计算机界面（BCIS），由于其快速通信速率和高信噪比，近年来已经大量研究了基本的研究。传输学习通常用于通过来自源域的辅助数据来提高基于SSVEP的BCI的性能。这项研究提出了一种通过转移模板和转移的空间过滤器来增强SSVEP识别性能的间接转移学习方法。在我们的方法中，通过多个协方差最大化训练空间过滤器，以提取与SSVEP相关的信息。培训试验，单个模板和人工构造的参考之间的关系涉及培训过程。将空间过滤器应用于上述模板以形成两个新的传输模板，并通过最小平方的回归获得了传输的空间滤波器。可以根据源主题和目标受试者之间的距离来计算不同源主题的贡献得分。最后，为SSVEP检测构建了四维特征向量。为了证明所提出的方法的有效性，采用了公开可用的数据集和一个自收集的数据集进行绩效评估。广泛的实验结果验证了提出的改善SSVEP检测方法的可行性。