XiaoMi-AI文件搜索系统
World File Search SystemEEG
评估佩戴耳机的脑电图系统在记录听觉诱发电位和心理负荷评估方面的作用
便携式神经成像技术的进步为深入了解日常行为背后的神经动力学和认知过程开辟了新的机会。在本研究中，我们评估了耳机式脑电图 (EEG) 系统对监测心理负荷的相关性。参与者 (N=12) 被指示在执行多属性任务电池 (MATB) 时注意偶尔出现的听觉警报，该任务电池的难度分为三种条件来操纵心理负荷。由听觉警报呈现引发的 P300 事件相关电位 (ERP) 被用作可用注意力资源的探测。在实验条件下比较了 P300 ERP 的幅度和延迟。我们的研究结果表明，可以使用耳机式 EEG 系统捕获 P300 ERP 成分。此外，对警报的神经反应可用于在单次试验水平上以高精度 (超过 80%) 对心理负荷进行分类。我们的分析表明，海绵传感器获取的信噪比在整个记录过程中保持稳定。这些结果突出了便携式神经成像技术在神经辅助应用开发中的潜力，同时也强调了目前将 EEG 传感器集成到日常生活可穿戴技术中存在的局限性和挑战。总的来说，我们的研究为越来越多的研究做出了贡献，这些研究探索了可穿戴神经成像技术在人类研究中的可行性和有效性
两个更好？将BCI和神经反馈的EEG和FMRI结合在一起：系统评价
脑电图（EEG）和功能磁共振成像（fMRI）是两种常用的非侵入性技术，用于测量神经科学和脑部计算机接口（BCI）中的大脑活动。虽然脑电图具有较高的时间分辨率和低空间分辨率，但fMRI具有高空间分辨率和低时间分辨率。在这篇综述中，我们专注于在神经反馈（NF）中使用脑电图和fMRI，并讨论结合两种方式的挑战，以提高人们对大脑活动的了解并实现更有效的临床结果。已经开发出高级技术来同时记录脑电图和fMRI信号，以便更好地了解两种方式之间的关系。然而，脑过程的复杂性和脑电图和fMRI的异质性质在从组合数据中提取有用的信息时面临着挑战。我们将调查现有的EEG-FMRI组合和最近利用NF EEG-FMRI的研究，从而强调了实验和技术挑战。我们还将确定该领域的剩余挑战。
用于混合 EEG-fMRI 神经反馈预测的稀疏 EEG 信息 fMRI 模型
通过功能性磁共振成像 (fMRI) 或脑电图 (EEG) 这两种互补方式测量大脑活动，是神经反馈 (NF) 机制背景下大脑康复方案的基本解决方案。虽然 NF-EEG（根据 EEG 信号计算出的实时神经反馈分数）已经被探索了很长时间，但 NF-fMRI（根据 fMRI 信号计算出的实时神经反馈分数）出现得更晚，并且提供了更可靠的结果和更具体的大脑训练。同时使用 fMRI 和 EEG 进行双模态神经反馈疗程（NF-EEG-fMRI，根据 fMRI 和 EEG 计算出的实时神经反馈分数）对于制定大脑康复方案非常有前景。然而，fMRI 对患者来说很麻烦，也更累。本文的原创贡献涉及仅从 EEG 记录预测双模态 NF 分数，使用训练阶段，其中 EEG 信号以及 NF-EEG 和 NF-fMRI 分数都可用。我们提出了一个稀疏回归模型，该模型能够利用 EEG 仅预测运动想象任务中的 NF-fMRI 或 NF-EEG-fMRI。我们比较了从所提模型得出的不同 NF 预测因子。我们发现，与经典 NF-EEG 分数相比，从 EEG 信号预测 NF-fMRI 分数可以为 NF-EEG 分数添加信息，并显著提高与双模 NF 会话的相关性。
脑电图神经反馈治疗焦虑症及术后...
摘要 综述目的 本综述概述了目前对焦虑症和创伤后应激障碍的脑电图神经反馈的知识和理解。 最新发现 焦虑症和创伤后应激障碍 (PTSD) 的表现与神经生理应激轴和大脑唤醒回路的功能障碍有关，这是研究领域标准 (RDoC) 的重要维度。即使这些疾病的病理生理学很复杂，其定义特征之一是行为和生理过度唤醒。有趣的是，与唤醒相关的大脑活动可以通过基于脑电图的神经反馈 (EEG NF) 进行调节，这是一种非药理学和非侵入性方法，涉及通过脑机接口 (BCI) 进行神经认知训练。EEG NF 的特点是同时学习过程，其中患者和计算机都参与修改神经活动或连接，从而改善焦虑和/或过度唤醒的相关症状。摘要 EEG NF 对焦虑症和 PTSD 都有积极作用，但由于一些方法问题，症状改善是否是 EEG NF 针对的神经生理变化的直接结果仍不清楚。因此，在这项工作中，我们试图将当前关于唤醒大脑机制的知识与过去和现在的焦虑和 PTSD 的 EEG NF 疗法结合起来。简而言之，我们讨论了 EEG NF 对焦虑症和 PTSD 影响的神经生理机制、现有 EEG NF 随机对照试验 (RCT) 针对这些疾病的方法优势/劣势，以及可能影响 NF 训练成功的神经心理因素。关键词神经反馈；焦虑症；创伤后应激障碍；EEG 生物标志物；唤醒；学习。
声学动态范围内的时间变化是基于脑电图的听觉关注
摘要 - 许多研究表明，可以从脑电图数据中解码听觉对自然语音的关注。但是，大多数研究都集中在选择性的听觉注意力解码（SAAD）上，而竞争扬声器则是对单个目标的绝对听觉注意解码（AAAD）的动态。AAAD的目标是衡量对单个演讲者的关注程度，在心理和教育环境中的客观衡量注意力。为了调查这种AAAD范式，我们设计了一个实验，主题在不同的细心条件下听到视频讲座。我们训练了神经解码器，以在基线的细节状态重建脑电图中的语音信封，并使用解码和真实语音信封之间的相关系数作为注意语音的指标。我们的分析表明，1-4 Hz频段中语音包膜的包络标准偏差（SD）与该指标在语音刺激的不同段之间密切相关。然而，这种相关性在0.1-4 Hz频段中削弱，其中专注状态和注意力不集中的状态之间的分离程度变得更加明显。这突出了0.1-1 Hz范围的独特贡献，从而增强了注意状态的区别，并且仍然受到混杂因素的影响，例如语音信封的时变动态范围。
使用人体内部脑电图从自然语音中解码语义
Camille R. C. Pescatore 1* , Haoyu Zhang 1* , Alex E. Hadjinicolaou 1 , Angelique C. Paulk 1,2 , John D. Rolston 3 , R. Mark Richardson 4 , Ziv M. Williams 4,5,6 , Jing Cai 4† & Sydney S. Cash 1,2,5† 1 Department of Neurology, Massachusetts General Hospital, Harvard Medical School, Boston, MA.2马萨诸塞州波士顿的马萨诸塞州综合医院神经科学中心和神经记录中心。3，杨百翰和妇女医院神经外科部，马萨诸塞州波士顿哈佛医学院。4马萨诸塞州波士顿哈佛医学院马萨诸塞州综合医院神经外科部。5哈佛大学卫生科学与技术部，马萨诸塞州波士顿。6哈佛医学院，马萨诸塞州波士顿神经科学计划。 *这些作者也同样贡献。 †这些作者也同样贡献。 应向谁致辞，电子邮件：jcai5@mgh.harvard.edu6哈佛医学院，马萨诸塞州波士顿神经科学计划。*这些作者也同样贡献。†这些作者也同样贡献。应向谁致辞，电子邮件：jcai5@mgh.harvard.edu
我的想法在哪里（看）？脑电图关注关系的研究
摘要：视觉注意力估计是不同学科的十字路口的研究领域：计算机视觉，深度学习和医学。估计代表注意的显着性图的最常见方法之一是基于观察到的图像。在本文中，我们表明可以从脑电图获取中获取视觉关注。结果与观察到的图像的传统预测相媲美，这引起了人们的关注。基于图像的显着性估计是参与者独立的，脑电图的估计可以考虑到主题的特定城市。为此，已经记录了一组信号，并开发了不同的模型来研究视觉注意力与大脑活动之间的关系。结果令人鼓舞，并且与其他方法估计注意力的其他方法相媲美。能够预测脑电图的视觉显着性图可以帮助研究研究大脑活动与视觉注意力之间的关系。它也可以在各种应用中有助于：驾驶，神经营销期间的警惕评估，以及有助于诊断和治疗与视觉注意力相关的疾病的帮助。为了重现性，本文中考虑的代码和数据集已公开可用，以促进该领域的研究。
使用EEG Hilbert信封和时间精细结构进行秘密语音分类的转移学习
脑部计算机界面（BCIS）可以从神经活动中解释想象的语音。但是，这些系统通常需要广泛的培训课程，参与者想象地重复单词，从而导致精神疲劳和困难识别单词的发作，尤其是在想象单词序列时。本文通过转移经过公开语音数据培训的分类器来掩盖语音分类，从而解决了这些挑战。我们使用了源自希尔伯特包络和时间精细结构的脑电图（EEG）特征，并将它们用于训练双向长短记忆（BILSTM）模型进行分类。我们的方法减轻了广泛的培训和实现最先进的分类精度的负担：公开语音的86.44％，使用公开的语音分类器的秘密语音为79.82％。
研究有影响力的脑电图实验的可重复性
推荐引用 推荐引用 Pavlov, Y., Mushtaq, F., Adamian, N., Appelhoff, S., Arvaneh, M., Benwell, C., Beste, C., Bland, A., Bradford, D., Bublatzky, F., Busch, N., Clayson, P., Cruse, D., Czeszumski, A., Dreber, A., Dumas, G., Ehinger, B., Ganis, G., He, X., Hinojosa, J., Huber-Huber, C., Inzlicht, M., Jack, B., Johannesson, M., Jones, R., Kalenkovich, E., Kaltwasser, L., Karimi-Rouzbahani, H., Keil, A., & König, P. (2021) '#EEGManyLabs: Investigating the replicaability of influence EEG 实验”，Cortex，。可从以下网址获取：10.1016/j.cortex.2021.03.013 本文由 PEARL 健康学院免费开放获取。它已被 PEARL 授权管理员接受纳入心理学学院。如需更多信息，请联系 openresearch@plymouth.ac.uk。
脑电图在大脑和行为研究方面的百年应用
推荐引用 推荐引用 Mushtaq, F.、Welke, D.、Gallagher, A.、Pavlov, Y.、Kouara, L.、Bosch-Bayard, J.、van den Bosch, J.、Arvaneh, M.、Bland, A.、Chaumon, M.、Borck, C.、He, X.、Luck, S.、Machizawa, M.、Pernet, C.、Puce, A., Segalowitz, S.、Rogers, C.、Awais, M.、Babiloni, C.、Bailey, N.、Baillet, S.、Bendall, R.、Brady, D.、Bringas-Vega, M.、Busch, N.、Calzada-Reyes, A.、Chatard, A.、Clayson, P. 和 Cohen, M. (2024)“大脑和行为脑电图一百年”研究”，自然人类行为， 8(8)，第 1437-1443 页。可访问：10.1038/s41562-024-01941-5 此回复或评论由 PEARL 健康学院免费开放提供给您。PEARL 授权管理员已接受将其纳入心理学学院。如需更多信息，请联系 openresearch@plymouth.ac.uk。