XiaoMi-AI文件搜索系统
World File Search SystemEOG
使用深度学习去除脑电图中的眼部伪影
摘要 —EEG 信号是复杂的低频信号。因此，它们很容易受到外界因素的影响。EEG 伪影去除在神经科学中至关重要，因为伪影会对 EEG 分析结果产生重大影响。在这些伪影中，眼部伪影的去除最具挑战性。在本研究中，通过开发基于双向长短期记忆 (BiLSTM) 的深度学习 (DL) 模型，提出了一种新颖的眼部伪影去除方法。我们通过结合 EEGdenoiseNet 和 DEAP 数据集创建了一个基准数据集来训练和测试所提出的 DL 模型。我们还通过在不同 SNR 水平下用 EOG 污染地面真实干净的 EEG 信号来增强数据。然后使用通过小波同步压缩变换 (WSST) 获得的高度局部化时频 (TF) 系数将 BiLSTM 网络馈送到从增强信号中提取的特征。我们还将基于 WSST 的 DL 模型结果与传统 TF 分析 (TFA) 方法，即短时傅里叶变换 (STFT) 和连续小波变换 (CWT) 以及增强原始信号进行了比较。首次提出的基于 BiLSTM 的 WSST-Net 模型获得了 0.3066 的最佳平均 MSE 值。我们的结果表明，与传统 TF 和原始信号方法相比，WSST-Net 模型显著提高了伪影去除性能。此外，所提出的 EOG 去除方法表明，它优于文献中许多传统和基于 DL 的眼部伪影去除方法。索引词 —EEG、眼部伪影、深度学习、LSTM、BiLSTM、WSST、STFT、CWT。
用于评估决策信心的元学习 BCI
摘要 目的。我们研究了最近引入的基于元学习的迁移学习技术是否可以提高脑机接口 (BCI) 在决策信心预测方面的性能，而传统机器学习方法则无法实现。方法。我们将偏向正则化算法的元学习应用于基于视频馈送的困难目标识别任务中，根据脑电图 (EEG) 和眼电图 (EOG) 数据逐个决策地预测决策信心的问题。该方法利用以前参与者的数据来生成预测算法，然后快速调整该算法以适应新参与者。我们将该方法与 BCI 中几乎普遍采用的传统单受试者训练、一种称为领域对抗神经网络的最先进的迁移学习技术、我们最近用于类似任务的零训练方法的迁移学习改编以及简单的基线算法进行了比较。主要结果。在大多数情况下，元学习方法明显优于其他方法，在只有来自新参与者的有限数据可用于训练/调整的情况下，效果要好得多。通过有偏正则化的元学习，我们的 BCI 能够无缝集成来自过去参与者的信息与来自特定用户的数据，以产生高性能预测器。它在小型训练集存在下的稳健性是 BCI 应用中的真正优势，因为新用户需要在更短的时间内训练 BCI。意义。由于 EEG/EOG 数据的多变性和噪声，BCI 通常需要使用来自特定参与者的数据进行训练。这项工作表明，使用我们的有偏正则化元学习版本可以获得更好的性能。
全体发言人3：副教授IR。 Norrima Mokhtar博士（...
摘要：本届会议探讨了人类设备界面技术的进步，重点关注诸如手势控制，大脑计算机接口，通过EOG进行的眼睛运动，通过相机移动的眼睛运动以及更多轻松的输入以实现用户体验和动作的新兴趋势。人工智能技术，无论是监督，半监督和自主，在处理分类类别的输入中起着主要作用，以进行行动和数据监视。潜在的应用包括自动化，医疗保健，教育，娱乐和日益流行的游戏行业。这些技术正在重新定义人类设备的协作并显着增强用户体验。
人类眼球追踪及相关问题：综述
摘要 - 眼动追踪是指追踪眼球运动并确定用户注视点的过程。本文旨在介绍用于眼动追踪的各种技术。测量眼球运动有许多原理，包括测量电信号和光电信号、跟踪眼球图像中的许多视觉特征、测量红外 (IR) 光的相对反射以及使用机械或光学杠杆或磁场。本文还包括选择特定眼动追踪方法所涉及的因素。最后，它介绍了眼动追踪技术的一些应用。索引术语 - 眼动追踪、眼电图 (EOG)、视频眼动图 (VOG)、红外眼动图 (IROG)、巩膜搜索线圈。
curriculum vitae，路易斯·阿尔弗雷多·莫克特祖玛 div>
•开发传感器融合算法和机器学习模型，以根据其听力上下文从助听器用户中动态整合多模式的生理数据。•在实验室和现实世界环境中进行研究，以增强助听器的听觉关注跟踪。•与学术和行业合作伙伴合作，包括奥尔堡大学的声学信号处理研究中心（CASPR），涉及听觉感知研究。•评估注意力传播的束缚和多模式注意跟踪算法对助听器的用户满意度的影响。•设计和实施解决方案，这些解决方案有助于与Octicon的研发团队紧密合作，从而有助于现实世界中的现实应用程序。•参与脑电图/EOG数据的收集和分析，以改善助听器用户体验和听觉重点检测。
卷积神经网络的实现，用于从脑电信号中去除眨眼伪影
技术和生理伪影会干扰脑电图 (EEG) 信号。最常见的伪影之一是受试者眼球运动和眨眼产生的自然活动。眨眼伪影 (EB) 遍布整个头部表面，使 EEG 信号分析变得困难。消除眼电图 (EOG) 伪影的方法已知，例如独立成分分析 (ICA) 和回归。本文旨在实现卷积神经网络 (CNN) 以消除眨眼伪影。为了训练 CNN，提出了一种增强 EEG 信号的方法。将从 CNN 获得的结果与 ICA 和回归方法的结果进行比较，以比较生成的和真实的 EEG 信号。所得结果表明，CNN 在消除眨眼伪影的任务中表现更好，尤其是对于位于头部中央部分的电极。
自动驾驶汽车驾驶员疲劳多方法检测
摘要：本文概述了开发模糊决策算法的各种方法，该算法旨在监控和发出有关驾驶员困倦的警告。该算法基于分析 EOG（眼电图）信号和眼部状态图像，目的是防止事故发生。困倦警告系统由关键组件组成，这些组件可以了解、分析和决定驾驶员的警觉状态。如果驾驶员被识别为处于困倦状态，则此分析的结果可以触发警告。驾驶员困倦的特点是对道路和交通的注意力逐渐下降，驾驶技能下降，反应时间增加，所有这些都会增加发生事故的风险。如果驾驶员没有对警告做出反应，ADAS（高级驾驶辅助系统）系统应进行干预，接管车辆的命令。
2024 Geocon Handbook_v11_proof 9.indd
Shelley Leggitt，Kiwetinohk Energy Corporation（KEC）的地球科学副总裁，在加拿大西部拥有35年的常规和非常规游戏专业知识。以前是Velvet Energy的地球科学副总裁，她监督了Gold Creek和Pouce Coupe的Montney Development的团队，推进了深层盆地气体利用的地震技术。在NAL Resources，她指示跨越萨斯喀彻温省的资产探索到艾伯塔省的Sturgeon蒙特尼湖。值得注意的是，在EOG加拿大，她率先率领Horn River Basin Development和Duvernay East Senale Exploration。担任Enerplus和Encana/Pancanadian的领导角色，她为该行业做出了重要贡献。Shelley是麦克马斯特大学（McMaster University）的地质学硕士学位，是艾伯塔省（Alberta）的注册专业地质学家，并与CEGA积极互动，担任当选总统。
一个特殊的两个人：使用单个...
图2。脑电图超系统设置的图。这使用一个单个，64通道的EEG放大器，该放大器作为输入每个32个电极的输入。用于高压扫描，每个参与者的头部都放置了一束32个电极。将每个参与者头皮上的地面电极连接到连接到放大器上的接地输入的地面分配器设备（脑产品）。eog是使用在每个参与者的眼睛周围放置的双极对电极捕获的，该电极通过脑产品Bip2aux设备连接到放大器上的AUX端口。音频都是使用STIMTRAK设备内置的麦克风（脑产品）记录的，该麦克风连接到EEG放大器。因此，来自两个参与者的脑电图以及在研究期间的音频是通过单个放大器和记录计算机同步记录到一个数据文件的。