XiaoMi-AI文件搜索系统
World File Search SystemImagery
即将来临的基于运动图像的脑部计算机界面的范式变化
在中枢神经系统病变后，为患有运动障碍的患者开发可靠的辅助设备仍然是非侵入性脑部计算机界面（BCIS）领域的主要挑战。这些方法主要由脑电图造影，并依靠高级信号处理和机器学习方法来提取运动活动的神经相关性。但是，尽管巨大的努力仍在进行，但它们作为有效临床工具的价值仍然有限。我们主张，一个相当被忽视的研究途径在于努力质疑传统上针对非侵入性运动BCIS的神经生理标记。我们提出了一种替代方法，该方法是基于非侵入性神经生理学的最新进展，特定主题的特征特征特征提取了通过（可能是磁脑摄影术 - 优化）的磁磁磁性术记录的感应活动爆发。这条道路有望克服现有限制的显着比例，并可以促进在康复协议中更广泛地采用在线BCI。
触觉意象影响指尖振动触觉刺激的皮质反应
尽管与其他类型的心理意象相比，触觉意象的研究并不深入，但它对于脑机接口 (BCI) 来说可能非常有用，因为它可以产生 BCI 操作所需的神经调节。在这里，我们通过比较触觉意象 (TI) 对皮质反应的影响与指尖实际振动触觉刺激的影响，评估了与触觉意象 (TI) 相关的神经调节。我们发现 TI 和振动刺激都会引起与事件相关的脑电图 (EEG) 活动频率变化。此外，TI 会影响由短脉冲振动引起的体感诱发电位 (SEP)。收集了 29 名接受过触觉意象任务训练的参与者的 EEG 数据。在有和没有 TI 的情况下测量了对振动脉冲的反应。这些 SEP 由三个主要部分组成：中央顶叶区域的 P100 反应、额叶区域的 P200 反应和中央区域的 P300 反应。 TI 持续导致同侧 P100、同侧和对侧 P300 以及额叶 P200 增加。此外，TI 还增强了额叶区域因振动而发生的 θ 波段 ERS。这些发现表明，TI 不仅会调节 EEG 模式，还会影响皮质对物理体感刺激的处理。这种对真实和想象的躯体感觉的联合处理可用于 BCI，特别是在临床相关的 BCI 中，这些 BCI 致力于通过结合中枢诱导和外周活动来恢复体感处理。
实验者对基于心理意象的大脑的影响......
1 关于实验者和参与者的性别对 MI-BCI 表现演变的影响的初步结果先前发表在第八届国际 BCI 大会 [43] 上的一篇简短会议论文中。在这里，我们介绍了有关潜在混杂因素（例如与运动相关的伪影）的更多更完整的结果。我们还首次提出了与参与者心理特征相关的结果，这为更好地理解实验者的影响提供了第一条线索。最后，我们还提供了新的用户体验相关结果。
评估神经生理模式的相关性以预测基于运动想象的 BCI 用户的表现
摘要 —基于运动想象的脑机接口 (MI-BCI) 允许用户仅使用大脑活动来控制计算机以执行各种应用，而大脑活动通常由脑电图 (EEG) 记录。尽管 BCI 应用众多，但由于其准确性较差，它们在实验室外的使用仍然很少。一些用户无法使用 BCI，这种现象有时被称为“BCI 文盲”，影响了大约 10% 到 30% 的 BCI 用户，他们无法产生可辨别的 EEG 模式。通过进行神经生理学分析，尤其是通过识别 BCI 性能的神经生理学预测因子，我们可以更好地理解这种现象及其原因。反过来，这也可能帮助我们更好地理解并从而可能改进 BCI 用户培训。因此，本文提出了专用于预测 MI-BCI 用户表现的统计模型，该模型基于从“睁眼放松”条件下的两分钟 EEG 记录中提取的神经生理学用户特征。我们考虑了 56 名受试者在进行 MI-BCI 实验之前在“睁眼放松”条件下记录的数据。我们使用机器学习回归算法和留一交叉验证来构建我们的预测模型。我们还计算了这些特征（神经生理预测因子）与用户的 MI-BCI 表现之间的不同相关性。我们的结果表明，此类模型可以比偶然性（p ≤ 0.01）更好地预测用户表现，但平均绝对误差相对较高，为 12.43%。我们还发现我们的一些特征与性能之间存在显着的相关性，包括之前探索的 µµµ 波段预测因子，以及这里提出的新预测因子：µµµ 峰值位置变异性。因此，这些结果有助于更好地理解和预测 BCI 文盲。但是，它们还需要进一步改进才能获得更可靠的预测。索引词 — 脑机接口 (BCI)、脑电图 (EEG)、神经生理预测指标
偏差反馈影响运动想象 BCI 的学习
简介：提出了各种用户训练来帮助用户完成运动想象（MI）BCI 任务，例如，使用正（有偏见）反馈（它是对一个人标记的大脑活动的乐观表示）已被证明可以提高表现[1]或学习[2]。相反，在[3]中，正反馈减少，而负反馈增加用户在一次会话中的学习。为了更好地理解有偏见的反馈对BCI训练期间的表现和学习的好处，我们考虑了用户状态，例如工作量和心流状态，一种最佳认知控制、沉浸和愉悦的状态，这些状态已被证明与表现相关[4]。材料、方法和结果：30名参与者（12名女性，平均年龄：28.56岁，SD：6.96）分为3组：1.无偏见，2.正偏见和3.负偏见，其中SVM分类器输出使用累积beta分布函数实时偏置。参与者参加了 2 个环节，每个环节包括校准（2 次运行）和测试（6 次运行）。一次运行包含每个类 20 次试验，持续约 5 分钟。用户使用左右手 MI 玩 Tux Racer 游戏。每次运行后，分别使用 NASA-TLX [5] 和 EduFlow [6] 问卷评估工作量和流动状态。在线表现被计算为分类器的峰值表现。学习率是环节内在线表现与运行的线性回归的斜率，例如高于零表示积极学习，而低于零表示学习下降。我们发现学习率在组×环节之间存在显着的相互作用（双向方差分析，p <0.01），图 1.A；但组间表现没有差异。我们发现流动状态与表现（Pearson's r = 0.30）和学习率（r = - 0.20）之间存在相关性（p <0.05，用 FDR 校正）；工作量与绩效之间没有相关性，但与学习率有相关性（r=0.13）。最后，我们发现各组之间存在显著差异，EduFlow 分数的认知控制维度 p<0.05，如 [4] 图 1.B 所示。
心理意象 BCI 用户培训的物理学习伴侣
基于心理意象的脑机接口 (MI-BCI) 提供了与数字技术（如轮椅或神经假体）交互的新机会，只需执行心理意象任务（例如，想象物体旋转或想象手部运动）。MI-BCI 还可用于多种应用，如通信或中风后康复。不过，它们缺乏可靠性仍然是该技术大规模发展的障碍。例如，平均 75% 的时间可以识别两个任务之间的一项任务。研究表明，如果用户不自主或紧张，他们更有可能在使用 MI-BCI 时遇到困难。这可能至少部分是由于缺乏社交存在和情感支持，尽管教育文献中有建议，但这些在 MI-BCI 中还很少得到测试。提供这种社交和情感背景的一种方法是使用学习伴侣。因此，我们设计、实施和评估了第一个致力于改进 MI-BCI 用户培训的学习伴侣。我们将这个伴侣命名为 PEANUT，即用于神经技术用户培训的个性化情感代理。PEANUT 通过结合发音句子和面部表情的干预，根据用户的表现和进度提供社交临场感和情感支持。它是基于文献、数据分析和用户研究而设计的。我们特别进行了各种在线用户调查，以确定我们的学习伴侣在外观和支持性语音内容方面的理想特征。从这些调查的结果中，我们特别推断出根据学习者的表现和进步，应该使用哪些句子的特征（个人/非个人、感叹/陈述）。我们还发现眉毛可以增加卡通脸的表现力。然后，一旦这个伴侣
持续在线脑电图运动意象解码的微调策略：来自大规模纵向研究的见解
摘要 — 本研究调查了在涉及大型用户组和每个参与者多个会话的因果环境中在线纵向脑电图 (EEG) 运动想象 (MI) 解码中深度学习的持续微调策略。我们是第一个在大型用户组中探索此类策略的人，因为纵向适应通常是在单个受试者环境中使用单一适应策略进行研究的，这限制了推广研究结果的能力。首先，我们研究了不同的微调方法对解码器性能和稳定性的影响。在此基础上，我们集成了在线测试时间适应 (OTTA) 以在部署期间调整模型，补充了先前微调的效果。我们的研究结果表明，基于先前特定于主题的信息连续进行的微调可以提高性能和稳定性，而 OTTA 可以有效地使模型适应连续会话中不断变化的数据分布，从而实现无校准操作。这些结果为纵向在线 MI 解码的未来研究提供了宝贵的见解和建议，并强调了结合领域适应策略对提高实际应用中的 BCI 性能的重要性。临床相关性——我们的研究实现了更稳定、更有效的长期运动想象解码，这对于神经康复和辅助技术至关重要。
使用双峰脑电图进行多目标运动想象训练...
传统康复技术存在局限性，大多数患者在卒中后 1 年恢复情况不佳。因此，神经反馈 (NF) 或脑机接口在卒中康复中的应用越来越受到关注。事实上，NF 有可能增强对目标皮质区域的意志控制，从而影响运动功能恢复。然而，目前的实施受到所用特定成像方式的时间、空间或实际约束的限制。在这项试点工作中，也是在文献中首次，我们应用双模 EEG-fMRI NF 对四名具有不同卒中特征和运动障碍严重程度的卒中患者进行上肢卒中恢复。我们还提出了一种新颖的多目标训练方法，引导训练激活同侧初级运动皮质。除了 fMRI 和 EEG 结果外，我们还使用纤维束成像评估皮质脊髓束 (CST) 的完整性。初步结果表明我们的方法可行，并显示出其有可能根据中风缺陷的严重程度诱导同侧运动区域的增强激活。只有两名 CST 和皮质下病变保留的患者成功上调了同侧初级运动皮质，并表现出上肢运动功能改善。这些发现强调了考虑中风患者群体差异的重要性，并使我们能够确定未来临床研究设计的纳入标准。
不同运动执行和想象任务中宽带脑电图中长程时间相关性的动态
大脑活动由振荡和宽带心律失常成分组成；然而，在运动研究中，人们更多地关注振荡感觉运动节律，而宽带心律失常脑电图 (EEG) 的时间动态仍未被探索。我们之前已经证明，宽带心律失常脑电图包含短距离和长距离时间相关性，这些相关性在运动过程中会发生显著变化。在本研究中，我们以之前的工作为基础，更深入地了解宽带脑电图中长距离时间相关性 (LRTC) 的这些变化，并将它们与文献中常见的众所周知的 alpha 振荡幅度 LRTC 进行对比。我们使用两个独立的 EEG 数据集（这两个数据集以两种不同的范式记录）来调查和验证五种不同类型的运动和运动想象任务期间 LRTC 的变化——我们的手指敲击数据集（包含单次自我发起的异步手指敲击）和公开可用的 EEG 数据集（包含提示的拳头和脚的连续运动和运动想象）。我们通过对单次试验 2 秒 EEG 滑动窗口进行去趋势波动分析，量化了宽带 LRTC 的瞬时变化。与静息状态相比，宽带 LRTC 在所有运动任务中均显著增加（p < 0.05）。相反，必须在较长的拼接 EEG 段上计算的 alpha 振荡 LRTC 显著下降（p < 0.05），与文献一致。这表明在运动和运动想象过程中，潜在的快速和慢速神经元无标度动力学是互补的。单次试验宽带 LRTC 在所有运动执行和想象任务中均具有较高的平均二元分类准确率，范围为 70.54 ± 10.03 % 至 76.07 ± 6.40 %，因此可用于脑机接口 (BCI)。因此，我们证明了新型运动神经相关性单次试验宽带 LRTC 在单个异步和提示连续运动-BCI 范式中的不同运动执行和想象任务中的普遍性、稳健性和可重复性，以及它与 LRTC 在 alpha 振荡幅度方面的对比行为。
更具弹性，更多的绿色贝雷帽：对英国军队突击队培训期间功能图像培训的影响的定量分析
摘要这项研究调查了2018 - 2019年英国陆军突击队培训课程的较低完成率，记录为20％，这是在指挥员工的担忧之后。它检查了军事环境中的韧性与绩效之间的关系，并评估弹性建设干预措施是否可以提高完成率。为了确定如何提高完成率，招募了三个突击队培训队列的62名候选人，并将其分配给功能图像培训（FIT）干预或对照组。在第五周培训的第一周进行了干预措施。FIT是一种以目标为中心的图像干预措施，以前已经改善了与弹性有关的特征，例如砂砾，但在军事环境中尚未交付。在这项研究中，使用简短的弹性量表和指导人员报告了完成培训的候选人，对恢复能力进行了恢复能力。获得合适的参与者的韧性和完成增加；但是，与对照相比，仅弹性显着增加（t（36）= -2.68，p = .01，95％CI [-0.76，-0.11]; t（11）= -3.62，p = .004，95％CI [-1.19， -0.29]）。参考研究结果如何增强文献并支持在军事背景下的拟合度和对未来研究的建议，讨论了这项研究的优势，局限性和含义。关键字：功能图像培训，适合，英军，突击队，训练，弹性，绩效，目标，行为改变