XiaoMi-AI文件搜索系统
World File Search SystemNeurosky
基于颜色对脑电图信号进行分类，适用于患有...的人
摘要 — 大脑中的神经元会产生电信号，这些电信号的集体发射会产生脑电波。这些脑电波信号是使用 EEG（脑电图）设备以微电压形式捕获的。EEG 传感器捕获的这些信号序列具有可用于分类的嵌入特征。这些信号可作为严重运动障碍患者的替代输入。不同颜色的分类可以映射到许多功能，例如定向运动。在本文中，使用基于注意力的深度学习网络对来自 NeuroSky Mindwave 耳机（单电极 EEG 传感器）的原始 EEG 信号进行分类。基于注意力的 LSTM 网络已经用于对两种不同颜色和四种不同颜色进行分类。使用上述基于注意力的 LSTM 网络，两种颜色的分类准确率为 93.5%，四种信号的分类准确率为 65.75%。
个性化抗衰老药物的年龄型
摘要：自主感觉子午响应（ASMR）是头皮上的刺痛感，它是针对与默认模式网络连接的特定触发音频和视觉刺激的响应。我们的研究（n = 76）旨在通过检查瞳孔直径和脑活动来测试ASMR的神经生理学。假设ASMR的特质性质，我们期望结果检测到相反的生理结果，考虑到学生的直径和脑激活。我们使用了一系列的自我报告来研究心理维度。对于生理措施，我们使用了两种工具：学生和Neurosky Mindwave手机2。结果表明，在ASMR视频中，无论刺痛感如何，ASMR视频中的瞳孔直径增强。另一方面，ASMR视频中的唤醒水平低于其他条件。两种神经生理学措施之间的差异似乎是特殊的，可以被视为ASMR心理结局的促进现象。
一个生物反馈系统让你在跳舞时创作自己的音乐
音乐世界和舞蹈世界本身就是一个研究领域。同时，在计算机科学领域，人们对脑机接口 (BCI) 的兴趣近年来显著增加，因为它代表着实现更内在的人机关系的可能性。生物反馈系统 [1] 也正在获得发展势头，其特点是佩戴 BCI 的用户和计算机之间的连续循环。在本文中，我们提出了一种生物反馈系统的演示，该系统将一名舞者、一个专门开发的音乐作曲软件和两名音乐家置于编舞/作曲关系中。舞者佩戴 NeuroSky MindSet 设备 [2]，该设备可检测一些神经参数，特别是她的注意力值 [3]。根据这些值，软件会生成音乐复音，并在电子乐谱上呈现给演奏它的音乐家。反过来，这样产生的音乐会影响舞者的心理状态，舞者会根据所听到的内容调整舞蹈，从而生成新的复音音乐小节。
使用大脑计算机禁用的智能家庭控制...
摘要：基于脑电图（EEG）的智能家居控制系统是脑电脑界面（BCI）的主要应用之一，它允许残疾人在家中最大化其功能。大脑计算机接口（BCI）是一种使严重残疾人使用脑波与环境进行交流和互动的设备。在此项目中，范围包括图形用户界面（GUI）充当使用BCI作为输入的家用设备的控制和监视系统。因此，Neurosky Mindwave耳机用于检测大脑的EEG信号。此外，使用Raspberry Pi 3模型B+，4个通道5V继电器模块，灯泡和风扇开发了原型模型。正在提取来自脑波的原始数据信号以操作家用电器。此外，结果与实验过程中使用的命令信号非常吻合。最后，开发的系统可以轻松地在智能家居中实现，并且具有很高的潜力，可用于智能自动化。
基于BCI系统的脑电信号控制无人机运动
摘要。脑机接口使个人能够通过脑电图 (EEG) 信号与设备进行通信，在许多使用脑电波控制单元的应用中都是如此。本文介绍了一种使用 EEG 波通过眨眼和注意力水平信号控制无人机运动的新算法。通过使用支持向量机算法对眨眼进行分类并通过人工神经网络将其转换为 4 位代码，对获得的信号识别进行优化。线性回归法用于将注意力分为具有动态阈值的低级或高级，从而产生 1 位代码。算法中的运动控制由两个控制层构成。第一层提供眨眼信号的控制，第二层提供眨眼和感知到的注意力水平的控制。使用单通道 NeuroSky Mind-Wave 2 设备提取和处理 EEG 信号。所提出的算法已通过对 5 个不同年龄个体的实验测试进行了验证。结果表明，与现有算法相比，该算法具有较高的性能，对 9 个控制命令的准确率为 91.85%。该算法最多可处理 16 个命令，准确率高，适用于许多应用。
设计一种新型光敏体模以精确校准脑电图系统的时间响应
人脑由 100 × 10 9 个神经元组成，它们相互连接，充当人体的控制系统。对人脑的研究从公元前一世纪就一直在进行。1最近，这引发了脑机接口 (BCI) 的研究。2 BCI 设计需要分析从头皮记录下来的脑电活动作为脑电图 (EEG) 活动。EEG 信号根据 EEG 电极位置和人体动作而变化。BCI 使用这些变化作为控制设备的特征或命令。传统医疗级 EEG 系统如 NeuroScan TM 、BioSemi TM 和 g.Tec TM 可在医院和医疗诊所找到，用于诊断一系列疾病，如癫痫、睡眠障碍和其他脑相关疾病。3,4 这些 EEG 系统由于其高质量和可靠性已经使用了很多年。最近，一些廉价的消费级无线脑电图系统已在家庭中使用，用于冥想和简单的脑电图诊断（NeuroSky TM 、Emobio TM 、Muse TM 、Emotiv TM 等）。与传统脑电图系统相比，这些无线脑电图系统不仅更便宜，而且更简单、更快捷
使用 Arduino 和
摘要 — 本文介绍了使用 Arduino 和 Mindflex 技术开发脑控假手的过程。本研究的目的是设计一个系统，使残疾人士能够通过他们的脑信号控制假手。脑电图 (EEG) 信号用于捕获和解释用户执行特定手部动作的意图。Neurosky 芯片与 Arduino 集成以获取实时 EEG 信号，而 Mindflex 技术采用 EEG 耳机，可作为捕获脑信号的非侵入式用户友好界面。通过分析这些信号，生成命令来控制假手的运动。原型实现包括集成伺服电机等机电元件以激活假肢。进行了广泛的测试和模拟，以评估系统性能和效率。分析并比较了来自 openbci 设备和 Mindflex 的验证数据，以评估大脑命令的准确性和可靠性。结果显示用户和伺服电机之间的交互成功，表明使用 EEG 信号控制手假肢的可行性。生成大脑命令所实现的准确性验证了所开发系统的有效性。这项研究有助于假肢技术的进步，为提高残疾人的生活质量提供了新的可能性。
使用视频游戏检测 ADHD 儿童的注意力水平并使用单通道 BCI 耳机测量大脑活动
摘要：仅使用行为测试很难检测出注意力缺陷多动障碍中的注意力生物标志物。我们探索了通过低成本脑电图系统测量的注意力是否有助于在早期阶段检测出可能的疾病。GokEvolution 应用程序旨在训练注意力，并提供一种在早期识别儿童注意力问题的方法。使用 NeuroSky MindWave 记录的注意力变化与 CARAS-R 心理测试相结合，用于描述 52 名非 ADHD 儿童和 23 名 7 至 12 岁 ADHD 儿童的注意力特征。分析表明，GokEvolution 通过使用 EEG-BCI 技术在测量注意力方面很有价值。与对照组相比，ADHD 组的注意力水平较低，大脑注意力反应的变化更大。与对照组相比，该应用程序能够绘制 ADHD 组的低注意力特征，并可以区分完成任务的参与者和未完成任务的参与者。因此，该系统可在临床环境中用作筛查工具，以便早期检测注意力特征，从而防止其发展。
BI1brainterface 用户手册
Soundmachines BI1brainterface 是一款探索和表演工具，适用于希望将自己的精神和情感领域直接与表演联系起来的音乐家、制作人、演员、肢体表演者和编舞家。我们希望创造一种不需要使用电脑的东西，并带来这种令人兴奋的新技术的即时性和易操作性。通过强调 Neurosky MindWave Mobile 耳机的功能，BI1brainterface 被开发出来以最简单和最开放的方式将您的精神状态与您的装备联系起来。只要您有模拟模块化合成器或 MIDI 声音发生器，您就可以影响声音、序列、音色并通过附加控制器推动表演：您自己。注意力和冥想是您可以依赖的最直接和可重复的变量。但 EEG 功率谱带（Alpha、Beta、Gamma、Delta 和 Theta）也可用于控制其他八个声音/光/视频特性。作为额外奖励，我们在您的工具箱中放入了一个可变阈值，以根据您的面部肌肉活动（即眨眼或咧嘴笑）在工作室或现场环境中生成“触发器”，由舞台上的舞者或演员佩戴，或仅使用它来放松自己并提高您对专注、放松和冥想的自我意识。生物反馈是 BI1brainterface 的另一个操作领域，可以实现更广泛的应用和实验。
增强可穿戴脑机接口的安全性和隐私性......
脑计算接口 (BCI) 用于大量安全/隐私关键型应用，从医疗保健到智能通信和控制。可穿戴 BCI 设置通常涉及连接到移动设备的头戴式传感器，并结合基于 ML 的数据处理。因此，它们容易受到跨硬件、软件和网络堆栈的多种攻击，这些攻击可能会泄露用户的脑电波数据，或者在最坏的情况下将 BCI 辅助设备的控制权交给远程攻击者。在本文中，我们：(i) 从操作系统和对抗性机器学习的角度分析现有可穿戴 BCI 产品面临的全系统安全和隐私威胁；(ii) 介绍 Argus，这是第一个可减轻这些攻击的可穿戴 BCI 应用信息流控制系统。Argus 的领域特定设计导致在 Linux ARM 平台上实现轻量级实现，适用于现有的 BCI 用例。我们对现实世界的 BCI 设备（Muse、NeuroSky 和 OpenBCI）进行的概念验证攻击使我们在六种主要攻击载体堆栈中发现了 300 多个漏洞。我们的评估表明，Argus 在跟踪敏感数据流和限制这些攻击方面非常有效，并且内存和性能开销可接受（< 15%）。