XiaoMi-AI文件搜索系统
World File Search SystemOpenBCI
通过脑电图在线识别情绪
摘要 — 脑信号的自动模式识别可以带来新的体验，增强广泛领域的应用。其研究领域之一是通过脑电图 (EEG) 识别情绪，与其他方法相比，它显示出独特的优势。然而，脑机接口 (BCI) 的研究通常分为两个连续的阶段：数据收集和数据分析。这些阶段在生产环境中的功能系统视角中留下了一个空白，因为从业者需要等待相当长的时间才能看到当前活动的结果。在这项工作中，利用开放资源开发了一个情绪（积极、中性和消极）的在线分类系统。使用 SEED IV 数据集训练了五个机器学习模型，该数据集标有不同的情绪。使用嵌套交叉验证和网格搜索对模型进行训练和测试，以获得最佳超参数。Python 中的算法实现与 OpenBCI 软件集成，以捕获 EEG 信号、处理它们并命令模拟。单个受试者的最佳平均准确率为76.19%，全体受试者的平均准确率为57.07%，信号处理和预测的平均执行时间加起来约为1毫秒，展现了实时特性的应用潜力。
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%）。
使用基于用户控制的眼睛眨眼
Quito，厄瓜多尔摘要 - 由联合国等不同组织出版的数据表明，有很多人患有不同类型的运动障碍。在许多情况下，残疾是如此严重，以至于无法进行任何形式的运动。面对这种情况，大脑计算机界面技术已经面临着开发解决方案的挑战，这些解决方案允许为这些人提供更好的生活，最重要的领域之一就是移动性解决方案，其中包括大脑计算机接口使电动轮椅作为最有用的解决方案之一。面对这种情况，目前的工作开发了一种大脑计算机接口解决方案，该解决方案允许用户使用眨眼时产生的脑电波来控制轮椅的运动。为了创建本解决方案，增量原型方法已用于通过生成独立的模块来优化开发过程。该解决方案由几个组件，即EEG系统（OpenBCI），主控制器，轮椅控制器和轮椅，允许模块化以简单的方式进行其功能的更新（改进）。开发的系统表明它需要较低的培训时间，并且具有现实世界中适用的响应时间。实验结果表明，用户可以在一段时间内使用可接受的错误等级执行不同的任务，这可以被认为是系统可接受的。考虑到原型是为残疾人创建的，该系统可以授予他们一定程度的独立性。
使用 BCI 技术控制无人机
无人机，又称无人驾驶飞行器 (UAV)，是一种远程或自主操作的飞行器。无人机的使用率有所提高，因为现在可以使用它们执行人类无法完成的复杂任务。脑电图 (EEG) 由大脑的电活动产生，可以通过在头皮上放置电极来测量。使用 EEG 信号控制无人机的想法是指使用 EEG 技术来控制无人机的运动。EEG 信号用于确定用户的意图并将其转换为发送给无人机的命令。对于这个项目，我们开发并测试了一个系统，该系统的目的是使用头带控制无人机，当无人机飞行员做出面部表情时，头带会检测来自无人机飞行员的 EEG 信号。商用 EEG 头带将用于记录执行三种面部表情时产生的 EEG 信号：抬起眉毛、用力眨眼和向左看。头带有三个电极，形式为小金属盘，可以测量三个额叶皮层。在本实验中，将从三个不同的人身上获取记录，并使用 OpenBCI GUI 软件分析和记录从他们身上记录下来的 EEG 信号。记录的数据将传输到 MATLAB 软件。然后，数据将经过特征提取过程，以设计人工神经网络 (ANN)。之后，将训练人工神经网络对实验选择的面部表情进行分类，一旦训练完成，神经网络将转换为一个函数，该函数将被发送到 MATLAB，目的是根据创建的神经网络执行的分类分析向 DJI Tello 无人机发送命令。
关于使用消费级脑电图设备进行研究的范围审查
脑电图 (EEG) 是对大脑中神经元放电产生的电活动的连续测量。这涉及在头皮的多个位置放置金属电极，以毫秒级的时间分辨率记录电压波动。然后可以处理这些记录以产生电活动的频谱分析或生成事件相关电位 (ERP)，该电位表示对任务或刺激的平均反应。如今，EEG 因其非侵入性和易用性而成为学术界和医疗专业人士最流行的神经科学工具之一 [1]。最近，几家公司开发了消费级 EEG 设备。这些设备小巧、无线且设置精简，对新手研究人员或希望在传统实验室环境之外收集数据的人特别有吸引力 [2]。更重要的是，消费级设备比研究级设备便宜，为资金有限的人提供了一种经济实惠的神经生理数据收集方式。由于其可访问性，消费级 EEG 已在不同领域用于各种用途。软件工程师和计算机科学家使用消费级脑电图收集高分辨率时间序列数据。然后处理这些数据以创建或优化机器学习和信号处理算法[3-5]。反过来，这些算法可以与设备结合使用，开发脑机接口（BCI）系统。工程和机器人领域的专家可以训练机器实时响应神经数据中的模式[6]。同步后，人类用户可以配置BCI来控制多种电子设备，包括轮椅[7]、无人机[8]、智能家居[9-11]和网络浏览器[12]。临床医生报告称，他们使用该技术进行神经反馈疗法[13]、促进学习[14]、评估患者睡眠质量[15、16]，并确定情感状态[17-20]。科学家越来越多地使用消费级设备来收集神经数据，以解决各种理论和实践研究问题 [2, 21, 22]。消费级 EEG 研究的激增启发了一些非系统性综述（见表 1）。例如，一些综述比较了单个消费级 EEG 设备与非 EEG 生物传感器在癫痫检测 [23]、BCI 系统 [24] 和压力识别 [25] 领域的性能。其他综述则在单个领域比较了多个消费级 EEG 设备 [2, 21, 26 – 28]。例如，Dadebayev 等人 [29] 的综述重点是情绪识别；Asl 等人 [30] 专注于困倦检测，Khurana 等人 [31] 专注于神经营销。其中最全面的评论之一考虑了大约 100 项“精心挑选”[22]的研究，这些研究使用了四种消费级设备——NeuroSky MindWave、Emotiv EPOC+、interaXon Muse、和 OpenBCI 神经耳机——在认知、BCI、教育研究和游戏开发领域。虽然这些非系统性评论提供了对某些 EEG 设备领域特定功能的见解，但目前关于这个主题的文献充其量是零散的。事实上，令人惊讶的是，到目前为止，还没有对目前可用和常用的消费级 EEG 设备的研究相关用途进行系统范围审查。因此，本文的目的是绘制大量使用消费级 EEG 来收集