XiaoMi-AI文件搜索系统
World File Search SystemSSVEP
SSVEP在感知填充过程中追踪注意力而不是意识
1个心理科学学院，澳大利亚墨尔本莫纳什大学医学院，护理与健康科学学院； 2英国牛津大学医学院实验心理学系； 3墨尔本墨尔本大学心理科学学院，澳大利亚墨尔本； 4澳大利亚堪培拉大学卫生学院心理学学科； 5特纳大脑与心理健康研究所，澳大利亚墨尔本莫纳什大学医学院，护理与健康科学学院； 6日本苏亚国家信息与通信技术学院（NICT）信息与神经网络中心（Cinet）； 7高级电信研究计算神经科学实验室，2-2-2 Hikaridai，Seika-Cho，Soraku-Gun，京都，日本，日本
实用SSVEP BCI
摘要：与替代方法相比，由于较高的信息传输速率和最少的训练设置更容易设置，大脑计算机界面（BCI）的稳态视觉诱发电位（SSVEP）方法很受欢迎。具有精确生成的视觉刺激频率，可以将大脑信号转换为外部动作或信号。传统上，使用或不带有凝胶的电极从枕骨区域收集SSVEP数据，通常安装在头顶上。在这项实验研究中，我们开发了一个入耳式电极来收集四个不同频率的SSVEP数据，并将其与枕头皮电极数据进行比较。来自五个参与者的数据证明了基于耳电极的SSVEP的可行性，显着增强了可穿戴BCI应用的可实用性。
使用COMMON
个人的活动和行为完全通过脑电波控制[1]。通过神经系统将来自大脑的信号传递到人体的每个器官。由于神经肌肉疾病（包括肌萎缩性侧索硬化症（ALS）和锁定综合征）引起的，个体的运动功能丢失了[2]。在这些情况下，个人无法使用任何智力或表达方式与他人进行交流[3]。要提出澄清，研究人员正试图发现广泛的辅助设备。BCI的想法正在研究人员在这些辅助设备中进行广泛研究。在每种BCI技术中，都将特定的认知任务解释到设备命令中，该任务可用于处理辅助设备[4] [3]。脑部手术轮椅，家庭设备控制，机器人臂指挥，拼写技术，工作量识别和身份验证检测系统是广泛采用的BCI应用程序[5] [6]。
基于生物活性涂层的生物过滤，以减少室内空气voc
这项工作旨在设计，开发和评估基于稳态视觉诱发电位（SSVEP）的BCI系统。 div>该应用程序是通过Valladolid大学生物医学工程小组创建的Medusa平台开发的。 div>为此，在Python中实现了应用程序的图形接口和信号处理方法。 div>所研究的BCI系统是一个拼写器，可让您通过在SSVEPS EEG中检测到矩阵单元中代表的命令。 div>后者是由视觉刺激在一定刺激频率下引起的。 div>在审查了最新的现状后，得出的结论是，实现这一目标的最佳方法是通过关节频率案例编码范式和规范处理方法相关性分析。 div>
BETA：面向 SSVEP-BCI 应用的大型基准数据库
脑机接口 (BCI) 提供了一种替代的交流方式，在过去 20 年里引起了人们日益增长的兴趣。具体来说，对于基于稳态视觉诱发电位 (SSVEP) 的 BCI，频率识别方法和数据共享已经有了显著的改进。然而，这个领域的公共数据库数量仍然有限。因此，我们在研究中提出了一个面向 BCI 应用的 BE 基准数据库 (BETA)。BETA 数据库由 70 名执行 40 个目标提示拼写任务的受试者的 64 通道脑电图 (EEG) 数据组成。BETA 的设计和获取是为了满足现实世界应用的需求，它可以用作这些场景的试验台。我们通过一系列分析验证了数据库，并对 BETA 上的十一种频率识别方法进行了分类分析。我们建议分别使用宽带信噪比 (SNR) 和 BCI 商来表征单次试验和人群水平的 SSVEP。BETA 数据库可从以下链接下载 http://bci.med.tsinghua.edu.cn/download.html。
使用 EMOTIV EEG 耳机为 BCI 平台 DIY 混合 SSVEP-P300 LED 刺激
本文讨论了一种完全可定制的板载芯片 (COB) LED 设计，可同时诱发两种大脑反应（稳态视觉诱发电位 (SSVEP) 和瞬态诱发电位 P300）。考虑到脑机接口 (BCI) 中可能的不同模式，SSVEP 被广泛接受，因为它需要的脑电图 (EEG) 电极数量较少且训练时间最短。这项工作的目的是制作一个混合 BCI 硬件平台，以精确诱发 SSVEP 和 P300，同时减少疲劳并提高分类性能。该系统包括四个独立的径向绿色视觉刺激，由 32 位微控制器平台单独控制以诱发 SSVEP，以及四个以随机间隔闪烁以生成 P300 事件的红色 LED。该系统还可以记录可用于分类的 P300 事件时间戳，以提高准确性和可靠性。通过控制乐高机器人向四个方向移动，测试了混合刺激的实时分类准确性。2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可证开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
使用快速准确的 SSVEP 脑机接口...
摘要 — 本文介绍了一种处理和分类视觉诱发电位信号 (SSVEP) 的原创方法。它介绍了一种将典型相关分析与基于功率谱密度的方法相结合的集成学习模型。所用的刺激物是使用 LED 构建的，范围从 7.04 Hz 到 38.46 Hz。使用 ADS1299 和三个干电极收集数据。针对不同的光强度和 LED 之间的不同距离进行了测试。总共招募了 22 名参与者，平均准确率为 99.1 ± 2.27%，决策时间为 1 秒。据我们所知，这些结果超过了之前在 SSVEP-BCI 中使用高频刺激的其他作品中发表的结果，即平均准确率约为 90%，决策时间为 5 秒。索引术语 — 典型相关分析、脑机、EEG、视觉诱发电位、SSVEPC。
引用张萌, 王志勇, 胡红玲. 一种利用频率和空间编码视觉目标的基于SSVEP的BCI新方法. 中国科学信息科学, 2020, 63(8): 1893
亲爱的编辑，基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）与其他类型的BCI相比，具有更高的识别准确率、与刺激的关系更可靠、信息传输速率（ITR）更高等性能，引起了研究人员的广泛关注。基于SSVEP的BCI面临的一个主要挑战是可用于编码视觉目标的频带有限。更多的视觉目标可能会带来更高的ITR。为了解决这个问题，研究人员正在尝试设计新的编码方案，包括以代码形式呈现频率刺激和在编码方案中利用联合相位和频率信息[1-3]。这些研究通过将通信框架应用于BCI取得了显著的成果。受这些研究的启发，本研究提出了一种利用频率和空间信息对视觉目标进行编码的新编码方法。我们扩展了 [ 4 ] 的编码方案，在原始空间编码方案中引入了频率信息。根据我们提出的编码方案，我们实现了一个 BCI 系统，该系统利用四个不同的频率和相对于每个频率刺激的四个不同位置呈现 16 个视觉目标。与仅在编码方案中使用频率信息或空间信息的传统 BCI 系统相比，我们的提议研究可以
使用眼动追踪和 SSVEP 的混合拼写器设计......
摘要：稳态视觉诱发电位 (SSVEP) 因其稳健性、大量命令、高分类准确率和信息传输率 (ITR) 等优点，被广泛应用于开发脑机接口 (BCI)。然而，同时使用多个闪烁刺激往往会导致用户感到非常不适、疲倦、烦恼和疲劳。在这里，我们建议使用脑电图 (EEG) 和基于视频的眼动追踪来设计一种刺激响应混合拼写器，以提高用户在面对大量同时闪烁的刺激时的舒适度。有趣的是，基于典型相关分析 (CCA) 的框架可用于识别闪烁信号持续时间为 1 秒的目标频率。我们提出的 BCI 拼写器仅使用六个频率来对 48 个目标进行分类，从而大大提高了 ITR，而基本的 SSVEP BCI 拼写器使用的频率数量与目标数量相同。使用此拼写器，我们在提示拼写任务中获得了 90.35 ± 3.597% 的平均分类准确率，平均 ITR 为 184.06 ± 12.761 比特/分钟，在自由拼写任务中获得了 190.73 ± 17.849 比特/分钟。因此，我们提出的拼写器在目标分类、分类准确率和 ITR 方面优于其他拼写器，同时产生的疲劳、烦人、疲倦和不适感更少。我们提出的混合眼动追踪和基于 SSVEP BCI 的系统最终将实现真正的高速通信通道。