XiaoMi-AI文件搜索系统
World File Search SystemSSVEPs
联合注意力期间的交流信号促进婴儿和看护人的神经过程
诸如眼神接触之类的交流信号增加了婴儿对视觉刺激的大脑激活并促进关节注意力。我们的研究评估了联合注意力期间的交流信号是否可以增强婴儿养生者对物体的神经反应及其神经同步的反应。为了跟踪相互关注的过程，我们应用了节奏视觉刺激（RVS），向12个月大的婴儿及其母亲（n = 37个二元组）呈现对象的图像，而我们记录了Dyads的大脑活动（即，稳态的视觉唤起电位，SSVEPS，SSVEPS，SSVEPS，SSVEPS）与eleprencephalagraphy（eegeeg）hyperssanning hyperssanning。在二元组中，母亲要么沟通向婴儿展示图像，要么在没有交流互动的情况下观看了图像。交流提示在中央 - 枕骨 - 枕骨和中央电极位点增加了婴儿和母亲的ssveps。婴儿在交流参与过程中对图像的凝视行为明显更大。二元神经同步（SSVEP振幅相关性，AEC）不受交流提示调节。共同关注关注的母亲交流提示增加了婴儿对物体的神经反应，并塑造了母亲自己的注意力过程。我们表明，交流提示增强了皮质视觉处理，因此在社会学习中起着至关重要的作用。未来的研究需要阐明交流线索对共同注意的神经同步的影响。最后，我们的研究介绍了RV，以研究社会背景下的婴儿神经dy namics。
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>
用于现实生活中用餐的混合脑机接口......
摘要：辅助设备（例如用餐辅助机器人）可帮助残障人士并支持老年人进行日常活动。然而，现有的用餐辅助机器人由于用户界面不直观，操作不便，需要额外的时间和精力。因此，我们开发了一种基于混合脑机接口的用餐辅助机器人系统，该系统具有三个特点，可以使用头皮电极进行脑电图测量。以下三个过程构成一个用餐周期。（1）来自前额叶通道的三次眨眼（EB）被视为启动周期的激活。（2）来自枕骨通道的稳态视觉诱发电位（SSVEP）用于根据用户的意图选择食物。（3）当用户咀嚼食物时，从颞通道记录肌电图（EMG），以标记一个周期的结束并指示准备开始下一餐。在五名受试者的实验中，准确率、信息传递率和假阳性率如下：准确率（EBs/SSVEPs/EMGs）（％）：（94.67/83.33/97.33）；FPR（EBs/EMGs）（次/分钟）：（0.11/0.08）；ITR（SSVEPs）（比特/分钟）：20.41。这些结果揭示了该辅助系统的可行性。所提出的系统使用户可以更自然地自行进食。此外，它可以提高残疾人和老年人的自尊心并提高他们的生活质量。
diseño，desarrollo yestaruacióndeun sistema de un sistema脑电脑界面（BCI）basado en稳态视觉诱发电势（SSVEPS）
摘要：随着电动机的发展，电动汽车电池和电子设备中使用的关键材料往往会变得稀缺。这项工作旨在通过使用定量和定性指标通过书目计量和系统评价来分析电动汽车供应链的最先进，以找到代表供应链风险的关键点，并应集中于并确定进一步研究的趋势。在BiblioMetrix软件的支持下进行了文献计量审查。使用Prisma方法进行系统审查。文献计量分析表明，与电动汽车相关的成本以及与供应链可持续性和透明度有关的研究的重要性。尽管在考虑作者的关键词分析时，供应链中的风险管理似乎相对较少，但系统的综述表明，此过程是研究最多的主题。即便如此，原材料供应还是最关注的主题，然后是环境影响评估和成本分析。也有一些研究旨在实现竞争力并分析生态正确的实践。电池是研究最多的组件，但是必须分析其他组件，以寻求与传统车辆相关的更大竞争力。
附近闪烁频率下的稳态视觉诱发电位之间的局部相互作用
稳态视觉诱发电位 (SSVEP) 被广泛用于指示人类脑电图 (EEG) 研究中自上而下的认知处理。通常，会呈现两个以不同时间频率 (TF) 闪烁的刺激，每个刺激都会在其闪烁频率下在 EEG 中产生不同的反应。然而，在存在竞争性闪烁刺激的情况下，EEG 中的 SSVEP 反应如何仅由于感觉相互作用而受到调节尚不清楚。我们之前已经在从清醒猴子记录的局部场电位 (LFP) 中表明，当两个重叠的全屏光栅以不同的 TF 反相时，存在不对称的 SSVEP 反应抑制，较低 TF 的抑制更大，这进一步取决于光栅的相对方向（平行光栅的抑制和不对称性比正交光栅更强）。在这里，我们首先在男性和女性人类 EEG 记录中证实了这些影响。然后，我们在比之前研究更广的范围内绘制了一个刺激（目标）对竞争刺激（掩码）的反应抑制。令人惊讶的是，我们发现抑制在低频下通常并不强，而是根据目标 TF 系统地变化，表明两个竞争刺激之间存在局部相互作用。这些结果在人类 EEG 和猴子 LFP 和皮层电图 (ECoG) 数据中都得到了证实。我们的结果表明，多个 SSVEP 之间的感官相互作用比以前显示的更复杂，并且受到局部和全局因素的影响，强调需要谨慎解释涉及 SSVEP 范式的研究结果。
通过可感知和非感知的脑振荡同步...
目标和背景：数十年来，稳态视觉诱发电位 (SSVEP) 领域的研究已经揭示了节律性光刺激在脑机接口方面的巨大潜力。此外，节律性光刺激为大脑振荡活动的同步提供了一种非侵入性方法。特别有效的方案能够实现不可感知的节律性刺激，从而减少眼睛疲劳和用户不适，这是有利的。在这里，我们通过要求参与者 (a) 在显性注意力条件下直接关注刺激源或 (b) 在隐性注意力条件下关注刺激源下方的十字线，研究 (1) 可感知和 (2) 不可感知的节律性光刺激的影响以及刺激对注意力的影响。
评估基于英语音素的想象语音大脑计算机接口，低成本脑电图
沟通困难大大降低了瘫痪和身体受损的人的生活质量。脑电图（EEG）脑 - 计算机界面（BCIS）为这些人提供潜在的通信方法，因为他们不需要侵入性手术或物理装置控制。尽管在EEG BCI范式中有充分的文献记录了虚拟键盘协议，但p300拼写器和稳态视觉诱发电位（SSVEP）在视觉上征税和疲劳。运动图像可以将其硬编码为特定的键或按钮；但是，这需要大量的数据培训和多个特定手势的耗时编码。在机器学习分类器中，秘密或想象的语音BCI范式编码了想象中的特定脑电图模式为离散输出。语言核心成分，音素，已经报道了
基于进化多任务的混合脑机接口系统中通道选择的多目标优化算法
混合模态脑机接口 (BCI) 结合了运动想象 (MI) 生物信号和稳态视觉诱发电位 (SSVEP)，在神经工程研究领域引起了广泛关注。在实际应用中，通道数量应尽可能少。然而，最近关于通道选择的大部分研究仅关注分类任务的性能或设备控制的有效性。很少有研究同时对 MI 和 SSVEP 分类任务进行通道选择。在本文中，提出了一种基于多任务的多目标进化算法 (EMMOA)，以同时为这两个分类任务选择合适的通道。此外，还引入了一个两阶段框架来平衡所提算法中选定通道的数量和分类准确率。实验结果验证了多目标优化方法对于混合 BCI 任务通道选择的可行性。
蝴蝶效应：虚拟现实中稳态视觉诱发电位刺激的新机遇
在虚拟现实 (VR) 中，稳态视觉诱发电位 (SSVEP) 可用于通过脑信号与虚拟环境进行交互。然而，SSVEP 诱发刺激的设计通常与虚拟环境不匹配，因此会破坏虚拟体验。在本文中，我们研究了不同适应性刺激设计，以融入虚拟环境。因此，我们创造了不同形状的虚拟蝴蝶。形状从矩形翅膀到圆形翅膀，再到真实蝴蝶的翅膀形状。这些蝴蝶通过不同的动画（闪烁或拍打翅膀）引发 SSVEP 反应。为了评估我们的刺激，我们首先从文献中提取了适合 SSVEP 反应的频率。在第一项研究中，我们确定了在 VR 中产生最佳检测精度的三个频率。我们在第二项研究中使用这些频率来分析使用我们的刺激设计的检测精度和外观评级。我们的工作为融入虚拟环境并仍能引发 SSVEP 反应的 SSVEP 刺激的设计提供了见解。