XiaoMi-AI文件搜索系统
World File Search SystemSpeller
通过优化和机器学习提高 P300 拼写器的性能
摘要 脑机接口 (BCI) 是一种允许人们绕过周围神经系统 (PNS) 的自然神经肌肉和激素输出与环境互动的系统。这些接口记录用户的大脑活动并将其转换为外部设备的控制命令，从而为 PNS 提供额外的人工输出。在这一框架中，基于 P300 事件相关电位 (ERP) 的 BCI 已被证明特别成功和强大，ERP 表示特定事件或刺激后从大脑记录下来的电反应。通过分类算法确定 EEG 特征中是否存在 P300 诱发电位。线性分类器（例如逐步线性判别分析和支持向量机 (SVM)）是 ERP 分类中最常用的判别算法。由于 EEG 信号的信噪比较低，因此在对信号进行分类之前，需要执行多个刺激序列（又称迭代）并取平均值。然而，虽然增加迭代次数可以提高信噪比，但也会减慢该过程。在早期的研究中，迭代次数是固定的（无停止环境），但最近文献中提出了几种提前停止策略，以便在满足某个标准时动态中断刺激序列，以提高通信速率。在这项工作中，我们探索了如何通过结合优化和机器学习来提高基于 P300 的 BCI 中的分类性能。首先，我们提出了一个新的决策函数，旨在提高无停止和提前停止环境中的分类性能（准确度和信息传输速率）。然后，我们提出了一个新的 SVM 训练问题，旨在促进目标检测过程。我们的方法在几个公开可用的数据集上被证明是有效的。
通过优化和机器学习提高 P300 拼写器的性能
脑机接口 (BCI) 是一种允许人们绕过周围神经系统 (PNS) 的自然神经肌肉和激素输出与环境互动的系统。这些接口记录用户的大脑活动并将其转换为外部设备的控制命令，从而为 PNS 提供额外的人工输出。在此框架中，基于 P300 事件相关电位 (ERP) 的 BCI 已被证明特别成功且稳定，ERP 代表特定事件或刺激后从大脑记录的电反应。通过分类算法确定 EEG 特征中是否存在 P300 诱发电位。线性分类器（例如逐步线性判别分析 (SWLDA) 和支持向量机 (SVM)）是 ERP 分类中最常用的判别算法。由于 EEG 信号的信噪比较低，因此需要执行多个刺激序列（即迭代），然后取平均值，然后对信号进行分类。然而，虽然增加迭代次数可以提高信噪比 (SNR)，但也会减慢该过程。在早期的研究中，迭代次数是固定的（不停止），但最近，文献中提出了几种提前停止策略，以便在满足某个标准时动态中断刺激序列，以提高通信速率。在
在RSVP范式下，基于BCI的拼写器中具有不同类型的视觉刺激的性能分析
大脑计算机界面（BCI）系统为严重运动残疾患者提供了替代通信通道，可以使用无肌肉运动与环境互动。近年来，与最经常研究的基于BCI的拼写范式相比，对非目光依赖的脑部计算机界面范式的研究的重要性一直在增加。在RCP范式下已经验证了用于通信目的的几种视觉修改尚未在最扩展的非目光依赖的快速串行视觉呈现（RSVP）范式下进行验证。因此，在本研究中，根据RSVP评估了三组不同的刺激，并具有以下交流特征：白色字母（WL），著名面部（FF），中性图片（NP）。11个健康受试者参加了该实验，其中受试者必须经历校准阶段，在线阶段以及最终的主观问卷完成阶段。结果表明，FF和NP刺激在校准和在线阶段促进了更好的性能，在FF范式中稍好。关于主观问卷，与WL刺激相反，参与者再次首选FF和NP，但这次NP刺激得分略高。这些发现表明，与最常用的基于字母的刺激相比，将FF和NP用于基于RSVP的拼写器可能是有益的，可以提高信息传输速率，并且可以代表具有改变眼运动功能的个人的有希望的通信系统。
视觉脑机接口作为肌萎缩侧索硬化症患者的沟通辅助工具 Verbaarschot，CS；Tump，D.；Lutu，A.；Borhana
目的：对于患有肌萎缩侧索硬化症 (ALS) 的患者，利用代码调制视觉诱发电位 (cVEP) 的脑机接口 (BCI) 拼写器可能为现有的视觉 BCI 拼写器提供一种快速且更准确的替代方案。但到目前为止，cVEP 拼写器仅在健康参与者身上进行过测试。方法：我们评估了 20 名健康参与者和 10 名 ALS 患者的大脑反应、BCI 性能和 cVEP 拼写器的用户体验。所有参与者都执行了提示和自由拼写任务，以及自由选择是/否答案。结果：30 名参与者中有 27 名可以完成提示拼写任务，ALS 患者的平均准确率为 79%，健康老年参与者的平均准确率为 88%，健康年轻参与者的平均准确率为 94%。所有 30 名参与者都可以自由回答是/否问题，平均准确率约为 90%。结论：对于平均每分钟输入 10 个字符的 ALS 患者，本文介绍的 cVEP 拼写器的表现优于其他视觉 BCI 拼写器。意义：这些结果支持 cVEP 信号对 ALS 患者的普遍可用性，这可能远远超出测试的拼写器，例如控制智能家居中的警报、自动门或电视。2021 年国际临床神经生理学联合会。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
具有降低视野的P300大脑计算机接口
抽象的p300脑计算机界面（BCI）是一种实验性和临床范式，在该范式中，使用刺激触发的视觉诱发电位（VEP）用于将用户的信息传达给外界。在典型的实现中，称为P300 Speller，一个主题着眼于文本字符闪烁并参与其中一个字符的显示。被检测到的角色是最强的VEP的角色。当对目标和非目标刺激的响应足够不同时，这种拼写者的表现很好，相反，当非目标刺激引起相当大的VEP时，需要进行更多的试验。尽管多年来已经提出了许多改进拼写器的策略，但相对简单的人们很少关注：减少视野以减少非目标刺激的贡献。为了解决这个想法，我们在10个主题中进行了一个试点实验，该实验首先操作了传统的P300拼写器，然后戴了一个孔，将其视力限制在中央领域。主题通过查看文本字符选择。佩戴光圈时，所有受试者中对非目标刺激的反应均降低。此外，在四个受试者中，目标刺激性VEP的幅度和/或形状变化。由于孔径减少了非目标的干扰，并在一部分情况下增加了对目标的反应，因此我们建议使用这种方法来改善BCI性能。除了孔径的使用外，我们还认为可以通过算法来删除干扰因素。此外，未来的P300 BCI还利用了中央和周围视野的不同生理特性。我们还讨论了所提出的方法如何提供有关视觉处理机制的见解。
基于P300的自适应脑计算机界面用于注意训练：随机对照试验的协议
背景：认知缺陷和疾病的人数，例如中风，痴呆或注意力缺陷/多动障碍，由于老龄化或注意力缺陷/多动症障碍而增加。使用脑部计算机界面的神经反馈训练正在成为一种易于使用和无创的认知训练和康复的手段。使用基于p300的脑部计算机界面的神经反馈训练的新型应用，以前已经显示出可以提高健康成年人注意力的潜力。目的：本研究旨在使用迭代学习控制加速注意力训练，以优化自适应P300拼写任务中的任务难度。此外，我们希望使用P300拼写器进行注意训练的先前研究的结果，作为基准比较。此外，将培训期间任务难度个性化的有效性与非个人化任务难度进行比较。
在完全沉浸式 VR 中同步使用脑电图和眼动追踪的方法
本研究探索了多模态生理数据流的同步，特别是脑电图 (EEG) 与具有眼动追踪功能的虚拟现实 (VR) 耳机的集成。通过在完全沉浸式 VR 环境中实现基于混合稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 拼写器，展示了同步数据流的潜在用例。硬件延迟分析显示 EEG 和眼动追踪数据流之间的平均偏移为 36 毫秒，平均抖动为 5.76 毫秒。该研究进一步介绍了 VR 中脑机接口 (BCI) 拼写器的概念验证，展示了其在现实世界中的应用潜力。研究结果强调了将商业 EEG 和 VR 技术结合起来进行神经科学研究的可行性，并为在生态有效的 VR 环境中研究大脑活动开辟了新途径。未来的研究可以集中在改进同步方法和探索各种情况下的应用，例如学习和社交互动。
Braininfo 2022 -Riuma -deMálaga大学
摘要 - BCI拼写器是用于通信目的的典型脑部计算机接口（BCI）系统。该技术可以通过由大脑活动控制的辅助设备为用户提供严重的运动残疾。目前的初步研究，只有四个科目，重点是控制5x5 P300的拼写矩阵，以进行通信。在这项工作中，我们研究了在两个条件下突出字母的闪烁刺激的效果：图片和红色著名的面孔（即著名的面孔，红色的面孔）。这些初步结果，基于性能和信息传输速率（ITR），表明这两种条件都是相似的，与常规P300 - 销售器相比，性能非常好。从这个意义上讲，图片的使用并不能使性能变得更糟，从而可以开发出更具吸引力和可用的界面。更多的测试将确认提出的两个条件之间的性能是否存在差异。
P300 脑机接口拼写器的进展
脑机接口（BCI）是一种非肌肉通信技术，为大脑和外部设备提供信息交换通道。几十年来，BCI取得了显著进展并被应用于许多领域。最传统的BCI应用之一是BCI拼写器。本文主要讨论P300 BCI拼写器的研究进展，并回顾了四类P300拼写器：单模态P300拼写器、基于多种脑模式的P300拼写器、具有多感觉刺激的P300拼写器和具有多种智能技术的P300拼写器。对于每一类P300拼写器，我们进一步回顾了几种具有代表性的P300拼写器，包括它们的设计原理、范式、算法、实验性能和相应的优势。我们特别强调了范式设计思想，包括整体布局、单个符号形状和刺激形式。此外，还确定了P300拼写器的几个重要问题和研究指导。希望本综述能帮助研究人员了解这些新型P300拼写工具的新思路，提升其实际应用能力。
拼写脑机接口中基于图像刺激的两种范式比较
摘要：基于 P300 的拼写器可用于通过大脑活动控制家庭自动化系统。评估基于 P300 的拼写器中使用的视觉刺激是脑机接口 (BCI) 领域的常见主题。本研究的目的是使用可用性方法比较两种在以前的研究中表现优异的刺激类型。12 名参与者在两种条件下控制 BCI，这两种条件下的刺激类型不同：一个红色名人脸被白色矩形 (RFW) 包围，以及一系列中性图片 (NPs)。可用性方法包括与有效性（准确性和信息传输率）、效率（压力和疲劳）和满意度（愉悦度和系统可用性量表和情感网格问卷）相关的变量。结果表明，有效性没有显著差异，但使用 NPs 的系统报告的愉悦度明显更高。因此，由于在潜在用户可能经常使用的系统中也应该考虑满意度变量，因此对于基于视觉 P300 拼写器的家庭自动化系统的开发来说，使用不同的 NP 可能比使用单个 RFW 更合适。