XiaoMi-AI文件搜索系统
World File Search SystemStimuli
睡眠中非疼痛触觉刺激的研究
在整个夜间记录期间，评估 N1 和 N2 阶段 EEG 段（表示为浅睡眠，LS）的右手食指和中指触觉反应。这导致具有正偏转和负偏转的睡眠触觉波形。P50 波形的潜伏期在 64-170 毫秒之间，N100 在 90 至 242 毫秒之间，P200 在 166 至 290 毫秒之间，N300 在 258 至 388 毫秒之间，P450 出现在 440 至 560 毫秒之间，N550 在 484 至 774 毫秒之间观察到，P900 在 668 至 900 毫秒之间，N_late 在 954 至 1,292 毫秒之间。在 LS 期间对非疼痛触觉刺激的大脑反应导致以下波偏转幅度。 P50 范围为 -0.73 至 1.93 µV，N100 范围为 1.14 至 -2.17 µV，P200 范围为 -0.11 至 3.02 µV，N300 范围为 -0.96 至 -9.31 µV，P450 范围为 0.17 至 6.74 µV，N550 波形在 1.57 至 -1.03 µV 之间观察到，P900 范围为 -0.16 至 4.18 µV，最后 N_late 范围为 -0.74 至 -3.51 µV。这些值及其标准偏差以表格形式列于表 2 中。
基于脑电图的用户身份验证的音乐刺激
基于大脑信号的生物识别系统是一种新颖的方法，可用于更直观，健壮和用户友好的身份验证。al-尽管以不同的视觉刺激进行了以前的研究，但很少考虑用于大脑信号的音乐刺激。在本文中，提出了用脑电图和音乐刺激的用户身份验证系统的新框架。EEG数据每周一次从16位健康参与者中收集了三周。尽管不同类型的音乐引起了不同的响应，但用户可以根据其大脑信号识别。实验结果表明，当使用这种方法时，最佳的分类精度率约为96.75％。这些结果表明，音乐引起的反应带来了参与者区分特征，这可能被用作生物特征。
具有听觉刺激同步的EEG设备
摘要在本文中，提出了一种简单的方法来对齐EEG信号和听觉刺激。在典型的事件相关电位（ERP）研究中，硬件或软件同步用于提供听觉刺激的事件同步，这不是一个完美的实时同步。在这项研究中，EEG信号采集前端用于同时测量EEG信号和听觉刺激。实验以验证所提出方法的电性能。实验eSults表明，EEG信号是通过同步的方法捕获的，同时刺激了听觉刺激，同时保持高质量的电性能。关键字：脑电图，听觉引起的潜力，采集设备
大脑对有害牙槽刺激的反应改变......
结果................................................................................................................................ 17
评估刺激颜色和频率对SSVEP的影响
摘要：大脑 - 计算机接口（BCI）可以通过注册和处理脑电图（EEG）信号来提取有关受试者意图的信息，以生成对物理系统的操作。稳态视觉诱发的电位（SSVEP）是当受试者凝视着视觉刺激时产生的。通过光谱分析并测量其谐波含量的信噪比（SNR），可以识别观察到的刺激。刺激颜色很重要，一些作者提出了红色，因为它具有吸引注意力的能力，而另一些作者则拒绝了它，因为它可能会诱发癫痫发作。绿色也已提出，据称白色可能会产生最好的信号。关于频率，尽管尚未彻底研究高频，但声称中间频率产生了最佳的SNR，并且由于该频带的自发性脑活动较低，因此可能是有利的。在这里，我们以三个频率显示白色，红色和绿色刺激：5（低），12（中）和30（高）Hz至42个受试者，并进行比较以找到可以产生最佳SNR的。我们的目标是知道对白色的响应是否像红色一样强，并且对高频的响应是否与较低频率触发的响应一样强。注意力。方差分析（ANOVA）显示了具有中间频率的最佳SNR，其次是低，最终是高频率的。白色在12 Hz时给出了红色的SNR，绿色为5 Hz，在30 Hz时没有差异。这些结果表明中间频率是可取的，并且可以避免使用红色。相关性分析还显示了注意力低频与SNR之间的相关性，因此表明对于低频，更多的注意力能力会带来更好的结果。
刺激响应性药物前体的新兴策略...... - DR-NTU
本文档是已发表作品的已接受手稿版本，该作品最终以 ACS Nano 的形式发表，版权所有 © 2022 美国化学学会，经过同行评审和技术编辑。要访问最终编辑和出版的作品，请访问 https://doi.org/10.1021/acsnano.2c05379。
多模态刺激的多模态大脑编码模型
图 3：整个大脑和语言（AG、PTL 和 IFG）、视觉（EVC、SV 和 MT）和听觉皮层（AC）的多个 ROI 中的多模态和个体模态特征的视频和音频模态的平均归一化大脑对齐。误差线表示参与者平均值的标准误差。∗ 表示多模态嵌入明显优于单模态视频模型（VM）的情况，即 p ≤ 0.05。∧ 表示多模态嵌入明显优于单模态语音模型（SM）的情况，即 p ≤ 0.05。3
整合邻近刺激数据以增强基于 SSVEP 的 BCI
摘要 — 为了增强基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 的目标识别性能，已经提出了各种空间滤波器。当前的方法仅从相应刺激中提取目标相关信息来学习空间滤波器参数。然而，来自邻近刺激的 SSVEP 数据也包含目标刺激的频率信息，可用于进一步提高目标识别性能。在本文中，我们提出了一种结合来自邻近刺激的 SSVEP 来增强目标相关频率信息的新方法。首先，通过最大化对应于目标及其邻近刺激的 SSVEP 数据的协方差之和来获得空间滤波器。然后计算空间滤波模板和测试数据之间的相关特征以进行目标检测。为了进行性能评估，我们使用来自 35 名受试者的 40 类基准数据集和来自 11 名受试者的 12 个目标自收集数据集进行了离线实验。与最先进的空间滤波方法相比，所提出的方法在分类准确率和信息传输速率 (ITR) 方面表现出优势。比较结果证明了所提出的空间滤波器对于基于 SSVEP 的 BCI 中的目标识别的有效性。
在 P300 大脑中使用图片作为刺激的不同效果......
摘要 先前关于控制基于 P300 的 BCI 拼写器的提案表明，在行列范式 (RCP) 下，使用替代图像代替字母作为目标刺激可以取得进步。然而，RCP 不适合那些缺乏凝视控制的患者。为了解决这个问题，先前的研究提出了快速序列视觉呈现 (RSVP) 范式。本研究的目的是评估一组可以提高 RCP 表现的替代图片是否也可以提高 RSVP 的表现。16 名参与者在校准和在线任务中控制了四种条件：RCP 中的字母、RCP 中的图片、RSVP 中的字母和 RSVP 中的图片。无论是在性能分析还是事件相关电位分析中，RCP 下图片带来的效果都大于 RSVP 下。事实上，与字母相比，RSVP 下的图片并没有显示出任何改进。此外，大多数用户 (68.75%) 表示 RCP 下的图片条件是最喜欢的，而 RSVP 下的图片条件却没有被任何参与者选为最喜欢的。因此，这项研究表明，在 RCP 下使用图片作为替代闪光刺激所带来的改善可能无法转移到 RSVP。