摘要 — 目标:当存在多个声源时,当前助听器中的降噪算法缺乏有关用户关注的声源的信息。为了解决这个问题,它们可以与听觉注意解码 (AAD) 算法相辅相成,该算法使用脑电图 (EEG) 传感器解码注意力。最先进的 AAD 算法采用刺激重建方法,其中关注源的包络从 EEG 重建并与各个源的包络相关。然而,这种方法在短信号段上表现不佳,而较长的片段在用户切换注意力时会产生不切实际的长检测延迟。方法:我们提出使用滤波器组公共空间模式滤波器 (FB-CSP) 解码注意力的方向焦点作为替代 AAD 范式,它不需要访问干净的源包络。结果:提出的 FB-CSP 方法在短信号段上的表现优于刺激重建方法,在相同任务上的表现也优于卷积神经网络方法。我们实现了高精度(1 秒窗口为 80%,准瞬时决策为 70%),足以实现低于 4 秒的最小预期切换持续时间。我们还证明解码器可以适应来自未见对象的未标记数据,并且仅使用位于耳朵周围的部分 EEG 通道来模拟可穿戴 EEG 设置。结论:提出的 FB-CSP 方法可以快速准确地解码听觉注意力的方向焦点。意义:在非常短的数据段上实现高精度是朝着实用的神经引导听力设备迈出的重要一步。
。CC-BY 4.0国际许可证可永久提供。是作者/资助者,他已授予Medrxiv的许可证,以显示预印本(未通过同行评审证明)预印版本的版权所有者此版本发布于2025年3月10日。 https://doi.org/10.1101/2025.03.06.25323546 doi:medrxiv preprint
研究文章:方法/新工具| Novel Tools and Methods Continuous auditory feedback promotes fine motor skill learning in mice https://doi.org/10.1523/ENEURO.0008-25.2025 Received: 7 January 2025 Revised: 12 February 2025 Accepted: 18 February 2025 Copyright © 2025 Xiao and Balbi This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International许可证,允许在任何媒介中不受限制地使用,分发和复制,前提是原始工作是正确归因的。
了解人类大脑如何处理听觉输入仍然是一个挑战。传统上,人们会区分低级和高级声音特征,但它们的定义取决于特定的理论框架,可能与声音的神经表征不匹配。在这里,我们假设构建一个数据驱动的听觉感知神经模型,对相关声音特征做出最少的理论假设,可以提供一种替代方法,并可能更好地匹配神经反应。我们收集了六名观看长时间故事片的患者的皮层脑电图记录。原始电影配乐用于训练人工神经网络模型以预测相关的神经反应。该模型实现了高预测准确率,并且很好地推广到第二个数据集,其中新参与者观看了不同的电影。提取的自下而上的特征捕捉了特定于声音类型的声学特性,并与各种响应延迟曲线和不同的皮质分布相关。具体而言,一些特征编码了与语音相关的声学特性,其中一些特征表现出较短的延迟曲线(与后外侧裂皮质中的反应相关),而另一些特征表现出较长的延迟曲线(与前外侧裂皮质中的反应相关)。我们的研究结果支持并扩展了当前对语音感知的看法,证明了外侧裂皮质中存在时间层次,并且在视听语音感知过程中涉及该区域以外的皮质部位。
[1] 马克斯普朗克人类认知与脑科学研究所神经病学系,莱比锡 04103,德国 [2] 柏林夏里特医学院伯恩斯坦计算神经科学中心,柏林 10117,德国 [3] 罗氏制药研究与早期开发、神经科学与罕见疾病,罗氏巴塞尔创新中心,F.霍夫曼-罗氏有限公司,巴塞尔,4070,瑞士 [4] 莱比锡大学 LIFE – 文明疾病研究中心,莱比锡,04109,德国 [5] IU 国际应用技术大学心理学系,埃尔福特,53604,德国 [6] 莱比锡大学医学中心精神病学和心理治疗系,莱比锡,04103,德国 [7] 精神病学、心身医学和心理治疗,法兰克福歌德大学,法兰克福,60323,德国 [8] 医学信息学,统计学和流行病学研究所(IMISE),莱比锡大学,莱比锡,04109,德国 [9] 认知神经病学系,莱比锡大学医院,莱比锡,04103,德国 [10] 神经物理学组,神经病学系,夏里特 - 柏林大学医学院,柏林,10117,德国
摘要 — 脑机接口 (BCI) 系统为人类与机器交互提供了一种非语言且隐蔽的方式。它们旨在解释用户的大脑状态,并将其转化为行动或用于其他交流目的。本研究调查了基于听觉和触觉注意力开发无需动手和眼睛的 BCI 系统的可行性。向用户呈现多个同时的听觉或触觉刺激流,并指示用户检测某一特定流中的模式。我们应用线性分类器从 EEG 信号中解码流跟踪注意力。结果表明,所提出的 BCI 系统可以使用多感官输入吸引大多数研究参与者的注意力,并显示出在多个会话中进行迁移学习的潜力。
便携式神经成像技术的进步为深入了解日常行为背后的神经动力学和认知过程开辟了新的机会。在本研究中,我们评估了耳机式脑电图 (EEG) 系统对监测心理负荷的相关性。参与者 (N=12) 被指示在执行多属性任务电池 (MATB) 时注意偶尔出现的听觉警报,该任务电池的难度分为三种条件来操纵心理负荷。由听觉警报呈现引发的 P300 事件相关电位 (ERP) 被用作可用注意力资源的探测。在实验条件下比较了 P300 ERP 的幅度和延迟。我们的研究结果表明,可以使用耳机式 EEG 系统捕获 P300 ERP 成分。此外,对警报的神经反应可用于在单次试验水平上以高精度 (超过 80%) 对心理负荷进行分类。我们的分析表明,海绵传感器获取的信噪比在整个记录过程中保持稳定。这些结果突出了便携式神经成像技术在神经辅助应用开发中的潜力,同时也强调了目前将 EEG 传感器集成到日常生活可穿戴技术中存在的局限性和挑战。总的来说,我们的研究为越来越多的研究做出了贡献,这些研究探索了可穿戴神经成像技术在人类研究中的可行性和有效性
摘要 - 许多研究表明,可以从脑电图数据中解码听觉对自然语音的关注。但是,大多数研究都集中在选择性的听觉注意力解码(SAAD)上,而竞争扬声器则是对单个目标的绝对听觉注意解码(AAAD)的动态。AAAD的目标是衡量对单个演讲者的关注程度,在心理和教育环境中的客观衡量注意力。为了调查这种AAAD范式,我们设计了一个实验,主题在不同的细心条件下听到视频讲座。我们训练了神经解码器,以在基线的细节状态重建脑电图中的语音信封,并使用解码和真实语音信封之间的相关系数作为注意语音的指标。我们的分析表明,1-4 Hz频段中语音包膜的包络标准偏差(SD)与该指标在语音刺激的不同段之间密切相关。然而,这种相关性在0.1-4 Hz频段中削弱,其中专注状态和注意力不集中的状态之间的分离程度变得更加明显。这突出了0.1-1 Hz范围的独特贡献,从而增强了注意状态的区别,并且仍然受到混杂因素的影响,例如语音信封的时变动态范围。
睡眠代表了促进大脑和身体健康的强大系统。建议在过多的功能中发挥作用,例如清除有毒副产品[1-3],突触稳态[4],记忆巩固[5-11],代谢[12]和心血管肢体功能[13-16]和身体核心组织[13-16],以及身体核心组织的转换[17]。尤其是,已经提出了非剥夺性眼动(NREM)的大幅度,低频慢波来指导这些有益的效果(例如,在参考文献中进行了审查。18)。神经元活性的时期反映在慢波上的相过程中,神经元沉默的周期反映了慢波的下坡[19],从而协调了丘脑皮层睡眠纺锤体之间的时间相互作用,以支持长波波旋转的长期记忆,这是21 21 retime retive [20] [20]。然而,慢速波是否是维持健康大脑和身体的必不可少的驱动因素,仍然在很大程度上没有探索。为了阐明慢波在大脑和身体功能中的功能作用,需要调节这些振荡。在过去的几年中,尤其是听觉刺激已成为一种有希望的,无创和可行的方法,可在深度睡眠期间选择性地调节慢波[9,22-24]。但是,存在各种刺激方案,导致对行为结果的发现不一致(例如在参考文献中进行了审查。25)和关于有效性增强或减少慢波的疗效方法的核对片。这种夜间设计消除了任何NGO及其同事[9]是第一个报告靶向较慢的慢波上升的上升相似的人似乎对隔夜记忆巩固的改善似乎很重要。的下相刺激表明会干扰慢波和声明性和运动记忆的巩固[9,26]。然而,除了选择听觉刺激的适当目标阶段外,序列中的刺激数量是可变的,例如两种音调刺激方案随后刺激断裂[9,23]或窗户的刺激,其中仅在预定义长度的窗口中出现听觉刺激[7,8,22]。除了在一定程度上依赖于慢波(闭环刺激)的一定程度的所有程序外,已经证明完全开环听觉刺激也可以增强慢波[11,27]。需要考虑的另一项参数是刺激的量以及刺激是通过耳机还是通过扬声器播放。此外,一些研究使用了50至60 dB之间的固定体积[9,23,28]或个体和/或自适应体积在30至60 dB之间[10,11,22]。尽管已经采用了许多刺激方法,但听觉刺激仍处于起步阶段。因此,为此目的,还没有利用听觉刺激的全部潜力,并且需要更加了解其影响。此外,目前尚不清楚听觉刺激的功效是否在睡眠周期中保持稳定,以及是否在几秒钟的刺激中甚至保持了刺激功效。为了促进对听觉慢波调制的理解,我们在这里提出了一种新型的方法,可以使用窗口的10 s刺激(听觉刺激)在单个睡眠期内对不同的听觉刺激条件进行调查(没有听觉刺激),然后使用10 s(没有听觉刺激播放)方法。
