XiaoMi-AI文件搜索系统
World File Search Systemelectroencephalographic
社论：认知人类机器人互动与协作的神经界面
人类机器人相互作用（HRI）和协作是人耦合机器人系统的主要主题。随着神经技术的发展，已经实施了称为认知人类机器人相互作用的神经界面来实现自然的人类机器人互动和协作。该特刊将致力于认知人类机器人的相互作用，包括与脑电图（EEG）（EEG），带肌电图（EMG）的肌肉信号等等的脑部计算机界面（BCI）等。特刊的重点是与人耦合机器人系统的认知人类机器人相互作用与神经界面的基础和技术。本期特刊所接受了十篇文章，这些文章的内容被描述为如下。随着用于商业应用的脑电图技术的发展，它们的变革潜力需要同样重要的伦理查询。Lopez等。咨询不同的数据库，该数据库介绍了概念性和经验讨论以及有关脑电图的各种商业和道德方面的发现。随后，内容是从文章中提取的，并提供了主要结论。最后，与某些主题领域的专家小组协商进行了对结果的外部评估，例如生物医学工程，生物技术和神经科学。基于bcis的感觉运动节奏（SMR）可以帮助用户使用运动图像执行电动机控制。但是，SMR BCI的控制范式在用户的亚群中可能无法很好地工作。Jiang等。 Wang Z等。Jiang等。Wang Z等。Wang Z等。研究经验丰富的冥想者和冥想的受试者在一维和二维光标控制任务中的行为和电生理差异。证据表明，冥想者在这两个任务中的表现都优于控制对象。此外，冥想者的静息SMR预测因子更高，静息MU节奏更稳定，并且在任务过程中具有更大的控制信号对比度。在动态制造和仓储环境中，工人不受长时间站立或蹲的下肢肌肉疲劳的肌肉疲劳。设计和评估半活性下LIMB外骨骼以减轻肌肉疲劳。外骨骼可以根据臀大肌的EMG和Quadrieceps切换三个不同的模式。进行了三组实验以评估外骨骼的影响，结果表明，外骨骼不仅有效地减少了肌肉疲劳，而且还避免了干扰佩戴者的自由运动。
MAtt：用于脑电图解码的流形注意力网络
脑电图 (EEG) 信号的识别严重影响非侵入式脑机接口 (BCI) 的效率。虽然基于深度学习 (DL) 的 EEG 解码器的最新进展提供了改进的性能，但几何学习 (GL) 的发展因其在解码噪声 EEG 数据方面提供出色的鲁棒性而备受关注。然而，缺乏关于深度神经网络 (DNN) 和几何学习在 EEG 解码中的合并使用的研究。我们在此提出了一种流形注意力网络 (mAtt)，这是一种基于几何深度学习 (GDL) 的新型模型，具有流形注意力机制，可在黎曼对称正定 (SPD) 流形上完全表征 EEG 数据的时空表示。在时间同步和异步 EEG 数据集上对所提出的 MAtt 的评估表明，它优于其他领先的 DL 方法用于一般 EEG 解码。此外，模型解释分析揭示了 MAtt 捕捉信息性 EEG 特征和处理大脑动态非平稳性的能力。
基于脑电信号预测飞行员反应时间
本研究的主要假设是，可以根据事件发生前记录的大脑活动预测对意外事件的反应延迟时间。这种心理活动可以用脑电图数据来表示。为了验证这一假设，我们进行了一项新实验，涉及 19 名参与者，他们参加了长达 2 小时的模拟飞机飞行。提出了一种 EEG 信号处理流程，包括信号预处理、提取带通特征和使用回归预测反应时间。本研究中使用的预测算法是最小绝对收缩算子及其最小角度回归修改，以及核岭和径向基支持向量机回归。在 19 名受试者中获得的平均绝对误差为 114 毫秒。本研究首次证明可以根据 EEG 数据预测反应时间。所提出的解决方案可以作为未来可以提高空中交通安全性的系统的基础。
使用大脑活动模式在增强现实场景中区分实际和虚拟的目标
摘要：增强现实是虚拟组件和我们真实的环境的融合。生成和天然对象的同时可见性通常要求用户将其选择性关注引导到真实或虚拟的特定目标上。在这项研究中，我们通过使用机器学习技术来对脑电图（EEG）进行分类和在增强现实场景中收集的眼睛跟踪数据进行分类，从而研究了该目标是真实的还是虚拟的。如果测试数据和培训数据来自不同的试验，则以人依赖的方式从20个参与者的3秒分类3秒的EEG数据窗口，平均准确度高于70％。使用包括记录的眼镜跟踪数据的多模式后期融合方法可以显着提高到77％。与20名参与者中有6个参与者中有6个相关的EEG分类可能高于机会水平。因此，这种大脑计算机界面的可靠性足以将其视为增强现实应用的有用输入机制。
基于EEG的BCI应用程序4.0
在过去的几十年中，脑部计算机界面（BCI）的研究主要集中在临床应用上，特别是使严重残疾的人与环境互动。但是，最近的研究主要依赖于非侵入性脑电图（EEG）设备的使用，这表明BCI可能准备好在实验室外使用。尤其是行业4.0是一个快速发展的部门，旨在通过部署数字工具和网络物理系统来重组传统方法。基于BCI的解决方案通过优化工业运营商的认知负荷，促进人类机器人的相互作用并使在关键条件更安全的操作中吸引了越来越多的关注，以支持工业绩效。尽管这些进步似乎很有希望，但是在开发任何操作解决方案之前，必须考虑许多方面。的确，在最佳实验室条件之外的新型应用的开发带来了许多挑战。在当前的研究中，我们进行了详细的文献综述，以调查与未来在行业4.0的BCI应用程序部署有关的主要挑战和标准。
用于神经信号记录的液态金属电极阵列
摘要：神经电极是神经科学、神经疾病和神经机接口研究的核心设备，是连接大脑神经系统和电子设备的桥梁。目前使用的大多数神经电极都是基于刚性材料，其柔韧性和拉伸性能与生物神经组织有显著不同。本研究采用微加工技术开发了一种基于液态金属 (LM) 的 20 通道神经电极阵列，该阵列采用铂金属 (Pt) 封装材料。体外实验表明，该电极具有稳定的电性能和优异的机械性能，如柔韧性和弯曲性，使电极与颅骨形成保形接触。体内实验还使用基于 LM 的电极从低流量或深度麻醉下的大鼠记录了脑电信号，包括由声音刺激触发的听觉诱发电位。使用源定位技术分析了听觉激活的皮层区域。这些结果表明，基于 20 通道 LM 的神经电极阵列满足脑信号采集的需求，并提供支持源定位分析的高质量脑电图 (EEG) 信号。
![arXiv:2004.12321v5 [cs.LG] 2021 年 1 月 25 日](/simg/g:\will\search\icon\source\3\3c3aa24d275a37f236e462e1c5598008c6fd566a.webp)
arXiv:2004.12321v5 [cs.LG] 2021 年 1 月 25 日
摘要 — 由于缺乏大型数据集，深度学习 (DL) 方法在脑机接口 (BCI) 领域用于脑电图 (EEG) 记录分类的成功受到限制。与 EEG 信号相关的隐私问题限制了通过聚合多个小型数据集来联合训练机器学习模型来构建大型 EEG-BCI 数据集的可能性。因此，在本文中，我们提出了一种基于联邦学习框架的用于 EEG 分类的新型隐私保护 DL 架构，称为联邦迁移学习 (FTL)。利用单次试验协方差矩阵，该架构在域自适应技术的帮助下从多受试者 EEG 数据中提取共同的判别信息。我们在 PhysioNet 数据集上评估了所提出的架构对 2 类运动意象分类的性能。在避免实际数据共享的同时，我们的 FTL 方法在受试者自适应分析中实现了 2% 的更高分类准确率。此外，在缺乏多主题数据的情况下，与其他最先进的 DL 架构相比，我们的架构提供了 6% 更好的准确率。
开放EEGLAB门户界面
EEGLAB 信号处理环境是目前处理脑电图 (EEG) 数据的领先开源软件。神经科学网关 (NSG，nsgportal.org) 是一个基于 Web 和 API 的门户，允许用户在美国 XSEDE 网络中的高性能计算 (HPC) 资源上轻松运行各种与神经科学相关的软件。我们最近报道了 (Delorme 等人，2019) Open EEGLAB Portal 扩展了免费 NSG 服务，以允许神经科学界使用 EEGLAB 工具环境构建和运行 MATLAB 管道。我们现在发布了一个 EEGLAB 插件 nsgportal，它可以在任何个人实验室计算机上的 MATLAB 上运行的 EEGLAB 中直接将 EEGLAB 与 NSG 连接起来。该插件具有灵活的 MATLAB 图形用户界面 (GUI)，允许用户轻松提交、交互和管理 NSG 作业，以及检索和检查他们的结果。支持这些 GUI 功能的命令行 nsgportal 工具允许 EEGLAB 用户和插件工具开发人员构建高度自动化的功能和工作流程，其中包括可选的 NSG 作业提交和处理。这里我们详细介绍了 nsgportal
LohnEtal19.pdf - 计算记忆实验室
在这里，我们研究了成功记忆编码背后的可变性。成功编码连续的学习项目可能会使编码资源疲劳，从而降低编码后续项目的能力（Tulving 和 Rosenbaum，2006 年）；或者，成功的编码可能会持续存在，从而导致更成功的编码（Kahana、Aggarwal 和 Phan，2018 年）。分析受试者学习单词列表以供随后自由回忆时的颅内脑电图活动，我们检查了海马体和背外侧前额叶皮层 (DLPFC) 中的高频活动 (HFA)，因为这些区域中后续回忆的 HFA 大于未回忆的项目。我们将具有良好编码历史的未回忆项目（即回忆起前两个项目之一）与具有较差编码历史的未回忆项目（即未回忆起前两个项目）进行了比较。在海马体中，良好的编码历史导致 HFA 减少，而在 DLPFC 中，良好的编码历史导致 HFA 增强。海马的发现似乎与神经疲劳假说一致，而 DLPFC 的结果似乎与持续编码状态一致。
恒河猴中连接显着性检测和运动反应的皮质机制
突然的、令人意外的感觉事件会触发神经过程，从而迅速调整行为。为了研究这种现象的系统发生和机制，我们训练两只雄性恒河猴通过对等长操纵杆施加力量来将光标保持在视觉目标内。我们研究了令人意外的听觉刺激对施加的力量、头皮脑电图 (EEG) 活动和从背外侧前额叶皮质记录的局部场电位 (LFP) 的影响。听觉刺激引起 (1) 等长力的双相调制，短暂下降然后是纠正性的紧张性增加，和 (2) 由两个大的负波 - 正波 (N70 和 P130) 主导的 EEG 和 LFP 偏转。EEG 电位在头皮顶点对称且最大，非常类似于人类的“顶点电位”。 “皮层电位和力量紧密相关：P130 振幅预测了矫正力增加的幅度，特别是在从深层而非浅层皮层记录的 LFP 中。这些结果揭示了一种系统发育上保留的皮层运动机制，支持对突出的感觉事件做出反应的适应性行为。