XiaoMi-AI文件搜索系统
World File Search Systemerps
普通智能手机上运行的移动 VR 显示屏与标准 PC 显示屏在 P300-BCI 刺激呈现方面的比较
摘要 — 基于脑电图 (EEG) 的脑机接口 (BCI) 是一种很有前途的技术，可用于增强虚拟现实 (VR) 应用，尤其是游戏。我们专注于所谓的 P300-BCI，这是一种稳定而准确的 BCI 范例，依赖于识别刺激后约 300 毫秒 EEG 中出现的正事件相关电位 (ERP)。我们实现了这种 BCI 的基本版本，该版本显示在普通且价格合理的基于智能手机的头戴式 VR 设备上：即移动和被动 VR 系统（除智能手机外没有其他电子元件）。手机执行刺激呈现、EEG 同步（标记）和反馈显示。我们将 VR 设备上的 BCI 的 ERP 和准确性与个人计算机 (PC) 上运行的传统 BCI 进行了比较。我们还评估了主观因素对准确性的影响。这项研究是受试者内部研究，每种模式有 21 名参与者，每人进行一次会议。尽管与 PC 系统相比，VR 系统中的 P200 ERP 明显更宽更大，但 PC 和 VR 系统之间的 BCI 准确度没有显著差异。
水安全局水和废水...
• 反渗透处理 0.6 • 了解氯胺化 0.3 • 了解法规 0.6 • 亲自了解法规（SARWP 会议）0.6 • 水采样和分析研讨会 0.6 • 为水和废水公用事业编写 SOP 和 ERP 0.6 • 1 级和 2 级水处理操作员认证考试准备 3.3 • 1 级和 2 级供水认证考试准备 3.0 • 1 级 WD 认证考试准备 2.5 • 1 级 WWC 认证考试准备 2.5 • 2 级 WD 认证考试准备 2.5 • 2 级 WWC 认证考试准备 2.5 • 3 级 WD 认证考试准备 2.5 • 3 级 WWC 认证考试准备 2.5 • 1 级和 2 级 WWC 认证考试准备 3.0 • 1 & 2 废水收集 1.5 • 3 级和 4 级废水收集数学准备 1.5 • 1 级和 2 级供水认证考试准备 4.8 • 3 级和 4 级供水认证考试准备 4.8 • 1 级和 2 级废水收集认证考试准备
使用规则化时空 LCMV 波束形成对事件相关电位进行分类
摘要：基于事件相关电位 (ERP) 的 EEG 视觉脑机接口 (BCI) 的可用性得益于减少 BCI 操作前的校准时间。线性解码模型（例如时空波束形成器模型）可实现最先进的精度。尽管该模型的训练时间通常很短，但它可能需要大量的训练数据才能达到功能性能。因此，BCI 校准会话应该足够长以提供足够的训练数据。这项工作为波束形成器权重引入了两个正则化估计器。第一个估计器使用交叉验证的 L2 正则化。第二个估计器通过假设 Kronecker-Toeplitz 结构协方差来利用有关 EEG 结构的先验信息。使用包含 21 名受试者的 P300 范式记录的 BCI 数据集验证了这些估计器的性能，并将其与原始时空波束形成器和基于黎曼几何的解码器进行了比较。我们的结果表明，引入的估计器在训练数据有限的情况下条件良好，并提高了对未见数据的 ERP 分类准确性。此外，我们表明结构化正则化可以减少训练时间和内存使用量，并提高分类模型的可解释性。
脑电图神经活动的贝叶斯推断
摘要 脑机接口 (BCI) 是一种将大脑活动转化为操作技术命令的系统。脑电图 (EEG) BCI 的常见设计依赖于 P300 事件相关电位 (ERP) 的分类，这是一种由常见非目标刺激中罕见的目标刺激引起的反应。现有的 ERP 分类器很少直接探索神经活动的潜在机制。为此，我们对 P300 ERP-BCI 设计下的多通道真实 EEG 信号的概率分布进行了新颖的贝叶斯分析。我们的目标是识别神经活动的相关时空差异，这为 P300ERP 反应提供了统计证据，并有助于设计高效、准确的个性化 BCI。作为我们对单个参与者分析的一项重要发现，视觉皮层周围通道的目标 ERP 在刺激后约 200 毫秒达到负峰值的后验概率为 90%。我们的分析确定了 BCI 拼写器的五个重要通道（PO7、PO8、Oz、P4、Cz），从而实现了 100% 的预测准确率。从对其他九名参与者的分析中，我们一致地选择了确定的五个通道，并且选择频率对带通滤波器和内核超参数的微小变化具有稳健性。本文的补充材料可在线获取。
基于非特征的EEG序列聚类置换分析
基于聚类的置换检验广泛用于神经科学研究中，用于分析高维脑电图 (EEG) 和事件相关电位 (ERP) 数据，因为它可以解决多重比较问题而不会降低统计功效。然而，经典的基于聚类的置换分析依赖于参数 t 检验，如果数据分布不正态，则可能无法验证其假设，因此可能需要考虑其他选择。为了克服这一限制，我们在此介绍了一种基于非参数 Wilcoxon-Mann-Whitney 检验的 EEG 序列聚类置换分析新软件。我们在两个独立的 ERP 和 EEG 频谱数据集中测试了 t 检验和非参数 Wilcoxon 实现：虽然基于 t 检验和基于非参数 Wilcoxon 的聚类分析在 ERP 数据的情况下显示出相似的结果，但 t 检验实现无法在频谱数据的情况下发现聚类效应。我们鼓励使用非参数统计数据对 EEG 数据进行聚类置换分析，并且我们为此计算提供了一个公开可用的软件。© 2022 作者。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
使用消费级耳机记录的错误相关电位进行深度学习在线脑电图解码脑机接口
摘要 目的。脑机接口 (BCI) 允许感觉运动障碍的受试者与环境互动。依赖于事件相关电位 (ERP) 等脑电信号的非侵入式 BCI 已被证实是时空分辨率和患者影响之间的可靠折衷，但由于便携性和多功能性而受到限制，因此无法广泛应用。在这里，我们描述了一种使用消费级便携式耳机脑电图 Emotiv EPOC + 的深度学习增强误差相关电位 (ErrP) 辨别 BCI。方法。我们在视觉反馈任务中记录并辨别了 14 名受试者的在线和在线 ErrP。主要结果：我们实现了高达 81% 的在线辨别准确率，与使用生成对抗网络或训练数据和极简计算资源的内在模式函数增强进行深度学习获得的准确率相当。意义。我们的 BCI 模型有可能将 BCI 的范围扩展到更便携、人工智能增强、更高效的接口，从而加速这些设备在科学实验室受控环境之外的常规部署。
三模态同时研究人类大脑功能的概念验证证据
图 1 多模态数据集成。首先，可以提取功能性磁共振成像 (fMRI)、事件相关光信号 (EROS) 和事件相关电位 (ERP) 的信号，并分别分析其与认知过程、行为或个体差异的关系（上图）。请注意 fMRI、EROS 和 ERP 信号在空间和时间尺度上的差异。为了便于显示，EROS 数据以 4 的重采样因子进行了下采样。其次，可以一起分析成对的脑成像模式，以识别脑信号之间的关联（中图），并可以检查与所关注活动相关的组合信息。第三，可以将所有三种脑成像模式集成在一起（下图），方法是链接来自集成模式对的突发信息，和/或通过联合分析所有三种模式的时空特征。fMRI (A)、ERP (C) 和数据集成 (AC、BC 和下图) 的插图包括 Moore 等人的改编。 （2019），经许可。为了在成像模式之间保持一致，此处以较低的阈值显示右半球的整合数据。值得注意的是，显示的右半球区域与 Moore 等人（2019）中确定的 fMRI – ERP 整合结果同源
融合 fMRI、EEG 和行为 - Helda - Helsinki.fi
研究发现，受过音乐训练的个体在各种执行功能任务中的表现优于未受过训练的同龄人。在这里，我们展示了受过音乐训练和未受过音乐训练的儿童和青少年执行功能成熟的纵向行为结果和横向、事件相关电位 (ERP) 和 fMRI 结果。结果表明，在学龄期，受过音乐训练的儿童在集合转换测试中表现更快，但到了青春期后期，这些群体差异几乎消失了。然而，在 fMRI 实验中，受过音乐训练的青少年在集合转换任务中，背侧注意力网络的额叶、顶叶和枕叶区域以及小脑的活动比未受过训练的同龄人要少。此外，受过音乐训练的参与者在集合转换任务中对不一致目标刺激的 P3b 反应比对照组参与者的反应更向后分布在头皮上。总之，这些结果表明，音乐家在执行功能方面的优势在早期比在青春期后期更为明显。但它仍然体现在定势转换任务中神经资源的更有效的募集，以及童年以后与更新和工作记忆相关的 ERP 的不同头皮拓扑结构。
脑部疾病的先进神经影像学方法
人类大脑是一个庞大、互动且复杂的系统，支持着我们的日常行为和认知功能。几十年来，研究人员一直在研究人类大脑在健康和不同疾病状态下的机制。先进的神经成像技术，如脑磁图 (MEG)、事件相关电位 (ERP)、功能性近红外光谱 (fNIRS) 和磁共振成像 (MRI)，已被广泛应用于探索大脑结构和功能架构的基本原理，以及各种脑部疾病的病理改变。特别是，多模态神经成像技术在未来将比单模态技术更全面地了解脑部疾病的病理机制，这可用于早期诊断和评估治疗效果和预后。总的来说，强大的神经成像分析方法的发展将从根本上促进对大脑的科学理解，并促进大量的神经科学和临床研究。本研究主题重点关注神经成像方法的最新发展及其在各个领域的应用。总共收集了该领域国际知名研究人员的 19 篇投稿，其中包括 16 篇原创研究文章、2 篇研究方案和 1 篇更正。
任何时间协作脑部计算机接口用于增强...
在本文中，我们介绍并在两个现实的环境中进行测试，即协作脑部计算机界面（CBCIS），它们可以显着提高感知组决策的速度和准确性。这项工作的主要区别特征是：（1）我们的CBCIS结合了行为，生理和神经数据，以便能够在最快的团队成员进行投票后的任何时间提供小组决定，但CBCI-CASS辅助决策的质量可以单调地提高小组决策的时间越长； （2）我们将CBCIS应用于军事相关性的两个现实情况（巡逻黑暗的走廊并在夜间用户需要识别出任何出现的任何身份不明的角色的前哨站），其中决策是基于通过视频供稿传达的信息； （3）我们的CBCIS利用与事件相关的电位（ERP）通过出现潜在威胁引起的大脑活动引起，但独特的是，该系统是自动估计的（而不是不切实际地提供）。由于这些元素，在两个测试环境中，由我们的CBCIS辅助的小组比以更传统的方式整合了单个决策时，使我们的CBCIS辅助更为准确，更快。