XiaoMi-AI文件搜索系统
World File Search Systemimagery
经颅直流刺激对运动图像中大脑网络连通性和复杂性的影响
相关的实验表明，经颅直流电流刺激（TDC）对大脑的原发运动皮层（M1）和补充运动区域（SMA）的阳极刺激可以改善失语症和运动障碍的中风患者的运动控制和临床表现。在这项研究中，为了探索TDC对运动成像中M1和SMA的不同影响，35名健康志愿者参加了双盲随机对照实验。五个受试者接受了假刺激（对照），在TDCS阳极刺激下进行了15名受试者，其余15名受试者接受了SMA的TDCS阳极刺激。记录了受试者左手和右手运动图像在不同刺激范式下的脑电图数据。我们使用了功能性的大脑网络和样品熵来检查受试者的不同复杂性和功能连接性和两个刺激范式。结果表明，TDCS对SMA的阳极刺激在运动制备阶段产生的差异较小，而TDCS对M1的阳极刺激会在运动成像任务执行阶段产生显着差异。TDC对大脑运动区域的影响很重要，尤其是在M1中。
底栖生物影像的人工智能方法
Google Scholar 上使用搜索词“CNN”、“物体检测分类”和“底栖”或“珊瑚”或“浮游生物”或“鱼类”的出版物数量，这表明在主要海洋生态学领域中使用 CNN 执行此类任务的热情高涨。
基于 BCI 的振动触觉神经反馈训练可改善运动想象过程中的运动皮层兴奋性
在本研究中，我们探讨了振动触觉反馈是否可以增强运动皮层兴奋性，从而转化为基于运动想象 (MI) BCI 的训练期间局部皮层区域的可塑性变化。为此，我们重点研究了 MI 的两个最显着的神经生理学效应——事件相关去同步 (ERD) 水平和通过导航经颅磁刺激 (nTMS) 评估的皮层兴奋性增加。对于 TMS 导航，我们使用了单独的高分辨率 3D 脑 MRI。十名未接受过 BCI 治疗的健康成年人参加了这项研究。在有和没有反馈的情况下分别执行 MI（使用 Graz-BCI 范式的静息或左/右手想象）任务。为了研究基于 MI BCI 的训练中振动触觉反馈的存在/不存在对感觉运动皮层激活的贡献程度，我们比较了有反馈和无反馈训练后 MI 期间的 MEP 幅度。此外，还研究了基于 MI BCI 的训练期间的 ERD 水平。我们的研究结果证明，在 MI 训练期间应用振动触觉反馈会导致 (i) 与非惯用手的 MI 相对应的对侧运动皮层区域的 mu 节律 EEG 模式的去同步水平增强；(ii) 与 MI 所涉及的肌肉相对应的手部肌肉表征中的运动皮层兴奋性增加。
使用EAR-EEG
抽象目标。这项研究研究了围绕用户耳朵（EAR-EEG）的脑电图（EEG）的功效（EEG）对于基于语音象征的大脑 - 计算机界面（BCI）系统的功效。方法。开发了可穿戴的EAR-EEG采集工具，并将其性能直接与多级语音图像分类任务中传统的32通道头皮EEG设置进行了比较。EEG协方差矩阵的Riemannian切线空间预测用作多层极端学习机分类器的输入功能。十个受试者参加了一个由六个课程组成的实验，该实验涵盖了三天。实验涉及想象四个语音命令（“左”，“右”，“向前”和“回去”）并保持休息状态。主要结果。我们系统的分类准确性显着高于机会水平（20％）。所有十个受试者的分类结果平均为38.2％和43.1％，EAR-EEG和SCACP-EEG的最高（最大）分别为43.8％和55.0％。根据对方差的分析，十分之七的受试者在EAR-EEG和SCACP-EEG的表现之间没有显着差异。意义。据我们所知，这是第一个研究基于语音模拟的BCI中EAR-EEG表现的研究。 结果表明，EAR-EEG具有巨大的潜力，可以替代SCACP-EEG获取方法进行语音模拟监测。据我们所知，这是第一个研究基于语音模拟的BCI中EAR-EEG表现的研究。结果表明，EAR-EEG具有巨大的潜力，可以替代SCACP-EEG获取方法进行语音模拟监测。我们认为，在拟议的系统中，语音图像和EAR-EEG获取的优点和可行性将加速日常使用BCI系统的开发。
提高运动想象 BCI 的性能-...
目标：基于运动想象 (MI) 的脑机接口 (BCI) 通常用于控制应用。然而，这些应用需要强大而有判别力的神经模式，因此可能需要丰富的 MI 经验。受康复领域的启发，在康复领域，具体化是改善皮质活动的关键要素，我们的研究提出了一种新颖的控制方案，在控制过程中提供虚拟具体化的反馈以提高性能。方法：受试者经历了两个沉浸式虚拟现实控制场景，他们使用脑电图 (EEG) 控制设备的二维运动。这两个场景仅在是否提供具体化反馈（反映分类意图的运动）方面有所不同。在经历每个场景后，受试者还回答了一份问卷，在问卷中他们对场景的沉浸感和反馈的具体化程度进行评分。结果：与没有具体化反馈的标准控制方案相比，受试者在使用我们的控制方案时表现出更高的控制性能、更大的大脑活动模式可辨别性和增强的皮质激活。此外，自我评价的体现和临场感得分与表现呈现出显著的正线性关系。意义：我们研究的结果提供了证据，表明提供体现反馈作为意图分类指导可能对控制应用有效，因为它可以诱导增强的神经活动和具有更大辨别能力的模式。通过将体现反馈应用于沉浸式虚拟现实，我们的研究也是另一个例子，表明虚拟现实是改善 MI 的有前途的工具。
幻觉、想象、做梦：重新组合刺激——……
在人类感知的广阔领域中，存在着一类独立于刺激的感知，它将幻觉、心理意象和梦境等体验结合在一起。医学和心理学之间的传统分歧导致这些体验被分别研究。这篇评论旨在从现象学和潜在的大脑功能层面考察它们的相同点和不同点，从而在一个共同的框架内将它们重新组合起来。我们使用 Edmund Parish 的历史著作作为指导工具，并结合认知、临床和计算科学领域的最新研究成果，思考如何调和不同的观点，并为未来的研究提出新的假设。这篇文章是主题文章“离线感知：没有匹配的外部刺激的自愿和自发的感知体验”的一部分。
具有运动意象和错误相关大脑活动的混合脑机接口
摘要 目的 . 脑机接口 (BCI) 系统直接从大脑读取和解释大脑活动。它们可以为患有神经退行性疾病或中风的患者提供一种交流或运动的方式。然而，大脑活动的非平稳性限制了在校准会话期间训练的算法向实时 BCI 控制的可靠转移。非平稳性的一个来源是用户大脑对 BCI 输出 (反馈) 的反应，例如，用户是否将 BCI 反馈视为错误。通过考虑这些非平稳性来源，可以提高 BCI 的可靠性。方法 . 在这项工作中，我们展示了一种混合运动想象 BCI 的实时实现，它同时结合了来自运动想象信号和与错误相关的大脑活动的信息，从而从两个来源中受益。主要结果 . 与传统的运动想象 BCI 相比，我们在 12 名参与者的实时 BCI 控制中表现出显着的提高。分类准确度、目标命中率、控制主观感知和信息传输率等方面都有显著改善。此外，我们对记录的 EEG 数据的离线分析表明，与运动想象信号相比，与错误相关的大脑活动提供了更可靠的信息来源。意义。这项工作首次表明，与运动想象分类器相比，与错误相关的大脑活动分类器在使用校准数据进行训练并在在线控制期间进行测试时更加一致。这可能解释了为什么所提出的混合 BCI 可以为有需要的患者提供更可靠的交流或康复方式。
具有运动想象和...的混合脑机接口
摘要 目的 . 脑机接口 (BCI) 系统直接从大脑读取和解释大脑活动。它们可以为患有神经退行性疾病或中风的患者提供一种交流或运动的方式。然而，大脑活动的非平稳性限制了在校准会话期间训练的算法向实时 BCI 控制的可靠转移。非平稳性的一个来源是用户大脑对 BCI 输出 (反馈) 的反应，例如，用户是否将 BCI 反馈视为错误。通过考虑这些非平稳性来源，可以提高 BCI 的可靠性。方法 . 在这项工作中，我们展示了一种混合运动想象 BCI 的实时实现，它同时结合了来自运动想象信号和与错误相关的大脑活动的信息，从而从两个来源中受益。主要结果 . 与传统的运动想象 BCI 相比，我们在 12 名参与者的实时 BCI 控制中表现出显着的提高。分类准确度、目标命中率、控制主观感知和信息传输率等方面都有显著改善。此外，我们对记录的 EEG 数据的离线分析表明，与运动想象信号相比，与错误相关的大脑活动提供了更可靠的信息来源。意义。这项工作首次表明，与运动想象分类器相比，与错误相关的大脑活动分类器在使用校准数据进行训练并在在线控制期间进行测试时更加一致。这可能解释了为什么所提出的混合 BCI 可以为有需要的患者提供更可靠的交流或康复方式。
使用...的焦点和运动想象脑机接口
脑机接口是一种无需肌肉和声音，直接通过处理过的电信号从大脑操作设备的技术。该技术的工作原理是捕获大脑的电信号或磁信号，然后对其进行处理以获取其中包含的信息。通常，BCI 使用基于各种变量的脑电图 (EEG) 信号中的信息。这项研究提出了基于 EEG 信号信息的 BCI 来移动外部设备，例如无人机模拟器。从 EEG 信号中提取运动想象 (MI) 和焦点变量，使用小波。然后，通过循环神经网络 (RNN) 对它们进行分类。为了克服 RNN 记忆消失的问题，使用了长短期记忆 (LSTM)。结果表明，BCI 使用小波，而 RNN 可以驱动非训练数据的外部设备，准确率为 79.6%。实验表明，AdaDelta 模型在准确性和价值损失方面优于 Adam 模型。而在计算学习时间方面，Adam 模型比 AdaDelta 模型更快。
从无人机图像提取的特征中选择主要变量来解释冬小麦产量的变化
摘要背景：自动化表型分析技术正在不断推进育种过程。然而，在整个生长季节收集各种次要性状并处理大量数据仍然需要巨大的精力和时间。选择具有最大预测能力的最少数量的次要性状有可能减少表型分析工作量。本研究的目的是从无人机图像和关键生长阶段中提取对解释冬小麦产量贡献最大的主要特征。2018 年春季生长季，无人机系统收集了 5 个日期的多光谱图像和 7 个日期的 RGB 图像。从植被指数和植物高度图中提取了两类特征（变量），共计 172 个变量，包括像素统计和动态增长率。采用参数算法、LASSO 回归（最小角度和收缩选择算子）和非参数算法、随机森林进行变量选择。使用 LASSO 估计的回归系数和随机森林提供的置换重要性得分，从每个算法中确定影响粮食产量的十个最重要的变量。结果：两种选择算法都对灌浆期前后与植物高度相关的变量赋予了最高的重要性得分。还选择了一些与植被指数相关的变量