XiaoMi-AI文件搜索系统
World File Search Systeminterfaces
脑机接口在数字正念训练中的元认知、
摘要 脑机接口 (BCI) 是一种专门的系统，允许用户使用脑电波控制计算机应用程序。随着消费级脑电图 (EEG) 设备的出现，脑控系统开始在心理训练中找到沃土。一个逐渐受到关注的特定领域是正念训练。本文介绍了使用 BCI 进行 BCI 辅助正念训练的文献综述结果。具体目的是回顾嵌入正念干预的 BCI 对训练元认知、情绪和注意力调节技能的影响。回顾了过去 10 年发表的论文。结果表明，使用 BCI 为受试者提供了独特的机会，使他们能够利用来自自身大脑活动的反馈来自我调节心理和情绪功能。研究发现，受试者对无意识操作影响心理和情绪状态的方式有了更好的认识。观察发现，受试者通过学习在沉浸式世界中或借助移动设备处理神经反馈，可以更好地发展意识和自我调节技能，包括抑制和灵活性。在数字技术的发展和可用性的推动下，学习环境正在经历快速变化。在这种情况下，脑机接口与移动设备和沉浸式技术相结合，可以支持正念作为一种创新的实践，促进认知、情感和元认知的发展。本研究旨在为关于使用脑机接口辅助正念练习作为主动方法和培训策略的辩论做出贡献，这些方法和策略针对学生、教师和工人等各种目标群体，以实现幸福感和最佳表现。关键词：脑机接口；消费级脑电图设备；元认知；自我调节技能；注意力控制；情绪调节。摘要脑机接口 (BCI) 是一种特殊的系统，允许用户控制使用其大脑的计算机应用程序。通过使用脑电图 (EEG) 设备，大脑控制系统会与心理治疗干预发生冲突。具体来说，您可以逐渐进行全会的培训。本文将介绍使用脑机接口 (BCI) 进行正念辅助训练的文学修订结果。具体目标是对 BCI 的效果进行修订，包括对元认知能力、情感和注意力调节进行全面干预。在 10 年内对公共艺术进行论坛修订。大多数脑机接口的使用结果提供了一个自动调节功能的机会，作为心理功能和情感使用或反馈衍生的大脑固有活性的机会。研究发现，受试者对于无意识操作如何影响心理和情绪状态的认识有所提高。研究发现，在沉浸式世界中或借助移动设备学习处理神经反馈的受试者可以发展出更好的技能
动脉粥样硬化中的神经免疫性心血管界面
两对长距离作用的生物系统最近被定义为调节生理和病理组织反应的主要参与者：i）i）神经和血管系统形成了各种血脑屏障，以及控制轴突的生长和血管生成； ii）神经和免疫系统成为指导免疫反应并保持血管完整性的关键参与者。研究人员在相对独立的研究领域探索了这两对，这分别引起了神经血管联系和神经免疫学的迅速扩展的概念。Our recent studies on atherosclerosis led us to consider a more inclusive approach by conceptualizing and combining principles of the neurovascular link and neuroimmunology: we propose that the nervous system, the immune system and the cardiovascular system undergo complex crosstalks in tripartite rather than bipartite interactions to form neuroimmune cardiovascular interfaces (NICIs).
通过脑状态估计实现节能的体内脑机接口
摘要 目的：脑机接口 (BMI) 的进步可以改善数百万脊髓损伤或其他神经系统疾病用户的生活质量，使他们能够随心所欲地与物理环境互动。方法：为了降低脑植入接口的功耗，本文介绍了通过脑状态估计首次实现体内意图感知接口的硬件实现。主要结果：结果表明，与当前系统相比，结合脑状态估计可降低体内功耗，并将总能量耗散降低 1.8 倍以上，从而延长植入电路的使用寿命。采用标准 180 nm CMOS 工艺设计的意图感知多单元尖峰检测系统的合成专用集成电路 (ASIC) 占用 0.03 mm 2 的硅面积，每通道功耗为 0.63 µ W，是当前体内 ASIC 实现中功耗最低的。意义。所提出的接口是实现异步 BMI 的第一个实用方法，与传统的同步 BMI 相比，它降低了 BMI 接口的功耗并提高了神经解码性能。
多频稳态视觉诱发电位脑机接口的频率集选择
稳态视觉诱发电位 (SSVEP) 是一种与周期性视觉刺激频率锁定的大脑活动（ Zander 等人，2009 年）。与其他模式（例如运动想象 (Nicolas-Alonso and Gomez-Gil, 2012)）相比，SSVEP 具有相对较高的准确度和信息传输率，并且对用户所需的培训最少，因此被广泛应用于脑机接口 (BCI) 中。标准的基于 SSVEP 的 BCI 在工作空间中包含多个刺激，每个刺激以不同的频率闪烁，而脑电图 (EEG) 主要从枕叶测量。测得的 EEG 反映了用户视觉上关注的刺激的频率，以及该频率的谐波。谐波的存在为解码过程提供了更多的参考点，但也给基于 SSVEP 的 BCI 的设计带来了额外的复杂性和挑战。例如，如果同一个 BCI 中对两个不同的刺激同时使用某个频率及其谐波，那么在记录的这两个刺激的脑电图中就会有共同的频率，这可能会混淆解码算法。因此，在文献中，一些研究有意避免在刺激中使用具有共同谐波的频率（Volosyak 等，2009；Chen 等，2015）。这个谐波问题，加上人脑对周期性视觉刺激的响应频率范围有限（Regan，1989），限制了标准基于 SSVEP 的 BCI 中可使用的唯一频率的数量；即，低信噪比脑电图记录和小的频率分离会损害解码性能。因此，在需要大量唯一频率来标记所有目标的场景中使用标准基于 SSVEP 的 BCI 具有挑战性。为了解决这个问题，已经引入了多频刺激方法，在每个刺激中使用多个频率，其中两个频率（双频）是最广泛使用的模态（Shyu 等，2010；Zhang 等，2012；Chen 等，2013；Hwang 等，2013；Kimura 等，2013；Chang 等，2014；Mu 等，2021a）。然而，这些研究主要集中于介绍多频刺激方法，并没有探讨频率选择方法。随着用于标记每个目标的频率数量的增加，在每个刺激或目标上使用多个频率可以成倍增加可以在工作空间中表示的目标数量。多频刺激产生复杂的周期性刺激信号，从而触发更复杂的 SSVEP 反应。在 Mu 等人的研究中， （2021a）表明，多频率 SSVEP 响应不仅包含输入频率及其谐波，还包含输入频率的整数线性组合，这些组合具有在记录的 SSVEP 中更可能观察到的低阶相互作用。注意，相互作用的顺序定义为
以机器智能为中心的功能材料和界面自动表征系统
经典的实验设计依赖于耗时的工作流程，需要经验丰富的研究人员进行规划、数据解释和假设构建。在这里，我们描述了一个集成的机器智能实验系统，该系统能够在可编程的动态环境下同时动态测试材料的电、光、重量和粘弹性。专门设计的软件控制实验并执行即时的大量数据分析和动态建模、实时迭代反馈以动态控制实验条件以及快速可视化实验结果。该系统以最少的人为干预运行，能够高效地表征材料的复杂动态多功能环境响应，同时进行数据处理和分析。该系统为以人工智能为中心的材料表征提供了一个可行的平台，当与人工智能控制的合成系统相结合时，可以加速多功能材料的发现。
面向晚期 ALS 患者的植入式脑机接口临床应用：医学和伦理考量
摘要 肌萎缩侧索硬化症 (ALS) 患者在患病过程中经常出现言语和交流问题。目前可用的增强和替代通信技术无法为许多晚期 ALS 患者提供解决方案，因为这些设备依赖于残余和可靠的运动活动。脑机接口 (BCI) 使用神经信号进行计算机控制，即使在传统技术无法满足要求的情况下，也可能使晚期 ALS 患者能够进行交流。近年来，植入式 BCI 的开发和验证取得了快速进展，植入式 BCI 是一种将神经信号记录电极放置在皮质内或皮质上的方法。植入式 BCI 最终作为 ALS 患者的辅助通信技术在临床上得到广泛应用，这将对他们的日常生活以及疾病的临床管理产生重大影响，因为 BCI 与 ALS 患者接受的其他程序（如气管切开术）之间可能存在相互作用。本文旨在促进植入式 BCI 在现实世界中的负责任实施。我们回顾了植入式 BCI 通信研究的最新进展，以及该技术临床应用的医学和伦理影响。我们得出结论，需要所有 BCI 利益相关者（包括各个 ALS 相关学科的临床医生）的贡献，以制定植入式 BCI 负责任的临床应用程序并塑造其流程。
通过调整潜在动力学来稳定脑机接口
摘要 皮层内脑机接口 (iBCI) 通过将大脑活动转化为外部设备的控制信号，恢复瘫痪患者的运动功能。在当前的 iBCI 中，神经接口的不稳定性会导致解码性能下降，这需要使用新的标记数据进行频繁的监督重新校准。一种潜在的解决方案是使用神经群体活动背后的潜在流形结构来促进大脑活动和行为之间的稳定映射。最近使用无监督方法的努力利用这一原理提高了 iBCI 稳定性；然而，现有方法将每个时间步视为独立样本，不考虑潜在动态。动态已被用于实现对运动意图的高性能预测，也可能有助于提高稳定性。在这里，我们提出了一个非线性流形与动态对齐 (NoMAD) 平台，它使用动态的循环神经网络模型来稳定 iBCI 解码。 NoMAD 使用无监督分布对齐将非平稳神经数据的映射更新为一组一致的神经动态，从而为 iBCI 解码器提供稳定的输入。在应用于从猴子运动皮层收集的运动任务数据时，NoMAD 能够在数周至数月的时间内以无与伦比的稳定性实现准确的行为解码，而无需任何监督重新校准。
多模式协作脑机接口助力疫情场景下人机团队决策
摘要 目的。关键决策是由高效的团队做出的，这些团队的特点是成员之间相互信任，并知道如何最好地整合他们的意见。在这里，我们引入了一个多模态脑机接口 (BCI)，以帮助人类和人工智能代理组成的协作团队在大流行场景中评估危险区域时做出更准确的决策。方法。使用高分辨率同步脑电图/功能性磁共振成像 (EEG/fMRI)，我们首先解开决策信心和信任的神经标记，然后使用机器学习解码这些神经特征，以进行 BCI 增强的团队决策。我们评估了 BCI 对团队决策过程的好处，并与使用标准多数或权衡个人决策的不同规模团队的表现进行了比较。主要结果。我们表明，BCI 辅助团队的决策比传统团队准确得多，因为 BCI 能够在每次试验中捕捉到信心的不同神经相关性。在协作式 BCI 的背景下，准确性和主观信心涉及平行、空间分布和时间不同的神经回路，前者专注于整合感知信息处理，后者涉及决策过程中的行动规划和执行操作。其中，顶叶上部作为一个关键区域出现，它灵活地调节其活动，并参与运动前区、前额叶、视觉和皮层下区域，以在决策过程中共享时空控制信心和信任。意义。协助人机代理团队的多模式协作式 BCI 可用于关键环境，以增强和优化决策策略。
用于静音语音接口的具有深度学习算法的超薄晶体硅基应变计
一种可视化每个区域受分类任务影响程度的方法。图 4d 展示了单词“ABSOLUTELY”和“AFTERNOON”的 R-CAM 结果。对于这两个词，我们的模型都关注 S2 传感器信号（第三行和第四行信号）显示主要特征运动的部分。关于单词“ABSOLUTELY”，我们的模型关注 0.6 秒时传感器 S2 的向下和向上凸起。关于“AFTERNOON”，同样，我们的模型在两种情况下都关注向下凸起的点，“AFTERNOON(i)”大约在 1 秒，“AFTERNOON(ii)”大约在 0.7 秒。结果表明，我们的模型并未过度拟合信号数据，而是关注阻力方差较大的特征信号部分。单词识别性能与 sEMG 的比较
新型混合视觉刺激将周期性运动融入传统闪烁或模式反转视觉刺激中，用于基于稳态视觉诱发电位的脑机接口
在本研究中，我们提出了一种用于基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 的新型混合视觉刺激，该刺激将各种周期性运动融入传统的闪烁刺激 (FS) 或模式反转刺激 (PRS)。此外，我们研究了每种 FS 和 PRS 的最佳周期运动，以增强基于 SSVEP 的 BCI 的性能。通过根据四个不同的时间函数（用无、平方、三角和正弦表示）改变刺激的大小来实现周期性运动，总共产生八种混合视觉刺激。此外，我们开发了滤波器组典型相关分析 (FBCCA) 的扩展版本，这是一种用于基于 SSVEP 的 BCI 的最先进的无需训练分类算法，可提高基于 PRS 的混合视觉刺激的分类准确性。 20 名健康个体参加了基于 SSVEP 的 BCI 实验，以区分四种不同频率的视觉刺激。评估了平均分类准确率和信息传输率 (ITR)，以比较基于 SSVEP 的 BCI 对不同混合视觉刺激的性能。此外，还评估了用户对每种混合视觉刺激的视觉疲劳程度。结果，对于 FS，当除 3 秒外的所有窗口大小都加入正弦波形的周期运动时，报告的性能最高。对于 PRS，方波的周期运动在所有测试窗口大小中显示出最高的分类准确率。两种最佳刺激之间的性能没有观察到显著的统计差异。据报道，正弦波周期运动的 FS 和方波周期运动的 PRS 的平均疲劳分数分别为 5.3 ± 2.05 和 4.05 ± 1.28。因此，我们的结果表明，与传统的 FS 和 PRS 相比，具有正弦波周期运动的 FS 和具有方波周期运动的 PRS 可以有效提高 BCI 性能。