XiaoMi-AI文件搜索系统
World File Search Systemnavigation
西塔振荡支持人类空间导航中的主动探索
主动导航似乎比被动导航能产生更好的空间知识，但目前还不清楚主动决策如何影响学习和记忆。在这里，我们研究了 θ 振荡对记忆相关探索的贡献，同时测试了有关其如何促进主动学习的理论。使用脑电图 (EEG)，我们对个体进行了迷宫学习任务测试，在该任务中，他们在迷宫的每个选择点对探索位置做出离散决策。一半参与者可以在每个选择点自由做出主动决策，另一半则通过在每个交叉点选择标记选项（与主动探索相匹配）进行被动探索。至关重要的是，所有决策都是在静止时做出的，将主动决策过程与运动和速度因素分离开来，这是 θ 振荡的另一个突出的潜在作用。然后通过在迷宫中从物体 A 移动到物体 B 来测试参与者对迷宫的了解。结果显示，在学习过程中，主动决策具有优势，并且表明主动组在探索的选择点（尤其是在中额叶通道）中具有更大的 θ 功率。这些发现表明，主动探索与人类空间导航过程中的 θ 振荡有关，并且这些振荡不仅仅与运动或速度有关。结果表明前额叶区域的 θ 振荡增加表明与海马体的沟通以及将新信息整合到记忆中。我们还发现了主动导航过程中 alpha 振荡的证据，表明注意力也发挥了作用。这项研究支持 θ 振荡在导航学习过程中具有一般的助记作用。
支持未来导航 - GOV.UK
概述 简介 4 主席前言 10 首席执行官前言 12 战略评估 14 可持续发展报告 24 绩效评估 26 公司治理报告 UKHO 董事报告 30 首席执行官作为会计官的职责声明 32 治理声明 33 薪酬和员工报告 37 议会问责和审计报告 45 审计长向国会提交的证书和报告 46 财务报表 截至 2021 年 3 月 31 日的 UKHO 营运基金财务报表 49
沉浸式网络设计，测试和调整导航技术
虚拟现实中最重要的交互之一（VR）是用户四处走动和探索虚拟环境的能力。导航技术的设计在用户体验中起着至关重要的作用，因为它决定了关键的可用性方面。VR设备允许对3D世界进行沉浸式探索，但是由于与特定的VR控制器，用户技能和运动病有关的潜在可用性问题，VR中的导航对许多用户来说是具有挑战性的。尽管已经为此任务提出了数百种交互技术，但VR导航仍然对许多用户构成了很高的进入障碍。在本文中，我们认为将导航技术适应其使用上下文可以导致导航可用性和可访问性的大大改善。使用的上下文包括场景类型，可用的物理空间以及用户的配置文件。我们提出了一个测试平台，以促进3D导航的交互技术的设计和微调。我们专注于主流VR设备（耳机和控制器），并支持最常见的导航隐喻（步行，飞行，传送）。关键想法是让开发人员在运行时为任何受支持的隐喻指定用户操作和运动更改之间的确切映射。通过参数集合来描述此类映射（例如最大速度），其值可以通过GUI进行交互调整，也可以通过用户定义的代码提供，该代码可以在运行时进行编辑。©2022作者。由Elsevier Ltd.从开发人员那里获得的反馈表明，这种方法可以用来快速调整导航技术，包括没有以前没有3D导航技能的人，老年人和残疾人，以及虚拟环境的类型，大小和语义。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
2021 年联邦无线电导航计划 - navcen
6.3 可互换解决方案 ................................................................................................ 6-6 6.4 PNT 与通信的协同作用 ................................................................................ 6-6 6.5 合作组织结构 ................................................................................................ 6-7 6.6 展望未来 ........................................................................................................ 6-8 附录 A. 系统参数和说明 ............................................................................................. A-1 A.1 系统参数 ............................................................................................................. A-1 A.1.1 信号特性 ............................................................................................. A-1 A.1.2 精度 ............................................................................................................. A-1 A.1.3 可用性 ............................................................................................. A-3 A.1.4 覆盖范围 ............................................................................................. A-3 A.1.5 可靠性 ............................................................................................. A-3 A.1.6 定位速率 ............................................................................................. A-3 A.1.7 定位尺寸 ............................................................................................. A-3 A.1.8 系统容量 .............................................................................................
2021 年联邦无线电导航计划 - navcen
6.3 可互换解决方案 ................................................................................................ 6-6 6.4 PNT 与通信的协同作用 ................................................................................ 6-6 6.5 合作组织结构 ................................................................................................ 6-7 6.6 展望未来 ........................................................................................................ 6-8 附录 A. 系统参数和说明 ............................................................................................. A-1 A.1 系统参数 ............................................................................................................. A-1 A.1.1 信号特性 ............................................................................................. A-1 A.1.2 精度 ............................................................................................................. A-1 A.1.3 可用性 ............................................................................................. A-3 A.1.4 覆盖范围 ............................................................................................. A-3 A.1.5 可靠性 ............................................................................................. A-3 A.1.6 定位速率 ............................................................................................. A-3 A.1.7 定位尺寸 ............................................................................................. A-3 A.1.8 系统容量 .............................................................................................
融合低地球轨道 GNSS - 无线电导航实验室
摘要 — 传统全球导航卫星系统 (GNSS) 的抗干扰能力可能正在接近实际性能上限。在传统 GNSS 轨道和频谱之外有可能获得更大的增益。低地球轨道 (LEO) 的 GNSS 长期以来被视为有前途但成本高昂，需要大型星座来实现快速导航解决方案。最近出现的商用宽带 LEO 巨型星座引发了人们对这些星座双重用途的研究，既可用于通信（其主要任务），又可用于次要的定位、导航和授时 (PNT) 服务。这些星座的运行波长比传统 GNSS 更短，可实现高度定向、相对紧凑的接收天线。不需要特定于 PNT 的在轨资源：托管宽带网络的发射器、天线、时钟和频谱足以满足 PNT 的需求。非合作使用 LEO 信号进行 PNT 是一种选择，但与星座运营商的合作（与其通信任务“融合”）减轻了从地面跟踪密集低空星座的负担，并使接收器能够产生单历元独立 PNT 解决方案。本文提出了这样一种合作概念，称为融合 LEO GNSS。可行性取决于机会成本，或次要 PNT 任务对通信星座运营商造成的负担。这是根据时间-空间-带宽乘积和能量预算来评估的。结果表明，近距离
无框神经训练，具有计算机视觉和实时跟踪的床边外部室外排放位置：尸体研究
客观，通过图像指导技术改善床旁神经外科手术程序安全性和准确性的主要障碍是缺乏针对移动患者的快速部署，实时的注册和跟踪系统。这种缺陷解释了外部室排水的徒手放置的持续性，该室外排水口具有不准确定位的固有风险，多次通过，流血出血以及对邻近脑实质的伤害。在这里，作者介绍并验证了无框立体神经纳维加菌和导管放置的新型图像登记和实时跟踪系统。方法使用计算机视觉技术来开发一种几乎连续，自动和无标记的图像注册的算法。该程序融合了受试者的预处理CT扫描中的3D摄像头图像（快照表面），并且通过人工智能驱动的重新校准（Real-Track）进行了患者运动。计算了5个发生串行运动（快速，缓慢的速度滚动，俯仰和偏航运动）的5个尸体头部的表面注册误差（SRE）和目标注册误差（TRE），以及几个测试条件，例如有限的解剖学暴露和不同的受试者照明。使用模拟的无菌技术将六个导管放在每个尸体头（总计30个位置）中。过程后CT扫描允许比较计划的和实际导管位置，以进行用户错误计算。的结果注册对于所有5个尸体标本都成功，导管放置的总体平均值（±标准偏差）SRE为0.429±0.108 mm。TRE的精度在1.2毫米以下保持在1.2 mm的范围内，整个标本运动的低速和高速滚动，俯仰和偏航的速度最高，重新校准时间最慢，为0.23秒。当样品被覆盖或完全不覆盖时，SRE没有统计学上的显着差异（p = 0.336）。在明亮的环境与昏暗的环境中进行注册对SRE没有统计学上的显着影响（分别为p = 0.742和0.859）。对于导管放置，平均TRE为0.862±0.322 mm，平均用户误差（目标和实际导管尖端之间的差异）为1.674±1.195 mm。结论这个基于计算机视觉的注册系统提供了对尸体头的实时跟踪，其重新校准时间少于四分之一的一秒钟，并具有亚毫升准确性，并启用了毫米准确性的导管放置。使用这种指导床旁心室造口术可以减少并发症，改善安全性并将其推断到清醒，非肌化患者中的其他无框立体定向应用。
空间导航和空间言语记忆形成过程中海马体和前额叶皮质之间因果信息流的可复制模式
海马体和前额叶皮层 (PFC) 之间的相互作用在人类空间导航和情景记忆中都发挥着重要作用，但这些区域之间跨任务域的潜在信息因果流尚不清楚。在这里，我们使用颅内脑电图记录和光谱分辨相位转移熵来研究两种不同的虚拟空间导航和记忆编码/回忆任务中的信息流，并检查信息流模式在空间和言语记忆域中的可复制性。信息理论分析表明，从海马体到侧 PFC 的因果信息流比反向更高。至关重要的是，在两种空间导航任务的记忆编码和回忆期间观察到了不对称的信息流模式。进一步的分析揭示了相互作用的频率特异性，其特征是在 delta-theta 波段 (0.5-8 Hz) 中，从海马体到 PFC 的自下而上的信息流更大；相反，在 beta 波段 (12-30 Hz) 中，从 PFC 到海马体的自上而下的信息流更强。贝叶斯分析表明，两个空间导航任务（贝叶斯因子 > 5.46e + 3）以及跨空间和言语记忆域的任务（贝叶斯因子 > 7.32e + 8）之间具有高度的可重复性。我们的研究结果确定了人类大脑在记忆形成过程中参与的独立于域且可复制的频率相关反馈回路。
人类棋盘格和导航图像中单次试验表面脑电图和源的黎曼分类
自从发现 [1,2] 以来，EEG 已越来越多地应用于基础研究、临床研究和工业研究。针对每个领域，都陆续开发出了特定的工具。这些工具包括：(i) 利用微电极进行脑内记录 [3,4]，该方法可以识别 EEG 信号的神经元来源，并更好地理解 EEG 活动的生理机制；(ii) 大平均法，包括由重复事件 (视觉、听觉、体感……) 触发的一系列试验的平均值 [5]，该方法开启了诱发相关电位 (ERP) 领域的研究，最近包括 EEG 源发生器 [8–10] 在内的 EEG 动力学工具 [6,7] 丰富了这一研究领域； (iii) 将 EEG 用于神经反馈和脑机接口 (BCI) [ 11 , 12 ]。过去，这些领域及其相关工具是分开发展的，但计算资源和实验数据的日益普及推动了横向方法和方法论桥梁的发展。视觉诱发电位 (VEP) 是一种特殊的 ERP，从枕叶皮质记录的 EEG 信号中提取，可由不同类型的视觉刺激触发，从简单（如棋盘格）[ 13 ，第 14 页，15 ] 到更复杂的视觉刺激（如人脸、3D 或运动图像）[ 14 , 16 – 20 ]。VEP 是通过计算大量正在进行的 EEG 信号试验的总平均值获得的（见公式 1），从而产生精心设计且易于识别的电位，随后可用于更好地理解视觉输入的连续处理阶段。然而，这些诱发反应来自至少两种不同的机制，分别源自加法模型或振荡模型 [8, 21 – 24]。对于加法模型，诱发反应来自对感觉输入的自下而上的连续处理。这会产生特定序列的单相诱发成分峰，这些峰最初嵌入自发 EEG 背景中。后者 EEG 活动被视为噪声，并通过随后的平均排除。对于振荡模型，诱发电位可能是由于特定频带内正在进行的 EEG 节律的相位锁定所致。这种 EEG 相位重组可以通过试验间一致性 (ITC) 来测量，作为对外部刺激的反应。从根本上讲，只有当相关 EEG 功率没有同时变化（增加或减少）时，这种测量才有意义。在这种情况下，我们处于纯相位锁定状态，诱发反应仅归因于正在进行的 EEG 振荡的重组。例如，体感诱发电位的 N30 分量就是这种情况，其中 70% 的幅度归因于纯相位锁定 [ 25 ]。事实上，在大多数 ERP 研究中，会出现混合情况（功率变化和相位锁定），这使得基础和临床解释变得困难。另一个缺点是，在大多数诱发电位研究中，对一组受试者进行的是总体平均值。虽然总体平均值方法可以得到适当的统计数据[26]和关于基本或临床结果的实际结论，但它掩盖了从临床角度来看可能至关重要的个体特性。当诊断工具基于总体平均值诱发电位[27]时，这个问题尤其重要。同样，对总体平均值数据应用逆建模[10,28]可以非常有效地识别ERP发生器[19,29-31]，但不利于确定个体特征。面对这些缺点，
用于沉浸式图像引导神经导航系统的基于物理的自适应非刚性配准
目的：在图像引导的神经外科手术中，联合配准的术前解剖、功能和扩散张量成像可用于安全切除脑部重要区域的脑肿瘤。然而，脑部在手术过程中会变形，尤其是在切除肿瘤的情况下。术前图像数据的非刚性配准 (NRR) 可用于创建配准图像，该配准图像可捕捉术中图像中的变形，同时保持术前图像的质量。本文利用临床数据报告了几种处理脑变形的非刚性配准方法的准确性和性能比较结果。提出了一种新的自适应方法，该方法可自动去除切除肿瘤区域中的网格元素，从而处理切除时的变形。为了改善用户体验，我们还提出了一种将混合现实与超声、MRI 和 CT 结合使用的新方法。