XiaoMi-AI文件搜索系统
World File Search Systemphysiological
远端生理信号测量的端到端对比深度学习框架
基于远程生理信号的抽象心率测量可能会大大促进日常生活中的健康监测。但是，生理信号的基础标签很昂贵且难以收集。在本文中，我们提出了一个对比的自我监督学习框架，以通过在预训练阶段利用没有地面真相标签的周期性信号先验来提取歧视性远程生理特征。具体来说，构建排名损失和对比度学习损失，以通过重新采样视频剪辑来提取知识。此外，数据增强和集合学习策略旨在微调预训练的模型并融合结果以改善心率测量。我们的最终解决方案实现了3𝑟𝑑基于远程远程生理信号传感（REPSS）挑战的轨道1的位置。
特质冲动影响虚拟环境中对威胁的行为和生理反应
特征冲动代表着采取行动而没有预见或考虑后果的趋势。这个特征是多方面的，可以分解为冲动性的注意力，运动和非计划子类型。当前研究的目的是调查性状冲动的亚型如何响应室内虚拟现实（VR）在行为和生理激活水平方面的不同程度的威胁。三十四名参与者被要求谈判一个虚拟环境（VE），在那里他们以虚拟“跌倒”的持续威胁在高度上行走。收集了与运动速度，相互作用频率和风险有关的行为度量。参与者还戴着卧床传感器，以收集心电图（ECG）和电肌活动（EDA）的数据。我们的结果表明，在非计划冲动性上得分很高的参与者表现出风险更高和皮肤电导水平（SCL）。具有较高运动冲动性的参与者与威胁很高时VE中的更多物体相互作用，他们还表现出矛盾的生理激活指标。注意力冲动与VE的更多跌倒有关。结果表明，性格冲动的亚型通过不同的行为模式和生理激活水平来应对威胁，从而增强了性状的多方面性质。
极具挑战性的环境：了解太空旅行的分子和生理反应
Bowles 博士及其同事将大鼠心肌细胞置于模拟微重力或正常重力条件下，放置时间为 12 小时、48 小时或 120 小时。研究小组报告称，尽管在两种条件下，12 小时和 48 小时后蛋白质丰度没有差异或略有差异，但在模拟微重力 120 小时后，蛋白质丰度差异明显增大。研究小组随后使用一种新颖的改良型细胞培养技术，测量标记氨基酸与新合成蛋白质的结合情况，以确定心肌中的蛋白质周转率。结果表明，与正常重力环境相比，随着时间的推移，微重力环境中的蛋白质周转率急剧下降。
测量与生理需求和动机状态相关的大脑想象力潜力
已经有明确的证据表明，运动意象（例如 Milanés- Hermosilla 等人，2021 年；Mattioli 等人，2022 年）以及在较小程度上感知和认知意象（Cai 等人，2013 年；Leoni 等人，2021 年、2022 年；Proverbio 等人，2022 年）存在可靠的电生理标记，可用于与脑机接口 (BCI) 系统 (Ash and Benson，2018 年) 进行通信。相比之下，人们对动机意象（渴望、意志、需要和欲望）的电生理标记知之甚少，尽管这种特殊类型的心理内容对于与昏迷或闭锁综合症等意识障碍患者的互动很有价值。一些研究（Kavanagh 等人，2005）表明，想象力能够激活对本能欲望的可测量反应，从性质上讲，这些反应与情感欲望相似，无论这种刺激是感知到的还是想象出来的。例如，研究发现，在执行指令为想象吃柠檬和喝牛奶的任务时，与食物相关的刺激的心理意象会改变唾液分泌反射，甚至增加或降低唾液的 pH 值（Vanhaudenhuyse 等人，2007）。这些在 BCI 领域进行的研究可能有助于证明闭锁综合症患者的意识存在，否则他们无法传达他们仍然存在的意识。这项研究探索了记录和识别与特定欲望/需求相关的内部动机和生理状态的可靠电标记的可能性。我们研究了各种各样的“渴望”，包括
虚拟现实中生理测量、因素、方法和应用的系统评价
生理参数的测量提供了一种客观的、通常是非侵入性的、（至少是半）自动的用户行为评估和利用方法。此外，虚拟现实 (VR) 的特定硬件设备通常附带内置传感器，即眼动追踪和运动传感器。因此，生理测量和 VR 应用的结合似乎很有前景。已有多种方法研究了这种组合对各种应用领域的适用性和好处。然而，可能的应用领域范围，加上潜在有用和有益的生理参数、传感器类型、目标变量和因素以及分析方法和技术是多种多样的。本文对 VR 中生理测量的使用情况进行了系统概述和广泛的最新回顾。我们确定了 1,119 项在 VR 中使用生理测量的作品。在这些作品中，我们确定了 32 种专注于对 VR 应用中常见的体验特征进行分类的方法。本综述的第一部分根据应用领域（即治疗、培训、娱乐、交流和互动）以及生理参数测量的特定目标因素和变量对 1,119 篇作品进行了分类。附加类别总结了适用于所有特定应用领域的通用 VR 方法，因为它们针对的是典型的 VR 品质。在本综述的第二部分，我们分析了用于自动分析和潜在分类的各自方法的目标因素和变量。例如，我们重点介绍了哪些测量设置已被证明足够敏感，可以区分虚拟领域中不同程度的唤醒、效价、焦虑、压力或认知工作量。这项工作可能对所有想要在 VR 中使用生理数据并希望很好地了解以前采用的方法、它们的优点和潜在缺点的研究人员有用。
用于生理信号记录和闭环神经调节
生物电子植入式设备擅长促进对健康的持续监测并能够早期发现疾病，从而深入了解各种身体器官的生理状况。此外，这些先进的系统在神经调节中具有治疗能力，证明了它们通过直接将刺激直接传递到特定靶标来解决不同医疗状况方面的效果。这项全面的评论探讨了生物医学领域内生物电子设备的发展和应用。特别重点是闭环系统的演变，这基于实时生理反馈而脱颖而出。讨论了人工智能（AI）和边缘计算技术的整合，这显着增强了这些设备的诊断和治疗功能。通过解决可植入设备中的元素分析，当前挑战和未来方向，该评论旨在指导生物电子设备进步的途径。
交互式教学在线学习期间增强了学生的生理唤醒
将面对面的教学纯净地转移到数字学习环境中可能伴随着学生的生理唤醒的明显减少，而学生的生理唤醒又可能与学习过程中的被动性有关，通常与不足的集中度和参与课程工作有关。因此，这项研究的目的是研究学生的心理生物学压力反应是否可以在解剖学在线学习的背景下得到增强，以及增加的生理参数与数字学习环境中学习经验的特征如何相关。健康的一年级医学生（n = 104）在面对面学习，被动在线学习或在线学习的互动增强版本中，经常在微观解剖学上进行定期实践课程。Compared to passive online learning, students engaged in the interaction-enhanced version of online learning displayed a significantly reduced Heart Rate Variability (P 0.001, partial η 2 = 0.381) along with a strong increase in salivary cortisol (P 0.001, partial η 2 = 0.179) and salivary alpha-amylase activity (P 0.001, partial η 2 = 0.195).这些结果表明，可以通过互动教学方法来增强从事在线学习的学生的生理唤醒，并指出更高的生理反应与学习经验的基本标准（例如参与和关注）之间的明确相关性。
基于生理特征的飞行员-无人机协同应用心理负荷评估
有人-无人协同 (MUM-T) 可定义为空中机器人 (人工智能体) 与人类飞行员 (自然智能体) 的协同，其中人类智能体不是权威控制者，而是合作的团队成员。据我们所知，尚无研究使用神经人体工程学方法 (即使用生理测量) 评估 MUM-T 场景对操作员心理工作量 (MW) 的影响，也未通过对这些测量进行分类来提供 MW 估计。此外，分类流程中很少考虑生理信号的非平稳性的影响，特别是在验证设计中。因此，本研究有两个目标：(i) 基于生理信号表征和估计 MUM-T 设置中的 MW；(ii) 评估验证程序对分类准确性的影响。在此背景下，开发了一个搜索和救援 (S&R) 场景，其中 14 名参与者扮演飞行员的角色，与三架 UAV（无人驾驶飞行器）合作。任务旨在诱发高和低 MW 水平，使用自我报告、行为和生理指标（即大脑、心脏和眼球运动特征）进行评估。基于这些生理特征的各种组合的监督分类管道进行了基准测试，并比较了两种验证程序（即不考虑时间的传统程序与考虑时间的生态程序
BioPyC，一个用于离线脑电图和生理信号分类的开源 Python 工具箱
摘要：近几十年来，脑机接口 (BCI) 的研究变得更加民主，使用基于脑电图 (EEG) 的 BCI 的实验急剧增加。协议设计的多样性和对生理计算日益增长的兴趣要求同时改进 EEG 信号和生物信号（如皮肤电活动 (EDA)、心率 (HR) 或呼吸）的处理和分类。如果一些基于 EEG 的分析工具已经可用于许多在线 BCI 平台（例如 BCI2000 或 OpenViBE），那么在线使用算法之前，执行离线分析以设计、选择、调整、验证和测试算法仍然至关重要。此外，研究和比较这些算法通常需要编程、信号处理和机器学习方面的专业知识，而许多 BCI 研究人员来自其他背景，对这些技能的培训有限或没有培训。最后，现有的 BCI 工具箱专注于 EEG 和其他脑信号，但通常不包括其他生物信号的处理工具。因此，在本文中，我们描述了 BioPyC，这是一个免费、开源且易于使用的 Python 平台，用于离线 EEG 和生物信号处理和分类。基于直观且引导良好的图形界面，四个主要模块允许用户遵循 BCI 过程的标准步骤，而无需任何编程技能：（1）读取不同的神经生理信号数据格式，（2）过滤和表示 EEG 和生物信号，（3）对它们进行分类，以及（4）可视化并对结果进行统计测试。我们在四项研究中说明了 BioPyC 的使用，即根据 EEG 信号对心理任务、认知工作量、情绪和注意力状态进行分类。
缓解地下空间负面心理和生理影响的设计策略
地下位置 建筑物位于地下并不妨碍为建筑物内部提供自然光和视野等便利设施。然而，即使地下空间的物理设施与传统建筑物的室内空间相同，地下空间的物理位置也存在心理障碍。有些人可能会有幽闭恐惧症或与安全相关的恐惧，从而对地下空间产生负面反应。很难解释一些人对地下概念的负面联想——即使室内条件与地上空间相同。除了与安全问题相关的恐惧之外，地下空间可能与死亡和埋葬有关。然而，人们普遍认为，