XiaoMi-AI文件搜索系统
World File Search Systemskeleton
小波骨骼在睡眠脑电图中作为轻度认知障碍早期诊断的生物标志物
许多神经变性疾病在早期阶段很难诊断。例如，对轻度认知障碍（MCI）的早期诊断需要各种各样的测试，以区分MCI症状和衰老的正常后果。在本文中，我们使用小波 - 骨骼方法在健康的成年患者和认知功能障碍患者的脑电图（EEG）中找到一些特征模式。我们分析了11名60至75岁年龄段的11名老年患者在自然睡眠期间记录的EEG活性，其中6例患有轻度的认知障碍，并采用基于连续小波转化骨骼的非线性分析方法。我们的研究表明，对整个睡眠状态的EEG信号进行了全面分析，使我们能够确定频带中振荡模式平均持续时间的显着降低[12; 14] Hz在有轻度认知障碍的情况下。因此，该频率范围的变化可以解释为与运动皮层的活性相关，作为制定早期客观MCI标准的候选者。
概率骨架赋予类脑神经网络天生的计算能力
遗传密码赋予大脑神经网络与生俱来的计算能力。但它是如何实现的却一直不得而知。实验数据表明，基因组通过成对连接概率对大量遗传上不同类型的神经元编码了新皮层回路的架构。我们为这种间接编码方式建立了一个数学模型，即一个概率骨架，并表明它足以将一套要求相当高的计算能力编入神经网络。这些计算能力无需学习即可产生，但很可能为后续的快速学习提供强大的平台。它们通过统计层面的架构特征而不是突触权重嵌入神经网络。因此，它们在低维参数空间中指定，从而提供增强的鲁棒性和泛化能力，正如先前的研究所预测的那样。
基于人工智能和物联网的智能外骨骼系统，助力互联社区瘫痪患者康复
SUNIL JACOB 1,5 , MUKIL ALAGIRISAMY 1 , CHEN XI 2 , VENKI BALASUBRAMANIAN 3 , RAM SRINIVASAN 4 , PARVATHI R. 5 , NZ JHANJHI 6 , AND SARDAR MN ISLAM 7 , (IEEE 会员) 1 林肯大学学院电子与通信工程系，马来西亚八打灵再也 47301 2 南京大学商学院，江苏 210000，中国 3 联邦大学科学、工程与信息技术学院，澳大利亚维多利亚州 Mount Helen 3350 4 中央昆士兰大学电气工程与技术学院，昆士兰州 Norman Gardens 4701，澳大利亚 5 SCMS 工程与技术学院电子与通信工程系，印度科钦 683576 6 泰莱大学计算机科学与工程学院 (SCE)，苏邦Jaya 47500，马来西亚 7 维多利亚大学应用信息学研究，墨尔本，VIC 3011，澳大利亚
具有先天计算能力的概率骨骼赋予大脑样神经网络
遗传编码的结构赋予大脑的神经网络具有先天的计算能力，可在出生后立即实现异味分类和基本运动控制。还可以推测，新皮层微电路的刻板印象层流组织提供了基本的计算功能，随后可以在其中构建。但是，它已经确定了自然如何实现这一目标。从人工神经网络中获得的见解无助于解决此问题，因为他们的计算能力是由于学习而导致的。我们表明，对不同类型的神经元功能之间的连接概率进行了基因编码的控制，用于将大量计算能力编程到神经网络中。这种见解还提供了一种通过巧妙的初始化来增强人工神经网络和神经形态硬件的计算和学习方法的方法。
评论：感觉系统，数据处理，手动外骨骼设计上的执行器类型
摘要。触摸后的康复装置是必不可少的，因为中风攻击可能导致人体的一部分或一半。外骨骼可能是中风后患者康复的重要装置。几项研究提出了用于康复目的的外骨骼设计，以实现人类肢体疾病。这项研究旨在根据肌电或任何其他传感器回顾手部外骨骼设备的最先进。本文有望使用肌电传感器和力传感器同时设计手外骨骼设备。这是通过审查与外骨骼开发有关的几篇文章来实现的，尤其是在传感器系统，数据处理和执行器系统中。结果表明，仍然发现使用Ag电极一次性AG（AGCL）检测手指在手上的运动，因为该传感器可以减少伪影噪声。在几项研究中也发现了肌臂的使用，因为它具有无线特性，因此易于使用。在处理器方面，Arduino微控制器比其他微控制器更广泛地使用。为了激活手部外骨骼，伺服电动机被更广泛地用于启动手指关节，这比其他执行器更精确。在进一步的发展中，外骨骼系统和信息系统之间的整合将是一个预期的挑战。希望，这种外骨骼的发展可以作为康复装置应用于故障或瘫痪的患者。
Aalborg Univertet技术数据和天然气成本...
摘要：已证明脑部计算机界面（BCIS）对中风康复很有用，但是有许多因素阻碍了该技术在康复诊所和家庭用途中使用，包括BCI系统的可用性和成本，包括BCI系统的主要因素。这项研究的目的是开发廉价的3D打印手腕外骨骼，可以由廉价的开源BCI（OpenVibe）控制，并确定使用这种设置的训练是否可以诱导神经可塑性。11位健康的志愿者想象的手腕延伸是从单审脑电图（EEG）检测到的，因此，腕骨骼外骨骼复制了预期的运动。运动诱发电位（MEP）是在使用外骨骼训练后立即，之后和30分钟测量的。BCI系统的真实正率为86±12％，每分钟为1.20±0.57假检测。与BCI训练之前的测量相比，MEP在BCI训练后立即增加35±60％，在BCI训练后67±60％30分钟。BCI性能与可塑性的诱导之间没有关联。总而言之，可以使用开源BCI设置来检测假想运动，并控制便宜的3D打印外骨骼，当与BCI结合使用时可以诱导神经可塑性。这些发现可能会促进BCI技术用于康复诊所和家庭用途的可用性。但是，必须提高可用性，并且中风患者需要进一步测试。
机器人设计和医疗下肢外骨骼的建模
在世界范围内，许多人因衰老引起的肌肉骨骼疾病而失去了下肢和运动技能的功能，例如老年人口或交通事故（O'Sullivan，Schmitz和Fulk，2019年）。因此，许多人需要物理疗法才能恢复其运动技能和肌肉功能的失去。第二次世界大战后，机械设计的外骨骼系统已发展为随着技术开发的机械设计。机器人外骨骼系统（RES）已用于改善患者和康复（Calabrò等，2016）。res用于患者以及军事和工业的医疗目的，可通过提供骨干支撑来更舒适地运输重物。但是，这项研究仅着重于RES进行物理治疗的设计和建模。
开发一个基于运动图像的实时异步混合型BCI控制器，用于下LIMB外骨骼
摘要：这项研究旨在开发与步态相关的运动图像（MI）基于较低LIMB外骨骼的基于与基于步态相关的运动图像（MI）的混合脑机构界面（BCI）控制器，并研究控制器在包括标准，Gait-Forwhard和Sit-Down的实际情况下的可行性。在研究中使用过滤库的公共空间模式（FBCSP）和基于信息的最佳个人特征（MIBIF）选择来解码MI脑电图（EEG）信号，并提取特征矩阵作为支持向量机（SVM）分类的输入。连续的眼光开关在操作下LIMB外骨骼时依次与EEG解码器结合。十个主题在OfflINE（培训）和在线方面都表现出80％以上的精度。所有受试者通过开发的实时BCI控制器穿着下LIMB外骨骼成功完成了步态任务。与手动智能手表控制器相比，BCI控制器的时间比为1.45。开发的系统可能有可能是具有神经系统疾病的人，他们可能有效地操作手动控制。
纳米力学监测针对癌细胞骨架的药物的有效性
摘要：人们越来越关注纳米力学作为各种病理的标志物的应用。原子力显微镜 (AFM) 是一种可用于量化活细胞纳米力学特性的技术，具有高空间分辨率。因此，AFM 提供了追踪活细胞中细胞骨架重组变化的可能性。两种主要细胞骨架成分（即肌动蛋白丝和微管）的结构、组织和功能受损会导致严重影响，从而导致细胞死亡。这就是为什么这些细胞骨架成分是抗肿瘤治疗的目标。本综述旨在描述有关 AFM 追踪抗肿瘤药物作用引起的活细胞纳米力学特性变化的能力的知识，这些变化可能转化为抗肿瘤药物的功效。
通过马哈拉诺比斯距离识别下肢外骨骼中的用户意图
摘要 — 现有的下肢机器人外骨骼控制策略对用户意图的侧重点有所不同，这些意图的分辨率各不相同，从高级目标（提高速度）到中级动作（增加步幅）再到低级关节行为（增加髋关节屈曲）。虽然外骨骼上的传感器只能通过人机界面间接感知人类，但它们在穿戴设备所需的时间方面比更直接的方法更具优势。在本研究中，要求外骨骼用户（包括身体健全和脊髓损伤）改变他们的预期步行速度。机载传感器测量结果用于离线测试基于马哈拉诺比斯距离的意图识别算法。该算法的目标是识别意图变化并正确分类其类型，但不是通过外骨骼实现该变化。该算法正确识别了用户希望以比设备标称速度更快或更慢的速度行走的情况。对于体格健全的受试者，已知意图变化与算法正确识别之间的平均延迟为 0.63 秒。对于体格不健全的受试者，这一延迟平均为 0.93 秒。这些概念验证结果表明，基于马哈拉诺比斯距离的意图识别是可能的，而对该方法的分析表明，还有进一步改进的空间。