XiaoMi-AI文件搜索系统
World File Search System伸手
伸手去星星：中国的空间野心
在1990年代，中国的太空计划开始更加系统地发展。Long March Rocket家族扩大了，中国推出了几颗卫星，用于不同的PUR姿势，包括气象，通讯和导航。但是，1990年代还看到了几次发射失败以及中国最严重的发射事故。在1996年，3月3日的3B火箭架上载着一条美国建造的卫星在发射期间向侧面倾斜，并撞到附近的一个村庄，杀死并伤害了几人。然而，随着1992年第921号项目的启动，中国还为其载人太空计划设定了新的目标，大约十年后，杨利维（Yang Liwei）成为了第一家泰科纳特（Chi nese Astronaut）进入太空的历史。这是一个重要的里程碑，中国成为仅次于美国和俄罗斯的第三国，将一个人带入自己的火箭。
使用凝胶、水和干 EEG 系统分析和解码自然伸手抓握动作
伸手和抓握是每个人生活中必不可少的一部分，它使人能够与环境进行有意义的互动，是独立生活方式的关键。最近基于脑电图 (EEG) 的研究已经表明，可以在 EEG 中识别自然伸手和抓握动作的神经关联。然而，这些在实验室环境中获得的结果是否可以过渡到适用于家庭使用的移动 EEG 系统仍是一个问题。在当前的研究中，我们调查了是否可以使用移动 EEG 系统（即基于水的 EEG-Versatile TM 系统和干电极 EEG-Hero TM 耳机）成功识别和解码基于 EEG 的自然伸手和抓握动作的关联。此外，我们还分析了在实验室环境中获得的基于凝胶的记录（g.USBamp/g.Ladybird，黄金标准），这些记录遵循相同的实验参数。对于每个记录系统，15 名研究参与者执行了 80 次自发伸手抓取玻璃杯（手掌抓取）和勺子（侧抓取）的动作。我们的结果证实，使用这些移动系统可以成功识别基于 EEG 的伸手抓取动作的相关性。在结合运动条件和休息的单次试验多类解码方法中，我们可以证明低频时域 (LFTD) 相关性也是可解码的。根据未见测试数据计算的总平均峰值准确度，水基电极系统为 62.3%（9.2% STD），而干电极耳机达到 56.4%（8% STD）。对于凝胶基电极系统，可以达到 61.3%（8.6% STD）。为了促进和推动基于 EEG 的运动解码领域的进一步研究，以及让感兴趣的社区得出自己的结论，我们提供了 BNCI Horizon 2020 数据库 (http://bnci-horizon-2020.eu/database/data-sets) 中公开的所有数据集。
使用 AutoLFADS 识别精确伸手的初始阶段和纠正阶段之间的不同神经特征
许多初始动作需要后续的矫正动作，但运动皮层如何转变以进行矫正以及编码与初始动作有多相似尚不清楚。在我们的研究中，我们探索了大脑的运动皮层在精确伸手任务期间如何发出初始动作和矫正动作的信号。我们在多个会话中记录了两只雄性恒河猴的大量神经元，以检查初始动作和后续矫正动作期间的神经环率。应用基于自动编码器的深度学习模型 AutoLFADS 更清楚地了解各个会话中各个矫正动作的神经元活动。伸手速度的解码从初始到矫正子动作的推广效果很差。与初始动作不同，使用传统线性方法在单个全局神经空间中预测矫正动作的速度具有挑战性。我们在神经空间中确定了初始伸手之后矫正子动作起源的几个位置，这意味着环率与初始动作之前的基线不同。为了改进矫正动作解码，我们证明了状态依赖解码器结合了矫正开始时的群体振幅率，从而提高了性能，突出了矫正动作的多种神经特征。总之，我们展示了初始和矫正子动作之间的神经差异，以及神经活动如何编码特定的速度和位置组合。这些发现与神经与运动特征的相关性是全局和独立的假设不一致，强调传统方法通常无法描述在线矫正动作的这些不同神经过程。
人体手臂流畅运动的能量基础
摘要 中枢神经系统计划人类的伸手动作，其运动轨迹通常很平滑，持续时间也相当一致。平滑性似乎可以通过准确性作为主要运动目标来解释，而持续时间似乎可以节省能量消耗。但目前对能量消耗的理解并不能解释平滑性，因此同一运动的两个方面由看似不相容的目标控制。在这里，我们表明平滑性实际上是经济的，因为人类在更剧烈的运动中消耗更多的代谢能量。提出的机制是钙转运激活肌肉的成本与肌肉力量产生率成比例，这种成本被低估了。我们通过实验测试了人类（N = 10）周期性进行双手伸手的能量成本。然后证明了经验成本可以预测平滑、离散的伸手，而此前人们认为这仅仅归因于准确性。因此，机械的、生理上可测量的能量成本可以从经济的角度解释平滑性和持续时间，并有助于解决伸手动作中的运动冗余。
猕猴在同侧和对侧伸手抓握过程中初级皮质和运动前皮质局部场电位的差异调节
研究文章 | 系统/电路 猕猴在同侧和对侧伸手抓握过程中初级和运动前皮质局部场电位的差异调节 https://doi.org/10.1523/JNEUROSCI.1161-23.2024 收到日期：2023 年 6 月 23 日 修订日期：2024 年 4 月 2 日 接受日期：2024 年 4 月 3 日 版权所有 © 2024 Falaki 等人。这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当的署名。
人体工程学可帮您省钱的 25 种方法*
4.改善工作姿势，提高效率。以不适当的姿势工作会直接降低效率，这可以通过三种方式实现，而人体工程学可以帮助解决这一问题： 力量减弱 — 想象一下弯腰伸手抓住一个大物体，然后试图用力。在这种伸展姿势下，你的力量很小甚至没有。因此，与以正确姿势工作相比，完成一项任务需要更长的时间。 动作准确性降低 — 再次想象一下伸手抓住一个大物体，然后试图做一些复杂的事情。你会犯很多错误，而且需要更长的时间，即使你真的能做到。 更快疲劳 — 当你以不适当的姿势工作时，你会更容易疲劳，这会减慢你的速度。
感觉和运动责任纠缠的影响
四肢瘫痪患者表示，恢复手臂和手部功能是恢复独立性最重要的因素之一。我们研究的总体目标是开发辅助技术，使四肢瘫痪患者能够控制功能性伸手动作。这项研究是朝着我们的总体目标迈出的第一步，它评估了在实验环境中使用眼球运动来控制效应器运动的可行性。我们旨在了解对眼睛施加的额外运动要求如何影响功能性伸手过程中的眼手协调。我们特别感兴趣的是，当眼睛的感觉和运动功能因额外的运动责任而纠缠在一起时，眼球注视误差会受到怎样的影响。我们记录了参与者在伸手去拿显示器上的目标时的眼球和手部运动。我们在参与者的注视点位置处显示一个光标，这可以被认为类似于对辅助机器人手臂的控制。为了测量眼球注视误差，我们使用离线过滤器从原始眼球运动数据中提取眼球注视。我们将注视点与显示器上显示的目标位置进行了比较。结果表明，人类不仅能够利用眼球运动将光标引导至所需位置（1.04 ± 0.15 厘米），而且误差与手的误差相似（0.84 ± 0.05 厘米）。换句话说，尽管在直接控制效应器的眼球运动时，眼睛承担了额外的运动责任，但协调功能性伸展运动的能力并未受到影响。这项研究的结果支持使用眼睛作为控制运动的直接命令输入的有效性。
初级体感皮层第 2 区编码整个手臂的运动
摘要 本体感觉，即对身体位置、运动和相关力量的感觉，尽管在运动中起着至关重要的作用，但仍未得到充分理解。大多数对体感皮层本体感觉区域 2 的研究只是将神经元活动与手在空间中的运动进行比较。使用运动跟踪，我们试图通过描述 2 区活动与整个手臂运动的关系来阐述这种关系。我们发现，与经典模型不同，整个手臂模型成功地预测了猴子在两个工作空间中伸手触及目标时神经活动特征的变化。然而，当我们随后在主动和被动运动中评估这个整个手臂模型时，我们发现许多神经元在两种条件下都不能一致地代表整个手臂。这些结果表明 1) 2 区中的神经活动包括伸手过程中整个手臂的代表，2) 这些神经元中的许多在主动和被动运动期间以不同的方式代表肢体状态。
使用神经数据转换器进行神经群体活动的表征学习
理论上，神经群体活动反映了潜在的动态结构。可以使用具有显式动态的状态空间模型（例如基于循环神经网络 (RNN) 的模型）准确捕获此结构。但是，使用循环来显式建模动态需要对数据进行顺序处理，从而减慢脑机接口等实时应用的速度。在这里，我们介绍了一种非循环替代方案——神经数据转换器 (NDT)。我们通过将 NDT 应用于具有已知动态的合成数据集和来自猴子运动皮层的数据（在由 RNN 很好地建模的伸手任务期间），测试了 NDT 捕获自主动态系统的能力。NDT 可以对这些数据集以及最先进的循环模型进行建模。此外，它的非循环性可以实现 3.9 毫秒的推理，远低于实时应用的循环时间，并且比猴子伸手数据集上的循环基线快 6 倍以上。这些结果表明，明确的动力学模型对于建模自主神经群体动力学来说不是必需的。代码：github.com/snel-repo/neural-data-transformers。