XiaoMi-AI文件搜索系统
World File Search System听觉
听觉符号材料的高保真传输与主要听觉区域之间左右神经解剖不对称的减少有关
人们认为，音乐等听觉符号系统的代际稳定性依赖于大脑过程，这些过程允许忠实地传递复杂的声音。人们对支持这种能力的人类大脑的功能和结构方面知之甚少，一些研究表明听觉网络的双侧组织是假定的神经基础。在这里，我们通过检查听觉皮层之间左右神经解剖不对称的作用进一步检验了这一假设。我们从大量参与者（非音乐家）收集了神经解剖图像，并使用 Freesurfer 的基于表面的形态测量法对其进行了分析。扫描数周后，同样的个体参加了模拟音乐传播的实验室实验：信号游戏。我们发现，人工音调系统的代际传递的高准确性与 Heschl 沟皮层厚度向右不对称的减少有关。我们的研究表明，旋律材料的高保真复制可能依赖于计算神经元资源在半球中的分布程度。我们的数据进一步支持了大脑半球间组织在听觉符号系统的文化传播和进化中的作用。
听觉高熵响应（A-HER）：潜在的听觉BCI应用程序具有高振幅的新范式
[1] Chen，Xiaogang等。“具有非侵入性大脑 - 计算机接口的高速拼写。”PNAS 112.44（2015）：E6058-E6067。 [2] Recasens，Marc等。 “重复抑制和重复增强是人脑中听觉记忆痕迹形成的基础：MEG研究。” Neuroimage 108（2015）：75-86。PNAS 112.44（2015）：E6058-E6067。[2] Recasens，Marc等。“重复抑制和重复增强是人脑中听觉记忆痕迹形成的基础：MEG研究。”Neuroimage 108（2015）：75-86。
听觉中的振幅调制深度鉴别... - CORE
几何声学 - GA - 建模技术假设表面相对于感兴趣的波长较大。对于给定场景，实践者通常会创建一个具有大而平坦表面的单个 3D 模型，该模型在很宽的频率范围内满足假设。这种几何近似会导致模拟声场的空间分布出现错误，因为影响反射和散射行为的几何细节被忽略了。为了补偿近似，建模者通常会估计表面的散射系数，以随机地解释反射方向性中实际的、波长相关的变化。一种更确定性的方法可以考虑一系列几何细节不断增加的模型，每个模型都在相应的频带上进行分析，以满足大表面尺寸的要求。因此，为了提高 GA 模拟的宽带空间精度，我们提出了一种多分辨率建模方法。使用波纹墙的比例模型测量、我们的方法与非 GA 技术的比较以及一些简单的听力测试，我们将展示
语音共识听觉感知评估 (CAPE-V)
工具的一般描述：CAPE-V 指示了核心共识小组认为常用且易于理解的显著感知声音属性。这些属性包括：(a) 总体严重程度；(b) 粗糙度；(c) 气息；(d) 紧张；(e) 音调；(f) 响度。CAPE-V 显示每个属性，并附有一条 100 毫米线，形成视觉模拟量表 (VAS)。临床医生使用抽动标记指示此量表上每个参数的感知偏离正常值的程度。对于每个维度，标量极值均未标记。可以通过参考 CAPE-V 上每个量表下方指示的一般区域来辅助判断：“MI” 表示“轻度偏差”，“MO” 表示“中度偏差”，“SE” 表示“严重偏差”。一个关键问题是这些区域表示严重程度的等级，而不是离散点。临床医生可以在线上的任何位置放置刻度标记。”评级基于临床医生在评估期间对患者表现的直接观察，而不是患者报告或其他来源。
17，2024-海报摘要 - 美国听觉社会
美国听觉学会科学和技术会议，2月15日至2024年，海报摘要主题区域和海报数字：主题区域海报数字海报i - 星期四 - 星期四 - 星期四 - 星期四听觉处理 /听力努力海报＃001-009人工耳蜗海报海报＃010-010-010-010-010-030诊断式听觉学 /眼睛学海报＃031-045 poters 5 poters 5 poters 5 poters 5 potres potres pot 4康复海报＃056-081听力科学 /心理声音海报＃082-091听力技术 /放大海报＃092-100儿科听觉学 /眼科海报＃101-107语音感知海报海报＃108-11118-118前庭海报＃119-124 POSTER SESSITER II - 星期五 - 星期六的听觉序列3 Poster #135-155 Diagnostic Audiology / Otology Poster #156-170 Electrophysiologic Responses Poster #171-180 Hearing Loss / Rehabilitation Poster #181-206 Hearing Science / Psychoacoustics Poster #207-216 Hearing Technology / Amplification Poster #217-224 Pediatric Audiology / Otology Poster #225-231 Speech Perception Poster #232-242 Auditory Processing / Listening Effort Poster #243 AUDITORY PROCESSING / LISTENING EFFORT Category: Auditory Processing/Listening Effort Poster #: 00 1 Inferring Daily-Life Listening Effort by Conditioning Heart Rate on Sound Exposure Jeppe Høy Christensen , PhD , Eriksholm Research Centre, Oticon A/S , Snekkersten , Denmark Andreea Micula , PhD , Unit of Medical Psychology, Section of Environmental Health, Department of哥本哈根大学公共卫生，丹麦哥本哈根
视觉提示和步态上听觉提示的有效性...
1位艾格纳（Ognaj）Akar物理治疗学院的助理教授。2副校长兼高级讲师在艾哈迈达巴德Ranip的Shree Swaminarayan物理治疗学院。摘要背景：帕金森氏病（PD）是中枢神经系统的进行性疾病。步态障碍是PD的常见和早期特征，是功能依赖，跌倒和死亡的主要原因。约有50％的帕金森患者患有步态（FOG）。替代步态康复技术，包括视觉，听觉和触觉刺激的这种外部感觉提示最近受到了很多关注。研究的目的：研究视觉提示和听觉线索对帕金森氏病个体步态参数的有效性。方法论：选择了30名受试者进行研究。受试者被随机分配为两组。组1：听觉提示第2组：视觉提示，1次/天，5天/周，4周和20-30分钟步态训练。两组接受传统的物理疗法20-30分钟。动态脚印，速度，节奏和tinetti性能的迁移率评估测试（POMA-G）作为结果指标，并在干预前和4周结束前进行检查。结果：结果表明，在小组分析中，步骤长，步长，速度和POMA -G的统计学显着差异，但两组的节奏均无差异（P值<0.05）。关键字：帕金森氏病，步态疾病，步态障碍，步态训练，步态康复，听觉提示，视觉提示。显示POMA -G的统计学显着改善（P值<0.05），但在步长，步长长度，节奏和速度（p -value˃0.05）中不显示。结论：结果显示出听觉提示和视觉提示组的改善，但是在组分析的步态参数之间没有显着差异，即步长，步幅长度，节奏，速度和POMA-G。这表明这两种干预措施都是有益的，可以轻松地用于临床实践中，对于那些在治疗师和患者最低成本方面遇到困难的患者。引言中枢神经系统的进行性神经退行性疾病称为帕金森氏病（PD）。（1）通常在病理上通过Lewy身体和Nigra中的神经元丧失以及运动表型在临床上鉴定。（2）在60岁以上的每100个人中影响2个，
Nikos Stavropoulos 教授——听觉微空间
2016 Portrait V，三等奖，Viseu Rural 2.0：Explorações sonoras de um arquivo Rural - 电子音乐和声音艺术国际大赛（由欧盟创意欧洲计划共同资助），葡萄牙。Topophilia，一等奖 - 声学类别，IX° Foundation Destellos 大赛，阿根廷。Topophilia，三等奖 - Résidence ICST-Zurich，摩纳哥国际电子声学作曲大赛。Topophilia，提名，第八届 Métamorphoses 双年电子声学作曲大赛，比利时。Ballistichory，一等奖，开放电路电子声学大赛，利物浦大学，英国。
对听觉幻觉的敏感性与自发的语音期望
听觉言语幻觉（AVHS）或听到临床和非临床人群中的声音，但它们的机制尚不清楚。精神病的预测处理模型提出，幻觉是由于感知中先前的预期过度加权而产生的。然而，这是未知的，这是否反映了（i）对先验知识的明确调制的敏感性，还是（ii）在模棱两可的环境中自发使用此类知识的先前趋势。进行了四个实验，以检查健康参与者听歧义语音刺激的问题。在实验1a（n = 60）和1B（n = 60）中，参与者在暴露于原始语言模板之前和之后区分了可理解且难以理解的正弦波语音（即对期望的调制）。在自上而下的调制和两种常见的幻觉 - 主持性衡量之间没有观察到任何关系。实验2（n = 99）用不同的刺激（SVOCODEC）证实了这种模式，该模式旨在最大程度地减少歧视中的上限效应，并更加紧密地模拟先前在精神病中报道的自上而下效应。在实验3（n = 134）中，参与者在没有先验的语音的情况下暴露于SVS（即天真的听力）。avh-proneness显着预测了SVS中隐藏的单词的言语预测和成功的回忆，这表明参与者实际上可以自发地解码隐藏的信号。总的来说，这些发现支持了一种先前存在的趋势，即自发地利用容易患AVH的健康人的先验知识，而不是对期望临时调制的敏感性。我们提出了一种跨听觉和视觉方式的临床和非临床幻觉模型，并为未来的研究提供了可测试的预测。
基于快速脑电图的听觉方向聚焦解码...
摘要 — 目标：当存在多个声源时，当前助听器中的降噪算法缺乏有关用户关注的声源的信息。为了解决这个问题，它们可以与听觉注意解码 (AAD) 算法相辅相成，该算法使用脑电图 (EEG) 传感器解码注意力。最先进的 AAD 算法采用刺激重建方法，其中关注源的包络从 EEG 重建并与各个源的包络相关。然而，这种方法在短信号段上表现不佳，而较长的片段在用户切换注意力时会产生不切实际的长检测延迟。方法：我们提出使用滤波器组公共空间模式滤波器 (FB-CSP) 解码注意力的方向焦点作为替代 AAD 范式，它不需要访问干净的源包络。结果：提出的 FB-CSP 方法在短信号段上的表现优于刺激重建方法，在相同任务上的表现也优于卷积神经网络方法。我们实现了高精度（1 秒窗口为 80%，准瞬时决策为 70%），足以实现低于 4 秒的最小预期切换持续时间。我们还证明解码器可以适应来自未见对象的未标记数据，并且仅使用位于耳朵周围的部分 EEG 通道来模拟可穿戴 EEG 设置。结论：提出的 FB-CSP 方法可以快速准确地解码听觉注意力的方向焦点。意义：在非常短的数据段上实现高精度是朝着实用的神经引导听力设备迈出的重要一步。
PhyAAt：语音数据集的听觉注意生理学
对自然语音的听觉注意是一个复杂的大脑过程。从生理信号中对其进行量化对于改进和扩大当前脑机接口系统的应用范围很有价值，但这仍然是一项具有挑战性的任务。在本文中，我们展示了一个从对自然语音的听觉注意实验中收集的生理信号数据集。在这个实验中，向 25 名非母语参与者呈现了由不同听觉条件下的英语句子复述组成的听觉刺激，并要求他们转录这些句子。在实验期间，从每个参与者那里收集了 14 通道脑电图、皮肤电反应和光电容积图信号。根据正确转录的单词数量，获得呈现给受试者的每个听觉刺激的注意力分数。发现注意力分数和听觉条件之间存在很强的相关性（p << 0.0001）。我们还制定了涉及收集到的数据集的四个不同的预测任务，并开发了一个特征提取框架。使用具有光谱特征的支持向量机获得每个预测任务的结果，结果优于偶然水平。该数据集已公开，供进一步研究，同时公开了 Python 库 phyaat，以促进本文中提出的结果的预处理、建模和重现。数据集和其他资源在网页上共享 - https://phyaat.github.io 。