XiaoMi-AI文件搜索系统
World File Search System听觉刺激
全局场时频表示... - 欧文实验室
摘要 — 意识障碍 (DOC) 患者的行为诊断具有挑战性，而且容易出错。因此，人们加大了对基于脑电图和事件相关电位 (ERP) 的床边评估的开发力度，这些评估对支持意识觉知的神经因素更为敏感。然而，使用这些技术对残留意识进行个体检测尚不成熟。在这里，我们假设大脑对听觉刺激的被动反应的跨状态相似性（定义为健康和受损意识状态之间的相似性）可以指示个体 DOC 患者的意识水平。为此，我们引入了基于全局场时频表示的判别相似性分析 (GFTFR-DSA)。该方法使用 GFTFR 作为脑电图特征，量化个体患者与我们构建的健康模板之间的平均跨状态相似性指数。我们证明，与传统的脑电图特征（例如时间波形）相比，所提出的 GFTFR 特征在 34 个健康对照中表现出更好的组内一致性。其次，我们观察到，最低意识状态患者（MCS，40 名患者）的 GFTFR 相似度指数明显高于无反应性觉醒综合征患者（UWS，54 名患者），这支持了我们的假设。最后，将线性支持向量机分类器应用于单个 MCS/UWS 分类，该模型实现了平衡的准确度和 0.77 的 F1 得分。总体而言，我们的研究结果表明，结合判别性和可解释性标记以及自动机器学习算法，对于 DOC 患者的鉴别诊断是有效的。重要的是，这种方法可以
错过你鼻子底下的东西：人类食欲和厌恶的听觉嗅觉调节失败
由于涉及来自不同模式的刺激，且可能存在不同的有效机制（例如疼痛刺激与金钱奖励），因此对食欲和厌恶条件作用背后的生理机制进行比较通常具有挑战性。嗅觉系统为研究人类的这两种条件作用提供了一个独特的机会，因为等强度的气味可以作为相当愉快和不愉快的刺激。为了研究食欲和厌恶学习过程中的生理和行为反应，我们在受试者内设计中使用气味作为非条件刺激 (US)，测量各种条件生理反应，包括皮肤电导、心率、脉搏波幅度、呼吸、恐惧增强惊吓、耳后反射、面部肌电图以及事件相关电位和来自脑电图的听觉稳态反应 (ASSR)。我们对总共 95 名参与者进行了四项实验，呈现三种中性声音，搭配愉快的气味、难闻的气味或无味的空气。第一个实验涉及未经指导的参与者和频率调制条件刺激 (CS)，用于 ASSR 分析。在第二个实验中，我们省略了频率调制和惊吓探针。第三个实验包括对 CS-US 偶发性的实验前指导，而第四个实验与其他三个实验相比采用了延迟条件范式。我们的结果表明，CS+ 和 CS- 之间的差异仅在实验 3 中的恐惧增强惊吓反应中。未发现其他影响。在多个外周和神经生理测量中观察到的学习效果极小或缺失，可能归因于嗅觉通路的丘脑外性质以及随后与听觉刺激形成关联的困难。
使用多距离频域和连续波近红外获取的听觉皮层功能激活反应的比较
行为9-11并研究/实现脑机接口。12-14 fNIRS仪器特别适用于表征与听觉系统相关的功能性血流动力学变化。使用临床成像方式（例如X射线计算机断层扫描或磁共振成像）通常很难测量响应听觉皮层激活的大脑活动，因为仪器声音会增加背景噪音，这可能会破坏向受试者呈现的听觉刺激，从而严重影响实验结果。部分由于这些优势，最近的几项研究7、15-17已经使用商用 fNIRS 仪器来表征人类听觉皮层的功能刺激。例如，Chen 等人7 测量了听觉皮层对 440 和 554 Hz 纯音以及 1000 Hz 调频或颤音的血流动力学反应。 Hong 和 Santosa 16 进行了类似的实验，研究“自然”声音刺激（如英语和非英语单词、恼人的声音和自然声音）的血流动力学反应。Issa 等人 18 测量了在呈现 750 和 8000 Hz 的纯音刺激以及宽带噪声时听觉皮层的血流动力学变化。这些实验的主要目标是测量或成像听觉皮层内脑组织氧合的局部变化 - 这可以被认为是 fNIRS 实验的基本问题。人类的初级听觉皮层跨度约为 1650 mm3，位于颞叶的 Heschl 回内，并沿多个功能维度组织，其中最突出的是音调定位。19、20 因此，我们预计纯音刺激将激活听觉皮层的更局部区域，而宽带噪声将激活更广泛的区域。 19、21、22
电动机到感官转换介导了想象的唱歌
是什么能够在我们的脑海中进行口头思考或嗡嗡作响的心理活动？我们假设运动系统与感觉系统之间的相互作用引起语音和旋律的心理表征，而这种运动性转化构成了神经基础，使我们的口头思维和秘密唱歌。与听觉刺激的神经夹带相似，参与者以节奏地想象着众所周知的歌曲的歌词，而使用磁脑摄影（MEG）记录了神经电磁信号。我们发现，当参与者想象在试验中类似的持续时间内唱同一首歌曲时，三角洲频带（1-3 Hz，类似于歌曲的节奏）在试验中显示出更加一致的相位相干性。This neural phase tracking of imagined singing was observed in a frontal-parietal-temporal network: the proposed motor-to-sensory transfor- mation pathway, including the inferior frontal gyrus (IFG), insula (INS), premotor area, intra- parietal sulcus (IPS), temporal-parietal junction (TPJ), primary auditory cortex (Heschl's gyrus [Hg]）和上颞回（STG）和沟（STS）。这些结果表明，神经反应可能夹带精神活动的节奏。此外，theta波段（4-8 Hz）相位相干性位于听觉皮层中。在右侧的感官系统中观察到MU（9-12 Hz）和β（17–20 Hz）频段，这些系统与唱片背景相关。伽马频带在观察到的网络中广泛体现。电动机到感官转移网络中的相干和频率特异性激活介导了感知表示的内部结构，并构成了精神操作的神经计算的基础。
用生成模型对人类皮层刺激语音进行解码
从神经活动中解码听觉刺激可以实现神经假体和与大脑的直接通信。最近的一些研究表明，使用深度学习模型可以成功解码颅内记录中的语音。然而，训练数据的稀缺导致语音重建质量低下，从而阻碍了完整的脑机接口 (BCI) 应用。在这项工作中，我们提出了一种迁移学习方法，使用预先训练的 GAN 来解开表示层和生成层以进行解码。我们首先使用大量自然语音数据预训练一个生成器，以从表示空间生成频谱图。使用包含刺激语音和相应 ECoG 信号的少量配对数据，我们然后将其传输到更大的网络中，并在之前附加一个编码器，将神经信号映射到表示空间。为了进一步提高网络泛化能力，我们在传输阶段在潜在表示上引入了一个高斯先验分布正则化器。通过对每个测试对象最多 150 个训练样本，我们实现了最先进的解码性能。通过可视化嵌入在编码器中的注意力掩码，我们观察到的大脑动态与之前研究颞上回 (STG)、中央前回 (运动) 和额下回 (IFG) 动态的研究结果一致。我们的研究结果表明，使用深度学习网络的重建精度很高，并且有可能阐明认知任务期间不同大脑区域之间的相互作用。
一个无线系统，用于在耳塞外观中以600小时电池寿命
摘要 - 近年来，与基于标准头皮的脑电图相比，近年来，脑脑电脑术（EEG）记录了质量相似的信号，并且已经报道了客观听力阈值估计的临床应用。现有设备仍然缺乏重要的效果。实际上，大多数可用解决方案都是基于湿电极，需要连接到外部采集平台，或者不提供车载处理功能。在这里，我们克服了所有这些局限性，并基于干电极电极呈现一个耳EEG系统，其中包括直接在耳芽中的所有采集，处理和连接电子设备。听筒配备了一个超低功率模拟前端，用于模数转换，低功率MEMS麦克风，低功率惯性测量单元以及ARM Cortex-M4基于MART Cortex-M4的微控制器启用板上的船上处理和蓝牙低能能连接。系统可以直接流式传输RAW EEG数据或直接进行数据处理。我们通过分析其检测大脑对外部听觉刺激的响应的能力来测试该设备，分别实现4和1.3 MW的数据流或船上处理。后者允许在PR44锌空气电池上进行600小时的操作。据我们所知，这是执行机载处理的第一个无线且完全独立的耳朵系统，所有这些都嵌入了单个耳塞中。较长的电池寿命也适用于连续监控方案。临床相关性 - 拟议的EAR-EEG系统可以用于诊断任务，例如客观听力阈值 - 旧估计，在临床环境之外，从而使其作为护理解决方案。
人工智能与计算心理科学的联系
研究人类行为和认知。人工智能 (AI) 算法的发展极大地扩展了 CPS 的潜力，为大脑中复杂和动态过程的建模提供了强大的工具。人工智能对 CPS 产生重大影响的一个领域是情绪识别领域。研究人员现在可以收集大量情绪面部表情数据集，并使用人工智能算法（如卷积神经网络 (CNN)）来学习如何从这些图像中识别不同的情绪。这些模型可用于预测情绪在大脑中的表现方式以及情绪如何受到社会和环境因素的影响。人工智能算法还可用于优化计算模型的参数并提高其准确性和预测能力。例如，进化算法可用于搜索最适合实验数据的模型参数集，而强化学习算法可用于优化模型在复杂和动态环境中的决策策略。除了情绪识别之外，人工智能还被用于 CPS 来模拟其他认知过程，例如决策、学习和记忆。例如，深度学习算法已被用来开发大脑如何学习和表示视觉和听觉刺激的模型，而强化学习算法已被用来模拟大脑如何在不确定和变化的环境中做出决策。总的来说，人工智能和 CPS 之间的联系有可能为人类行为和认知的计算基础提供新的见解，并开发出可以改善人类福祉的新干预措施和技术。然而，这一领域也引发了重要的伦理和社会问题，例如人工智能对隐私、社会不平等和未来工作的潜在影响。随着人工智能和 CPS 的不断发展，重要的是要仔细考虑这些问题，并确保以有利于整个社会的方式使用这些技术。关键词：计算心理学；人工智能；智能系统；人类行为
精神分裂症伽马同步缺陷的神经网络动力学
伽马波段 (40 Hz) 活动对于感觉和认知处理过程中皮质间传输和跨神经网络信息整合至关重要。精神分裂症患者在响应 40 Hz 的听觉刺激时，支持同步伽马波段振荡的能力选择性降低。尽管这种 40 Hz 听觉稳态反应 (ASSR) 被广泛用作神经精神疾病治疗开发的转化脑电图生物标志物，但 ASSR 背后的时空动态尚未得到充分表征。在本研究中，应用了一种新颖的 Granger 因果关系分析来评估精神分裂症患者 (n = 426) 和健康对照受试者 (n = 293) 在响应 40 Hz 稳态刺激时跨皮质源的伽马振荡传播。两组均显示多个 ASSR 源相互作用，这些相互作用广泛分布于大脑各个区域。精神分裂症患者表现出明显的、层次化的连接异常。在反应开始间隔内，患者表现出从下额回到颞上回的连接异常增加，随后从颞上回到中扣带回的连接减少。在 ASSR 反应的后期（300-500 毫秒），患者表现出从颞上回到中额回的连接显著增加，随后从左上额回到右上额回和中额回的连接减少。这些发现既突出了健康受试者对简单伽马频率刺激的反应中分布式多个源的协调，也突出了
使用双对双生成对抗网络将人类神经活动端到端转换为语音
摘要 — 在最近一项基于听觉诱发电位 (AEP) 的脑机接口 (BCI) 研究中，结果表明，使用编码器-解码器框架可以将人类神经活动转化为语音 (T-CAS)。然而，当前基于编码器-解码器的方法通常采用两步法实现 T-CAS，其中信息通过共享的降维向量在编码器和解码器之间传递，这可能会导致信息丢失。解决此问题的一种潜在方法是使用双生成对抗网络 (DualGAN) 设计一种端到端方法，而无需对传递的信息进行降维，但它无法实现一对一的信号到信号转换（见图 1 (a) 和 (b)）。本文提出一种端到端的人类神经活动直接转化为语音的模型，通过设计一种检测参与者注意力的装置，为注意力较好的参与者创建新的脑电图（EEG）数据集，并引入双对双生成对抗网络（Dual-DualGAN）（见图1（c）和（d））解决人类神经活动到语音的端到端翻译（ET-CAS）问题，通过对EEG信号和语音信号进行分组标记，插入过渡域实现跨域映射。在过渡域中，过渡信号由相应的EEG和语音信号按一定比例级联，为没有对应特征的EEG和语音信号搭建桥梁，实现一对一的跨域EEG到语音的翻译。所提出的方法可以将字长和句子长的神经活动序列转化为语音。实验评估表明，所提出的方法在听觉刺激的单词和句子方面明显优于最先进的方法。
神经影像学
最近的研究表明，个体 alpha 频率 (IAF) 的减慢可以作为疼痛的客观标志。但目前尚不清楚这项研究是否能完全满足 IAF 对疼痛体验的特异性和敏感性的要求。在此，我们试图开发一种可靠的方法来评估健康个体中 alpha 振荡和急性紧张性疼痛之间关系的特异性。我们记录了 36 名志愿者在连续 5 分钟的痛苦热水浸泡、无害温水浸泡和厌恶、无痛的听觉刺激（与疼痛情况的不愉快程度相匹配）中的脑电图 (EEG)。参与者在每种情况下都对刺激的不愉快程度进行评分。我们在参与者的头皮中分离出两个显示峰值 alpha 活动的区域：中央顶叶 (CP) 和顶枕叶 (PO) ROI。与之前的研究一致，我们的研究结果显示，与温暖刺激相比，热刺激期间 IAF 减少，但这种影响并不特定于疼痛，因为我们发现 CP ROI 中的热和声音之间没有差异（与基线相比）。相反，PO ROI 报告了相同的差异模式，但它们的方向与 CP 相反，因为该 ROI 在热条件下显示的频率比对照组更快。最后，我们表明两个 ROI 中的 IAF 并没有介导实验操作和情感体验之间的关系。总之，这些发现强调了强有力的方法和分析设计的重要性，以揭示 alpha 振荡在情感处理过程中的功能作用。同样，它们表明 IAF 在健康个体产生急性疼痛体验方面没有因果作用。