XiaoMi-AI文件搜索系统
World File Search System康复训练
人工智能驱动的神经康复训练框架
摘要：康复治疗认知障碍是医疗诊所面临的挑战之一，这种障碍可能发生在脑损伤、痴呆和衰老导致的正常认知衰退之后。目前的认知康复治疗已被证明是解决这一问题最有效的方法。然而，a) 它并不适合每个患者，b) 成本高，c) 它通常在临床环境中实施。任务生成器 (TG) 是一个用于生成认知训练任务的免费工具。但是，TG 并非旨在适应和监控患者的认知进展。因此，我们在 BRaNT 项目中提出通过信念修正和机器学习技术、游戏化和远程监控功能增强 TG，使医疗专业人员能够在家中提供长期个性化的认知康复治疗。BRaNT 是一项跨学科的努力，旨在解决当前实践的科学局限性，并为卫生系统的可持续性提供解决方案，并有助于改善患者的生活质量。本文提出了 BRaNT 的 AI-Rehab 框架，解释了在数据不足的情况下的分析挑战，并提出了一种一旦有足够数据就可能适用的替代 AI 解决方案。
短期 BCI 神经反馈康复训练引起的 EEG 脑连接变化：案例研究
结果：结果显示两组的 ERD 功率衰减估计没有显著差异。但与无反馈组相比，神经反馈组的 ERP 脑网络参数有显著变化和趋势特性。短期 MI 训练后，神经反馈组的 Mu 波段功率衰减增加但不显著（拟合线斜率 = 0.2，t 检验值 p > 0.05），而非反馈组则出现不显著的下降（拟合线斜率 = − 0.4，t 检验值 p > 0.05）。在基于 ERP 的脑网络分析中，神经反馈组的网络参数在所有尺度上均显著衰减（t 检验值：p < 0.01）；而非反馈组的大多数网络参数没有显著变化（t 检验值：p > 0.05）。