XiaoMi-AI文件搜索系统
World File Search System接口
接口D'Apperiement de Bases deDonnées
为了进行研究，团队动员了不同的数据游戏，包括食品购买数据（Kantar Worldpanel 2）和食品分类数据（ClassFood 3）。为了连接这两个数据源，该设备与结构化数据库相关联了一个外观工具。该工具可以使要比较的数据可视化并提供不同的功能：通过关键字，过滤器，分类和动态分组的研究，选择要连接的2个数据游戏的行选择以及提供配对表。他还确保了配对的可追溯性。使用的语言和框架是PHP，AJAX和框架MVC Symfony。此工具已经被使用，因此已经使执行许多工具成为可能。4
隐私保护脑机接口
摘要 — 脑机接口 (BCI) 在人脑和计算机之间建立了直接的通信通路。它已广泛应用于医疗诊断、康复、教育、娱乐等。到目前为止，大多数研究都集中在如何使 BCI 更加准确和可靠，但对其隐私的关注却很少。开发商业 BCI 系统通常需要多个组织（例如医院、大学和/或公司）之间的密切合作。BCI 中的输入数据（例如脑电图 (EEG)）包含丰富的隐私信息，并且开发的机器学习模型通常是专有的。不同方之间的数据和模型传输可能会带来重大的隐私威胁，因此必须考虑 BCI 中的隐私保护。不幸的是，目前还没有任何关于隐私保护 BCI 的当代和全面的评论。本文通过描述 BCI 中潜在的隐私威胁和保护策略填补了这一空白。它还指出了开发隐私保护 BCI 的几个挑战和未来研究方向。
基于脑电图的脑机接口中的用户身份保护
摘要 —脑机接口 (BCI) 在大脑和外部设备之间建立了直接的通信通路。脑电图 (EEG) 因其便利性和低成本而成为 BCI 中最受欢迎的输入信号。大多数基于 EEG 的 BCI 研究都集中在 EEG 信号的准确解码上；然而，EEG 信号也包含丰富的隐私信息，例如用户身份、情绪等，这些信息应该受到保护。本文首先揭示了基于 EEG 的 BCI 中的一个严重的隐私问题，即 EEG 数据中的用户身份很容易被学习，因此来自同一用户的不同 EEG 数据会话可以关联在一起，以更可靠地挖掘隐私信息。为了解决这个问题，我们进一步提出了两种方法将原始 EEG 数据转换为身份不可学习的 EEG 数据，即删除用户身份信息，同时保持主要 BCI 任务的良好性能。在来自五种不同BCI范式的七个EEG数据集上的实验表明，平均而言，生成的不可学习身份的EEG数据可以将用户识别准确率从70.01％降低到最多21.36％，极大地促进了基于EEG的BCI中的用户隐私保护。
有效的高通量方法利用机器学习原子电位来计算石墨烯 - 聚合物接口的相互作用能量*
信用撰稿人贡献声明Jared Keith Averitt：写作 - 原始草案，评论，可视化，验证，资源，方法，软件，调查，资金获取，正式分析，数据策划，概念化，概念化。sajedeh pourianejad：写作 - 原始草稿，验证，方法论，调查，正式分析，数据策划。Olubunmi O. Ayodele：方法论，概念化。柯比·施密特（Kirby Schmidt）：调查，数据策划。Anthony Trofe：数据策划。Joseph Starobin：写作 - 评论和编辑，监督，资源，资金获取。 Tetyana Ignatova：写作 - 审查和编辑，监督，资源，资金获取，概念化。 致谢J.K.A. 承认，该材料基于国家科学基金会（NSF）研究生研究奖学金的工作， [1945980]和这项工作在匹兹堡超级计算中心使用了桥梁-2通过分配[PHY220034]，来自高级网络网络基础结构协调生态系统：服务与支持（访问）计划，由国家科学基金会＃2138259，＃2138259，＃2138286，21386，＃2133330，及＃21333303.60，由国家科学基金会支持 T.I，J.K.A.，A.T。承认纳米技术的创新合作实验室赋予未来士兵的权力（ICONS），美国国防部[合同＃W911QY2220006]与纳米科学和纳米工程联合学校之间的共同计划。 图1。Joseph Starobin：写作 - 评论和编辑，监督，资源，资金获取。Tetyana Ignatova：写作 - 审查和编辑，监督，资源，资金获取，概念化。致谢J.K.A.承认，该材料基于国家科学基金会（NSF）研究生研究奖学金的工作，[1945980]和这项工作在匹兹堡超级计算中心使用了桥梁-2通过分配[PHY220034]，来自高级网络网络基础结构协调生态系统：服务与支持（访问）计划，由国家科学基金会＃2138259，＃2138259，＃2138286，21386，＃2133330，及＃21333303.60，由国家科学基金会支持T.I，J.K.A.，A.T。承认纳米技术的创新合作实验室赋予未来士兵的权力（ICONS），美国国防部[合同＃W911QY2220006]与纳米科学和纳米工程联合学校之间的共同计划。 图1。T.I，J.K.A.，A.T。承认纳米技术的创新合作实验室赋予未来士兵的权力（ICONS），美国国防部[合同＃W911QY2220006]与纳米科学和纳米工程联合学校之间的共同计划。图1。这项工作是在纳米科学和纳米工程联合学校进行的，东南纳米技术基础设施走廊（SENIC）和国家纳米技术协调基础设施（NNCI）的成员，该基础设施（NNCI）得到了国家科学基金会[ECCS-1542174]的支持。J.K.A.，A.T。承认宾夕法尼亚州立大学二维水晶财团 - 材料创新平台（2DCC-MIP），该平台得到了NSF合作协议DMR-203935的支持。 使用NNP：神经网络潜力（机器学习的同义原子间潜在的同义）EDA-FF：能量分解分析 - 使用经典力场（结构优化后）GDAC：依赖性原子电荷BFGS：BROYDEN – FLOYDEN – FLOYDER-GLETCHER – FLETCHER-GOLDCHER-GOLDFARB – SHANNO ATSIS ATSIS ENTICAL DYMANSSSSSSSSSSS， （包含位置，质量，能量和力）DFT：密度功能理论（基于量子力学的电子结构计算方法）PMMA：聚甲基甲基丙烯酸酯（用于石墨烯转移的常用聚合物）ALP：Angelica Lactone Polymer（用于添加剂的生物量聚合物）。 （a）初始化AEV，（B）迭代NNP/MD优化几何（X，Y，Z），直到能量收敛为0.05 MeV，（C）计算表面接触的原子电荷（Q）和VDW面积。J.K.A.，A.T。承认宾夕法尼亚州立大学二维水晶财团 - 材料创新平台（2DCC-MIP），该平台得到了NSF合作协议DMR-203935的支持。使用NNP：神经网络潜力（机器学习的同义原子间潜在的同义）EDA-FF：能量分解分析 - 使用经典力场（结构优化后）GDAC：依赖性原子电荷BFGS：BROYDEN – FLOYDEN – FLOYDER-GLETCHER – FLETCHER-GOLDCHER-GOLDFARB – SHANNO ATSIS ATSIS ENTICAL DYMANSSSSSSSSSSS， （包含位置，质量，能量和力）DFT：密度功能理论（基于量子力学的电子结构计算方法）PMMA：聚甲基甲基丙烯酸酯（用于石墨烯转移的常用聚合物）ALP：Angelica Lactone Polymer（用于添加剂的生物量聚合物）。（a）初始化AEV，（B）迭代NNP/MD优化几何（X，Y，Z），直到能量收敛为0.05 MeV，（C）计算表面接触的原子电荷（Q）和VDW面积。
阿司匹林与直接口服抗凝剂在全膝关节置换术后血栓预防中的比较：一项回顾性研究
摘要目的静脉血栓栓塞症（VTE）仍然是全膝关节置换术（TKA）等大型骨科手术后的一大挑战。本研究的目的是评估初次 TKA 手术后单独使用阿司匹林或直接口服抗凝剂 (DOAC) 进行药物预防的 VTE 风险。方法 该研究纳入了 2016 年至 2020 年期间接受初次 TKA 的 476 名患者。所有患者均接受 AOD（AOD 组）（n = 267）或乙酰水杨酸 (ASA)（ASA 组）（n = 209）的血栓预防。对接受 AOD 和 ASA 治疗的患者的临床结果进行了评估和比较。主要结果是 VTE 的发病率。次要结果是伤口并发症的发生。结果对于接受初次 TKA 的患者，ASA 和 AOD 在预防 VTE 方面具有相当的效果。 AAS 组 (10%) 和 AOD 组 (10.1%, p = 0.98) 的深静脉血栓发生率相似，两组均无肺栓塞病例。 AAS 组（1.4%）和 AOD 组（1.5%）在伤口并发症方面没有显著差异（p = 0.95）。
基于对抗性过滤的脑机接口逃避和后门攻击
脑机接口 (BCI) 可以实现大脑与外部设备之间的直接通信。脑电图 (EEG) 因其便利性和低成本而成为 BCI 的常见输入信号。大多数对基于 EEG 的 BCI 的研究都集中在 EEG 信号的准确解码上，而忽略了它们的安全性。最近的研究表明，BCI 中的机器学习模型容易受到对抗性攻击。本文提出了基于对抗性过滤的基于 EEG 的 BCI 的逃避和后门攻击，这些攻击非常容易实现。在来自不同 BCI 范式的三个数据集上的实验证明了我们提出的攻击方法的有效性。据我们所知，这是第一项关于基于 EEG 的 BCI 对抗性过滤的研究，这引发了新的安全问题并呼吁更多关注 BCI 的安全性。
GAO-25-106952；脑机接口
脑机接口 (BCI) 使人们能够引导大脑信号来控制计算机、机器人或其他设备。BCI 可以以紧身帽或头带的形式佩戴，也可以植入大脑内部或附近。1 BCI 可以为因神经系统疾病、中风或受伤而残疾的人提供生活质量改善。例如，在临床试验中，BCI 已使瘫痪患者能够使用机械肢体抓取物体。它们还使无法说话的人能够通过计算机进行交流。研究人员也在研究（公司也正在大力投资）使用 BCI 来控制非医疗用途的设备，例如工作场所任务、国防应用、娱乐和其他消费者用途。例如，视频游戏玩家已经使用 BCI 来免提玩游戏。
SUPER：利用生物反馈增强脑机接口增强人机防御协作——初步结果
本文介绍了实时系统用户性能增强 (SUPER) 项目的初步结果，该项目通过集成生物反馈的新型人机界面 (HCI) 探索远程自主系统 (RAS) 操作员的人类增强 (HA)。我们的方法旨在超越国防和安全行动中现有的性能基准，为 RAS 操作员开发人类数字孪生做出贡献。SUPER 的多模态生物反馈系统整合了来自大脑活动、听觉和眼球运动等生理信号的数据，通过机器学习提供对认知状态的高级理解。模拟危险环境医疗分诊场景作为实验刺激，采用受试者间设计，有 32 名参与者。他们在三种条件下执行远程分诊任务：没有实时生物反馈的对照组（n=12）、提供实时生物反馈的系统（n=12）和具有认知训练课程的系统（n=8）。这种场景使我们能够评估实时生物反馈和大脑训练对高需求 RAS 任务期间认知功能的影响。 SUPER 满足了国防部门管理高脑力负荷的需求，其创新的生物反馈系统旨在实时最大限度地提高操作员的表现，其潜在应用范围超出了国防领域。初步结果令人鼓舞，表明参与者的表现与他们的认知状态之间存在很强的相关性。