XiaoMi-AI文件搜索系统
World File Search System电信号
使用朴素贝叶斯分类器对 FASD 儿童脑电信号进行分析的初步研究
1 圣路易斯儿童医院，31-503 克拉科夫，波兰；katarzyna.dylag@dzieciecyszpital.pl (KAD)；krasnoludki11a@poczta.onet.pl (BB) 2 克拉科夫雅盖隆大学医学院病理生理学系，31-121 克拉科夫，波兰 3 克拉科夫雅盖隆大学医学院生物信息学和远程医疗系，30-688 克拉科夫，波兰；wiktoria.wieczorek@student.uj.edu.pl (WW)； piotr.walecki@uj.edu.pl（PW）4 AGH 科技大学自动控制与机器人系，30-059 克拉科夫，波兰 5 VSB 俄斯特拉发技术大学控制论与生物医学工程系，708 00 俄斯特拉发-波鲁巴，捷克共和国；radek.martinek@vsb.cz 6 奥波莱理工大学电气工程学院，45-758 奥波莱，波兰* 通信地址：bauer@agh.edu.pl（WB）；kawala84@gmail.com（AK-S.）† 这些作者对本文的贡献相同。
基于脑电信号的身份认证技术综述
随着脑机接口技术的快速发展，脑电信号作为一种新的生物特征识别特征近年来受到广泛关注，脑机接口的安全性以及生物特征认证长期以来的不安全性有了新的解决方案。本文对脑电信号生物特征识别进行了分析，并涉及到认证过程中的最新研究，主要介绍了基于脑电信号的认证方法，并首次系统地介绍了基于脑电信号的生物特征密码体制用于认证。在密码学中，密钥是密码体制中认证的核心基础，密码技术可以有效提高生物特征认证的安全性，保护生物特征。基于脑电信号的生物特征密码体制的可撤销性是传统生物特征认证所不具备的优势。最后提出了基于脑电信号的身份认证技术现存的问题和未来的发展方向，为相关研究提供参考。
从脑电信号中隐性语音解码
隐蔽言语，也称为想象言语，是在不移动发声器官或产生任何声音输出的情况下在内部发音音素、单词或句子 [1]。尽管失语症或闭锁综合症等言语相关障碍通常会限制明显的言语产生，但即使在这些情况下，也有可能主动想象说话 [2]。脑机接口 (BCI) 将大脑活动解读为数字形式，作为计算机命令，让用户通过脑信号控制外部设备 [3]。BCI 系统如果能够解码隐蔽言语过程中的脑电活动并将其转化为文字，将改善残疾人的生活质量 [2]。在目前可用于 BCI 系统的神经成像技术中，脑电图 (EEG) 具有经济高效、非侵入性的优势，时间分辨率高达不到 1 毫秒。然而，此类系统也存在一些挑战，包括信噪比低、空间分辨率低以及由于眨眼或肌肉活动而频繁出现伪影 [2]、[3]。此外，尽管已知大脑的某些区域专门用于语音感知和产生，但语音相关任务的空间特征在受试者之间和受试者内部存在相关的差异 [4]，这使得寻找一个能够提供可靠解码的模型即使对单个人来说也是一项挑战，即使对单个人来说，也需要几天的时间。
通过卷积神经网络混合模型对脑电信号进行抑郁症连续评分
摘要 — 传统上，抑郁评分是通过贝克抑郁量表 (BDI) 测试来确定的，这是一种定性问卷。通过分析和分类预先记录的脑电图 (EEG) 信号，也可以实现抑郁症的定量评分。在这里，我们更进一步，将原始 EEG 信号应用于提出的混合卷积和时间卷积神经网络 (CNN-TCN)，以连续估计 BDI 分数。在本研究中，119 名受试者的 EEG 信号通过连续的闭眼和睁眼间隔被 64 个头皮电极捕获。此外，所有受试者都参加 BDI 测试并确定他们的分数。所提出的 CNN-TCN 在睁眼状态下提供 5.64 ± 1.6 的均方误差 (MSE) 和 1.73 ± 0.27 的平均绝对误差 (MAE)，在闭眼状态下提供 9.53 ± 2.94 的 MSE 和 2.32 ± 0.35 的 MAE，这显著超过了最先进的深度网络方法。在另一种方法中，从连续帧的 EEG 信号中提取常规 EEG 特征，并将它们与已知的统计回归方法结合应用于所提出的 CNN-TCN。我们的方法提供了 10.81 ± 5.14 的 MSE 和 2.41 ± 0.59 的 MAE，在统计上优于统计回归方法。此外，使用原始 EEG 的结果明显优于使用 EEG 特征的结果。
基于脑电信号的个人热舒适度预测
与仅使用问卷相比，需要对热舒适条件进行定量测量才能获得更有效的测量结果。本研究旨在使用脑电图 (EEG) 信号进行初步研究，以预测室内环境中的个人热舒适度。个人的满意度或不满意度描述了个人对热条件暴露的热舒适度。本研究应用的分类方法是 k-最近邻分类。所得结果表明，大脑的枕叶（以 O2 通道为代表）和额叶（以 FC5 通道为代表）被怀疑可以量化个人热舒适度。量化是在 O2 通道中的 delta（0-4 Hz）和 theta（4-8 Hz）频带以及 FC5 通道中的 beta（13-30 Hz）频带中生成的。k-最近邻算法的准确率为 85%，适合预测个人热舒适度。
用于脑电信号分类的抗噪低秩学习算法
脑电图(EEG)在临床癫痫治疗中常用于监测癫痫患者脑部电信号的变化。随着信号处理和人工智能技术的发展，人工智能分类方法在癫痫脑电信号的自动识别中发挥着重要作用。但传统分类器容易受到癫痫脑电信号中杂质和噪声的影响。针对这一问题，该文设计了一种抗噪声低秩学习(NRLRL)脑电信号分类算法。NRLRL建立低秩子空间连接原始数据空间与标签空间，充分利用监督信息，考虑样本局部信息的保存性，保证类内紧凑性和类间离散性的低秩表示。将非对称最小二乘支持向量机(aLS-SVM)嵌入到NRLRL的目标函数中。 aLS-SVM基于pinball损失函数寻找两类样本间的最大分位数距离，进一步提高了模型的噪声鲁棒性。在Bonn数据集上设计了多个不同噪声强度的分类实验，实验结果验证了NRLRL算法的有效性。
利用卷积神经网络识别脑电信号中的想象词语法类别
在本文中，我们提出了一个使用多通道卷积神经网络 (MC-CNN) 的框架，用于从脑电图 (EEG) 信号中识别隐性口语单词的语法类别（动词或名词）。我们提出的网络通过考虑 EEG 信号的空间、时间和频谱特性来提取特征。此外，从大脑不同区域获取的信号集在所提出的框架内分别处理，然后在分类阶段组合。这种方法使网络能够有效地从处理想象语音的大脑位置学习判别特征。我们的网络经过了具有挑战性的实验测试，包括测试对象未参与系统训练的情况。在我们的主要应用场景中，训练期间未使用任何特定名词或动词的实例，我们的方法实现了 85.7% 的识别率。此外，我们提出的方法在公开可用的 EEG 数据集上进行了评估，并在二元分类中实现了 93.8% 的识别率。这些结果证明了我们方法的潜力。 2021 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可 (http://creativecommons.org/licenses/by/4.0/) 开放获取的文章。
电极选择和卷积注意力网络用于从脑电信号中识别无声单词
摘要 — 无声语音期间产生的脑信号已被证明可用于设计基于通信的脑机接口 (BCI)。然而，脑信号本质上是非平稳和复杂的，因此很难识别。我们提出了一个使用通过脑电图 (EEG) 传感器捕获的脑信号识别想象单词的框架。我们的方法包括两个主要部分：(i) 电极选择方法和 (ii) 卷积注意网络。电极选择方法为想象语音识别提供包含最具辨别力的时频信息的电极。此外，来自选定电极的声谱图被用作卷积注意网络的输入，该网络提取时频特征并通过将更高重要性归因于具有更高辨别能力的时间点来执行分类。使用 EEG 数据集的实验结果表明，所提出的方法能够有效识别心里说出的单词，并且性能优于最先进的方法。索引词 —EEG、脑机接口、卷积网络、注意力、内在语言、无声语言、电极选择、时频
使用机器学习诊断神经系统疾病的脑电信号分析综述
摘要。神经系统疾病是影响大脑和中枢自主神经系统的疾病。这些疾病对个人的健康和总体幸福感造成了巨大的损害。除了心血管疾病之外，神经系统疾病是导致死亡的主要原因。这些疾病包括癫痫、阿尔茨海默病、痴呆症、脑血管疾病（包括中风、偏头痛、帕金森病）和许多其他疾病。本文介绍了使用脑电图 (EEG) 信号和机器学习技术诊断三种最常见神经系统疾病的最新综合研究综述。本文讨论的疾病是更普遍的疾病，如癫痫、注意力缺陷多动障碍 (ADHD) 和阿尔茨海默病。本文有助于了解有关用于诊断和分析神经系统疾病的 EEG 信号处理的细节，以及对各种技术的数据集、局限性、结果和研究范围的讨论。© 2021 生物医学光子学与工程杂志。
基于智能方法利用脑电信号预测通勤对健康的影响
摘要 — 上下班是许多人的日常活动，对我们的健康有重大影响。定期通勤可能导致慢性压力，而慢性压力与心理健康不佳、高血压、心率过快和疲惫有关。本研究通过分析脑电波和应用机器学习，实时调查通勤对神经生理和心理的影响。参与者是平均年龄 30 岁的健康志愿者。获取便携式脑电图 (EEG) 数据作为压力水平的衡量标准。在每位参与者上下班途中，使用非侵入式 NeuroSky MindWave 耳机连续 5 次获取 EEG 数据。这种方法可以在通勤期间和之后测量影响。结果表明，无论通勤时间长短，当参与者处于平静或放松状态时，生物信号 alpha 波段超过 beta 波段，而当参与者因通勤而感到压力时，beta 波段高于 alpha 波段。使用前馈神经网络取得了非常有希望的结果，准确率达到 97.5%。这项工作的重点是开发一种智能模型，帮助预测通勤对参与者的影响。此外，从积极和消极情绪时间表获得的结果还表明，参与者在通勤后会经历相当大的压力上升。对于社会行为背后的认知和语义过程的建模，最近的大多数研究项目仍然基于个人，而我们的研究则侧重于将群体作为一个完整群体来处理的方法。这项研究记录了通勤者的体验，特别关注远程医疗传感器中新兴计算技术的使用和局限性。