XiaoMi-AI文件搜索系统
World File Search System电波
宽发射线类星体的光谱能量分布建模：从X射线到无线电波长
目标。我们使用光学选择的无线电（RL）和射电Quiet Quasars样本（在Redshift范围0.15≤z≤1。9）我们已经与VLA-First Survey目录进一步交叉匹配。我们样品中的来源具有宽Hβ和Mg II发射线（1000 km / s 15 000 km / s）。，我们使用多波长档案数据和Astrosat望远镜的靶向观测来构建了我们宽线类星体的宽波光谱分布（SED）。方法。我们使用最先进的SED建模代码CIGALE V2022.0来对SED进行建模，并确定类星体宿主星系的最佳物理参数；也就是说，他们的恒星形成率（SFR），主要序列恒星质量，散发性，灰尘，电子折叠时间和恒星人口年龄所吸收的光度。结果。我们发现，我们来源的宿主星系的发射在总亮度的20％至35％之间，因为它们主要由中央类星体主导。使用最佳拟合估计值，我们重建了我们的类星体的光谱，这在复制相同来源的观察到的SDSS光谱方面表现出了显着的一致性。我们绘制了我们的类星体的主要序列关系，并注意它们与星形星系的主要顺序显着远离。此外，主要序列关系显示了我们的RL类星体的双峰性，表明Eddington比率隔离的种群。结论。我们得出的结论是，对于类似的恒星质量，Eddington比率较低的样本中的RL类星体往往降低了SFR。我们的分析为研究类星体的宿主星系并从宿主星系角度解决无线电二分法问题提供了完全独立的途径。
标题：构建创新的低成本脑电波信号捕捉装置，以研究锻炼对心理健康的影响
该项目将评估锻炼对脑电波的影响，以促进毛里求斯人的身心健康。鉴于当地人口糖尿病和心血管疾病的发病率很高，这一点很重要。该项目是多学科的，利用机电一体化、计算和健康方面的跨领域专业知识。首先，将使用微控制器和其他设备构建一个非侵入式低成本装置。
使用发作间期癫痫样放电波形和卷积神经网络筛查脑电图中的癫痫发作
人工智能 (AI) 与医疗物联网 (MIoT) 的整合正在迅速推进，通过分析脑电图 (EEG) 中的发作间期癫痫样放电 (IED)，在检测癫痫等疾病方面取得了重大进展。EEG 数据的可用性促进了包括癫痫发作检测在内的创新应用的创建。虽然神经科医生传统上依靠 EEG 数据分析来识别癫痫发作，但手动评估 EEG 脑电波是一个费力而复杂的过程，给专家带来了很大的压力。本文介绍了一种基于 EEG 波形自动检测 IED 的简单卷积神经网络 (CNN) 方法。这种方法通过预测癫痫发作并及时干预，有助于减轻癫痫患者的负担。它还减轻了神经科医生和经验不足的专家的工作量，从而加快了诊断过程。所提出的方法是通过利用一系列描绘每个传感器上 EEG 信号幅度的图像来实现的。研究将参与者分为两组：（A）健康个体和（B）癫痫患者。结果显示，与人类专家诊断相比，准确率高达 96.4%，展示了该方法在脑电图数据中检测癫痫发作的有效性和实用性。
研究高温和噪音对人类脑电波和感知工作量产生的急性影响
许多研究都探讨了噪音和热量对认知表现的影响，但得出的结果相互矛盾。一些研究报告了噪音和热量对认知表现的负面影响[21-25]，而另一些研究则建议改善。[26-29]此外，一些研究发现噪音和热量对认知表现没有显著影响。[30-32]研究结果的差异可能归因于所用评估工具的多样性。近年来，人们使用了各种各样的心理评估工具来衡量认知表现，包括问卷和认知测试。[33]然而，大多数行为表现评估都侧重于简单的认知任务，因此需要更全面的研究噪音和热量对人类认知表现的影响。
脑电波模式中的异常检测 - ijrpr
人类情感和神经活动的复杂结构在脑电波模式中表现得最为明显。这些模式主要通过脑电图 (EEG) 记录捕获，为了解人类大脑的复杂运作提供了一个窗口。近年来，计算技术，尤其是这些脑电波模式中的异常检测，彻底改变了神经信息学。本文重点关注脑电波数据中异常模式的检测和分析，这是一项重要的工作，对医学和心理科学具有广泛的影响。认知状态和神经健康的关键决定因素。正常的脑电波活动是正常功能神经元的反映。然而，偏离这些规范通常表明存在神经系统疾病、压力、情绪障碍和其他与大脑相关的异常。识别和准确解释这些异常的能力对于早期诊断和成功治疗此类疾病至关重要。传统上，脑电波数据分析是一个手动、耗时的过程，很大程度上依赖于神经科学家和临床医生的专业知识。然而，EEG 数据的数量和复杂性需要实用且有效的方法。进入机器学习和人工智能 - 在转换 EEG 数据分析中显示出惊人前景的学科。使用可以从数据中学习的算法，我们可以构建能够以准确度和速度识别异常模式的程序，而仅靠人类搜索无法实现
流派分类基于听音乐时脑电波的频率分析-Wiss
大脑计算机接口（BCI）作为未来用户界面引起人们的注意。当使用人脑活动作为BCI时，具有反应性优势的运动召回已成为主流。例如，Nishimoto及其同事开发了BCI，在召回手指的开口和关闭期间，将大脑运动皮层的激活应用于康复和其他目的[8]。此外，刺激接受期间的大脑活动和视听信息的回忆也可能适用于BCI。视觉研究的研究可用于在查看错觉图像时根据大脑活动重建图像[3]。听力研究的例子包括基于脑波的方向取向，听取简单的语音和回忆[5]，重建元音“ A”和“ I”时脑波中的“ A”和“ I”，以及召回语音[1]的重建以及FMRI图像中的自然语音[9]。这些相关研究表明，当用户将BCI用作日常生活中的娱乐时，召回对象可能很无聊，并且用户可能会发现它很痛苦。因此，我们提出了一种使用音乐的方法。召回音乐的行为，例如嗡嗡声，是日常生活中的一种常见习俗，并且不如运动召回，图像回忆或简单音调，元音和自然声音的单曲无聊。因此，人们认为这可能会减轻用户的负担。此外，在音乐分类问题中，我们专注于流派分类问题。通过专注于小说，可以根据音乐之间的共同特征将无数音乐分为较小的数字。因此，我们认为分类类别较少，可以简单地作为分类问题。
增强脑电波可提高记忆力
比较了增强 θ 波和增强 β 波。在两个实验中，受试者首先学习 200 个单词的列表，一次一个。然后他们进行记忆测试，将相同的单词与 100 个新单词混合在一起。当单词一个接一个地出现在他们面前时，参与者被要求记住每个单词是否在实验的第一部分被学习过。在学习和记忆测试之间，有一个 36 分钟的视听刺激期，使用耳机和护目镜，如上所述（图 1）。护目镜阻挡了闪烁的灯光以外的一切，耳机阻挡了除呈现的声音以外的所有声音。我们可以控制声音的音量和灯光的亮度。视听刺激的类型取决于人们被分配到的组 - 参与者看到和听到 θ、β 或随机模式。
人工智能和有意识的脑电波
人类大脑会发出我们感觉不到的波。从大脑发出的波是有意识的和有知觉的。脑电波具有如此令人难以置信的力量，可以做任何事情。人类脑电波可以毫无偏差或问题地穿过所有物体，并以超高速传播到无限远的距离 [1]。如果人类脑电波足够强，它们可以让天空中的飞机停下来，甚至干扰人类的幸福和痛苦。人类大脑由许多称为神经元的神经细胞组成。神经元遍布全身。大脑不同部位之间以及大脑与身体其他部位之间的交流是通过这些神经细胞和神经信息进行的。事实上，大脑向身体的不同部位发送各种信息，并通过这些神经细胞从它们接收信息。这种神经信息的本质是细胞内的电流形式和两个细胞之间的化学转变形式。头骨表面神经元的电活动导致大脑电活动的形成，称为
基于频谱脑电波比率指数评估心理参与程度：系统评价
摘要：背景：本综述系统地研究了用于评估人类精神参与的脑电图衍生比率指数的科学文献，以推断它们是什么、如何定义和使用它们以及它们的最佳应用领域是什么。（2）方法：根据系统评价和荟萃分析的首选报告项目 (PRISMA) 指南进行审查。（3）结果：从搜索查询中，共得到 82 篇文档。大多数 (82%) 被归类为与精神紧张有关，而 12% 被归类为与感觉和情绪方面有关，6% 与运动有关。使用的脑电图电极蒙太奇在 13% 的文档中为低密度，6% 的文档中为高密度，81% 的文档中为极低密度。用于计算参与指数的最常用电极位置是额叶和前额叶皮层。总体而言，发现了 37 种不同的参与指数公式。它们都不能直接与特定的应用领域相关。（4）结论：这些指标的定义缺乏标准化，无论是在考虑的频带中还是在利用的电极中。未来的研究可能侧重于开发具有独特定义的指标，以监测和描述心理参与。