XiaoMi-AI文件搜索系统
World File Search System略感
使用BCI使用情感分类的情感伪录制系统-Wiss
情绪观察可以分为三类：心理指标，行为指标和生理指标[74]。心理指标衡量内部心理状态，行为指标衡量外部行为和表现，生理指标衡量生理反应和身体状态。此外，心理指标是通过问卷调查和访谈来进行的，可以与其他客观指标结合使用。在使用行为指标分类的影响分类中，使用各种方法进行了影响分类。例如，在基于语音的情感分类中，Issa等人。对于八个类别（悲伤，幸福，愤怒，镇定，恐惧，惊喜，中立，厌恶）的准确性为71.61％，七个类别为86.1％，四个类别为64.3％[23]。 Jayalekshmi及其同事还提出了一种自动识别图像中面部表情的方法，从而达到了90.14％至七个类别的分类精度[24]。此外，Lim等人。提出了一种在虚拟环境中在情绪分类中使用学生位置的方法，其准确性高达59.19％[30]。另一方面，使用生理指标，EEG信号一直在情绪分类中引起人们的注意。脑电图信号是无意识的生理信号，与其他方法相比，很难有意识地操纵情绪分类的结果[31]。此外，脑电图具有很高的时间分辨率，并且可以在毫秒内检测情绪状态[6，11]。 Balconi及其同事使用视频在实验中引起特定的情绪，并表明在诱导情绪后，脑波变化了150毫秒250毫秒，表明脑波对情绪变化敏感[65]。 Valenti等。使用脑电图数据[66]，还达到了四类（有趣，令人恶心，悲伤，中立）的高精度（有趣，令人恶心，悲伤，中性）的高精度。在这项研究中，我们使用脑电图数据将用户的情绪分为四类：喜悦，愤怒，悲伤，幸福。使用脑电图的情绪分类是情绪观察的强大工具，因为与其他方法相比，它允许更高的准确性和时间分辨率。此外，已经提出，可以使用脑电图信号估算甲氨虫的人的情绪状态[2]。因此，使用脑电图的情绪分类是心血症患者的最佳方法，这使得很难识别自己的情绪。
新城淳二 生平 研究课题 主要论文
3. J. Shinjo、A. Kutsukake、A. Arote、Y. T. Tang、D. G. McCartney、R. C. Reed、C. Panwisawas、
头颈癌易感基因的外显子组测序
头颈癌易感基因的外显子组测序 Yao Yu,1* Bingjian Feng,2* Chun-Pin Chang,3 Russell Bell,4 Austin Wood,4 Erich Sturgis,5 Guojun Li,6 Andrew Olshan,7 Chien-Jen Chen,8 Pen-Jen Lou,9 Wan-Lun Hsu,10 Melissa Cessna,11 Benjamin Witt,12 Deb Neklason,13 Mia Hashibe,14 Chad Huff,1 Sean Tavtigian 4 1. 德克萨斯州休斯顿 MD 安德森癌症中心流行病学系、癌症预防和人口科学分部 2. 犹他大学医学院皮肤病学系，犹他州盐湖城 3. 犹他大学医学院家庭和预防医学系公共卫生分部，犹他州盐湖城 4.犹他州盐湖城犹他医学院 5. 休斯顿贝勒医学院耳鼻咽喉头颈外科系
改造植物易感基因，实现持久抗性
为确保世界粮食生产和实现农业的可持续性，我们迫切需要寻找替代方法来保护农作物免受疾病侵害。迄今为止所使用的抗病遗传性抗性大多基于单个显性抗性基因，这些基因介导对入侵者的特定识别，而这种抗性往往会被病原体变体迅速破坏。干扰植物易感性 (S) 基因提供了一种替代方法，可以为植物提供被认为更持久的隐性抗性。S 基因可使植物病害得以发生，而它们的失活为农作物的抗性育种提供了机会。然而，S 基因功能的丧失会产生多效性影响。基因组编辑技术的发展有望提供强有力的方法来精确干扰作物 S 基因功能并减少权衡。
词汇压力的视听感：拍打手势和关节提示
抽象的人类交流本质上是多模式的。听觉演讲，但视觉提示也可以用来理解另一个说话者。大多数视听语音感知的研究都集中在语音段的感知上（即语音）。然而，对视觉信息对词汇应力等语音上段方面的感知的影响鲜为人知。在两个实验中，我们研究了不同视觉提示（例如面部关节线索和手势）对词汇应力的视听感的影响。我们介绍了disyllabic荷兰压力对的听觉词法压力连续性以及在第一个或第二个音节上产生压力的扬声器的视频（例如，表达voornaam或voornaam）。此外，我们将扬声器的表面结合起来，在音节上产生词汇应力，并在第一个音节或第二个音节上产生节拍手势，从而产生词汇应力。结果表明，人们成功地使用了视觉发音线索来在静音视频中进行压力。但是，在视听条件下，我们无法找到视觉关节线索的影响。相比之下，我们发现节拍手势的时间对齐具有强烈的影响，从而影响了参与者对词汇压力的看法。这些结果强调了在多模式上下文中考虑语言上部方面的重要性。
战略创新促进计划（SIP）AI（人工智能）...
① 开发可将患者与医生之间的语音对话转换成文字形式的系统（与子主题A合作） ② 开发应用传感器和AI技术，响应以下情况的实时双向患者解释通信系统患者的理解程度 3）调查导入该制度后医务人员的负担、患者及家属的满意度，并根据结果反馈制度改进建议（衔接分主题D）。 4）建立医疗相关学术信息等的在线数据库，建立包含检索信息等、符合每个患者特征的文档制作系统 ⑤ 建立利用AI技术的诊疗模拟及导航系统 ⑥建立能够纳入人工智能工具的体系 ⑦ 建立运营医疗人工智能平台的规则和商业模式； 8）建立可在医疗人工智能平台上使用的人工智能技术的评估体系； 9）建立自主运营体系2023年医疗AI平台投入运营，项目结束。⑩利用东京大学医学科学研究所Biobank Japan的数据建立诊断候选预测系统⑪进行AI应用分析和诊断的实证测试它的反馈和纠正（子主题 D ⑫ 利用人工智能虚拟形象开发新冠病毒咨询支援系统（仅限2020年）
改造植物易感基因，实现持久抗性
为了确保世界粮食生产并使农业更加可持续，迫切需要采取替代方法来保护农作物免受疾病侵害。迄今为止，对病原体的遗传抗性主要基于单个显性抗性基因，这些基因介导对入侵者的特定识别，并且通常会被病原体变体迅速破坏。干扰植物易感性 (S) 基因提供了一种替代方案，为植物提供了被认为更持久的隐性抗性。S 基因使植物疾病得以建立，其失活为农作物的抗性育种提供了机会。然而，S 基因功能的丧失可能会产生多效性影响。基因组编辑技术的发展有望提供强大的方法来精确干扰农作物 S 基因功能并减少权衡。
一项针对更具沉浸感的虚拟现实大脑的试点研究......
由于脑电图记录的噪声性质以及与肌肉活动相比 MI 相关的脑信号幅度较低，因此需要使用通常复杂的信号处理方法来提高信噪比 (SNR) 并突出显示相应的大脑特征。其次，任务的内在性质使得用户难以实际使用基于 MI 的 BCI。由于很难想象在限制自己实际执行动作的同时移动肢体，因此使用基于 MI 的 BCI 被标记为需要训练的技能 (Lotte 等人，2013 年)。事实证明，这种训练的一个重要方面与执行想象任务时向用户提供的反馈性质有关，这可以显著提高用户执行 MI 的能力 (Jeunet 等人，2016 年)。基于这些发现，许多研究人员研究了不同的反馈模式，以增加 MI-BCI 的训练过程 (Rimbert 等人，2017 年)、(Roc 等人，2021 年)。
人类体感皮层对微刺激频率的感知
摘要 体感皮层的微刺激可引发人工触觉感知，并可纳入双向脑机接口 (BCI) 以恢复受伤或患病后的功能。然而，人们对刺激参数本身如何影响感知知之甚少。在这里，我们通过植入两名颈脊髓损伤人类参与者体感皮层的微电极阵列进行刺激，并改变刺激幅度、频率和刺激序列持续时间。增加幅度和刺激序列持续时间会增加所有测试电极上的感知强度。令人惊讶的是，我们发现增加频率会在某些电极上引发更强烈的感知，但在其他电极上引发的感知强度较低。这些不同的频率-强度关系分为三组，它们在不同的刺激频率下也会引起不同的感知质量。相邻的电极位置更有可能属于同一组。这些结果支持了刺激频率直接控制触觉感知的想法，并且这些不同的感知可能与体感皮层的组织有关，这将有助于双向 BCI 刺激策略的原则性发展。