XiaoMi-AI文件搜索系统
World File Search System睁眼
健康老龄化中脑电图网络连接的年龄相关变化
摘要：新兴研究报告称，功能性大脑网络会随着年龄的增长而发生变化。图论用于了解与年龄相关的大脑行为和功能差异，并使用脑电图 (EEG) 检查区域之间的功能连接。正常衰老对工作记忆 (WM) 状态下的功能网络和区域间同步的影响尚不清楚。在本研究中，我们应用图论来研究衰老对静息状态下网络拓扑的影响以及在执行视觉 WM 任务期间对衰老 EEG 信号进行分类。我们记录了 20 名健康中年人和 20 名健康老年受试者睁眼、闭眼和执行视觉 WM 任务时的脑电图。EEG 信号用于构建功能网络；节点由 EEG 电极表示；边表示功能连接。计算了包括全局效率、局部效率、聚类系数、特征路径长度、节点强度、节点中介中心性和同配性的图论矩阵来分析网络。我们应用了 K 近邻 (KNN)、支持向量机 (SVM) 和随机森林 (RF) 三个分类器对两组进行分类。分析显示老年组的网络拓扑特征显著减少。在睁眼、闭眼和视觉 WM 任务状态下，老年组的局部效率、全局效率和聚类系数显著降低。KNN 在视觉 WM 任务中实现了 98.89% 的最高准确率，并且比其他分类器表现出更好的分类性能。我们对功能网络连接和拓扑特征的分析可以用作探索人类大脑正常与年龄相关的变化的适当技术。
意识障碍的神经影像学最新进展
保留唤醒（即睁眼），但缺乏可重复的意识迹象[10–12]。重新出现明确但低水平的意识迹象标志着向微意识状态减（MCS）的转变[13]，而残留语言相关行为的存在则定义为MCS+（MCS+）[14,15]。当患者恢复功能性交流或使用物体的能力时，即摆脱MCS，从而摆脱意识障碍[16]。这些患者中相当一部分会经历持续的认知障碍，最近才定义了脑创伤后意识障碍的诊断标准[17]。临床推荐使用昏迷恢复量表——修订版[18]来评估这些行为，与临床共识相比，该量表大大降低了误诊率[19]。已经开发出补充行为工具来克服它的一些缺陷（例如，它的给药时间长）或在床边提供额外的信息（例如，关于疼痛感知或早期运动行为）[20–25]。
实时驾驶员困倦检测系统...
每天发生的重大道路交通事故数量在增加，其中大多数归咎于驾驶员的过错。根据美国的一项调查，据报道，2016 年发生了超过 30 起大型道路交通事故，造成超过 3 人严重受伤。最有趣的问题是，在这项调查中，有 70% 的事故是由于疲劳驾驶造成的。该项目的目标是建立一个困倦检测系统，该系统可以检测到一个人的眼睛闭了几秒钟或一个人打哈欠。当检测到困倦时，该系统会提醒驾驶员。任何人际关系中都存在情绪。面部表情、对话、手势甚至态度都可以用来描绘这些感受。情绪识别最明显、信息最丰富的选择也是人脸。人脸更容易收集。该项目的主要贡献是睡意检测和警告，它基于人的睁眼或闭眼。
伊拉克计算机科学和数学杂志
驾驶行为是日常生活中的重要部分，随着时间的推移，道路上的车辆数量稳步增加。技术进步的出现催生了多种检测驾驶员状态的方法。疲劳、精神紧张、睡眠不足、单调乏味或饮酒等各种因素都可能导致困倦状态。检测眼球运动（闭眼/睁眼）的方法利用一种基于行为的方法，即深度学习。该技术涉及使用描述符来分析眼部图像并提取驾驶车辆内不同个体的组织特征 [1]。从描述人工智能 (AI) 驱动汽车运行的影片中收集眼部特征，然后在准备过程中用于识别显着的相似之处 [2]。从眼部图像中提取显着特征的过程包括将图像分割成更小的部分，然后通过利用深度学习技术将它们排列成统一的特征向量 [3-6]。
听觉诱发电位脑电图-...
这项工作旨在评估使用脑电图 (EEG) 信号作为生物特征认证手段的效果。我们从 20 名参与数据收集的受试者那里收集了超过 240 条记录，每条记录持续 2 分钟。数据包括在静息状态和有听觉刺激的情况下进行的实验的结果。静息状态的 EEG 信号是在睁眼和闭眼的情况下获取的。听觉刺激 EEG 信号由分为两种场景的六个实验组成。第一种场景考虑耳内刺激，而第二种场景考虑骨传导刺激。对于这两种场景中的每一种，实验都包括一首母语歌曲、一首非母语歌曲和一些中性音乐。这些数据可用于开发用于认证或识别的生物特征系统。此外，它们还可用于研究音乐等听觉刺激对 EEG 活动的影响，并将其与静息状态条件进行比较。 © 2024 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
大麻和实际驾驶表现 - ROSA P
11-OH-THC 11-羟基-A9-四氢大麻酚 ANWB Algemene Nederlandse Wielrijders Bond（荷兰皇家旅游协会） BAC 血液酒精浓度 CS-C 闭眼身体摇晃测试的曲线表面 CS-O 睁眼身体摇晃测试的曲线表面 CTT 关键跟踪测试 CV-H '间隔时间的变异系数（SDIM） CV-IBI 心跳间隔时间的变异系数（SD/M） DOT 交通部 ECG 心电图 EtOH 乙醇 IBI 心跳间隔时间 MANOVA 多元方差分析 NHTSA 国家公路交通安全管理局 NIDA 国家药物滥用研究所 PWR-HR 心率功率密度谱在 .01 和 .14 Hz 频率之间的相对幅度 RT 反应时间 SD 标准差 SDLP 心率的标准差横向位置 SDSP 速度标准差 SDST 方向盘角度标准差 SE 标准误差（即SD 除以观测次数的平方根） SED 平均差异标准误差 SP 平均速度 THC W- 四氢大麻酚 THC-COOH 11-正-b9-四氢大麻酚-9-羧酸
原创研究基于多脑区脑电信号分析的抑郁症检测
背景：脑电图作为检测脑部神经电活动的客观方法，已被成功应用于重度抑郁症（MDD）的检测，但脑电通道和脑区的选择直接影响检测算法的性能。方法：针对上述问题，提取非线性特征Lempel-Ziv复杂度（LZC）和频域特征功率谱密度（PSD）对EEG信号进行分析，并在闭眼和睁眼静息状态下研究不同脑区及脑区组合对MDD检测的影响。结果：MDD患者的平均LZC高于对照组，MDD患者的平均PSD普遍低于对照组。颞区是MDD检测的最佳脑区，检测准确率为87.4%；最佳多脑区组合的检测准确率为92.4%，由额叶、颞叶和中枢脑区组成。结论：本文验证了多脑区检测MDD的有效性，为探索MDD的病理机制、创新诊疗方法提供了新思路。
通过卷积神经网络引导改进脑电信号手动注释
开发经过验证的自动处理伪影算法对于可靠、快速地处理 EEG 信号至关重要。最近，在设计机器学习算法以改善经过培训的专业人员的伪影检测方面取得了方法上的进展，这些专业人员通常会一丝不苟地检查和手动注释 EEG 信号。然而，由于数据大多是私密的，数据注释既耗时又容易出错，这些方法的验证因缺乏黄金标准而受到阻碍。为了规避这些问题，我们提出了一个迭代学习模型来加速和减少手动注释 EEG 的错误。我们使用卷积神经网络 (CNN) 对专家注释的睁眼和闭眼静息态 EEG 数据进行训练，这些数据来自正常发育儿童 (n = 30) 和患有神经发育障碍的儿童 (n = 141)。为了克服旨在开发新算法和进行基准测试的循环推理，我们提出了一种迭代学习模型来加速和减少手动注释 EEG 的错误。
脑电图振荡相位的实时实现......
摘要：在实时闭环设置中使用脑电图 (EEG) 评估瞬时大脑状态是一个技术难题，因为需要预测未来信号来定义当前状态，例如瞬时相位和幅度。为了实时实现这一点，人们使用了传统的基于 Yule-Walker (YW) 的自回归 (AR) 模型。然而，采用自适应方法的闭环系统实时实现大脑状态相关的方法尚未被探索。我们的主要目的是研究使用基于自适应最小均方 (LMS) 的 AR 模型进行时间序列前向预测是否可以在实时闭环系统中实现。EEG 状态相关触发器与睁眼静息状态和视觉任务中的 EEG α 振荡峰值和谷值同步。对于静息和视觉条件，统计结果表明，所提出的方法成功地为所有参与者在 EEG 振荡的特定阶段提供触发器。这些单独的结果表明，基于 LMS 的 AR 模型已成功应用于针对特定 alpha 振荡阶段的实时闭环系统，并且可以用作传统和机器学习方法的自适应替代方案，且计算负荷较低。
多尺度特征和多通道选择……
摘要：目的：受医疗保健4.0的推动，本研究旨在基于人工提取的特征（包括时域和频域中的统计特征）降低传统脑电特征的维数。方法：使用四阶巴特沃斯滤波器和小波包变换从UNM和Iowa数据集中提取了总共22个多尺度特征。基于单通道验证，从59个公共通道池中选择了R2得分最高的29个通道。在UNM数据集上验证了所提出的通道选择方案，并在Iowa数据集上进行了测试，以将其通用性与未进行通道选择训练的模型进行比较。结果：实验结果表明，所提出的模型实现了100％的最佳分类准确率。此外，通过基于Iowa数据集的样本外测试验证了通道选择方法的泛化能力结论：使用单通道验证，我们提出了一种基于传统统计特征的通道选择方案，最终选择了29个通道。该方案显著降低了帕金森病相关脑电特征向量的维数 50%。值得注意的是，该方法在 UNM 和 Iowa 数据集上都表现出了相当好的分类性能。对于闭眼状态，最高分类准确率为 100%，而对于睁眼状态，最高准确率达到 93.75%。