XiaoMi-AI文件搜索系统
World File Search System肌电图
电池PV系统的联合设计和控制的加固学习朝着设计基于人类现象的实验协议的游戏
在过去的几年中，科学研究开放了将数字游戏用于人类研究的想法。神经科学，医学和情感计算等领域目前正在使用游戏来研究基于人类的现象。即使该领域中存在大量工作，但设计这种游戏的主题很少。实际上，该领域中的一个常见问题是，游戏本身通常是事后的想法，在这种情况下，某些游戏限制永远不会被真正承认，并且倾向于大部分被忽略。因此，本文介绍了一些游戏设计准则，以针对专门使用游戏的作品中最常见的问题，专门使用人类生理数据收集的目的。此外，对最流行的生理记录方法的简要描述：皮肤电导（SC），心率变异性（HRV），肌电图（EMG），脑电图（EEG）（EEG）和功能磁共振成像（FMRI）；作为使用此类设备的游戏“限制”提供的是在游戏设计过程中考虑的重要因素。因此，本文的目的是提供对文献中发现的特定游戏设计限制的认识，并从游戏设计的角度进行分析。
设计用于研究人类现象的实验协议的游戏
过去几年，科学研究开始考虑使用数字游戏进行以人为本的研究。神经科学、医学和情感计算等领域目前正在使用游戏来研究以人为本的现象。尽管该领域有大量的研究，但很少有人涉及设计此类游戏。事实上，该领域的一个常见问题是游戏本身往往是事后才想到的，某些游戏限制从未真正被承认，而且往往被忽视。因此，本文旨在为文献中最常见的问题提供一些游戏设计指南，这些问题来自专门使用游戏进行人类生理数据收集的工作。此外，本文还简要介绍了最流行的生理记录方法：皮肤电导 (SC)、心率变异性 (HRV)、肌电图 (EMG)、脑电图 (EEG) 和功能性磁共振成像 (fMRI)；因为使用此类设备的游戏“限制”是游戏设计过程中需要考虑的重要因素。因此，本文的目的是提高对文献中发现的特定游戏设计局限性的认识，并从游戏设计的角度对其进行分析。
卡茨科学与健康学院
Natania Birnbaum 和 Amena Farooq（生物技术管理与创业硕士）正在与 Ke Chen 和 Ziyang Guo（数据分析与可视化硕士）合作，作为由人工智能博士后研究员 Sai Praveen Kadiyala 博士领导的跨学科团队的一部分，开发肌电外骨骼（机械手）以支持中风患者的上肢康复。尽管中风患者可能无法移动肌肉，但他们仍然会产生微弱的电信号，表面肌电图 (sEMG) 传感器可以通过皮肤产生的微电压检测到这些电信号。该团队正在构建手部外骨骼的原型，它可以从手臂的肌肉获取 sEMG 信号并利用它们来移动外骨骼的手指。他们的目标是创建一个可用于上肢康复的不同手势和复杂抓握的计算模型。机器人辅助治疗前景广阔，因为它们对患者和治疗师来说既方便又经济实惠，使治疗数据收集变得更加容易，并提高了患者的积极性。基于 sEMG 的方法的优点包括适应患者自身的身体运动，以及可能使用更轻便、更灵活、更舒适的机器人。
探索颞下颌疾病的复杂性
外周神经损伤，例如上臀神经的轴突损伤，是罕见的，但髋关节置换术后可能发生的并发症。本病例报告描述了使用脂肪衍生的间充质干细胞（MSC）来治疗71岁患者上臀神经的轴突损伤。常规康复失败后，选择MSC浸润并使用超声（美国）指导进行。两个月后，患者显示出肌电图（EMG）的归一化，表明完全恢复神经，并显着改善了神经性疼痛。患者还表明，在等速评估中，右髋关节扩展期间的最大扭矩增加了55％，功率增加了9％，从而提高了肌肉强度和功能。此病例强调了MSC在促进神经再生中的潜力，表明这种方法可以加速神经恢复并改善短期临床结局。尽管结果是有希望的，但仍需要进一步的研究来确认这种治疗的疗效和安全性。这种细胞疗法和身体康复的综合模型代表了从复杂的神经损伤中恢复的重大进步。
静音技术
1 MCA 系，1 尼赫鲁工程与研究中心学院，帕姆巴迪，印度 摘要：在拥挤的地区，噪音污染是一个主要问题，人们在这种环境中很难交流，因为人们必须大声喊叫或说话，这会非常累人。借助静音技术，我们可以克服这种情况。在这样的环境中，这项技术将帮助人们交流。该技术的工作原理是注意嘴唇的每一个动作，然后将它们转换成声音，即将电脉冲转换成声音信号，然后将其传输给目标对象。这项技术对于那些不想大声说话打扰别人的人来说非常有用。因此，它不会发出任何声音，而是转换嘴巴的动作并发送信息。这项技术的另一个优点是，由于电脉冲是通用的，它有助于与世界各地的任何人进行通信。这项技术有广泛的应用范围，从提供用于娱乐或通信目的的音频到在公共场所提供通知。它还可用于提供用于医疗或治疗目的的声音。索引术语 - 静音技术、肌电图、图像处理。
由人类双流启发的假肢手的半自治层次控制框架
摘要：假肢手的常规使用显着增强了amputees的日常生活，但它经常引入认知载荷并降低反应速度。为了解决这个问题，我们引入了一个可穿戴的半自治层次控制框架，该框架是为截肢者量身定制的。从人类的视觉处理流中汲取灵感，将完全自主的仿生控制器集成到假肢手部控制系统中，以折断认知负担，并以人类在循环（HIL）控制方法中进行补充。在腹流阶段，控制器整合了用户手眼协调和生物本能中的多模式信息，以分析用户的运动意图并操纵视图域中的原始开关。通过HIL控制策略实现了向背流阶段的过渡，将精确的力控制与假肢的传感器和用户的肌电图（EMG）信号相结合。实验结果证明了所提出的界面的有效性。我们的方法提出了一种更有效的机器人控制系统与人之间相互作用的方法。
采用非线性自回归外生模型的可穿戴 sEMG 传感器多自由度假手指关节控制器
摘要：手臂、手和指尖的活动功能和感觉信息的丧失妨碍了患者的日常生活活动 (ADL)。现代仿生假手可以弥补失去的功能并实现多自由度 (DoF) 运动。然而，由于传感器有限和缺乏稳定的分类算法，市售的假手通常具有有限的自由度。本研究旨在提出一种通过表面肌电图 (sEMG) 估计手指关节角度的控制器。用于训练的 sEMG 数据是使用商用 EMG 传感器 Myo 臂带收集的。提取时域中的两个特征并将其输入到具有外生输入的非线性自回归模型 (NARX) 中。使用 Levenberg-Marquardt 算法对 NARX 模型进行预选参数训练。与目标相比，模型输出的回归相关系数 (R) 在所有测试对象中均大于 0.982，信号范围为 [0, 255] 的任意单位时均方误差小于 10.02。研究还表明，所提出的模型可用于日常生活运动，具有良好的准确性和泛化能力。
Myokey：惯性运动感测和基于手势的QWERTY键盘扩展现实
摘要 - 在扩展现实（XR）的背景下对文本输入的挑战和社会接受，激发了新型输入方式的研究。我们研究了使用Qwerty-layout虚拟键盘应用于文本条目的惯性测量单元（IMU）控制和表面肌电图（SEMG）手势识别的融合。我们设计，实施和评估了名为Myokey的提议的多模式解决方案。用户可以通过手臂运动和手势组合选择字符。Myokey采用轻量级卷积神经网络分类器，可以在具有微不足道的推理时间上部署在移动设备上。我们通过在三种情况下招募12名参与者并测试了三组抓地力微观手机，证明了与Myokey无中断的文本条目的实用性：空手文本输入，三脚架抓握（例如，笔）和圆柱形掌握（例如，pen）。使用Myokey，用户的平均文本输入率为每分钟9.33个单词（WPM），8.76 wpm和8.35 wpm，分别为徒手，三脚架掌握和圆柱形掌握条件。
MGEED：多模态真实情绪和表情检测数据库
摘要 — 近年来，多模态情绪识别引起了学术界和工业界越来越多的关注，因为它能够使用各种模态（如面部表情图像、语音和生理信号）进行情绪检测。尽管该领域的研究发展迅速，但由于难以捕捉自然和细微的面部表情信号（如眼肌电图 (OMG) 信号），创建包含面部电信息的多模态数据库仍然具有挑战性。为此，我们在本文中介绍了一个新开发的多模态真实情绪和表情检测 (MGEED) 数据库，这是第一个包含面部 OMG 信号的公开数据库。MGEED 包含 17 个受试者，拥有超过 150K 张面部图像、140K 张深度图和不同模态的生理信号，包括 OMG、脑电图 (EEG) 和心电图 (ECG) 信号。参与者的情绪由视频刺激引起，数据由多模态传感系统收集。利用收集的数据，开发了一种基于多模态信号同步、特征提取、融合和情绪预测的情绪识别方法。结果表明，通过融合视觉、EEG 和 OMG 特征可以获得优异的性能。数据库可从 https://github.com/YMPort/MGEED 获取。
植入传感器的神经刺激伪像去除伪像改善了信号清晰度和电动机的解码
随着对可靠和多功能控制的假肢的需求增加，肌电模式识别和植入传感器的最新进展已被证明具有很大的优势。另外，可以通过刺激残留神经来实现假体的感觉反馈，从而可以对假体进行闭环控制。然而，这种刺激会导致肌电图（EMG）信号中的干扰伪影，从而恶化假体的可靠性和功能。在这里，我们实施了两种实时刺激伪影算法，模板减法（TS）和ε范围的最小平均正方形（ε-NLMS），并研究了它们在植入了两种经过植入的具有神经奶酪的经过跨乳液中的植物和实时的肌关系中的性能和实时的肌肌摄影。我们表明，这两种算法都能显着提高信号 - 噪声比（SNR）和totifact-prount的EMG信号的图案识别精度。此外，两种算法都改善了主动神经刺激期间运动意图的实时解码。尽管这些结果取决于用户特定的传感器位置和神经刺激设置，但它们仍然代表了能够多功能控制和同时感觉反馈的双向神经肌肉骨骼假体的进步。