XiaoMi-AI文件搜索系统
World File Search System脑机接口
脑机接口和倾听权
Zachary E. Shapiro，法学博士，理学硕士，是威尔康奈尔医学院医学伦理学系的博士后研究员。他还担任耶鲁法学院所罗门卫生法律和政策中心的研究员，他的奖学金用于支持耶鲁法学院脑损伤高级研究联盟 (CASBI@YLS)。他是纽约洛克菲勒大学医院伦理委员会的联合主席。2016 年以优异成绩毕业于哈佛法学院后，Shapiro 曾担任黑斯廷斯中心生物伦理研究所的总统法学学者，以及麻省总医院法律、大脑和行为中心的研究员。2017 年，他担任华盛顿特区联邦巡回上诉法院尊敬的法官 Timothy B. Dyk 的书记员 Shapiro 获得理学硕士学位。毕业于伦敦政治经济学院。
侵入式脑机接口
使用脑电图 (EEG) 的脑机接口 (BCI) 为用户提供了一种无需肌肉激活即可与外部设备交互的非侵入式方法。虽然非侵入式 BCI 有可能改善健康和运动障碍人士的生活质量，但由于性能不一致和自由度低，它们目前的应用有限。在本研究中，我们使用基于深度学习 (DL) 的解码器进行在线连续追踪 (CP)，这是一项复杂的 BCI 任务，要求用户在二维空间中跟踪物体。我们开发了一个标记系统以使用 CP 数据进行监督学习，基于两种架构训练基于 DL 的解码器，包括新提出的 PointNet 架构改编，并在多个在线会话中评估性能。我们在总共 28 名人类参与者中严格评估了基于 DL 的解码器，发现随着更多训练数据的出现，基于 DL 的模型在整个会话中得到了改进，并且在最后一个会话中明显优于传统的 BCI 解码器。我们还进行了额外的实验，通过对来自其他受试者的数据进行预训练模型，以及在会话中训练以减少会话间变异性来测试迁移学习的实现。这些实验的结果表明，预训练并没有显著提高性能，但在会话中更新模型可能会有一些好处。总的来说，这些发现支持使用基于 DL 的解码器来提高 BCI 在 CP 等复杂任务中的表现，这可以扩展 BCI 设备的潜在应用，并有助于改善健康和运动障碍人士的生活质量。
脑机接口，实现脑与人工智能的交互
相泽洋二教授，早稻田大学研究生院物理学硕士，非线性非平衡统计力学 津本忠二教授，大阪大学医学院神经生理学系博士/研究员课程 大阪大学研究生院神经外科博士 EEG 脑机接口的开发
脑机整合：从整合视角设计脑机接口的框架
脑机接口 (BCI) 系统具有促进人类繁荣和自我实现的潜力。然而，我们认为当代的 BCI 系统设计方法不必要地限制了这些潜力，因为它们是从传统的交互角度出发的，产生了命令响应体验。本文提出超越“交互”，走向人机集成范式。该范式的潜力通过三个原型得到展示：Inter-Dream，一个与大脑自主生理过程集成的系统，可推动用户进入健康的睡眠状态；Neo-Noumena，一个与用户的情感神经生理学集成的系统，可增强人际情感交流；PsiNet，一个整合人际大脑活动以扩大人际联系的系统。对这些原型的研究证明了集成范式在实现 BCI 系统的多方面优势方面的优势，这项工作提出了脑机集成框架，以帮助指导未来 BCI 集成的设计人员。
脑机接口（BCI）的使用和产品质量...
(2018) 2017 年工程、技术与创新国际会议：2020 年以后的工程、技术与创新管理：新挑战、新方法，ICE/ITMC 2017 - 会议录，2018 年 1 月，第 1578-1583 页。ISBN：978-153860774-9 doi：10.1109/ICE.2017.8280071
神经调节与脑机接口的融合
几十年来，植入式电神经调节系统一直是神经系统疾病患者临床护理流程的重要组成部分。深部脑刺激 (DBS) 和脊髓刺激系统在临床上的广泛应用为利用植入式神经刺激设备推进慢性设备神经调节研究提供了重要的技术途径。与疾病相关的电生理神经生物标志物（例如丘脑底核中的 β 波段振荡活动和发作间期癫痫样放电）的识别证明了通过自适应系统改善治疗的潜力。这带来了一个挑战：该领域需要人类使用的试验设备，将颅内传感能力与已建立的基于刺激的疗法相结合，形成一个慢性和植入式研究平台。为了应对这一挑战，早期的植入式研究工具是在现有临床神经调节设备的基础上开发的，并增加了扩展的硬件、固件和软件包，以支持利用传感增强治疗的研究。基于传感的神经调节设备的行为范围很广，可以从基于神经活动触发刺激（例如，NeuroPace 脑反应性神经刺激 (RNS) 系统在癫痫放电反应中触发刺激），到通过连续刺激调整来调节病理回路的闭环系统，以利用反馈原理将生物标志物保持在健康范围内（例如，使用 Medtronic Activa PC+S 和 Summit RC+S 系统研究的自适应 DBS (aDBS) 方法根据频谱带功率测量值调整刺激）。从 RNS 到 aDBS 的演变代表了神经技术的不断改进及其在大脑和设备之间创建实时双向接口的能力。这些技术进步为特发性震颤 1 、帕金森病 2 、癫痫 3 和图雷特综合症 4 等疾病带来了新的见解。许多此类研究需要与制造商签订研究协议，但最近，带有“标签上”脑感应功能的神经刺激器（如 Medtronic Percept PC）的商业化应用正在促进它们的研究用途。
脑机接口翻译伦理指南...
脑机接口研究中采集的神经数据或实验样本反映了受试者的心理状态、生理健康、人格特质、财富信息等，属于隐私数据。采集数据的范围和人员的访问权限应经伦理委员会批准。应制定适当的处理和管理方案，并根据信息安全管理相关法律法规和技术标准，在数据或样本的采集、存储、使用、处理、传输、发布等全过程中对其进行保护。遵守《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》等法律法规，加强风险监测，防止数据或样本泄露，保障数据安全和受试者的隐私及个人信息安全。
迈向移动和可穿戴脑机接口
简介：脑机接口 (BCI) 尚未被主流采用作为控制范例，因为大多数 BCI 系统都很笨重、难以设置，并且在移动环境中通常表现不够好，无法取代现有的输入模式。然而，BCI 可能有望成为多模式系统的一部分，当用户的手不空闲和/或无法发出语音命令时，该系统可以增强交互，这通常是高度移动应用领域的要求。随着电极功能的最新进展以及移动设备和头戴式显示器处理能力的提高，现在可以在移动设备上实时获取、发送和处理 EEG 信号。这些改进使得构建可穿戴移动 BCI 成为可能，它可以为主流用户和残疾人提供替代的交互方法。本摘要描述了我们正在进行的设计和评估可穿戴移动 BCI 组件的工作中的两项试点研究。材料、方法和结果：在我们的第一项研究中，我们的目标是设计一个 BCI 来检测所有可穿戴组件的 SSVEP。谷歌眼镜 [2] 用于同时向参与者呈现两个闪烁的视觉刺激，频率为 13 Hz 和 17 Hz。我们的 EEG 放大器是一块 OpenBCI 板，我们使用定制的 3D 打印夹子将其夹在参与者的腰带上。我们使用三个电极：枕骨（Oz）作为信号、乳突作为接地、耳垂作为参考，来检测 SSVEP 信号。我们记录了 EEG 数据以供离线分析。在 10 个疗程中，使用图 1 所示的装置，我们可以检测到参与者正在关注两个刺激中的哪一个，对于 13 Hz 的准确率为 76%-84%，对于 17 Hz 的准确率为 67%-72%，对于 1 秒长滑动窗口 SSVEP 的 PSD 振幅谱作为特征，使用对每个刺激单独训练的 10 倍交叉验证 RF 分类器。我们将实验扩展到步行-秒表刺激场景，发现单个刺激 1 秒长滑动窗口 SSVEP 的准确率为 93%。我们第二项研究的目的是确定是否可以用易于制作的定制入耳电极替换头皮电极，该电极改编自 Looney [1] 讨论的耳电极设计。我们使用 eFit s 扫描仪创建了参与者左耳的模型。然后，我们 3D 打印了一个耳机，并放置了 3 个预凝胶的 Ag/AgCl 接地板电极，并用银箔覆盖，使它们接触外耳的耳道壁。将用于比较的入耳电极和 Oz 连接到可穿戴 OpenBCI 系统和距离用户 6 厘米的闪烁的 13Hz LED。如图 2 所示，枕骨区域的峰值 SSVEP 幅度高于耳道，但 SNR 也增加了，因此使用可穿戴 BCI 从耳朵和头皮的检测准确率可达到 80-90%。
