XiaoMi-AI文件搜索系统
World File Search System脑电
利用振荡脑电图特征对视觉审美偏好进行生态解码——一项小型综述
在当今的数字信息时代，人类对视觉制品的接触已达到前所未有的几乎无处不在的程度。其中一些文化制品被提升到艺术品的地位，这表明人们对这些物品有着特殊的欣赏。对许多人来说，对此类艺术品的感知与审美体验 (AE) 相吻合，而审美体验可以对健康和幸福产生积极影响。AE 由复杂的认知和情感心理和生理状态组成。对 AE 背后的神经动力学有更深刻的科学理解将允许开发被动脑机接口 (BCI)，该接口提供个性化的艺术呈现，以改善 AE，而无需明确的用户反馈。然而，视觉神经美学领域的先前实证研究主要研究非自然实验室条件下 AE 的功能性磁共振成像和事件相关电位相关性，这可能不是实用神经美学 BCI 的最佳特征。此外，直到最近，AE 在很大程度上被定义为美丽或愉悦的体验。然而，这些概念并未涵盖所有类型的 AE。因此，这些概念的范围太窄，无法实现跨个体和跨文化的个性化和最佳艺术体验。这篇叙述性迷你评论总结了基于振荡脑电图 (EEG) 的视觉神经美学的最新进展，并绘制了开发生态有效的神经美学被动 BCI 系统的路线图，该系统可以优化 AE 及其有益后果。我们详细介绍了已报道的 AE 振荡 EEG 相关性，以及用于对 AE 进行分类的机器学习方法。我们还强调了神经美学的当前局限性，并提出了改进 AE 的 EEG 解码的未来方向。
视觉线索可能会影响脑电图深度学习模型
过去几年，深度学习 (DL) 在基于运动想象的脑机接口 (MI-BCI) 分类中的应用取得了显著增长，有望提高 EEG 分类准确率。然而，DL 的黑箱性质可能导致准确但有偏差和/或不相关的 DL 模型。在这里，我们研究在 DL 输入窗口中使用视觉提示 EEG（通常使用）对所学特征和最先进 DL 模型 DeepConvNet 的分类性能的影响。分类器在一个大型 MI-BCI 数据集上进行了测试，在视觉提示后有两个时间窗口：0-4 秒（有提示 EEG）和 0.5-4.5 秒（无提示 EEG）。从性能角度来看，第一个条件明显优于第二个条件（86.82% vs. 76.11%，p<0.001）。然而，显著性图分析表明，加入视觉提示 EEG 会导致提取提示相关诱发电位，这与没有视觉提示 EEG 训练的模型所使用的 MI 特征不同。
揭示足球守门员隐蔽注意力的脑电图相关性：迈向创新运动训练程序
体育科学和神经科学的进步为设计高效且激励人心的运动训练工具提供了新的机会。例如，使用神经反馈 (NF)，运动员可以学会自我调节特定的大脑节律，从而提高他们的表现。在这里，我们专注于足球守门员的隐性视觉空间注意 (CVSA) 能力，这对于这些运动员取得优异成绩至关重要。我们寻找可用于基于虚拟现实的 NF 训练程序的 CVSA 脑电图 (EEG) 标记，即符合以下标准的标记：(1) 特定于 CVSA，(2) 可实时检测，(3) 与守门员的表现/专业知识相关。我们的结果表明，CVSA 最著名的 EEG 标记——被关注半视野同侧 α 功率增加——由于不符合标准 2 和 3 而无法使用。尽管如此，我们还是强调了运动员 CVSA 能力的提高与静息时 α 功率增加之间存在显著的正相关性。虽然该标记的特异性仍有待证实，但它符合标准 2 和 3。这一结果表明，可以为守门员设计创新的生态训练程序，例如结合使用 NF 和在虚拟现实中执行的认知任务。
使用 Python、Raspberry Pi 和 HifiBerry 共享用于听觉脑电图实验的开放刺激系统
在听觉行为和脑电图实验中，软件和硬件刺激解决方案的多变性增加了不必要的技术限制。目前，还没有一种易于使用、廉价且可共享的解决方案可以改善不同站点和环境中的协作和数据比较。本文概述了一个由 Raspberry Pi 和 Python 编程以及与 HifiBerry 声卡关联的系统。我们将其声音性能与各种材料和配置的声音性能进行了比较。该解决方案实现了听觉认知实验中重要的高时间精度和声音质量，同时易于使用和开源。本系统表现出高性能和结果，并获得了用户的良好反馈。它价格低廉，易于构建、共享和改进。使用这种低成本、功能强大且可协作的硬件和软件工具，人们可以创建自己的特定、适应性强且可共享的系统，该系统可以在不同的协作站点之间标准化，同时使用起来非常简单和强大。
绝对音调脑电图静息态脑网络的异质性
绝对音高 (AP) 是指无需外界参考即可轻松识别乐音的能力，其神经基础尚不清楚。关键问题之一是这一现象背后是感知过程还是认知过程，因为感觉和高级大脑区域都与 AP 有关。为了整合对 AP 的感知和认知观点，我们在此研究了感觉和高级大脑区域对 AP 静息态网络的共同贡献。我们对大量 AP 音乐家 (n = 54) 和非 AP 音乐家 (n = 51) 的源级 EEG 进行了全面的功能网络分析，采用两种分析方法：首先，我们应用基于 ROI 的分析来检查听觉皮层和背外侧前额叶皮层 (DLPFC) 之间的连接，使用几种已建立的功能连接测量方法。这项分析重复了之前的一项研究，该研究报告了 AP 音乐家这两个区域之间的连接增强。其次，我们对相同的功能连接测量进行了基于全脑网络的分析，以更全面地了解可能涉及支持 AP 能力的大规模网络的大脑区域。在我们的样本中，基于 ROI 的分析没有提供听觉皮层和 DLPFC 之间 AP 特定连接增加的证据。全脑分析显示，AP 音乐家的三个网络连接增加，包括额叶、颞叶、皮层下和枕叶区域的节点。在感觉和大脑周边区域的高级区域都发现了网络的共同点。需要进一步研究来证实这些探索性结果。
随机性作为过度拟合的解决方案——一种新的模型和非侵入性脑电图前景的比较研究
内在语言的潜力和实用性对于开发实用的日常脑机接口 (BCI) 应用至关重要，因为它代表了一种独立于外部刺激运行的大脑信号，但由于在解读其信号方面面临挑战，它在很大程度上尚未得到充分开发。在本研究中，我们在公开可用的数据集上评估了各种机器学习 (ML) 和深度学习 (DL) 模型的行为，采用流行的预处理方法作为特征提取器来增强模型训练。我们面临着重大挑战，例如受试者相关的变异性、高噪声水平和过度拟合。为了特别解决过度拟合问题，我们建议使用“BruteExtraTree”：一种依赖于从其基础模型 ExtraTreeClassifier 继承的中等随机性的新分类器。该模型不仅在我们的实验中与最佳深度学习模型 ShallowFBCSPNet 相匹配，在主题无关场景中达到 32% 的准确率，而且在主题相关情况下达到 46.6% 的平均主题准确率，超越了最先进的模型。我们在主题相关情况下的结果显示，使用受 LLM 预训练启发的内部语音数据的新范式是可能的，但我们也强调，迫切需要彻底改变数据记录或噪声消除方法，以便在主题无关情况下实现更实际的准确率。
深度卷积神经网络在脑电图中的应用：原始数据与光谱特征
摘要 — 深度学习在计算机视觉领域的成功启发了科学界探索新的分析方法。在神经科学领域，特别是在电生理神经成像领域，研究人员开始探索利用深度学习来预测他们的数据，而无需进行广泛的特征工程。本文使用两种不同的深度卷积神经架构比较了使用经过最低限度处理的 EEG 原始数据的深度学习与使用 EEG 光谱特征的深度学习。其中一个来自 Putten 等人 (2018)，专门用于处理原始数据；另一个来自 VGG16 视觉网络 (Simonyan and Zisserman, 2015)，旨在处理 EEG 光谱特征。我们应用它们对来自 1,574 名参与者的大型语料库的 24 通道 EEG 进行性别分类。我们不仅改进了此类分类问题的最新分类性能，而且还表明在所有情况下，与光谱 EEG 特征相比，原始数据分类可带来更出色的性能。有趣的是，我们表明，专门用于处理 EEG 频谱特征的神经网络在应用于原始数据分类时性能有所提高。我们的方法表明，用于处理 EEG 频谱特征的相同卷积网络在应用于 EEG 原始数据时可产生优异的性能。
FastEMD–CCA 算法用于无监督快速去除脑电图中的眨眼伪影
a 马来西亚霹雳州国油工艺大学健康与分析研究所 b 马来西亚霹雳州国油工艺大学自治系统研究所 c 马来西亚霹雳州国油工艺大学电气与电子工程系 d 马来西亚吉兰丹马来西亚理科大学神经科学系 e 法国勃艮第大学 ERL VIBOT CNRS 6000 电子、信息与图像实验室 (Le2i)
包含用户个人资料信息的大型脑电图数据库，用于运动想象脑机接口研究
我们展示并分享了一个大型数据库，其中包含来自 87 名人类参与者的脑电信号，这些信号是在一天的脑机接口 (BCI) 实验中收集的，分为 3 个数据集 (A、B 和 C)，所有数据集均使用相同的协议记录：右手和左手运动想象 (MI)。每个会话包含 240 次试验（每个类别 120 次），代表超过 20,800 次试验，或大约 70 小时的记录时间。它包括相关 BCI 用户的表现、有关人口统计、个性特征以及一些认知特征的详细信息以及实验说明和代码（在开源平台 OpenViBE 中执行）。这样的数据库可用于各种研究，包括但不限于：(1) 研究 BCI 用户的个人资料与其 BCI 表现之间的关系，(2) 研究 EEG 信号属性如何因不同用户的个人资料和 MI 任务而变化，(3) 使用大量参与者设计跨用户 BCI 机器学习算法或 (4) 将用户的个人资料信息纳入 EEG 信号分类算法的设计中。
针对法国患有诵读困难的成年人的脑电图研究
这项事件相关电位 (ERP) 研究旨在检查在患有诵读困难的成年人中，词语阅读障碍在四个认知过程流中的哪个点发生。14 名以法语为母语的诵读困难者与 18 名匹配的对照者执行了延迟音位词汇决策任务，该任务是判断视觉刺激听起来是否像法语单词。实验中呈现的 300 个刺激均匀分布在五种实验条件下（60 个具体的法语单词、60 个伪同音词、60 个伪词、60 个辅音和 60 个符号串）。至关重要的是，与对照组相比，诵读困难者的两种涉及音位信息的语言过程，即字素到音素的转换 (N320) 和音位信息的记忆检索 (Late Positive Complex) 均受损。此外，词汇获取 (N400) 受到六个被认为是诵读困难可靠标志的预测变量的显著调节。相比之下，出乎意料的是，两组参与者的早期视觉专业知识过程（N170）似乎以相同的方式运作。阅读障碍的根源可能主要在于单词阅读过程中的某些语音处理方面。这些发现支持了一种临床神经生理学模型，该模型假设阅读障碍患者在阅读过程中至少有两个语音过程可能受损，即字素到音素的转换和语音信息的记忆检索。