XiaoMi-AI文件搜索系统
World File Search System视觉刺激
通过控制视觉刺激的时间，使用脑电图进行字符输入......
研究成果概要（中文）：在本研究中，我们旨在开发一种使用 P300 和稳态视觉诱发电位 (SSVEP) 的混合型输入系统，这两种技术在利用脑电图进行字符输入时被广泛使用。该系统发挥了 P300 和 SSVEP 的优势，并弥补了彼此的不足。首先，我们通过视觉刺激呈现建立了一种同时生成方法。接下来，利用呈现方法，我们确认可以通过控制候选字符的呈现时间来有效分离两种不同的脑电图。我们已经证明，我们的原创方法可以实现高速输入。然而，差异程度因对象而异。这是未来需要解决的一个挑战。
在现实视觉刺激下应用于视觉的神经网络攻击
大脑计算机界面（BCIS）是传统上用于医学的系统，旨在与大脑相互作用以记录或刺激神经元。尽管有好处，但文献表明，专注于神经刺激的侵入性BCI当前的脆弱性使攻击者能够控制。在这种情况下，神经网络攻击成为能够通过进行神经过度刺激或抑制来破坏自发神经活动的威胁。先前的工作在小型模拟中验证了这些攻击，其神经元数量减少，缺乏现实世界中的复杂性。Thus, this work tackles this limitation by analyzing the impact of two existing neural attacks, Neuronal Flooding (FLO) and Neuronal Jamming (JAM), on a complex neuronal topology of the primary visual cortex of mice consisting of approximately 230,000 neurons, tested on three realistic visual stimuli: flash e ff ect, movie, and drifting gratings.在每个刺激的三个相关事件中评估了每次攻击，还测试了攻击25％和50％神经元的影响。根据尖峰和偏移百分比的数量，结果表明，攻击对电影产生了最大的影响，而黑暗和固定事件是最强大的。尽管两种攻击都可以显着发作神经活动，但果酱通常更具破坏性，产生更长的时间延迟，并且患病率更高。最后，果酱不需要改变许多神经元以显着发神经活动，而FLO的影响随着攻击的神经元数量而增加。
大脑对词汇证明性和语音良好形式的反应，如快速周期性的视觉刺激
Marion Vincent，SébastienVanstavel，CédricPatin，Sandrine Mejias，Anahita Basirat。大脑对词汇证明性和语音良好形式的反应，如快速周期性的视觉刺激所揭示的那样。大脑和语言，2022，232，pp.105150。10.1016/j.bandl.2022.105150。hal-04377160
SSVEP 视觉刺激的大小和对比度对虚拟现实分类准确性和用户友好性的影响
摘要 — 基于 SSVEP 的 BCI 在速度和准确性方面是最有前途的 BCI 之一。然而，尽管社区付出了巨大的努力使它们更加实用和用户友好，但它们使用起来仍然特别烦人。在本文中，我们研究了 SSVEP 视觉刺激的大小和对比度对分类准确性和界面烦恼的影响，总体目标是在性能和用户友好性之间找到一个平衡点。我们对十二 (12) 名参与者进行了用户研究，以评估不同刺激大小和对比度对虚拟现实环境中 SSVEP 分类准确性的联合影响。该实验的结果表明，刺激的大小对分类准确性（低于某个阈值）和感知烦恼都有显著影响。然而，对比度对分类准确性和感知烦恼都没有影响，这表明使用较低对比度的刺激仍然可以准确地操作基于 SSVEP 的 BCI。索引术语 — 组件、格式、样式、样式、插入
听觉线索对虚拟现实环境中自然视觉刺激的神经元反应的影响
虚拟现实环境为研究脑机接口 (BCI) 在现实环境中的性能提供了绝佳的机会。由于现实世界的刺激通常是多模态的，它们的神经元整合会引发复杂的反应模式。为了研究额外的听觉提示对视觉信息处理的影响，我们使用虚拟现实来模拟工业环境中的安全相关事件，同时记录脑电图 (EEG) 信号。我们模拟了一个在传送带系统上移动的盒子，其中两种类型的刺激（爆炸和燃烧的盒子）会中断正常操作。来自 16 名受试者的记录分为两个子集，一个是纯视觉实验，另一个是视听实验。在纯视觉实验中，两种刺激的反应模式引发了类似的模式——视觉诱发电位 (VEP)，然后是枕叶-顶叶上的事件相关电位 (ERP)。此外，我们发现感知到的事件严重程度反映在信号幅度中。有趣的是，额外的听觉提示对先前的发现产生了双重影响：在爆炸盒刺激的情况下，P1 成分被显著抑制，而燃烧盒刺激下 N2c 则有所增强。这一结果凸显了多感官整合对现实 BCI 应用性能的影响。事实上，我们观察到基于混合特征提取（方差、功率谱密度和离散小波变换）和支持向量机分类器的检测任务的离线分类准确度发生了变化。在爆炸的情况下，与仅视觉实验相比，视听实验的准确度略有下降，为 -1.64%。相反，当存在额外的听觉提示时，燃烧盒的分类准确度增加了 5.58%。因此，我们得出结论，特别是在具有挑战性的检测任务中，当 BCI 应该在（多模态）真实世界条件下运行时，考虑多感官整合的潜力是有利的。
使用基于 Transformer-encoder 的 EEG 编码器和 GAN 从 EEG 记录中生成视觉刺激
如图 1 所示，感知脑解码 (PBD) 是一种利用不同刺激引起的大脑反应来辨别原始感知刺激（例如视觉或听觉线索）或其某些特征的方法。通常，PBD 在认知和临床两个方面都具有优势。通过 PBD，可以仔细研究与外部刺激相对应的不同大脑活动模式。在临床环境中，大脑解码技术可以用于与患有闭锁综合症或瘫痪等疾病（这些疾病可能会损害运动和发声功能）的个体进行交流。在这种情况下，可以尝试在提供感知刺激的同时重建个体的反应或想象。此外，改进的感知脑解码方法可以用于记忆检索或可视化思维等应用，从而有助于认知研究和康复工作。
学习视觉刺激诱发的脑电图流形，用于神经图像分类
视觉神经解码，即从大脑活动模式中解释外部视觉刺激的能力，是神经科学研究中的一项具有挑战性的任务。最近的研究集中于表征可以用群体级特征描述的多个神经元的活动模式。在本研究中，我们结合空间、光谱和时间特征来实现神经流形分类，该分类能够表征视觉感知并模拟人脑中的工作记忆活动。我们通过基于黎曼流形和二维 EEG 频谱图表示的自定义深度学习架构分别处理时空和光谱信息。此外，在查看 11 类（即全黑加 0-9 数字图像）MindBigData Visual MNIST 数据集时，使用基于 CNN 的分类模型对视觉刺激引起的 EEG 信号进行分类。在刺激引起的 EEG 信号分类任务上评估了所提出的集成策略的有效性，总体准确率达到 86%，与最先进的基准相当。
小鼠视皮层内微刺激和视觉刺激引起的神经和血流动力学反应的激活和抑制
目的 . 皮层内微刺激是当代脑机接口中恢复感官知觉的有效方法。然而，更好地控制神经元反应的机制以及神经元活动与刺激部位周围发生的其他伴随现象之间的关系仍不太清楚。方法 . 使用宽视野和双光子成像在 Thy1-GCaMP6s 小鼠体内研究了不同的微刺激频率，以评估在多个空间尺度上引起的兴奋性神经反应以及诱发的血流动力学反应。具体而言，我们量化了刺激引起的小鼠视觉皮层神经元激活和抑制，并使用中观尺度宽视野成像测量了血流动力学氧合血红蛋白和脱氧血红蛋白信号。主要结果 . 我们的钙成像结果显示，低频刺激更有利于驱动更强的神经元激活。神经 28 激活后的抑郁反应偏好与激活相比略高频率的刺激。血流动力学信号 29 表现出与神经钙信号相当的空间扩展。在激活后（抑郁）期间，刺激部位周围的氧合血红蛋白浓度保持升高。通过双光子显微镜测量的躯体和神经纤维网钙 31 反应显示出对刺激参数的相似依赖性，32 尽管在躯体中测得的幅度大于在神经纤维网中。此外，与神经纤维网相比，更高频率的 33 刺激在躯体中诱导更明显的激活，而抑郁 34 主要在躯体中诱导，与刺激频率无关。意义。这些结果表明 35 抑郁症的潜在机制不同于激活，需要充足的氧气供应，并影响 36 神经元。我们的研究结果为皮层内微刺激引起的兴奋性神经元活动提供了新的理解，并为利用激活和抑制现象来实现所需神经反应的神经装置提供了见解。
新生儿和小儿重症监护>的视觉刺激
在生命的前六个月中，在前十年中，视觉发展一直持续。足月新生儿可能会呈现视觉固定，但是遵循目标的能力通常仅在两个月大时才存在。颜色歧视和对比敏感性存在，但在新生儿中发育不良。1眼神接触是早期亲子互动的重要步骤，缺乏目光接触或明显的视觉行为应提醒父母和临床医生。2如果婴儿在生命的前两个月内不具有视觉固定和跟踪，则可以将他们转介给眼科医生，以评估延迟视觉成熟（DVM）。这些孩子可能还有其他问题，例如早产，全身性疾病或眼睛的结构异常，但否则也可能是正常的。1 Uemura等人已经提出了DVM的详细分类。3将这些孩子分为三组：第一组包括没有异常的孩子；第二个包括发育延迟的人；第三个包括眼异常。
双引导脑扩散模型：从人类视觉刺激 fMRI 进行自然图像重建
摘要：从记录大脑活动的 fMRI 信号中重建视觉刺激是一项具有挑战性的任务，在神经科学和机器学习领域具有重要的研究价值。先前的研究倾向于强调重建刺激图像的像素级特征（轮廓、颜色等）或语义特征（对象类别），但通常这些属性不会一起重建。在这种情况下，我们介绍了一种新颖的三阶段视觉重建方法，称为双引导脑扩散模型 (DBDM)。首先，我们使用非常深的变分自动编码器 (VDVAE) 从 fMRI 数据中重建粗略图像，捕捉原始图像的底层细节。随后，使用引导语言图像预训练 (BLIP) 模型为每个图像提供语义注释。最后，利用多功能扩散 (VD) 模型的图像到图像生成管道从由视觉和语义信息引导的 fMRI 模式中恢复自然图像。实验结果表明，DBDM 在定性和定量比较方面均超越了以前的方法。特别是，DBDM 在重建原始图像的语义细节方面取得了最佳性能；Inception、CLIP 和 SwAV 距离分别为 0.611、0.225 和 0.405。这证实了我们模型的有效性及其推动视觉解码研究的潜力。