摘要 本研究的目的是基于关于视觉系统对二进制编码视觉刺激的实际 EEG 响应的行为和特性的实验结果,开发一种设计利用代码调制视觉诱发电位 (cVEP BCIs) 的脑机接口刺激序列的新方法,从而减少训练时间并增加可能的目标数量。以 2000 sps 的速度记录来自 8 个枕骨部位的 EEG,以响应刷新率为 60 Hz 的计算机显示器上呈现的视觉刺激。记录视觉系统对显示器上目标区域黑到白和白到黑转换的 EEG 响应,持续 500 毫秒,进行 160 次试验,并取信号平均以分别获得起始(正边)和偏移(负边)响应。发现两个边缘响应都延迟了 50 毫秒,并在 350 毫秒内完全减弱。然后利用叠加原理使用这些边缘响应生成(预测)对任意二进制刺激序列的 EEG 响应。研究发现,对某些(16)个简单短序列(16.67 – 350 毫秒)所生成的和测量的 EEG 响应高度相关。然后将这些“最佳短模式”随机组合以设计长(120 位,2 秒)“叠加优化脉冲(SOP)”序列,并通过叠加边缘响应获得它们的 EEG 响应模板。与将叠加原理应用于传统 m 序列和随机生成的序列相比,基于 SOP 序列的 Visual Speller BCI 应用程序获得了更高的准确率(95.9%)和信息传输速率(ITR)(57.2 bpm)。BCI 应用程序的训练仅涉及边缘响应的获取,耗时不到 4 分钟。这是第一项通过叠加边缘响应来获取 cVEP BCI 序列的 EEG 模板的研究。
从神经活动中解码感觉刺激可以提供有关神经系统如何解释物理环境的洞察力,并促进了脑机界面的发展。然而,神经解码问题仍然是一个重大的公开挑战。在这里,我们提出了一种有效的非线性解码方法,用于从视网膜神经节细胞(RGC)的尖峰活动中推断自然现场刺激。我们的方法使用神经网络来改善准确性和可扩展性的现有解码器。对来自1000多个猕猴RGC单元的真实视网膜尖峰数据进行了训练和验证,解码器证明了非线性计算的必要性,以准确地解码视觉刺激的精细结构。具体来说,自然图像的高通空间特征只能使用
从神经活动中解码感觉刺激可以提供有关神经系统如何解释物理环境的洞察力,并促进了脑机界面的发展。然而,神经解码问题仍然是一个重大的公开挑战。在这里,我们提出了一种有效的非线性解码方法,用于从视网膜神经节细胞(RGC)的尖峰活动中推断自然现场刺激。我们的方法使用神经网络来改善准确性和可扩展性的现有解码器。对来自1000多个猕猴RGC单元的真实视网膜尖峰数据进行了训练和验证,解码器证明了非线性计算的必要性,以准确地解码视觉刺激的精细结构。具体来说,自然图像的高通空间特征只能使用
本研究的目的是通过脑电图(EEG)确定典型发育中的听觉/视觉刺激的大脑反应和自闭症儿童的大脑反应。早期诊断确实有助于定制培训,并在常规流中进步。揭示了潜在的大脑动力学,采用了非线性分析。在当前的研究中,分析了具有不同参数的复发定量分析(RQA)。为了获得更好的信息检索,还考虑了余弦距离度量,并与RQA中的其他距离指标进行了比较。测量RQA的每个计算组合,并分析和讨论响应通道。据观察,具有余弦距离参数的风扇邻域能够显着区分ASD和TD。
1. 患有 CVI 的儿童在看图片时可能会出现“拥挤现象”;难以区分背景和前景视觉信息。 2. 近距离观看很常见,用于放大物体或减少拥挤。 3. 过度刺激会导致儿童出现“衰退”行为,或视觉注意力短暂。 4. 患有 CVI 的儿童能够在杂乱的环境中不撞到任何东西,这可以归因于“盲视”,即脑干视觉系统。 5. 如果事先告诉孩子要寻找什么,他们通常能够看得更清楚。 6. 患有 CVI 的儿童在面对视觉刺激时可能会使用他们的周边视觉,看起来好像他们正在看别处。 7. 有些孩子会短暂地看一个物体,然后在伸手去拿它时转过身去。
摘要:脑机接口 (BCI) 可以检测特定的脑电图模式并将其转换为外部设备的控制信号,为患有严重运动障碍的人提供与外界沟通和互动的替代/附加渠道。许多基于脑电图的 BCI 依赖于 P300 事件相关电位,主要是因为它们需要的用户训练时间相对较短,并且选择速度更快。本文提出了一种基于 P300 的便携式嵌入式 BCI 系统,该系统通过基于 FPGA(现场可编程门阵列)的嵌入式硬件平台实现,确保灵活性、可靠性和高性能。该系统在用户视觉刺激期间获取脑电图数据并实时处理这些数据,以正确检测和识别脑电图特征。BCI 系统旨在允许用户执行通信和家庭自动化控制。
神经反馈 (NF) 和脑机接口 (BCI) 应用依赖于个体脑活动模式的记录和实时反馈,目的是实现特定神经基质的自我调节或外部设备的控制。这些方法历来采用视觉刺激。然而,在某些情况下,视觉不适合或不足以吸引人。人们已经探索了其他感官模式,例如听觉或触觉反馈,多感官刺激有望提高交互回路的质量。此外,对于运动想象任务,通过触觉反馈关闭感觉运动回路可能与运动康复应用相关,因为它可以促进可塑性机制。本综述回顾了各种触觉技术并描述了它们在 BCI 和 NF 中的应用。我们确定了 BCI 和 NF 系统使用触觉接口的主要趋势,并讨论了可能激发进一步研究的关键方面。
本研究提出了一种在扩展现实 (XR) 环境中同时进行用户身份验证和脑机接口 (BCI) 文盲检测的协议。通过使用包含目标刺激图像的周期性视觉刺激来诱导选择性参与者注意力。事件相关电位 (ERP) 用于用户身份验证,而稳态诱发电位 (SSVEP) 用于识别 BCI 文盲。实验结果表明,10 Hz 增大/缩小字母图像刺激最有效,在用户分类中达到 99% 的准确率。因此,所提出的协议可用于在 XR 环境中建立用户身份验证和 BCI 文盲检测系统。这些发现有望成为 XR 环境中通用神经接口开发的重要基础。
脑电图 (EEG) 和弥散光学断层扫描 (DOT) 是广泛用于神经成像的成像方法。虽然 EEG 的时间分辨率很高,但空间分辨率通常有限。另一方面,DOT 具有高空间分辨率,但时间分辨率本质上受到其测量的缓慢血液动力学的限制。在我们之前的工作中,我们使用计算机模拟表明,当使用 DOT 重建的结果作为 EEG 源重建的空间先验时,可以实现高时空分辨率。在这项工作中,我们通过以比 DOT 时间分辨率更快的速度交替闪烁两个视觉刺激来实验验证该算法。我们表明,使用 EEG 和 DOT 的联合重建可以清楚地在时间上解析这两个刺激,并且与单独使用 EEG 的重建相比,空间限制得到了显着改善。
基于大脑信号的生物识别系统是一种新颖的方法,可用于更直观,健壮和用户友好的身份验证。al-尽管以不同的视觉刺激进行了以前的研究,但很少考虑用于大脑信号的音乐刺激。在本文中,提出了用脑电图和音乐刺激的用户身份验证系统的新框架。EEG数据每周一次从16位健康参与者中收集了三周。尽管不同类型的音乐引起了不同的响应,但用户可以根据其大脑信号识别。实验结果表明,当使用这种方法时,最佳的分类精度率约为96.75%。这些结果表明,音乐引起的反应带来了参与者区分特征,这可能被用作生物特征。