XiaoMi-AI文件搜索系统
World File Search System诱发电位
视觉诱发电位中的人工智能算法-...
脑机接口 (BCI) 是一种使用脑电图 (EEG) 信号控制外部设备（例如功能性电刺激 (FES)）的技术。基于 P300 和稳态视觉诱发电位 (SSVEP) 的视觉 BCI 范例已显示出巨大的临床用途潜力。已经发表了许多关于基于 P300 和 SSVEP 的非侵入式 BCI 的研究，但其中许多研究存在两个缺点：(1) 它们不适用于运动康复应用，(2) 它们没有详细报告用于分类的人工智能 (AI) 方法或其性能指标。为了弥补这一差距，本文采用 PRISMA（系统评价和荟萃分析的首选报告项目）方法来准备系统文献综述 (SLR)。重复或与运动康复应用无关的 10 年以上的论文被排除在外。在所有研究中，51.02% 涉及分类算法的理论分析。在剩余的研究中，28.48% 用于拼写，12.73% 用于各种应用（轮椅或家用电器的控制），只有 7.77% 专注于运动康复。在应用纳入和排除标准并进行质量筛选后，共选出 34 篇文章。其中，26.47% 使用 P300，55.8% 使用 SSVEP 信号。建立了五个应用类别：康复系统（17.64%）、虚拟现实环境（23.52%）、FES（17.64%）、矫形器（29.41%）和假肢（11.76%）。在所有作品中，只有四篇对患者进行了测试。报告的用于分类的机器学习 (ML) 算法中，最常用的是线性判别分析 (LDA) (48.64%) 和支持向量机 (16.21%)，而只有一项研究使用了深度学习算法：卷积神经网络 (CNN)。报告的准确率范围为 38.02% 至 100%，信息传输速率范围为每分钟 1.55 至 49.25 比特。虽然 LDA 仍然是最常用的 AI 算法，但 CNN 已显示出令人鼓舞的结果，但由于其技术实施要求高，许多研究人员
基于代码调制视觉诱发电位 (c-VEP) 的脑机接口：文献综述
摘要。目的。近年来，代码调制视觉诱发电位 (c-VEP) 已被视为能够提供非侵入式脑机接口 (BCI) 以实现可靠、高速通信的强大控制信号。它们在通信和控制方面的实用性反映在过去十年中相关文章的指数级增长中。本综述的目的是提供文献的全面概述，以了解自 c-VEP BCI 诞生 (1984 年) 至今 (2021 年) 以来的现有研究，并确定有希望的未来研究方向。方法。文献综述是根据系统评价和荟萃分析的首选报告项目 (PRISMA) 指南进行的。在评估期刊手稿、会议、书籍章节和非索引文档的资格后，共纳入 70 项研究。全面分析了基于 c-VEP 的 BCI 的主要特征和设计选择，包括刺激范式、信号处理、建模响应、应用等。主要结果。文献综述表明，最先进的基于 c-VEP 的 BCI 能够通过大量命令、高选择速度甚至无需校准来提供对系统的精确控制。总体而言，在实际设置中缺乏验证，尤其是针对残疾人群体的验证。未来的工作应侧重于开发应用于现实环境的自定进度的基于 c-VEP 的便携式 BCI，以利用 c-VEP 范式的独特优势。异步、无监督训练或代码优化等方面仍需要进一步研究和开发。意义。尽管基于 c-VEP 的 BCI 越来越受欢迎，但据我们所知，这是关于该主题的第一篇文献综述。除了联合讨论该领域的进展之外，还提出了一些未来的研究方向，以促进可靠的即插即用的基于 c-VEP 的 BCI 的开发。
标准化听觉诱发电位听觉阈值...
听觉诱发电位 (AEP) 方法通常用于研究海洋哺乳动物的听力能力，并扩大了圈养和搁浅动物的可用听力图数据。AEP 将继续成为增加听力图样本量的主要方法，因为它们比行为听力阈值方法更容易实施，并且可以用于未经训练或搁浅的动物。然而，由于 AEP 阈值的频率依赖性高于行为听力阈值，AEP 目前仅用于定义物种的听力上限频率。因此，海军目前仅使用行为听力阈值来评估绝对听力灵敏度。研究和解释这两种方法的差异的能力可能使 AEP 听力图能够进行调整，并与从行为听力图方法获得的听力图进行比较。海军将受益于一种标准化的方法，通过这种方法可以调整 AEP 听力阈值并将其与行为阈值进行比较。这将使更多的 AEP 听力图可用于加权函数开发和其他海军环境合规工作，扩大 AEP 结果在未来标准制定中的应用。
稳态视觉诱发电位数据分析-...
摘要 —脑电图 (EEG) 因其便携性、高时间分辨率、易于使用和低成本而被广泛应用于脑机接口 (BCI)，使瘫痪者能够直接与外部设备通信和控制外部设备。在各种 EEG 范式中，基于稳态视觉诱发电位 (SSVEP) 的 BCI 系统使用以不同频率闪烁的多个视觉刺激（例如计算机屏幕上的 LED 或盒子）由于其快速的通信速率和高信噪比在过去几十年中得到了广泛的探索。在本文中，我们回顾了基于 SSVEP 的 BCI 的当前研究，重点关注能够连续、准确检测 SSVEP 并因此实现高信息传输速率的数据分析。本文描述了主要的技术挑战，包括信号预处理、频谱分析、信号分解、空间滤波特别是典型相关分析及其变体和分类技术。还讨论了自发性大脑活动、心理疲劳、迁移学习以及混合 BCI 方面的研究挑战和机遇。
探索全脑水平的稳态视觉诱发电位的动态机制：来自计算研究的证据
预印本（未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此版本的版权所有者于 2021 年 2 月 8 日发布。；https://doi.org/10.1101/2021.02.05.429877 doi：bioRxiv 预印本
从噪声中提取诱发电位的统计方法
诱发电位 (EP) 是嵌入自发性脑电图活动 (EEG) 中的离散信号。从噪声中提取它们需要重复记录。视觉或听觉刺激触发采集系统，然后收集“诱发电位”。诱发电位不同于自发性神经活动 (EEG)，因为它与触发“事件”同步。实际上，触发事件的信号用于采集诱发电位信号。诱发电位 (PE) 被定义为大脑有限区域相对于另一个电中性区域的电势的瞬态变化。EP 由放置在活动结构发出的电场中的电极捕获，并与所谓的“参考”电极检测到的电位进行比较。当参考电极捕获脑神经活动时，传感器系统称为双极。另一方面，当参考电极位于没有大脑活动的区域（例如耳垂）时，传感器系统称为单极。在最好的情况下，我们刚才看到的感兴趣的诱发电位 (PE) 是在离源很远的地方捕获的，其幅度非常小，不超过十微伏。此外，它嵌入在电极捕获的连续大脑活动（EEG 高于 100 微伏）中。PE 有时低于放大器的背景。因此，在检查其特性之前，有必要从背景噪声中提取 PE。40 年来使用的经典方法是平均法。该方法由同步连续响应的平均值组成。诱发电位是一种根据受试者的注意力而发展的大脑活动，因此平均值不足以令人满意地研究它。
基于景深的脑机接口发际线以下区域高频稳态视觉诱发电位评估
背景和目标：最近，提出了一种基于稳态视觉诱发电位（SSVEP-BCI）的很有前途的脑机接口，它由两个刺激组成，这两个刺激一起呈现在受试者的视野中心，但在不同的深度平面（景深设置）。因此，用户可以通过转移眼球焦点轻松地选择其中一个。然而，在这项工作中，EEG 信号是通过放置在枕骨和顶骨区域（头发覆盖的区域）的电极收集的，这需要较长的准备时间。此外，该工作使用了低频刺激，这会产生视觉疲劳并增加光敏性癫痫发作的风险。为了提高实用性和视觉舒适度，本研究提出了一种基于景深的 BCI，使用从发际线以下区域（耳后）测量的高频 SSVEP 响应。
基于景深的脑机接口发际线以下区域高频稳态视觉诱发电位评估
背景和目标：最近，提出了一种基于稳态视觉诱发电位（SSVEP-BCI）的很有前途的脑机接口，它由两个刺激组成，这两个刺激一起呈现在受试者的视野中心，但在不同的深度平面（景深设置）。因此，用户可以通过转移眼球焦点轻松地选择其中一个。然而，在这项工作中，EEG 信号是通过放置在枕骨和顶骨区域（头发覆盖的区域）的电极收集的，这需要较长的准备时间。此外，该工作使用了低频刺激，这会产生视觉疲劳并增加光敏性癫痫发作的风险。为了提高实用性和视觉舒适度，本研究提出了一种基于景深的 BCI，使用从发际线以下区域（耳后）测量的高频 SSVEP 响应。
视觉诱发电位 (vep) 测试信息
关于您的 VEP 测试 视觉诱发电位 (VEP) 是一种用于查找影响视力的大脑问题的测试。它使用仪器记录与构成视觉通路的神经相关的大脑活动。测试包括用糊剂将少量电极贴到您的头上。您将被要求观看电视屏幕或闪光灯。每只眼睛将分别接受测试。这大约需要 45 分钟。 为您的预约做准备 务必确保您的头发干净且没有使用护发产品。如果您可以在测试前一天晚上洗头，那将会很有帮助，并且您可能需要在回家后再次洗头。 携带物品 如果您戴眼镜，请随身携带。
实验 HP-6：视觉诱发电位 (VEP)
视觉诱发电位测试 (VEP) 通过测量从视神经到视觉皮层的视觉通路传导来检查从视网膜到大脑枕叶皮层的视觉通路的功能。VEP 是由视觉刺激（例如计算机屏幕上交替的棋盘格图案）引起的反应。反应由放置在头上的电极记录下来，并在计算机上以图形形式观察。这些反应通常源自枕叶皮层（靠近头部后部），这是大脑中负责接收和解释来自眼睛的视觉信号的区域。VEP 测试测量视觉刺激从眼睛传播到大脑枕叶皮层所需的时间。它可以显示神经通路是否存在任何异常。