XiaoMi-AI文件搜索系统
World File Search System诱发电位
人类棋盘格和导航图像中单次试验表面脑电图和源的黎曼分类
自从发现 [1,2] 以来，EEG 已越来越多地应用于基础研究、临床研究和工业研究。针对每个领域，都陆续开发出了特定的工具。这些工具包括：(i) 利用微电极进行脑内记录 [3,4]，该方法可以识别 EEG 信号的神经元来源，并更好地理解 EEG 活动的生理机制；(ii) 大平均法，包括由重复事件 (视觉、听觉、体感……) 触发的一系列试验的平均值 [5]，该方法开启了诱发相关电位 (ERP) 领域的研究，最近包括 EEG 源发生器 [8–10] 在内的 EEG 动力学工具 [6,7] 丰富了这一研究领域； (iii) 将 EEG 用于神经反馈和脑机接口 (BCI) [ 11 , 12 ]。过去，这些领域及其相关工具是分开发展的，但计算资源和实验数据的日益普及推动了横向方法和方法论桥梁的发展。视觉诱发电位 (VEP) 是一种特殊的 ERP，从枕叶皮质记录的 EEG 信号中提取，可由不同类型的视觉刺激触发，从简单（如棋盘格）[ 13 ，第 14 页，15 ] 到更复杂的视觉刺激（如人脸、3D 或运动图像）[ 14 , 16 – 20 ]。VEP 是通过计算大量正在进行的 EEG 信号试验的总平均值获得的（见公式 1），从而产生精心设计且易于识别的电位，随后可用于更好地理解视觉输入的连续处理阶段。然而，这些诱发反应来自至少两种不同的机制，分别源自加法模型或振荡模型 [8, 21 – 24]。对于加法模型，诱发反应来自对感觉输入的自下而上的连续处理。这会产生特定序列的单相诱发成分峰，这些峰最初嵌入自发 EEG 背景中。后者 EEG 活动被视为噪声，并通过随后的平均排除。对于振荡模型，诱发电位可能是由于特定频带内正在进行的 EEG 节律的相位锁定所致。这种 EEG 相位重组可以通过试验间一致性 (ITC) 来测量，作为对外部刺激的反应。从根本上讲，只有当相关 EEG 功率没有同时变化（增加或减少）时，这种测量才有意义。在这种情况下，我们处于纯相位锁定状态，诱发反应仅归因于正在进行的 EEG 振荡的重组。例如，体感诱发电位的 N30 分量就是这种情况，其中 70% 的幅度归因于纯相位锁定 [ 25 ]。事实上，在大多数 ERP 研究中，会出现混合情况（功率变化和相位锁定），这使得基础和临床解释变得困难。另一个缺点是，在大多数诱发电位研究中，对一组受试者进行的是总体平均值。虽然总体平均值方法可以得到适当的统计数据[26]和关于基本或临床结果的实际结论，但它掩盖了从临床角度来看可能至关重要的个体特性。当诊断工具基于总体平均值诱发电位[27]时，这个问题尤其重要。同样，对总体平均值数据应用逆建模[10,28]可以非常有效地识别ERP发生器[19,29-31]，但不利于确定个体特征。面对这些缺点，
儿童和青少年的运动脑震荡
• 结构成像 – CT、MRI、扩散张量成像 • 功能成像 – 更多用于研究 – fMRI、PET、脑 SPECT • 光谱学：磁共振光谱 (MRS)、近红外光谱 (NIRS) • 平衡测试 – BESS、感觉组织测试 (SOT)、步态测试、虚拟现实 • 电生理测试 – EEG、诱发电位 (EK)、事件相关电位 (ERP)、脑磁图 (MEG)、心率变异性 – 遗传学：APoE4、通道病 • 血液标志物：S100、神经元特异性烯醇化酶、裂解 – Tau 蛋白、谷氨酸
第八届身心研讨会
16:15-17:00 方法论焦点 2 主持人：Tilman Stephani（莱比锡） Michael Gaebler（MPI CBS 莱比锡，柏林 MindBrainBody 研究所）和 Esra Al（MPI CBS 莱比锡，柏林心智与大脑学院，柏林；MindBrainBody 研究所） 如何分析心脑相互作用及其与行为的联系：心率变异性、心脏相位和心跳诱发电位 讨论第 2 部分 | 方法论焦点 2 | 2021 年 3 月 17 日星期三 09:15-09:45（GMT+1） 17:00-18:00 主题演讲 2 主持人：Lina Skora（布莱顿/莱比锡）
一个反应性的大脑计算机接口：一种新颖的超声...
2背景10 2.1大脑计算机界面类别。。。。。。。。。。。。。。。。。。。。12 2.2检测脑波。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 2.2.1脑电图简介（EEG）。。。。。。。。。。14 2.2.2测量脑电图。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 2.2.2.1 EEG传感器放置。。。。。。。。。。。。。。。。。。。。。16 2.2.3测量脑电图时。。。。。。。。。。。。。。。。。19 2.2.4 EEG信号处理。。。。。。。。。。。。。。。。。。。。。。。19 2.2.4.1过滤。。。。。。。。。。。。。。。。。。。。。。。。。。。19 2.2.4.2分割。。。。。。。。。。。。。。。。。。。。。。。。20 2.2.4.3试验平均。。。。。。。。。。。。。。。。。。。。。。。20 2.2.5解释EEG信号。。。。。。。。。。。。。。。。。。。。。。。20 2.2.6诱发电势。。。。。。。。。。。。。。。。。。。。。。。。。。。21 2.2.6.1视觉诱发电位（VEP）。。。。。。。。。。。。。。21 2.2.6.2 VEP传感器位置和位置。。。。。。。。。。。22
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。
拥有超过 200 个目标的高速混合脑机接口
摘要 目的. 脑机接口（BCI）近年来在扩展其指令集方面取得了重大进展，引起了研究者的广泛关注。目标和命令的数量是BCI解码大脑意图能力的关键指标。目前尚无研究报道过具有超过200个目标的BCI系统。方法. 本研究开发了第一个具有多达216个目标的高速BCI系统，这些目标由多种脑电图特征编码，包括P300、运动视觉诱发电位（mVEP）和稳态视觉诱发电位（SSVEP）。具体而言，混合BCI范式使用时频分多址策略，用不同时间窗的P300和mVEP以及不同频率的SSVEP精心标记目标。然后通过任务判别成分分析和线性判别分析解码混合特征。十名受试者参加了离线和在线提示引导拼写实验。另外十名受试者参加了在线自由拼写实验。主要结果。离线结果显示，mVEP 和 P300 成分在中央、顶叶和枕叶区域突出，而最明显的 SSVEP 特征在枕叶区域。在线提示引导拼写和自由拼写结果表明，所提出的 BCI 系统对 216 个目标分类的平均准确率分别为 85.37% ± 7.49% 和 86.00% ± 5.98%，平均信息传输速率 (ITR) 分别为 302.83 ± 39.20 位分钟 -1 和 204.47 ± 37.56 位分钟 -1。值得注意的是，峰值 ITR 可达 367.83 位分钟 -1。意义。本研究开发了第一个超过 200 个目标的高速 BCI 系统，有望扩展 BCI 的应用场景。
脉冲定时对皮层和丘脑底核深部脑刺激诱发电位的影响
脉冲时间的影响是我们了解如何有效调节基底神经节丘脑皮质 (BGTC) 回路的重要因素。通过电刺激丘脑底核 (STN) 产生的单脉冲低频 DBS 诱发电位可以洞察回路激活，但长延迟成分如何随脉冲时间的变化而变化尚不清楚。我们研究了在 STN 区域传递的刺激脉冲之间的时间如何影响 STN 和皮质中的神经活动。在五名帕金森病患者的 STN 中植入的 DBS 导线被暂时外化，从而可以传递脉冲间隔 (IPI) 为 0.2 至 10 毫秒的成对脉冲。通过 DBS 导线和头皮 EEG 的局部场电位 (LFP) 记录来测量神经激活。 DBS 诱发电位是使用通过联合配准的术后成像确定的背外侧 STN 中的接触器计算的。我们使用小波变换和功率谱密度曲线量化了不同 IPI 对跨频率和时间的诱发反应幅度的影响程度。STN 和头皮 EEG 中的 DBS 诱发反应的 β 频率内容随着脉冲间隔时间的增加而增加。间隔 < 1.0 ms 的脉冲与诱发反应的微小变化相关。1.5 到 3.0 ms 的 IPI 使诱发反应显著增加，而 > 4 ms 的 IPI 产生适度但不显著的增长。当 IPI 在 1.5 到 4.0 ms 之间时，头皮 EEG 和 STN LFP 反应中的 β 频率活动最大。这些结果表明，DBS 诱发反应的长延迟成分主要在 β 频率范围内，并且脉冲间隔时间会影响 BGTC 电路激活的水平。
基于2D CNN的XR用户EEG认证与BCI文盲自动...
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。
实用SSVEP BCI
摘要：与替代方法相比，由于较高的信息传输速率和最少的训练设置更容易设置，大脑计算机界面（BCI）的稳态视觉诱发电位（SSVEP）方法很受欢迎。具有精确生成的视觉刺激频率，可以将大脑信号转换为外部动作或信号。传统上，使用或不带有凝胶的电极从枕骨区域收集SSVEP数据，通常安装在头顶上。在这项实验研究中，我们开发了一个入耳式电极来收集四个不同频率的SSVEP数据，并将其与枕头皮电极数据进行比较。来自五个参与者的数据证明了基于耳电极的SSVEP的可行性，显着增强了可穿戴BCI应用的可实用性。
