XiaoMi-AI文件搜索系统
World File Search System运动感觉
结合脑机接口康复系统的机器学习方法优化
摘要.[目的]中风患者无法自行活动，必须进行康复训练，让神经系统触发并恢复功能。传统做法是使用电极帽提取脑波特征，并与辅助设备相结合。但存在电极帽不易佩戴、电位识别不佳的问题，且不同的提取方法会影响脑机接口（BCI）的准确性，仍有改进空间。[对象与方法]本实验使用的脑波耳机无需导电凝胶即可获得良好的脑电图进行神经诱导并驱动上肢康复机器人。接下来，邀请8名中风患者和200名正常参与者进行为期4周的康复训练。使用快速傅里叶变换（FFT）、幅值平方相干性（MSC）特征提取方法和诱导闪烁频率的五种机器学习技术来确定训练的有效性。 [结果] 结果表明最佳稳态视觉诱发闪烁频率为 6 Hz, FFT 的识别率比 MSC 方法提高约 5.2%; 对不同的特征提取方法采用优化模型可使识别率提高 1.3%～9.1%。[结论] 基于 Fugl-Meyer 评估 (FMA)、改良 Ashworth 量表 (MAS) 指数改进及功能性磁共振成像 (fMRI) 的图像显示大脑运动感觉区域已成为集中激活现象。 除了强化特征提取方法外, 还让肘部动作有明显的恢复效果。关键词: 脑机接口, 稳态视觉诱发电位, 特征提取
通过对人皮层的图案微刺激的触觉边缘和运动
11 Shirley Ryan能力实验室，伊利诺伊州芝加哥。¥对应：vallegiacomo@gmail.com†体感皮质的同等贡献的心理内微刺激（ICMS）会唤起触觉感觉，可以通过改变电极和刺激参数1-3来系统地操纵其位置和特性。这种现象可用于从脑控制的仿生手传达有关对象相互作用的反馈。但是，ICMS当前提供了艰巨的触摸感，限制了灵巧的对象操纵和对神经假体系统的有意识体验。利用我们对S1 4,5中这些感官特征如何编码的理解，我们试图扩展基于ICMS的人工触摸的曲目，以提供有关瘫痪者中对象的局部几何形状和运动的信息。首先，我们通过多个空间图案的电极同时传递了ICM，采用了对齐投影场（PFS）的特定布置。未提及的参与者报告了边缘的感觉。接下来，我们创建了更复杂的PFS，发现参与者可以直观地感知任意触觉形状和皮肤压痕模式。通过依次通过具有空间不连续的PF的电极传递图案化的ICM，我们甚至可以唤起整个皮肤的运动感觉，即我们能够系统地操纵的方向和速度。我们得出的结论是，受我们对S1中触觉编码的理解启发的ICM的适当时空图案可以引起复杂的感觉。我们的发现有助于推动人造触摸的界限，从而丰富了参与者的有意识的感觉体验，从简单的人造知觉到模仿自然触摸的高度信息的感觉。
在发生错觉的频率范围内使用四冲程运动错觉的 UI......
[1] Tomoki Furuhara、Yoshiaki Miyashita：基于亮度诱导运动错觉的 SSVEP BCI，《人机交互研究报告》，第 2023-HCI-201 卷，第 12 期，第 1-8 页 (2023 年)。[2] Herrmann，C.：人类 EEG 对 1-100 Hz 闪烁的反应：视觉皮层中的共振现象及其与认知现象的潜在相关性，《实验脑研究》，第 137 卷，第 346-353 页 (2001 年)。[3] Pastor，MA、Artieda，J.、Arbizu，J.、Valencia，M. 和 Masdeu，JC：稳态视觉诱发反应过程中的人类大脑激活，《神经科学杂志》，第 23 卷，第 37 期，第 11621-11627 页（2003 年）。[4] Wertheimer，M.：关于运动感觉的实验研究，Zeit Schrift F¨ur Psychologie，第 61 卷，第 161-265 页（1912 年）。[5] Anstis，S.：Phi 运动作为减法过程，Vision research，第 10 卷，第 12 期，第 1411-1430 页（1970 年）。[6] Anstis，SM 和 Rogers，BJ：来自振荡正负模式的虚幻连续运动：对运动知觉的启示，Perception，第 15 卷，第 5 期，第 627-640 页（1986 年）。[7] Kitaoka，A.：重新审视亮度变化（例如反向 phi）引起的运动错觉， http://www.psy.ritsumei.ac.jp/~akitaoka/sakkakuWS2021.html。（访问日期：2022 年 5 月 11 日）。[8] Regan, D.：调制光诱发的平均稳态和瞬态响应的一些特征，脑电图和临床神经生理学，第 20 卷，第 3 期，第 238-248 页（1966 年）。[9] Norcia, AM、Appelbaum, LG、Ales, JM、Cottereau, BR 和 Rossion, B.：视觉研究中的稳态视觉诱发电位：综述，视觉杂志，第 15 卷，第 6 期，第 4 页（2015 年）。[10] Nakanishi, M.、Wang, Y.、Chen, X.、Wang, Y.-T.、Gao, X. 和 Jung, T.-P.：增强检测of SSVEPs for a High-Speed Brain Speller Using Task-Related Components Analysis，IEEE Transactions on Biomedical Engineering，Vol. 65，No. 1，pp. 104–112 (2018)。[11] Danhua Zhu、Jordi Bieger，GGMRMA：基于 SSVEP 的 BCI 中使用的刺激方法调查，Computational Intelligence and Neuroscience，Vol. 2010，pp. 1–12 (2010)。[12] Andersen, SK、Hillyard, SA 和 M¨uller, MM：注意力在人类视觉皮层中并行促进多种刺激特征，Current biology：CB，Vol. 18，No. 13，pp. 1006–1009 (2008)。[13] Andersen, SK 和 M¨uller, MM：行为表现