Seizure detection from Electroencephalogram signals via Wavelets and Graph Theory metrics
Charles Sturt University（查尔斯特大学）
本文提出一种基于最大重叠离散小波变换降噪并结合图论连接度量的脑电图癫痫检测方法，利用短时段统计参数和图论指标构建属性空间，在公开数据上取得了优于现有方法的召回率/灵敏度表现。
2023-11-28 cs.LG q-bio.NC q-bio.QM
Simulation-based Inference of Developmental EEG Maturation with the Spectral Graph Model
本文通过贝叶斯反演谱图模型并结合仿真推断，揭示了发育期脑电图频谱成熟由长程耦合、轴突传导速度和兴奋抑制平衡等参数的年龄依赖性变化所驱动。
2024-07-26 q-bio.NC
A statistical complexity measure can differentiate Go/NoGo trials during a visual-motor task using human electroencephalogram data
本文利用Bandt-Pompe符号化和信息论熵与复杂度指标分析人类EEG数据，发现中央区和枕区电极可在个体和群体水平上稳健区分Go/NoGo试次，且不同试次在复杂度-熵平面中占据不同区域。
2025-07-22 q-bio.NC
Complexity Measures for Quantifying Changes in Electroencephalogram in Alzheimers Disease
阿尔茨海默病（AD）是一种影响认知脑功能的进行性疾病，在临床表现之前多年就开始了。一种生物标志物，提供了一个定量测量的变化，在大脑中由于AD在早期阶段将是有用的早期诊断AD，但这将涉及处理大量的人，因为高达50%的痴呆症患者没有得到正式的诊断。因此，需要准确、低成本和易于使用的生物标志物，其可用于在早期阶段检测AD。基于脑电图（EEG）的生物标志物可能在AD的早期诊断中发挥重要作用，因为它们可以满足这些需求。这是一项横断面研究，旨在证明EEG复杂性测量在早期AD诊断中的有用性。我们重点讨论了在AD检测中表现出最大希望的三种复杂性方法，Tsallis熵（TsEn），Higuchi分形维数（HFD）和Lempel-Ziv复杂性（LZC）方法。与以前的方法不同，在这项研究中，复杂性的措施是来自EEG频带（而不是整个EEG），因为EEG活动与AD有显着的关联，这导致了增强的性能。结果表明，AD患者具有显着较低的TsEn，HFD，和LZC值为特定的EEG频带和特定的EEG通道，该信息可用于检测AD的灵敏度和特异性超过90%。
2022-05-17 eess.SP q-bio.NC
Comparison of EEG based epilepsy diagnosis using neural networks and wavelet transform
本文比较了基于脑电图信号的癫痫诊断方法，提出结合低通滤波、多频带中通滤波与多层感知器神经网络的两步流程，并评估小波变换的作用，证明多层感知器神经网络能提供更高诊断准确率。
2023-08-13 eess.SP q-bio.NC
Toward reliable signals decoding for electroencephalogram: A benchmark study to EEGNeX
本文通过多范式基准评估提出纯卷积架构 EEGNeX，在 11 个运动想象任务上以 2.1%-8.5% 的显著精度提升超越现有方法，并公开全部模型。
2023-09-24 cs.HC eess.SP q-bio.NC
Neurophysiological correlates to the human brain complexity through $q$-statistical analysis of electroencephalogram
本文利用 q 统计量分析 70 名成年人 EEG 的全局与局部神经复杂性，发现 q 与年龄负相关、与 θ 功率正相关且受功能状态局部调节，证明 q 统计量可作为描述人脑神经复杂性的有效方法。
2025-02-09 cond-mat.stat-mech physics.med-ph q-bio.NC
In search for an alternative to the computer metaphor of the mind and brain
大脑作为计算机的比喻已经锚定了心灵的计算本质，将其从柏拉图哲学的无形逻辑中扭曲为经验科学的物质基础。然而，与科学中许多持久的隐喻一样，计算机隐喻已经被探索和延伸到足够长的时间来揭示其边界。这些界限凸显了我们对大脑在有机体目标导向的智能行为和思想中的作用的理解不断扩大的差距。为了寻找一个更恰当的隐喻来反映大脑和思维的潜在不可计算功能，八个作者小组回答了以下问题：（1）我们通过大脑和认知的计算机隐喻理解了什么？(2)这个计算机比喻的局限性是什么？(3)什么隐喻应该取代计算隐喻？(4)哪些发现支持替代隐喻？尽管作者同意感受到计算机隐喻的局限性，但他们为未来对心灵和大脑的研究提出了令人兴奋的多种可能的隐喻选择。
2022-06-09 q-bio.NC
Does the 1/f frequency-scaling of brain signals reflect self-organized critical states?
许多复杂系统显示出自组织临界状态，其特征在于功率谱的1/f频率标度。全局变量，如脑电图，标度为1/f，这可能是神经元活动中自组织临界状态的标志。通过分析同时记录的全球和神经元的活动，我们确认的1/f缩放的全球变量为选定的频带，但显示，神经元的活动是不一致的临界状态。我们提出了一个模型的1/f标度，它不依赖于临界状态，这是可测试的实验。
2006-08-15 q-bio.NC q-bio.PE
InfoFlowNet: A Multi-head Attention-based Self-supervised Learning Model with Surrogate Approach for Uncovering Brain Effective Connectivity
本文提出基于多头自注意力的自监督模型InfoFlowNet，通过打乱时间顺序测量推断损失来估计EEG方向性信息流，实验表明其能识别更显著的时变因果边，优于Granger因果和时间因果发现框架。
2023-11-30 q-bio.NC
Integrating EEG and MEG signals to improve motor imagery classification in brain-computer interfaces
我们提出了一种融合的方法，结合功能，同时记录脑电图（EEG）和脑磁图（MEG）信号，以提高分类性能的运动图像为基础的脑机接口（BCI）。我们将我们的方法应用于一组15名健康受试者，并发现与alpha和beta波段的标准单模态方法相比，分类性能有显着增强。总之，我们的研究结果表明，考虑多模式方法作为补充工具，以改善非侵入性脑机接口的影响的优势。
2018-03-26 q-bio.NC
Learning in brain-computer interface control evidenced by joint decomposition of brain and behavior
基于运动图像的脑机接口（BCI）利用个体自主调节局部脑活动的能力作为运动功能障碍的治疗或探索脑活动与行为之间的因果关系。然而，许多人无法学会成功地调节他们的大脑活动，这极大地限制了BCI在治疗和基础科学研究中的功效。先前的研究表明，跨不同认知系统的连贯活动是能够成功学习控制BCI的个体的标志。然而，很少有人知道这些分布式网络如何通过时间来支持学习。在这里，我们通过构建和应用多模态网络方法来解决这一知识差距，以利用MEG来破译基于运动图像的脑机接口学习中的脑行为关系。具体来说，我们采用最小约束矩阵分解方法（非负矩阵分解），同时确定正则化，共变子图的功能连接，评估其相似性的任务性能，并检测其随时间变化的表达。个体在子图的空间属性（如额叶与大脑其他部分的连接）和子图的时间属性（如达到最大表达的学习阶段）方面也表现出明显的差异。根据这些观察，我们建立了一个概念模型，在这个模型中，某些子图通过调节维持注意力的重要区域的大脑活动来支持学习。为了测试这个模型，我们使用的工具，规定区域动态的网络系统（网络控制理论），并发现好的学习者显示一个单一的子图，其时间表达跟踪性能和其架构支持容易调制的大脑区域的重要注意。
2019-08-02 q-bio.NC
Spatial Auditory Brain-computer Interface using Head Related Impulse Response
本研究报告的头部相关脉冲响应（HRIR）的听觉空间脑机接口（BCI）拼写范例的应用。六个经验丰富的和五个BCI天真的用户参加了实验拼写设置的基础上，五个日本元音。在在线脑机接口实验中，获得的听觉诱发电位产生了非常好和稳定的P300反应。我们的案例研究表明，耳机再现听觉（HRIR为基础的）空间声音范例可能是一个可行的替代方案，建立多扬声器环绕声BCI拼写器的应用程序，就健康的试点研究用户而言。
2015-01-19 q-bio.NC
EEGs disclose significant brain activity correlated with synaptic fickleness
在这里，我们研究了一个网络的突触关系混合兴奋性和抑制性神经元节点，显示振荡非常类似于脑电图（EEG）的脑电波，并确定突然的变化所带来的快速突触介导。因此，我们得出结论，相应的变化，脑电序列肯定来自于神经元群体的活动，由于突触的限制放缓。后者恰好在兴奋和抑制之间产生不平衡，导致兴奋活动的快速爆炸性增加，这被证明是动态心理阶段之间的（一阶）过渡。此外，在该相变附近，我们的模型系统表现出与快速振荡共存的所谓的\textit{delta-theta domain}中的强分量的波。这些发现为在实际大脑中观察到的\textit{delta-gamma}和\textit{theta-gamma modulation}提供了一个简单的解释，并为深入理解大量明显不稳定的、容易获得的大脑数据开辟了一条严肃而通用的道路。
2021-02-16 cond-mat.dis-nn q-bio.NC
EEG2IMAGE: Image Reconstruction from EEG Brain Signals
使用想象视觉的脑信号重建图像可以为残疾人提供增强的视觉，从而导致脑机接口（BCI）技术的进步。深度学习的最新进展推动了使用生成对抗网络（GAN）从大脑信号合成图像的研究领域。在这项工作中，我们提出了一个框架，合成的图像从大脑活动记录的脑电图（EEG）使用小尺寸的EEG数据集。当受试者要求可视化某些类别的物体和英语字符时，使用EEG从受试者的头部头皮记录这种大脑活动。我们使用的对比学习方法，在建议的框架中提取特征的脑电信号和合成的图像提取的特征，使用条件GAN。我们修改损失函数来训练GAN，这使得它能够使用少量图像合成128 × 128图像。此外，我们进行消融研究和实验，以显示我们提出的框架的有效性超过其他国家的最先进的方法，使用小的EEG数据集。
2023-03-18 cs.HC q-bio.NC
Optimizing food taste sensory evaluation through neural network-based taste electroencephalogram channel selection
Northeast Electric Power University（东北电力大学）
针对多通道味觉EEG数据的通道选择难题，本文提出CAM-Attention方法，结合CNN-CSA与Grad-CAM模型实现通道筛选，降低计算负担的同时可有效区分四种味觉，为食品味觉感官评价提供技术支持。
2024-09-19 cs.AI cs.LG eess.SP
Multi-Tier Platform for Cognizing Massive Electroencephalogram
Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；Osaka University（大阪大学）
构建了一个端到端的多层次平台，用于精确认知大脑活动。在输入大量的脑电图（EEG）数据后，时频谱通常被投影到逐段特征矩阵（见第1层）中。设计了一个基于神经网络的层，从稀有特征中提取出主要的锋电位信息，保持了EEG的时间特性。所提出的第3层将来自SNN的尖峰模式的时间和空间域转置;并将转置的模式矩阵馈送到被称为第4层的人工神经网络（ANN，具体地，Transformer）中，其中提出了一种特殊的生成拓扑以匹配二维输入形式。以这种方式，以高精度进行诸如分类的认知。为了验证概念，通过引入多个EEG数据集来证明睡眠阶段评分问题，其中最大的EEG数据集包括从5，793名受试者记录的42，560小时。从实验结果来看，我们的平台通过利用单独的EEG实现了87%的一般认知总体准确率，比最先进的方法高出2%。此外，我们开发的多层方法通过识别关键事件来提供对EEG时间特征的可见和图形化解释，这是神经动力学所要求的，但在传统的认知场景中几乎不出现。
2022-04-21 cs.LG eess.SP q-bio.NC
Activity Coefficient-based Channel Selection for Electroencephalogram: A Task-Independent Approach
Indian Institute of Technology, Kharagpur, West Bengal, India（印度理工学院，克哈格普尔，西孟加拉邦，印度）
针对EEG通道增加导致的干扰与计算开销问题，提出任务无关的ACCS方法，通过通道活度系数（CAC）量化通道效用，选前16通道可提升多分类准确率达34.97%，识别可复用信息通道适配多样EEG应用。
2025-08-10 cs.CV cs.HC cs.LG
How (and Why) to Think that the Brain is Literally a Computer
大脑和计算机之间的关系通常被认为只是一种隐喻。然而，真正的计算系统可以在几乎任何媒介中实现;因此，人们可以认真对待大脑字面上计算的观点。但是，如果没有经验标准来说明是什么使物理系统真正成为计算系统，计算仍然是一个视角问题，特别是对于自然系统（例如，大脑）并没有被明确地设计和设计成计算机。考虑物理计算机的真实例子-模拟和数字，当代和历史-明确了这些经验标准必须是什么。最后，将这些标准应用于大脑表明我们如何将大脑视为一台计算机（可能是一台模拟计算机），这反过来又说明了这种说法是如何既提供信息又可证伪的。
2022-08-24 cs.AI q-bio.NC
Differential EEG Characteristics during Working Memory Encoding and Re-encoding
许多研究探讨了与工作记忆（WM）任务编码和提取相关的脑活动差异。然而，目前还不清楚是否有与重新编码相关的大脑激活变化。本研究的主要目的是比较不同的大脑状态（休息，编码，再编码）在WM任务。我们使用脑电图记录了37名参与者的大脑活动，并计算了不同频率的功率谱密度（PSD）和锁相值（PLV）。此外，相位振幅耦合（PAC）之间的编码和重新编码的差异进行了研究。我们的研究结果表明，随着学习的进展，α PSD降低，θ PLV，β PLV和γ PLV显示大脑区域之间的差异。此外，PAC也存在统计学显著差异。这些发现表明，通过了解与学习相关的神经相关性的差异，有可能提高再编码过程中的学习效率。
2021-12-13 cs.HC q-bio.NC
Human Brain Mapping based on COLD Signal Hemodynamic Response and Electrical Neuroimaging
为了了解人脑的工作，需要与大脑功能相关的测量。这些测量应尽可能是非侵入性的。在测量过程中应尽可能少地干扰大脑。各种模态的整合在理解人类大脑的认知和行为变化方面起着至关重要的作用。它是关于在某些病理条件下神经功能和功能障碍的特定方面的汇聚证据的重要来源。皮质血流的局灶性变化与神经元活动的变化紧密相关。这构成了映射血流动力学反应和推断皮质处理原则的选项，即使是复杂的任务。EEG的高时间分辨率和NIRS良好的空间分辨率使得这种同步测量成为研究人类大脑中大规模神经元网络时空动力学的独特方法。这种两种技术的结合将有助于克服特定方法的局限性。如脑电图（EEG）对非同步神经事件的不敏感性或近红外光谱（NIRS）对低代谢需求的缺乏。EEG和NIRS的组合将比两种模式中的两种单独分析提供更多信息。
2013-07-16 cs.ET q-bio.NC
Brain informed transfer learning for categorizing construction hazards
Tsinghua University（清华大学）
针对建筑危险分类，本文提出利用EEG脑电信号预训练CNN并结合场景图像微调的脑启发迁移学习方法，三分类准确率较随机初始化提升9%。
2022-11-17 cs.LG cs.NE q-bio.NC
Using EEG-based brain connectivity for the study of brain dynamics in brain-computer interfaces
大脑连接的分析旨在了解功能网络进入大脑的出现。这些信息可用于脑机接口（BCI）的脑电（EEG）信号分析和分类过程中。这些系统为有运动障碍的人提供了另一种沟通和控制渠道。在这篇文章中，提出了四种策略，用于在BCI环境中使用脑连接作为工具，以更深入地了解大脑机制，其主要目的是结合不同的神经技术和外骨骼开发面向步态神经康复的方案。这一计划将有助于改进现有计划和/或设计新的控制战略以及康复方法。
2020-07-18 q-bio.NC stat.AP
Progress in Brain Computer Interfaces: Challenges and Trends
脑机接口（BCI）提供大脑与计算机或其他外部设备之间的直接通信链路。它们通过加强或替代人类的外围工作能力来提供扩展的自由度，并且在诸如康复、情感计算、机器人技术、游戏和人工智能的各个领域中具有潜在的应用。全球范围内的重大研究工作为技术标准化提供了通用平台，并有助于解决高度复杂和非线性的大脑动力学以及相关的特征提取和分类挑战。心理神经生理现象及其对大脑信号的影响给BCI研究人员带来了另一个挑战，即将该技术从实验室实验转变为即插即用的日常生活。本文综述了脑机接口领域的进展，并强调了关键的挑战。
2019-01-11 cs.HC q-bio.NC
Multi-command Tactile and Auditory Brain Computer Interface based on Head Position Stimulation
我们研究在何种程度上传递到受试者的头部的振动触觉刺激可以作为一个平台，脑机接口（BCI）的范例。六个头部位置被用来唤起组合的体感和听觉（通过骨传导效应）的大脑反应，以定义一个多模态的触觉和听觉脑计算机接口（taBCI）。受试者进行在线taBCI的实验结果，使用适度快速的刺激间间隔（ISI）的刺激，验证taBCI范式，而通过信息传输率的案例研究的概念的可行性被照亮。
2013-05-12 cs.HC q-bio.NC
Airborne Ultrasonic Tactile Display Brain-computer Interface Paradigm
我们研究在何种程度上非接触式和空中超声触觉显示（AUTD）刺激提供给用户的手掌可以作为一个平台，脑机接口（BCI）的范例。六个手掌位置被用来唤起组合体感脑反应，以定义一种新的非接触式触觉BCI。与经典的附加振动触觉传感器的比较。实验结果验证了新的BCI范式进行在线实验。
2014-04-16 cs.HC q-bio.NC
Transfer Learning in Brain-Computer Interfaces
脑机接口（BCI）的性能随着可用训练数据的量而提高，然而，该数据的统计分布在受试者之间以及在个体受试者内的会话之间变化，限制了训练数据或训练模型在它们之间的可转移性。在这篇文章中，我们回顾了当前的迁移学习技术在BCI，利用共享结构之间的训练数据的多个主题和/或会话，以提高性能。然后，我们提出了一个迁移学习的框架，可以应用于任何任意特征空间的BCI的背景下，以及一种新的回归估计方法，是专门设计的系统的结构的基础上的脑电图（EEG）。我们证明了我们的框架和方法的效用主题到主题的转移在运动图像范例，以及会话到会话的转移在一名患者诊断为肌萎缩侧索硬化症（ALS），表明它是能够优于其他可比的方法在同一数据集。
2015-12-01 cs.HC q-bio.NC
Analysis of EEG data using complex geometric structurization
脑电图（EEG）是一种用于了解大脑活动的常用工具。这些数据通常是通过在头皮表面放置电极并记录通过电极的电流振荡来获得的。这些振荡有时会导致各种解释，这取决于受试者的健康状况，所进行的实验，所使用的工具的灵敏度，人为操作等，随着时间的推移获得的数据可以被认为是一个时间序列。文献中有证据表明癫痫EEG数据可能是混乱的。无论哪种方式，动力系统中的嵌入理论表明，在适当的条件下，可以使用复杂系统的时间序列来重建其相空间。在本文中，我们提出了一种新的方法称为复杂的几何结构化的基础上分析癫痫脑电图时间序列数据。复杂的几何结构化源于使用动力系统的嵌入理论构造奇怪的吸引子。复杂的几何结构本身使用几何工具获得，即来自形状分析的$α$ -形状。初步分析表明，这些复杂的结构捕获了所考虑的脑叶中的预期变化，从而证明了概念。更深入的分析表明，这些复杂的结构可以用作癫痫发作变化的生物标志物。
2021-02-17 eess.SP q-bio.NC stat.AP
Spatial Tactile Brain-Computer Interface Paradigm Applying Vibration Stimuli to Large Areas of User's Back
我们的目标是通过创建脑-机接口（BCI）来增强肌萎缩侧索硬化症（ALS）患者的沟通能力，该脑-机接口可以仅使用大脑活动来控制计算机或其他设备。作为一种方法，我们使用基于振动刺激的刺激驱动的BCI，通过游戏垫传递到用户的背部。我们确定P300反应，从大脑活动的数据，在振动刺激。根据EEG中记录的P300反应对用户的意图进行分类。心理物理实验和在线脑机接口实验结果表明，该方法能够对P300反应进行准确分类，证明了该方法的有效性。
2014-04-16 cs.HC q-bio.NC
Ownership and Agency of an Independent Supernumerary Hand Induced by an Imitation Brain-Computer Interface
为了研究身体的所有权和控制权，人们广泛使用了在非身体物体上引发这些感觉的错觉。经典的介绍与橡胶手错觉，这些幻想已被复制最近在虚拟现实和使用脑机接口。传统上，这些错觉研究的是用人造的对应物替换身体的一部分，然而，随着脑机接口研究的发展，它为我们提供了探索除了我们自己的肢体运动之外还控制非身体物体的可能性。因此，我们提出了一个新的错觉，旨在测试的感觉拥有和控制的独立多余的手。受试者的印象是他们通过脑机接口控制虚拟现实手，但实际上大脑活动和虚拟手运动之间没有因果关系，但观察到正确运动的概率为80%。这些模拟的脑机接口试验穿插着受试者真实双手的动作，这在整个实验中都是可见的。我们发现，受试者对第三只手产生了强烈的所有权和控制感，尽管他们只接受视觉反馈，与实际的大脑信号没有因果关系。我们的错觉与以前报道的研究有很大的不同，因为我们证明了第三只手的独立所有权和控制权，而不会失去真正手中的所有权。
2016-05-27 cs.HC q-bio.NC
Multi-command Tactile Brain Computer Interface: A Feasibility Study
该研究探讨了触觉刺激传递到BCI-幼稚受试者的十个手指的程度，可以作为一个平台，脑机接口（BCI），可用于互动应用程序，如机器人车辆操作。十个指尖用于唤起体感大脑反应，从而定义了触觉脑机接口（tBCI）。受试者进行在线（实时）tBCI的实验结果，使用刺激与适度快速的刺激间间隔（ISI），提供了验证的tBCI原型，而通过信息传输率通过案例研究获得的概念的可行性照亮。
2013-05-19 cs.HC q-bio.NC
Student Teaching and Research Laboratory Focusing on Brain-computer Interface Paradigms - A Creative Environment for Computer Science Students -
University of Tsukuba（筑波大学）
介绍了日本筑波大学TARA生命科学中心的脑机接口（BCI）学生研究实验室（BCI-LAB）的应用概念。学生项目的几个成功案例研究与BCI研究奖2014年获奖案例一起审查。还解释了BCI-LAB设计和基于项目的教学理念。并对今后的教学和研究方向进行了总结。
2015-06-13 cs.HC cs.RO q-bio.NC
EEG Signal Processing and Classification for the Novel Tactile-Force Brain-Computer Interface Paradigm
所提出的研究探讨了在何种程度上，传递到手持操纵杆的手的推力刺激可以作为一个平台，脑机接口（BCI）。四个压力方向用于唤起触觉脑电位反应，从而定义了一个战斗力脑机接口（tfBCI）。我们提出了大脑信号处理和分类程序，导致成功的接口结果。实验结果与七个主题进行在线BCI实验提供了一个验证的手的位置tfBCI范例，而通过显着的信息传输率照亮的概念的可行性。
2013-10-17 cs.HC q-bio.NC
An approach to interfacing the brain with quantum computers: practical steps and caveats
我们报告了第一个概念验证系统，展示了如何通过心理活动控制量子位。我们开发了一种方法来编码精神活动的神经相关物，作为量子计算机的指令。大脑信号是利用放置在人头皮上的电极来检测的，人学习如何产生所需的心理活动来发出旋转和测量量子位的指令。目前，我们的概念验证运行在量子计算机的软件模拟上。在撰写本文时，可用的量子计算硬件和大脑活动传感技术还没有充分发展，无法用大脑实时控制量子态。但我们离将大脑与真正的量子机器连接更近了一步，因为这两方面的硬件技术都将得到改进。本文最后讨论了在我们将大脑与量子硬件连接之前需要解决的一些具有挑战性的问题。
2022-01-04 cs.ET q-bio.NC
Conex-Connect: Learning Patterns in Extremal Brain Connectivity From Multi-Channel EEG Data
癫痫是一种慢性神经系统疾病，影响全球5000多万人。癫痫发作的行为就像对神经系统的暂时性电击，破坏大脑中正常的电活动。癫痫通常通过脑电图（EEG）进行诊断。目前的方法研究时变光谱和相干性，但不直接模拟极端行为的变化。因此，我们提出了一种新的方法来表征脑连接的基础上联合尾行为的脑电图。我们提出的方法，大脑连接的条件极值依赖（Conex-Connect），是一种开创性的方法，它将参考通道处的较高振荡的极值与其他大脑网络通道之间的关联联系起来。使用Conex-Connect方法，我们发现癫痫发作病灶处的活动驱动的极值依赖性的变化。我们的基于模型的方法表明，癫痫发作前，依赖性是非常稳定的所有通道时，条件的极端值的局灶性癫痫发作面积。相比之下，癫痫发作后，通道之间的依赖性较弱，依赖模式更“混乱”。此外，在频谱分解方面，我们发现，高频率的伽玛带的高值是最相关的功能，以解释大脑连接的条件极值依赖。
2021-01-03 q-bio.NC stat.AP stat.ME
Head-related Impulse Response-based Spatial Auditory Brain-computer Interface
本研究提供了一个全面的测试头相关脉冲响应（HRIR）的听觉空间拼写脑机接口（BCI）的范例，包括与传统的虚拟耳机为基础的空间听觉模态的比较。五个BCI-幼稚的用户参加了一个实验的基础上，五个日本元音。在在线脑机接口实验中，所获得的听觉诱发电位产生了非常好和稳定的P300反应。我们的案例研究表明，听觉HRIR空间声音的耳机再现范例可能是一个可行的替代建立多扬声器环绕声BCI拼写应用。
2014-04-15 cs.HC q-bio.NC
Modelling Brain Connectivity Networks by Graph Embedding for Dyslexia Diagnosis
University of Málaga（马拉加大学）；Andalusian Data Science and Computational Intelligence Institute (DasCI)（安达卢西亚数据科学与计算智能研究所）；University of Granada（格拉纳达大学）
已经开发了几种方法来从脑电图（EEG）中提取信息。其中之一是相位振幅耦合（PAC），这是一种交叉频率耦合（CFC）方法，其在于测量不同EEG频带和电极的相位和振幅的同步性。这提供了关于同步激活的大脑区域的信息，并最终提供了这些区域之间功能连接的标记。在这项工作中，内部和内部电极PAC计算获得不同的电极之间的关系在EEG中使用。然后将连接性信息视为图形，其中不同的节点是电极和它们之间的边PAC值。这些结构被嵌入以创建可以进一步用于对多通道EEG样本进行分类的特征向量。所提出的方法已被应用到分类EEG样本采集使用特定的听觉刺激在一个任务设计的阅读障碍的诊断在七岁的儿童EEG的。所提出的方法提供的AUC值高达0.73，并允许选择最具鉴别力的电极和EEG频带。
2021-04-12 cs.LG q-bio.NC
Multiclass Common Spatial Pattern for EEG based Brain Computer Interface with Adaptive Learning Classifier
在脑机接口（BCI）中，从脑电信号（EEG）中产生的数据是非平稳的，信噪比低，并且含有伪迹。通用空间模式（CSP）算法在脑机接口（BCI）运动想象任务特征提取中被证明是有效的，但它容易出现过拟合。许多算法已经被设计来正则化两类问题的CSP，但它们并没有被有效地应用于多类CSP。数据中存在的离群值影响提取的CSP特征并降低系统的性能。除了从CSP提取的特征中存在的这种非平稳性之外，在分类中存在挑战。我们提出了一种在预处理阶段识别和去除数据中存在的伪影的方法，这有助于计算特征向量，从而生成更好的CSP特征。为了处理脑电信号的非平稳性，自调节区间2型神经模糊推理系统（SRIT 2NFIS）被提出用于两类脑电信号的分类问题。本文使用联合近似对角化（JAD）将SRIT2NFIS扩展到多类。BCI竞赛IV的标准数据集的结果显示，从目前最先进的多类分类方法的准确性显着增加。
2021-03-07 cs.NE q-bio.NC
Multicommand Tactile Brain Computer Interface based on Fingertips or Head Stimulation
本文介绍了一个计算神经科学的研究结果进行测试，以引起触觉脑机接口（hBCI）范例中使用的体感脑反应的受试者的指尖和头部区域的振动触觉刺激。我们提出了初步的和非常令人鼓舞的结果，与主题进行在线hBCI接口实验，范围从40%到90%，非常快的刺激间隔（ISI）为250毫秒。所呈现的结果证实了我们的假设，即hBCI范例概念是有效的，它允许快速刺激呈现，以实现令人满意的信息传输率的新型BCI。
2013-01-25 cs.HC q-bio.NC
Beyond visual P300 based brain-computer interfacing paradigms
本文综述了空间听觉和触觉脑机接口神经技术应用的最新进展。它是作者在IICST 2013研讨会上提供的教程中介绍的“非视觉”脑机接口解决方案的最新发展摘要。单峰听觉或触觉，以及双峰组合范例的新概念的描述和支持最近的研究结果，从我们的BCI实验室研究小组在生命科学中心，筑波大学，日本。新开发的实验范例完全适合瘫痪或听力受损用户的需求，在触觉刺激的情况下，以及无法在计算机或机器交互中利用视觉的有能力的用户（驾驶或操作机器需要不受干扰的视力）。我们提出并审查脑电事件相关的潜在反应有用的脑机接口应用超越国家的最先进的视觉范例。最后，讨论了最近的结果，并提出了进一步的应用建议。
2013-09-09 cs.HC q-bio.NC
Intelligence as information processing: brains, swarms, and computers
Lakeside Labs GmbH（湖畔实验室有限公司）
关于智能没有一个统一的定义，所以简单地问大脑、蜂群、计算机或其他系统是否智能是有问题的。为了比较不同认知系统所表现出的潜在智能，我使用了人工智能和人工生命常用的方法：让我们专注于它们的组织，而不是研究系统的底层。这个组织可以用信息来衡量。因此，我应用信息主义认识论来描述认知系统，包括大脑和计算机。这使我能够在不同的背景下框架脑机类比的有用性和局限性。我也用这个观点来讨论智能的进化和生态。
2021-08-09 cs.AI cs.IT math.IT
Data Augmentation for Brain-Computer Interfaces: Analysis on Event-Related Potentials Data
German Research Center for Artificial Intelligence, DFKI GmbH, Robotics Innovation Center（德国人工智能研究中心，DFKI有限公司，机器人创新中心）
在图像数据上，由于大量可用的训练数据和正则化技术，数据增强变得不太相关。常见的方法是移动窗口（裁剪），缩放，仿射失真，随机噪声和弹性变形。对于脑电图数据，缺乏足够的训练数据仍然是一个主要问题。我们建议和评估不同的方法来生成增强数据使用时间和空间/旋转失真。我们的研究结果表明，这些方法是可行的，可以显着提高性能的信号处理链的脑机接口的罕见刺激（P300数据）和运动预测（MRCP数据）。
2018-01-09 cs.CV q-bio.NC
Method for Evaluating the Number of Signal Sources and Application to Non-invasive Brain-computer Interface
Institute of Artificial Intelligence（人工智能研究所）；M.V.Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；Rebis LLC（Rebis有限责任公司）；Aicumene LLC（Aicumene有限责任公司）；Neurosputnik LLC（Neurosputnik有限责任公司）
本文提出基于多谐波信号模型的脑机接口数据分析方法，解决信号源数量评估问题，并通过非侵入式脑机接口数据验证其有效性。
2024-09-26 cs.CV cs.HC eess.SP
On the blind source separation of human electroencephalogram by approximate joint diagonalization of second order statistics
本文综述了基于二阶统计量（SOS）和高阶统计量（HOS）的盲源分离（BSS）在人脑电图（EEG）分析中的应用，提出了一种基于傅里叶共谱矩阵近似联合对角化（AJDC）的时频域BSS方案，并讨论了其假设与局限性。
2008-12-02 cs.NA math.NA physics.med-ph
Towards Neural Co-Processors for the Brain: Combining Decoding and Encoding in Brain-Computer Interfaces
Center for Neurotechnology（神经技术中心）；Paul G. Allen School of Computer Science and Engineering（保罗·G·艾伦计算机科学与工程学院）；University of Washington（华盛顿大学）
脑机接口领域正准备从使用脑信号控制假体设备的传统目标发展到在单个神经假体设备内组合神经解码和编码。这种装置充当大脑的“协处理器”，其应用范围从诱导赫布可塑性用于脑损伤后的康复到使瘫痪的肢体复活和增强记忆。本文综述了在闭环控制和可塑性诱导中同时解码和编码的最新进展。为了应对多通道解码和编码的挑战，我们引入了一个统一的框架，用于开发基于人工神经网络和深度学习的大脑协处理器。这些“神经协处理器”可用于与神经系统联合优化成本函数，以实现从目标神经康复到增强大脑功能的期望行为。
2018-12-28 cs.AI cs.HC cs.NE
Multi-command Chest Tactile Brain Computer Interface for Small Vehicle Robot Navigation
University of Tsukuba（筑波大学）；RIKEN Brain Science Institute（理化学研究所脑科学研究所）
所提出的研究探讨了在何种程度上触觉刺激提供给五个胸部位置的健康用户可以作为一个平台的脑机接口（BCI），可用于互动应用，如机器人车辆操作。五个胸部位置用于唤起触觉脑电位响应，从而定义触觉脑机接口（tBCI）。实验结果与五个主题进行在线tBCI提供了一个验证的胸部位置tBCI范例，而通过信息传输率照亮的概念的可行性。此外，通过案例研究，提出了一种线性SVM分类器的离线分类改进。
2013-07-28 cs.HC cs.RO q-bio.NC
Airborne Ultrasonic Tactile Display Brain-computer Interface -- A Small Robotic Arm Online Control Study
University of Tsukuba（筑波大学）；RIKEN Brain Science Institute（日本理化学研究所脑科学研究所）；The University of Tokyo（东京大学）
我们报告了一个扩展的机器人控制应用程序的非接触式和机载超声触觉显示器（AUTD）刺激为基础的脑机接口（BCI）的范例，获得了去年的年度BCI研究奖2014年。在获奖的人类通信增强范例中，六个手掌位置被用来唤起体感大脑反应，以定义一种新的非接触式触觉BCI。最后给出了一个小型机器人管理的应用实例，用户可以在线控制小型机器人。
2015-01-30 cs.HC cs.RO q-bio.NC
Why the Brain Cannot Be a Digital Computer: History-Dependence and the Computational Limits of Consciousness
本文以信息论方法量化可区分意识状态及其历史依赖，证明指定意识状态所需信息超过人脑容量，从而否定大脑等同经典数字计算机，并指向非经典信息处理机制。
2025-03-13 cs.AI physics.hist-ph q-bio.NC
High-Density EEG Enables the Fastest Visual Brain-Computer Interfaces
本文提出频率-相位-空间融合编码方法并结合256通道高密度EEG，显著提升视觉脑机接口的信息传输率，在线系统达到472.7 bpm，证明高密度EEG对解码视觉时空信息至关重要。
2025-07-23 cs.HC eess.SP q-bio.NC
Improving brain computer interface performance by data augmentation with conditional Deep Convolutional Generative Adversarial Networks
脑机接口领域的一个很大的限制是训练样本非常有限，很难用这样有限的数据建立一个可靠的可用系统。为了提高卷积神经网络在脑机接口领域中的性能，克服训练数据集小的问题，受生成对抗网络的启发，提出了一种条件深度卷积生成对抗网络（cDCGAN）方法，自动生成更多的人工脑电信号用于数据增强。我们在运动想象的BCI竞争数据集上评估了所提出的cDCGAN方法。实验结果表明，从高斯噪声中生成的人工脑电数据能够学习到原始脑电数据的特征，并且在测试数据集中具有不低于原始脑电数据的分类精度。同时，在训练数据有限的情况下，利用生成的人工数据可以有效地提高同一模型的分类精度。
2018-12-27 cs.HC cs.LG q-bio.NC
Computer Vision Based Neurology Brain Activity Rejection Architecture and Implementation
Member, IEEE（IEEE成员）
研究针对EEG在认知发展研究中的挑战，引入基于计算机视觉的自动化ICA拒绝标记工具，兼容常用软件接口，通过自动化人工任务，大幅减少处理时间，提高准确率，加速大规模EEG研究及脑电活动抑制任务应用。
2026-07-27 cs.LG physics.data-an q-bio.NC
