Electrophysiological Investigation of Insect Pain Threshold
本研究以蟋蟀为对象,通过记录多种刺激下的心电图与脑电图数据,结合AlexNet深度学习模型分类疼痛状态,准确率达90%,为昆虫伤害感受提供了电生理证据,也拓展了AI在昆虫学研究中的应用场景。
2025-02-22 q-bio.NC
Contrastive Learning of Shared Spatiotemporal EEG Representations Across Individuals for Naturalistic Neuroscience
Tsinghua University(清华大学);Southern University of Science and Technology(南方科技大学)
本研究提出跨个体共享时空EEG表征对比学习框架CL-SSTER,通过时空卷积结合对比学习提取跨个体共享神经模式,在三类EEG数据集上取得最优被试间相关性,为自然神经科学研究提供可解释、可扩展的分析工具。
2024-07-14 cs.LG eess.SP q-bio.NC
New Approach for Designing cVEP BCI Stimuli Based on Superposition of Edge Responses
本研究的目的是开发一种新的方法来设计刺激序列cVEP脑机接口的基础上的行为和属性的实际EEG响应的视觉系统编码的视觉刺激的实验研究,这样的训练时间减少,目标的可能数量增加。来自8个枕骨部位的EEG以每通道2000个样本/秒记录,响应于在具有60 Hz刷新率的计算机监视器上呈现的视觉刺激。通过160次信号平均获得长视觉刺激脉冲的起始和偏移EEG响应。这些边缘响应被用来预测任意刺激序列使用叠加原理的EEG响应。一个BCI拼写器,它利用由这一原则产生的目标模板也实现和测试。结果发现,某些短刺激模式可以准确地预测叠加原理。与将叠加原理应用于常规m序列和随机生成的序列时相比,通过这些最佳模式的组合构建的BCI序列产生更高的准确度(95.9%)和ITR(57.2 bpm)。BCI应用程序的训练时间仅涉及边缘响应的采集,并且不到4分钟,并且可能有大量的序列。这是第一个研究中,cVEP BCI序列的设计基于通过观察几个刺激模式的实际大脑反应获得的约束。
2020-04-02 q-bio.NC
A large dataset of human EEG responses to short naturalistic videos for studying dynamic visual event processing
Freie Universität Berlin(柏林自由大学);Charité – Universitätsmedizin Berlin(柏林夏里特医科大学);Humboldt-Universität zu Berlin(柏林洪堡大学);University of Amsterdam(阿姆斯特丹大学)
本文推出EEG Moments Dataset(EMD),含6名受试者观看1102段短自然视频的EEG与眼动数据,结合BMD可开展动态视觉事件大脑响应的时空解析研究,并公开数据及教程供使用。
2026-09-02 q-bio.NC
An EEG study of creativity in expert classical musicians
先前的研究表明,EEG α活动与执行创造性任务之间存在正相关性。在这项研究中,专家古典音乐家(n=4)被要求发挥他们的乐器,同时与无线脑电图耳机监测。数据收集在两种排练类型:(a)在他们的定期,固定的合奏;(b)在即兴,混合合奏与不熟悉的音乐家和较少的排练时间。α功率与即兴设置之间存在正相关(p<0.01,d=0.4)。阿尔法功率和更激烈的游戏之间也存在正相关(p<0.01,d=0.2)。阿尔法功率和压力引起的觉醒之间存在负相关,例如,假音后皱眉(p<0.01,d=0.6)。最后,无线脑电图监测的实时能力进行了探索,在舞台上的现场表演的数据可视化。
2016-12-18 q-bio.NC
Information-Theoretic Free Energy as Emotion Potential: Emotional Valence as a Function of Complexity and Novelty
The University of Tokyo(东京大学)
这项研究扩展了我们之前提出的情绪维度的数学模型(Yanagisawa等人,2019,Front Comput Neurosci),将感知的复杂性和新颖性作为唤醒潜力的来源。假设唤醒电位的Berlyne享乐函数(或倒U形曲线,所谓的冯特曲线)。我们将唤醒电位建模为感觉刺激被感知(或识别)后在大脑中处理的信息内容,我们称之为感觉刺激。我们在数学上证明了感觉刺激代表自由能,它相当于信息增益(或来自新奇的信息)和感知复杂性(或来自复杂性的信息)的总和,它们是形成唤醒电位的比较变量。我们证明了经验证据与视觉刺激(蝴蝶的轮廓形状)支持的假设,即感知的新颖性和复杂性的总和形状的倒U形的美丽功能。我们讨论了自由能作为解释情绪引发器的数学原理的潜力。
2020-03-23 cs.AI cs.IT math.IT
Neural association between musical features and shared emotional perception while movie-watching: fMRI study
本fMRI研究通过让受试者观看《阿甘正传》,探究电影配乐特征与共享情绪感知的神经关联,发现颞上沟和楔前叶在共享情绪感知中活跃,楔前叶负责从听觉信息编码情绪效价。
2024-10-30 q-bio.NC
Continuous Emotion Recognition during Music Listening Using EEG Signals: A Fuzzy Parallel Cascades Model
人工智能中一个有争议的问题是人类情感识别。本文提出了一个模糊平行级联(FPC)模型预测连续的主观评价的情感内容的音乐时变频谱内容的脑电信号。脑电图,以及15名受试者的情绪评估,在听七段音乐摘录时被记录下来。情绪评价沿着效价和唤醒情绪轴记录为连续信号。FPC模型由并联级联组成,每个级联包含一个基于模糊逻辑的系统。通过与线性回归(LR)、支持向量回归(SVR)和长短期记忆递归神经网络(LSTM RNN)模型的比较,评价FPC模型的性能。FPC的RMSE低于其他模型的所有音乐摘录的效价和唤醒的估计。用FPC模型估算MS4的效价时,RMSE最低为0.089。用效价分析额叶脑电的MI,证实了θ频段额叶通道在情绪识别中的作用。考虑到歌曲中音乐特征的动态变化,采用建模方法来预测情感评价的动态变化可以是将音乐摘录分类为预定义标签的合理替代。
2019-10-19 cs.HC eess.SP q-bio.NC
Music of Brain and Music on Brain: A Novel EEG Sonification approach
Jadavpur University(贾达普大学)
我们能听到大脑的声音吗?有没有什么技术可以让我们听到来自大脑不同脑叶的神经电脉冲?所有这些问题的答案都是肯定的。在本文中,我们提出了一种新的方法,我们可以用声音的脑电图(EEG)数据记录在休息状态下,以及在一个最简单的声刺激的影响下-一个tanpura无人机。tanpura drone具有非常简单但非常复杂的声学特征,通常用于在音乐表演期间创建氛围。因此,对于这个试点项目,我们选择研究简单的声学刺激(tanpura drone)和超声EEG数据之间的相关性。到目前为止,还没有研究处理生物信号与其声学对应物之间的直接相关性以及该相关性如何在不同类型的刺激的影响下变化。这是同类研究中的第一个,它弥合了这一差距,并使用称为多重分形去趋势交叉相关分析(MFDXA)的强大数学显微镜寻找音乐信号和EEG数据之间的直接相关性。为此,我们采取了EEG数据的10名参与者在2分钟的“休息状态”(即白噪声)和2分钟的“tanpura无人机”(音乐刺激)听条件。然后,对不同电极的脑电信号进行超声处理,并采用MFDXA技术评估紫癜信号与脑电信号之间的相关程度(或互相关系数)。在实验过程中,不同叶的γx的变化也提供了重要的有趣的新信息。只有音乐刺激有能力参与大脑的几个区域,这与其他刺激(只参与特定领域)明显不同。
2017-12-22 cs.SD eess.AS physics.data-an
EEG-based Decoding of Selective Visual Attention in Superimposed Videos
KU Leuven, Department of Neurosciences, Research Group ExpORL(荷语鲁汶大学神经科学系ExpORL研究组)
本研究提出基于EEG的自由观看范式,通过刺激信息解码器从叠加视频中解码选择性视觉注意,发现EEG对自然运动的反应受注意调节且与眼动数据互补,首次探索了自然视频场景下的该问题。
2025-04-14 eess.SP q-bio.NC
Comparison and Analysis of Cognitive Load under 2D/3D Visual Stimuli
本研究利用脑电图数据比较2D与3D视频在不同认知任务下的认知负荷,提出认知负荷指数(CLI),发现3D视频在简单观察任务中诱发更高认知负荷,而在计算任务中差异不明显。
2026-09-18 cs.HC q-bio.NC
Auditory Steady-State Response Stimuli based BCI Application - The Optimization of the Stimuli Types and Lengths
我们提出了一种基于ASSR刺激优化组合的听觉BCI(aBCI)范式的改进方法,通过选择受试者对AM-,扑动-,AM/FM和点击包络调制声音的最佳反应。作为ASSR反应特征,我们提出了成对的锁相值从EEG计算,然后使用二进制分类器进行分类,以检测关注和忽略的刺激。我们还报告了使用短至半秒的刺激的可能性,这是基于aBCI的ASSR的一个进步。所给出的结果有助于为每个受试者优化aBCI刺激。
2012-10-10 cs.HC q-bio.NC
Free energy model of emotional valence in dual-process perceptions
The University of Tokyo(东京大学);Keio University(庆应义塾大学)
适当的唤醒水平会引发积极的情绪,而高唤醒潜力可能会引发消极情绪。为了解释唤醒对情绪效价的影响,我们提出了一个新的数学框架,在人类认知的双重过程中的唤醒电位变化:自动和控制。一个合适的数学公式来解释情感的双重过程仍然是缺席。我们的模型将自由能与唤醒潜力及其变化联系起来,以解释情绪效价。自由能的减少和增加分别会导致积极和消极的情绪。我们形式化的过渡,从自动控制过程中的双重过程作为贝叶斯先验的变化。此外,我们使用自由能增加(FI),当一个人试图改变自己的贝叶斯先验和减少(FR),当一个人成功地识别相同的刺激与改变前,并定义三种情绪:“兴趣”,“困惑”和“无聊”使用的变化模型的情绪价。我们对各种高斯模型参数进行比较的数学分析的结果揭示了以下内容:1)预测误差(PR)增加FR 2)当第一先前方差小于第二先前方差时,PR减小FR,3)先验均值之间的距离总是增加FR。我们还讨论了控制过程中结果与情绪的关联。所提出的数学模型提供了一个一般框架,预测和控制情绪效价的双重过程中,不同的观点和刺激,以及理解的矛盾,唤醒的效价的影响。
2022-10-21 cs.AI cs.IT cs.NE
Improving Electroencephalogram-Based Deception Detection in Concealed Information Test under Low Stimulus Heterogeneity
本研究针对低刺激异质性下传统方法检测欺骗准确率低的问题,提出结合数据增强的EEGNet方法,在模拟犯罪CIT实验中实现86.67%的准确率,是首个用深度学习实现该范式下被试独立欺骗分类的研究。
2025-09-02 q-bio.NC
Recognition of Words from the EEG Laplacian
最近的工作之间的关系的脑电图(EEG)数据和心理刺激表明,EEG记录可以用来识别听觉刺激呈现给一个主题。然而,识别率受到技术和生理伪影的强烈影响。在这项工作中,受试者被呈现了七个听觉模拟的英语单词(第一,第二,第三,左,右,是,和没有)的形式,和时间锁定的电场记录与64通道Neuroscan脑电图系统。我们使用表面拉普拉斯算子来消除由于源位于远离电极的区域而产生的伪影。我们使用拉普拉斯算子的目的是提高对来自电场的听觉刺激的识别率。为了计算拉普拉斯算子,我们使用了来自球谐函数的样条插值。在相同的听觉刺激的试验中,电场的EEG拉普拉斯平均值,并且利用这些平均值,我们构建了原型和测试样本。除了拉普拉斯算子,我们还将巴特沃兹带通数字滤波器应用于平均原型和测试样本,并使用时域中的最小二乘度量将滤波后的测试样本与原型进行比较。分析了样条插值阶数和带通滤波器参数对识别率的影响。我们的研究结果表明,拉普拉斯算子的使用提高了识别率,并建议两个主题之间的空间同构。
2012-04-26 physics.med-ph q-bio.NC
Contrastive Learning of Subject-Invariant EEG Representations for Cross-Subject Emotion Recognition
Tsinghua University(清华大学);Sichuan University(四川大学)
近年来,脑电信号被报道用于情感识别是信息丰富和可靠的。然而,情绪相关脑电信号的个体间差异性仍然对基于脑电信号的情绪识别的实际应用提出了很大的挑战。受近年来神经科学对主体间关联研究的启发,本文提出了一种基于对比学习的主体间对齐方法(CLISA)来解决跨主体情感识别问题。采用对比学习,通过最大化受试者之间的EEG信号表征的相似性,当他们接收到相同的情绪刺激时,与不同的情绪刺激相比,最大限度地减少受试者之间的差异。具体而言,卷积神经网络被应用于从对比学习中的EEG时间序列学习受试者间对齐的时空表示。对齐的表示随后用于提取差分熵特征用于情感分类。CLISA在我们的THU-EP数据集(80名受试者)和公开的SEED数据集(15名受试者)上实现了最先进的跨学科情感识别性能。它可以推广到测试中看不见的主题或看不见的情感刺激。此外,CLISA学习的时空表征可以为人类情绪处理的神经机制提供见解。
2022-04-06 cs.HC cs.LG eess.SP
Complex network modelling of EEG band coupling in dyslexia: an exploratory analysis of auditory processing and diagnosis
复杂网络分析在神经系统疾病的研究中具有越来越大的相关性,增强了对大脑结构和功能组织的了解。网络结构和效率揭示了不同的大脑状态以及处理信息的不同方式。这项工作是围绕着探索性分析的大脑过程中涉及的低层次的听觉处理。在不同听觉刺激条件下,利用脑电数据进行脑耦合的复杂网络分析。这种耦合是从不同EEG电极的相位-振幅耦合(PAC)推断的,以探索控制和睡眠障碍受试者之间的差异。耦合数据允许构建一个图,然后,图论被用来研究控制和诵读困难的复杂网络的特性。这导致了一组度量,包括聚类系数,路径长度和小世界性。由此,不同的特点链接到网络和耦合的时间演变指出诵读困难。我们的研究揭示了与阅读障碍相关的模式,即失去小世界拓扑结构。最后,这些基于图形的功能被用来通过支持向量机(SVM)的控制和诵读困难的主题之间进行分类。
2021-07-21 q-bio.NC
Scaling subjects in cross-modal alignment: video decoding with EEG foundation model
UC San Diego(加州大学圣迭戈分校);CNRS(法国国家科学研究中心)
本研究证明,在超过约50名被试的队列上,EEG-视频对比编码器的解码性能随被试数对数线性增长且未饱和,其中EEG基础模型初始化比随机初始化扩展效率高1.6倍。
2026-10-08 q-bio.NC
Reconstructing Visual Stimulus Images from EEG Signals Based on Deep Visual Representation Model
针对fMRI成本高、难普及的问题,本文构建视觉刺激与EEG数据集,并提出由残差中残差密集块编码器和深度神经网络解码器组成的DVRM,实现从EEG信号生成高相似、逼真的重建图像。
2024-03-11 cs.CV eess.IV q-bio.NC
Seeing through the Brain: Image Reconstruction of Visual Perception from Human Brain Signals
Microsoft Research Asia(微软亚洲研究院)
针对EEG噪声大、时序动态且难解码的问题,本文提出NeuroImagen流水线,通过多层级感知信息解码和潜在扩散模型,从便携脑电信号重建高分辨率视觉刺激图像。
2023-08-16 cs.AI cs.CV cs.MM
EEG in the classroom: Synchronised neural recordings during video presentation
我们进行了同步记录的脑电图(EEG)从多个学生在教室里,并测量了一个共同的视频刺激引起的活动的主体间相关性(ISC)。ISC量化的神经可靠性与早期在实验室环境中使用高级设备的研究中的参与和注意力调节有关。在这里,我们重现了许多结果,从这些研究中使用便携式低成本的设备,专注于使用ISC的鲁棒性的主题经历自然刺激。目前的数据表明,刺激诱发的神经反应,已知被调制的注意,可以跟踪的学生群体与同步EEG采集。这是朝着实时推断课堂参与度迈出的一步。
2016-12-27 cs.HC q-bio.NC stat.AP
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
CLASH: Contrastive learning through alignment shifting to extract stimulus information from EEG
针对EEG数据信噪比低、个体差异大的问题,提出自监督范式CLASH,通过对齐EEG片段提取刺激信息,在语音包络解码任务中表现优于现有去噪技术,且无需重训练即可适配新受试者和刺激。
2024-05-14 eess.SP q-bio.NC
Steady-state visual evoked potentials and phase synchronization in migraine
我们研究偏头痛患者脑电图记录的相位同步。我们使用的分析信号技术,希尔伯特变换的基础上,发现偏头痛的大脑的特点是增强的α波段相位同步存在的视觉刺激。我们的研究结果表明,偏头痛患者有一个过度活跃的调节机制,使他们更敏感的外部刺激。
2004-04-05 physics.bio-ph physics.med-ph q-bio.NC
Gestalt Phenomenon in Music? A Neurocognitive Physics Study with EEG
Sir C.V. Raman Centre for Physics and Music, Jadavpur University(贾达夫普尔大学 C.V. 拉曼物理与音乐中心);Department of Physics, Jadavpur University(贾达夫普尔大学物理系);Department of Electrical Engineering, Jadavpur University(贾达夫普尔大学电气工程系)
术语完形已被广泛用于心理学领域,它定义了人类心灵的感知,将任何对象组合成一个统一的整体,而不是部分。音乐通常是多音调的,即许多纯音(频率)以听起来和谐的方式混合在一起的组合。研究人脑对不同频率组声信号的反应可以使我们对脑功能的神经和功能结构有一个很好的了解。本文从5名受试者的脑电数据出发,分析了不同频段的音乐对人脑各频率节律的影响。对四(4)个广泛流行的Rabindrasangeet片段进行小波变换,从原始音乐信号中提取五个共振频带。这些共振频带作为听觉刺激呈现给受试者,同时在大脑的19个不同位置记录EEG信号。对记录的EEG信号进行噪声净化,并在α、θ和γ频率范围上进行多重分形去趋势波动分析(MFDFA)技术。因此,我们得到的复杂性值(在多重分形谱宽度的形式)在α,θ和γ脑电节律对应的不同频带的音乐。我们获得了频率特异性觉醒的基础上的反应,在不同的大脑叶,以及在特定的脑电频带对应的音乐刺激。这一发现在认知音乐治疗领域具有极其重要的意义。
2017-03-19 cs.SD q-bio.NC
Vibrotactile Stimulus Frequency Optimization for the Haptic BCI Prototype
本文介绍了一个心理物理学研究的结果,以优化振动触觉刺激提供给受试者的指尖,以唤起体感反应的触觉脑机接口(hBCI)的范例下一个使用。我们还提出了初步的脑电诱发反应所选择的刺激频率。所获得的结果证实了我们的假设,hBCI范式的概念是有效的,它将允许快速刺激呈现,以提高信息传输率(ITR)的BCI。
2012-10-11 cs.HC q-bio.NC
An Improved EEG Acquisition Protocol Facilitates Localized Neural Activation
Indian Institute of Science(印度科学研究所);PES University(PES大学)
这项工作提出了改进的脑电图(EEG)记录协议,通过引入实际的运动和/或体感线索的运动想象。所获得的结果表明,要求受试者进行运动动作的优势,以下的试验的图像。通过在协议中引入运动动作,受试者能够执行实际的运动规划,而不仅仅是将运动运动可视化,从而大大提高了想象运动运动的容易性。本研究还探讨了额外的优势,管理体感线索的主题,而不是传统的听觉/视觉线索。协议中的这些变化显示出在数据上获得的空间滤波器的适用性方面的承诺,在众所周知的公共空间模式(CSP)算法的应用上。由空间滤波器突出显示的区域是更本地化的和一致的,当协议与体感刺激增强。因此,我们建议,这可能被证明是一个更好的脑电图采集协议,用于检测大脑激活(临床)瘫痪/锁定患者的预期运动命令。
2020-03-13 cs.AI eess.SP q-bio.NC