Functional connectivity ensemble method to enhance BCI performance (FUCONE)

/pdf/ 2022-02-16

(资料图)

1.标题：Functional connectivity ensemble method to enhance BCI performance (FUCONE)（增强脑机接口性能的功能连接集成方法（FUCONE））

2.作者：Marie-Constance Corsia, Sylvain Chevallier, Fabrizio De Vico Fallani, Florian Yger

3.所属单位：Sorbonne Université, Institut du Cerveau - Paris Brain Institute - ICM, CNRS, Inria, Inserm, AP-HP, Hôpital de la Pitié Salpêtrière, France（法国巴黎综合大学，巴黎大脑研究所，法国国家科学研究中心，法国国家计算机与自动化研究所，法国国家健康与医学研究院，巴黎医院）

4.关键字：Brain-Computer Interface, Ensemble learning, Functional connectivity, Riemannian geometry（脑机接口，集成学习，功能连接性，黎曼几何）

5.网址：/pdf/

6.总结：

(1): 本文的研究背景是提高脑机接口的性能。作者认为功能连接性提供了有关神经相互作用的动态的重要洞见。

(2): 过去的方法是基于协方差的流程，但面临着分类精度低和不稳定性高的问题。该方法的动机是通过结合功能连接性估计器和协方差方法来改进脑机接口的分类性能。

(3): 本文提出的研究方法是使用功能连接性估计器和基于黎曼几何的分类器。每个估计器训练一个分类器，然后通过集成分类器组合每个特征空间的决策。

(4): 本文的方法在不同条件和数据集上进行评估，通过对结果进行元分析，实验证明该方法在性能上显著优于所有现有的方法。性能的提升主要归功于特征空间的多样性增加，从而增加了对个体和组内变异性的鲁棒性。这些结果为我们理解功能连接性的重要性以提高脑机接口性能提供了新的见解。

方法：

(1): 本文的方法思想是利用功能连接性估计器和基于黎曼几何的分类器来提高脑机接口的性能。

(2): 首先，通过脑电信号数据计算功能连接性。功能连接性是指识别不同脑区之间的关联关系，可以提供动态神经相互作用的洞见。

(3): 然后，使用黎曼几何的方法应用于功能连接性估计器结果，产生一系列特征空间。黎曼几何是一种非欧几何的数学框架，用于处理在流形空间中的矩阵数据。

(4): 接下来，对每个特征空间训练分类器。分类器能够根据输入特征向量将脑电信号分为不同类别，从而实现脑机接口的分类功能。

(5): 最后，通过集成分类器将每个特征空间的决策进行组合，得出最终的分类结果。集成分类器可以使用多种方法，例如投票法或加权平均法。

(6): 为了评估方法的性能，本文在不同条件和数据集上进行了实验。通过对结果进行元分析，比较了本文方法与其他现有方法的性能差异。

(7): 实验结果表明，本文方法在性能上优于现有方法。这主要归功于通过增加特征空间的多样性，提高了对个体和组内变异性的鲁棒性。(8): 本文的方法对于改进脑机接口的性能具有重要的理论和实际意义，并为我们深入理解功能连接性在脑机接口中的作用提供了新的见解。

结论：

(1): 本篇文章的意义在于提出了一种名为FUCONE的方法，通过在每个特征空间中结合集成分类器的决策，对功能连接性估计器进行了黎曼几何处理。通过多种实验评估，证明该方法在脑机接口中具有巨大的潜力，有助于提高性能。

(2): 创新点：本文的创新点在于将功能连接性估计器和黎曼几何方法相结合，通过优化参数和引入特征空间的多样性，提高了脑机接口的分类性能。

性能表现：通过对多个MI数据集的评估，与几个最先进的方法相比，本文的方法表现出更高的分类精度和稳定性。

工作量：本文详细优化了关键参数，并在多个实验条件和数据集上进行了评估，展示了该方法的性能优势。该研究工作涉及到数据的收集和处理，需要一定的工作量和计算资源支持。

On Interfacing the Brain with Quantum Computers: An Approach to Listen to the Logic of the Mind

/pdf/ 2021-01-17

标题: On Interfacing the Brain with Quantum Computers: An Approach to Listen to the Logic of the Mind (与量子计算机连接大脑：听取心灵逻辑的方法)

作者: Eduardo R. Miranda

所属单位: Interdisciplinary Centre for Computer Music Research (ICCMR), University of Plymouth, United Kingdom (英国普利茅斯大学，计算机音乐研究部门)

关键词: Interfacing, Brain, Quantum Computers, Logic, Mind (连接，大脑，量子计算机，逻辑，心灵)

网址: /pdf/

总结:

(1): 本文的研究背景是探索如何将大脑与量子计算机进行连接，以理解大脑活动背后的逻辑和心灵。

(2): 过去的方法很少涉及量子计算机连接大脑，并且对大脑活动如何产生心灵的理解还很有限。本文的动机是通过提出一种逻辑的心灵来研究和掌握精神活动的神经相互关系，为BCI系统的发展提供有效的逻辑表示。

(3): 本文提出了一种将心理活动的神经相关性编码为逻辑表达式的方法，作为研究神经相关性的工具，并将这些逻辑表达式与BCI系统的命令关联起来。

(4): 本文的方法实现了将神经相关性转化为逻辑表达式，并将其用于驱动BCI系统执行特定任务的可能性。该方法还通过量子计算机，结合逻辑表达式的运算，为心灵逻辑的研究和掌握提供了新的途径。还介绍了通过量子计算和声音合成的方法，将量子电路的结果转化为声音输出。本文的方法在小规模样例中表现良好，但实现目标的绩效尚需进一步研究与验证。

8.结论：

(1): 这部作品的意义在于探索将大脑与量子计算机连接的方法，以理解大脑逻辑和心灵活动的背后逻辑，并为脑机界面系统的发展提供有效的逻辑表示方法。

(2): 创新点：本文创新地提出了一种将心理活动的神经相关性编码为逻辑表达式的方法，并通过量子计算机实现逻辑表达式的运算，为心灵逻辑的研究与掌握提供了新的途径。 性能表现：该方法在小规模样例中表现良好，但进一步研究与验证仍需进行，以确定其在更复杂任务和大规模数据集上的性能。 工作量：本文介绍了一种通过量子计算和声音合成的方法，将量子电路的结果转化为声音输出，这可能涉及到一定的工作量，但具体的实施和应用细节需要进一步探索和开发。

Older Adults and Brain-Computer Interface: An Exploratory Study

/pdf/ 2021-04-05

1.标题：Older Adults and Brain-Computer Interface: An Exploratory Study

2.作者：Wiesław Kopeć, Jarosław Kowalski, Julia Paluch, Anna Jaskulska, Kinga Skorupska, Marcin Niewiński, Maciej Krzywicki, Cezary Biele

3.所属单位：(第一作者单位) 波兰日本信息技术学院（Polish-Japanese Academy of Information Technology）

4.关键字：BCI, brain-computer interface, IoT, internet of things, older adults, smart home, living lab

5.网址：/pdf/ (Github: None)

6.总结： - (1)研究背景：随着人口结构老龄化的趋势，解决老年人的需求变得越来越重要。非侵入性脑机接口（BCI）是一个快速发展的技术，可以在智能家居技术（SHT）中应用于老年人。 - (2)方法与问题：过去的方法主要是从科学家的角度研究BCI对老年人的应用，缺乏直接从老年人群体的角度去了解他们对BCI技术的看法和期望。本文的动机是通过直接从目标群体中获得的见解，探索老年人对BCI技术的认知和对智能家居系统中BCI技术的可接受性和预期。 - (3)研究方法：本文通过进行两次研讨会（一次是实地研讨会，一次是通过Zoom线上研讨会）来调查老年人对BCI在智能家居技术中的潜力和应用的见解。对于参与者对这些设备的感受进行评估，同时分析从研讨会中收集到的见解产生的一些关键问题。 - (4)实现任务和性能：本文的实现从目标群体获得的见解，有助于设计适用于BCI的智能家居交互模式，并确定进一步研究的兴趣领域。研究结果提供了潜在的障碍、解决方法、BCI的优势和机遇，对未来的研究和设计具有指导意义。

7. 方法：

(1): 在本研究中，我们邀请了之前参与我们的LivingLab活动的七名老年人参与研究。这个群体由四名女性和三名男性参与者组成，年龄在60至80岁之间，来自一个人口超过100万的城市。他们来自不同的职业背景，没有严重的运动或认知问题，并且都同意参与研究。在选择受试群体时，我们的指导思想是尽可能多样化 - 由不同年龄、性别和对电子设备（如计算机、平板电脑或智能手机）的熟悉程度不同的人组成。然而，值得注意的是，他们的共同特点是对新技术的兴趣，而且在这个年龄段的人群中，他们的ICT技能都高于平均水平。他们在社交和智力方面都很活跃，并参与多种活动，如在当地公民社区论坛中出现或之前参加过以虚拟现实或智能家居设备为导向的工作坊；因此，他们能够将这些技术与BCI联系起来。本研究分为两个独立的会议，每个会议约持续两个小时。第一个会议是面对面的，第二个会议在Zoom视频会议平台上进行。两个会议均采用半结构化小组访谈，下面将描述其概述。随后，将对访谈内容进行转录和注释，以进行进一步的归纳和演绎主题分析。

(2): 半结构化研究情景由6个部分组成：（1）自由联想：探索参与者对BCI在智能家居环境中的第一印象和观察。（2）头脑风暴：讨论BCI在日常活动中的潜在应用。（3）展示：介绍以头带作为BCI控制器的概念（基于监测脑电活动），并收集参与者对该技术的见解。（4）比较：要求参与者比较脑机接口和语音接口（基于Google Home语音助手）。（5）验证：收集参与者是否愿意在自己家中尝试基于头带的BCI解决方案的意见。（6）分析：讨论在智能家居技术中使用BCI可能的机遇和威胁。

8.结论：

(1): 这部作品的意义在于从老年人的角度研究非侵入性脑机接口（BCI）技术在智能家居系统中的应用潜力。通过探索老年人对BCI技术的认知和期望，可以设计出更适合他们使用的智能家居交互模式，满足他们的需求和提高他们的生活质量。

(2): 创新点：该研究采用了直接从老年人群体中获取见解的方法，从而填补了以往从科学家角度研究的空白。这种方法使研究结果更加贴近老年人的真实需求和期望，并为未来的研究和设计提供了指导。

性能表现：本研究通过两次研讨会对老年人的看法和期望进行了调查，为智能家居系统中BCI技术的应用提供了有价值的见解。参与者对BCI技术的反馈和对智能家居设备的感受评估有助于确定进一步研究的兴趣领域。

工作量：研究小组在调查老年人对BCI技术的认知和期望方面付出了一定的工作量，包括组织两次研讨会、收集和分析参与者的见解、总结研究结果等。这些努力为理解老年人对BCI技术的态度和应用提供了有价值的数据。

参考文献：

【1】Corsi M C, Chevallier S, Fallani F D V, et al. Functional connectivity ensemble method to enhance BCI performance (FUCONE)[J]. IEEE Transactions on Biomedical Engineering, 2022, 69(9): 2826-2838.

【2】Miranda E R. On interfacing the brain with quantum computers: An approach to listen to the logic of the mind[J]. arXiv preprint arXiv:, 2020.

【3】Kopeć W, Kowalski J, Paluch J, et al. Older Adults and Brain-Computer Interface: An Exploratory Study[C]//Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems. 2021: 1-5.

创作声明：包含 AI 辅助创作

标签：