aoi学院

本篇学习报告基于期刊Frontiers in Neuroscience（中科院一区，IF=4.3）在2023年2月接收的文章《Motor imagery brain–computer interface rehabilitation system enhances upper limb performance and improves brain activity in stroke patients: A clinical study》，本篇论文主要研究了MI-BCI康复训练对脑卒中患者上肢运动功能和大脑活动的影响，通过对MI组和对照组的康复治疗和数据采集，发现MI-BCI康复训练可以显著提高脑卒中患者的上肢运动功能，并且可以改善大脑活动。这些结果表明MI-BCI康复训练是一种有效的康复治疗方法，可以帮助脑卒中患者恢复上肢运动功能。

本篇学习报告基于期刊IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS（中科院1区，IF:6.413）于2023年11月27日接收的文章《Multimodal Brain–Computer Interface for In-Vehicle Driver Cognitive Load Measurement: Dataset and Baselines》。这篇文章介绍了一个新的新的驾驶员认知负荷评估数据集CL - Drive，该数据集包含脑电信号( Electroencephalogram，EEG )和其他生理信号，如心电图( Electroencephalogram，ECG )和皮肤电活动( EDA )，以及眼动跟踪数据。在沉浸式车辆模拟器中，采集了21名受试者在各种驾驶条件下驾驶时的数据，以诱导受试者产生不同程度的认知负荷。

论文概要

经颅直流电刺激(transcranial direct current stimulation, tDCS)是一种重要的非侵入性神经调控技术，研究发现，tDCS可能会改善UWS的预后。文章使用tDCS与EEG结合来预测UWS患者的预后，假设 tDCS 可以提高 UWS 患者预后评估的灵敏度，为了验证这一假设，设计了一个历史对照试验，将85名UWS患者分为tDCS组(N=35)和无tDCS组(N=50)，在tDCS组中使用40次多靶点阳极 tDCS（前额叶区、左侧 DLPFC 和双侧 FTPCs）。入院时进行昏迷恢复量表修订版（CRS-R）分析，治疗后计算非线性脑电图指数C-ApEn，在发病 12 个月后（随访）采用改良格拉斯哥结果量表（mGOS）进行评估，确定使用非患侧疼痛刺激条件下 Cu-FPu 的 C-ApEn 差异作为预后预测的标准。实验结果显示，结合多靶点tDCS与脑电图，UWS患者的预后评估的灵敏度提高了（tDCS group: 84.6% vs Control group:54.5%）。

中国中医科学院望京医院的 BaoHu Liu 为此文第一作者。中国中医科学院望京医院Dongyu Wu 为此文的通讯作者。

该论文已被Frontiers in Neuroscience（中科院三区，IF=4.3）接收，题目为《tDCS-EEG for Predicting Outcome in Patients With Unresponsive Wakefulness Syndrome》

本篇学习报告基于期刊Computer Methods and Programs in Biomedicine（中科院二区，IF：6.1）于2022年9月发表的文章 “A novel online BCI system using speech imagery and ear-EEG for home appliances control”，作者是来自韩国科学技术院的Netiwit Kaogoen, Jaehoon Choi, Sungho Jo。这篇论文提出了一种通过脑机接口与家用电器进行交互的新方法——即通过使用定制的可穿戴BCI耳机，获取用户耳朵周围在语音想象时产生的脑电信号，从而使用户在不发出声音的情况下发出一些简单指令控制家用电器。

论文概要

基于脑电信号（EEG）的情绪分类是健康大数据的重要组成部分。在这方面的主要挑战之一是不同的被试之间的脑电数据不适应的问题。域自适应是减少源域和目标域之间数据差异的有效方法。这篇论文研究通过对抗域适应的方法，通过一个鉴别器将一个小样本的目标域数据转换到源域，从而在用源域数据训练的分类器上快速适应目标域数据。在本研究中，提出了一种新的方法称为“少标签对抗域自适应”（FLADA）的跨被试的情绪分类。为了评估所提出的方法的性能，在公共数据集DEAP数据集进行测试。结果发现，在少量的目标数据下，所提出的FLADA模型在准确性方面优于现有的方法。

厦门大学信息学院的Yingdong Wang为此文第一作者。厦门大学信息学院的Chen Wang为此文的通讯作者。

该论文已被Expert Systems With Applications（中科院一区，IF=8.5）接收，题目为《Cross-subject EEG emotion classification based on few-label adversarial domain adaption》

2023年12月16-17日，由广东省护理学会、广东省护理学会儿童音乐治疗专业委员会、广州市海珠区无界艺术公益创新发展中心主办的音乐治疗在病房的多元发展辅助治疗新进展学习班在广州市文化馆开班。此次会议邀请到康复治疗、心理学、护理学等多行业专家带来权威又生动的分享。

本篇学习报告基于2015年5月发表于中科院一区期刊Proceedings of the IEEE的论文“Signal processing approaches to minimize or suppress calibration time in oscillatory activity-based brain computer interfaces”。该论文全面考察且总结了现有的用于减少或者抑制BCI校准时间的方法。然后，该论文提出了一个利用少量原始EEG试次人工生成新的EEG试次，以扩大训练集来减少BCI校准时间的想法，并且提出了三种不同的方法来实现该想法。此外，该论文还提出了一种新型、快速、简单的方法来实现用户间的BCI迁移。最后，该论文在三个不同的BCI数据集上研究和比较了新方法和旧方法，并由此确定了关于如何减少或抑制BCI校准时间的指导方针。

本篇学习报告基于期刊MATHEMATICS在2022年1月刊登的文章《The Effect of Music Listening on EEG Functional Connectivity of Brain: A Short-Duration and Long-Duration Study》，这篇论文研究以音乐作为刺激时大脑功能连接（FC）的变化，从音乐类型和聆听音乐持续时间两个方面来进行探讨。短时间聆听音乐的研究验证了喜爱或偏好的音乐都能影响受试者的功能连接，并诱发放松状态; 长时间聆听音乐的研究验证了放松音乐可以帮助受试者实现放松、活跃和警觉的假设。

本篇学习报告基于Arxiv 2023的《BIOT: Cross-data Biosignal Learning in the Wild》，作者是来自伊利诺伊大学厄巴纳-香槟分校和哈佛医学院的Chaoqi Yang, M. Brandon Westover, Jimeng Sun等研究人员。这篇论文所提出的BIOT模型可以使具有不匹配通道、可变长度和缺失值的跨数据学习通过词法分析将不同的生理电信号转化为统一的”biosignal sentences”。具体来说，我们将每个通道tokenize分成固定长度的包含局部信号特征的片段，并将其拉平，形成一致的”sentences”。加入通道嵌入和相对位置嵌入来保留时空特征。