头发没了还会再长-CSDN博客

原创【Img_pipe for iElectrodes Localization】

A: 因为每一个被试的大脑都不相同，但最初的 T1图像将所有的被试的原点统一在图像的中心，在不同被试之间会存在差异，导致在重建大脑和标注电极在标准脑模板的时候，会出现很大误差，进行AC-PC对齐可以标准化所有的被试在一个基准上，这时再进行重建和标注任务时减少了个体化差异带来的误差。在开始之前，需要在每个被试的CT和T1目录下，mkdir acpc，将T1.nii文件移动到acpc下，并重命名为T1_orig.nii，再mkdir CT，将CT.ni移动到CT目录下。大脑重建可以改善图像的质量，

2024-07-20 14:54:19 620

原创【Brain Imaging, Crash Course】

This is 73-year-old previously healthy woman With weeks of memory difficulties, 10 days of increasing lethargy, 3 days of urinary incontinence, and now mild left sided weakness and rigidity Head CT was already conveniently done for you by the emergency dep

2024-07-18 12:16:49 1031

原创【Neural signal processing and analysis zero to hero】- 2

why?

2024-07-17 19:29:30 1018

原创【Neural signal processing and analysis zero to hero】- 1

doing visual based artifact rejection so that means that before you start analyzing, you can identify those data epics and simply remove them or make a decision about whether you think that it might be possible to isolate and separate out that artifact.he

2024-07-16 15:56:31 838

原创语音神经科学—08.Dissecting neural computations in the human auditory pathway using deep neural

本文使用一种新的 DNN 模型研究从听觉神经到语音皮层的神经编码，DNN 的分层表示与整个上行听觉系统（ascending auditory）的神经活动相关。并且深层的 DNN 与皮层的高阶活动相关，DNN 的计算与语音中的音素和音节结构 align。总之，作者将 DNN 模型计算和人类听觉神经响应相关联，增强 AI 模型的可解释性。，也可以直接去 b 站搜上科大刘泉影的课程进行学习～Q: 什么是上行听觉通路（ascending auditory pathway）？

2024-03-29 11:39:13 732

原创语音神经科学—07.The DIVA model: A neural theory of speech acquisition and production

本文主要概述了最新的 DIVA 模型，该模型在添加了一个位于腹侧前运动皮层（ventral premotor cortex,）的右侧反馈控制映射（right-lateralized feedback control map），作者将会根据现大量的实验证据来讲述 DIVA 模型的各个组件以及他们之间的相互关系。关于该模型在研究和治疗沟通障碍（communication disorders）的应用也会被讲到，最后会对模型的学习过程进行概述。DIVA 是一个自适应神经网络，

2024-03-25 16:47:52 979

原创语音神经科学—06.Understanding rostral–caudal auditory cortex contributions to auditory perception

环境声音识别、声音产生的感觉运动引导和声音的空间处理涉及的神经系统之间的功能和解剖上的区别（functional and anatomical distinction）。而最近的研究则指出前部和后部听觉皮层存在计算上的差异，这可能解释了听觉处理中的功能差异。这些功能差异可能源自于前部和后部听觉皮层神经元（rostral and caudal auditory cortex）的响应时间和时间特性的差异，因此灵长类动物听觉途径的计算模型应该关注这些。

2024-03-24 18:37:56 872

原创分析方法—temporal receptive field（TRF）

总结来说，时间感受野其实就是一个 filter！课程中的描述—.(使用时间感受野与刺激进行卷积来描述)时间感受野一般是听觉计算中使用的，在视觉中，有另一种分析叫做空间感受野（spatial receptive fields）。回归权重（Regression weights）是指在回归分析中用于估计自变量与因变量之间关系的权重或系数。回归分析是一种统计方法，用于建立自变量与因变量之间的关联模型，并通过拟合数据来估计模型中的参数。在简单线性回归中，只有一个自变量与一个因变量之间的关系被建模。

2024-03-20 20:50:45 834

原创语音神经科学—05. Human cortical encoding of pitch in tonal and non-tonal languages

本文主要研究音调语言在不同母语的人群的大脑皮层中是如何被编码的，为了确定是否在语音感知上存在语言特异性，作者让母语为普通话和母语为英语的人都被动的听普通话和语言语音，并记录他们大脑皮层的活动。在普通话说话者中，观察到对普通话音调类别的敏感性增强。这表明他们的大脑对普通话语音的音调特征更为敏感。研究结果表明，语音感知依赖于一个共享的皮层听觉特征处理机制。然而，这个共享的特征处理机制可能会根据特定语言的统计特性而进行调整。

2024-03-20 16:03:32 896

原创语音神经科学—04.Speech Computations of the Human Superior Temporal Gyrus

本文献描述了颞上沟中语音声音表示依赖于基本的非线性和动态过程，例如分类（categorization）、归一化（normalization）上下文恢复（contextual restoration）和时间结构的提取。在颞上沟中，大量神经元的集体活动形成了特定的模式，这些模式代表了语音中的抽象音素（phoneme）和音节（syllable）单位。这些高阶的表示形式支持我们感知和理解语音。本综述介绍了颞上沟中音韵处理的多尺度、循环模型，强调了听觉系统和语言系统之间的关键接口。

2024-03-15 17:07:26 1044

原创 BCI-自我Q&A 记录

通过对声音信号在时域上进行分析，我们可以观察到声音能量的快速增加，即声音信号在短时间内的振幅明显增大。谱分析是对声音信号进行频谱特征分析的过程。这种事件驱动的感知方式使我们能够快速、准确地捕捉到语音中的重要信息，并理解和解释语音的特征和结构。它们能够提供关于声音信号的时间动态特征和频谱特征的信息，帮助系统识别和生成语音，并提高语音识别和语音合成的性能和质量。总的来说，谱分析的结果提供了关于声音信号在频域上的能量分布和频率特征的信息。A: 谱分析的结果可以提供有关声音信号在频域上的能量分布和频率特征的信息。

2024-03-13 20:55:53 894

原创【BI&AI】Lecture 14 - Sleep and Dreaming

pons 延髓parietal cortex 顶叶皮层limbic system 边缘系统temporal cortex 颞叶皮层dorsolateral prefrontal cortex 背外侧前额叶皮层pineal gland 松果体Suprachiasmatic Nucleus 视交叉上核。

2024-02-10 15:51:23 958

原创【BI&AI】Lecture 13 - Language processing

Aphasia 失语症fMRI 功能性磁共振成像auditory cortex 听觉皮层motor cortex 运动皮层primary visual cortex 初级视觉皮层permotor cortex 前运动皮层。

2024-02-05 19:36:30 871

原创【BI&AI】Lecture 12 - Emotion in Brain & AI

Limbic system 边缘系统Amygdala 杏仁核temporal lobe 颞叶hippocampus 海马体Central Nucleus 中央核medial amygdala 内侧杏仁核ventral periaqueductal gray 腹侧中脑导水管周围灰质。

2024-02-05 16:11:50 912

原创【BI&AI】Lecture10 - Motor System2

descending spinal tracts 下行脊髓束corticospinal tract 锥体束reticulospinal tract 脊髓脑干束vestibulospinal tract 脊髓脑干侧脊束precentral gyrus 前中央回population coding 群体编码basal ganglia 基底节thalamus 丘脑Posterior parietal cortex 后顶叶皮层Prefrontal cortex 前额叶皮层。

2024-02-03 14:08:17 976

原创【BI&AI】Lecture 9-Motor system 1

skeletal muscle 骨骼肌smooth muscle 平滑肌cardiac muscle 心肌flexor reflex 屈曲反射central pattern generators 中央模式生成器bio-inspired bipedal robots 仿生双足机器人myotatic stretch reflex 肌肉自伸展反射Cortex optic nerve 视皮层视神经Vestibular nerve 前庭神经。

2024-02-02 23:53:40 1851 1

原创【脑电信号处理与特征提取】P8-涂毅恒：运用机器学习技术和脑电进行大脑解码

比如2019年在Nature上一篇文章，来自UCSF的Chang院士的课题组，利用大脑活动解码语言，帮助一些患者恢复语言功能。

2024-02-01 17:07:58 1220

原创【脑电信号处理与特征提取】P7-贾会宾：基于EEG/MEG信号的大尺度脑功能网络分析

基于EEG/MEG信号的大尺度脑功能网络分析的优势（1）借助源定位技术可同时获得较高的时间（ms级）和空间分辨率（mm级）（2）可提供丰富的频率信息（3）便宜性：成本、数据长度的要求等基于EEG/MEG信号的大尺度脑功能网络分析技术（1）基于地形图聚类的微状态（Microstate）分析（2）隐马科夫模型（3）独立成分分析下图上方波形是采集到的一段脑电信号。

2024-01-31 22:52:23 1396

原创【脑电信号处理与特征提取】P6-张治国：频谱分析和时频分析

下面是一个模拟信号的时域波形和频域变换的例子：下面是一个真实脑电信号的时域波形和频域变换：比如下面的红色波形，可以看做六个蓝色波形的组合。这六个蓝色波形都有自己的频率和幅值，从侧面看，便可以得到信号在频率域上的变化。因此，时间序列信号就可以表示为一系列余弦函数的总和。周期法有一个缺点是方差过大，使用Welch法可以解决这个问题，步骤如下：那上面进行Welch频谱估计等睡眠脑电举例进行特征提取，可以将得到的频谱图划分为多个频段，再将每一段频谱计算一个平均值。频谱分析的假设：脑电信号的频谱

2024-01-31 17:09:15 2661

原创【脑电信号处理与特征提取】P5-彭薇薇：脑电信号的预处理及数据分析要点

脑电是神经活动的测量方法，在不同位置测量有不同的方法。比如大脑皮层表面测量的是ECoG，在头皮测量的是EEG。除了EEG是无损的，其他都是有损的。

2024-01-30 20:50:24 2078

原创【脑电信号处理与特征提取】P2-夏晓磊：脑电的神经起源与测量

ElectroEncephaloGraphyTherefore, EEG produces a graphed representation of the electrical activity occurring in a person’s brain.（把一个人的大脑中的电活动画出来）脑电头皮表面记录到的大脑活动产生的电信号（微伏）。（记录位置：硬脑膜/大脑皮层表面- ECoG，神经元群- LFP与MUR/MUA：活动位置：心电、眼电、肌电等）脑电图电压随时间变化的波形图。

2024-01-24 15:51:24 1255

原创【BI&AI】Lecture 8 - EEG data analysis hands on

ICA: 用于。它可以将观测到的多个信号分解为相互独立的成分，这些成分在原始信号中可能是混合在一起的。假设采集EEG信号的帽子上有n个电极，则有n个观测信号，用x1x2xn表示。采集到的信号可能包含除了脑电信号之外的其他信号，假设共有m个独立成分的混合，用s1s2sm表示。xAs。

2024-01-23 23:31:57 773

原创【BI&AI】Lecture 6 - Somatosensory systems

somatosensory system 体感系统Thermoreceptors 温度感受器Photoreceptors 光感受器Chemoreceptoprs 化学感受器hairy skin 毛发皮肤glabrous skin 光滑皮肤sensory receptors 感觉受体dermal 真皮的epidermal 表皮的axon 轴突microelectrode 微电极action potential 动作电位。

2024-01-23 23:08:20 1001

原创【BI&AI】Lecture 7 - EEG data analysis

EEG 脑电图excitatory postsynaptic potential(EPSP)兴奋性突触后电位inhibitory postsynaptic potential(IPSP) 抑制性突触后电位action potential 动作电位dipoles 偶极子Pyramidal neurons 椎体细胞Axon 轴突Dendrite 树突Synapse 突触Cell body 或 Soma 细胞体。

2024-01-10 21:09:04 1108

原创【BI&AI】Lecture 5 - Auditory system

auditory system 听觉系统pinna 耳廓auditory canal 耳道tympanic membrane 鼓膜cochlea 耳蜗ossicles 听骨auditory-vestibular nerve 前庭神经oval window 椭圆窗attenuation reflex 衰减反射tensor tympani muscle 鼓膜张肌stapedius muscle 镫骨肌perilymph 外淋巴液endolymph 内淋巴液。

2024-01-08 23:10:29 1236 1

原创【BI&AI】lecture 3 - GD & BP & CNN & Hands-on

gradient descent (GD) 梯度下降back propagation (BP) 向传播Convolutional Neural Network (CNN) 卷积神经网络forward propagation 前向传播biologically symmetry 生物对称性synaptic 突触axon 轴突。

2024-01-06 20:28:41 1042

原创【BI&AI】Lecture2-Visual system

central nervous system(CNS) 中枢神经系统pupil 瞳孔iris 虹膜cornea 角膜retina 视网膜fovea 中央凹或黄斑区kens 晶状体optic nerve 视神经Bipolar cells 双极细胞Ganglion cells 神经节细胞rods 杆状细胞cones 锥状细胞Synaptic terminal 突出末梢Depolarization 去极化action potential 动作电位。

2024-01-03 20:49:47 938

原创语音神经科学—03.A high-performance speech neuroprosthesis

本文提出了一个高效的语音到文本的脑机接口，针对无法清晰说话的病人，记录来自皮质内微阵电极的峰值活动并转录成想要表达的文本。并且作者从实验中强调了对语音BCI有利的两个方面：混合编码到语音发音器官的空间分布，（1）使得仅从大脑皮层的一个小区域就能进行准确解码，（2）并在瘫痪多年后仍保持对音位的详细发音表征。Q:混合编码到语音发音器官的空间分布表示什么？A: 指在大脑皮层的特定区域，神经元对语音发音器官（如舌头、嘴唇等）的活动表现出混合编码。这意味着一个小区域的神经元可以对多个语音发音器官的活动产生响应。

2023-12-15 16:48:46 1075

空空如也

空空如也