脑机接口（Brain-Computer Interface, BCI）作为一种新增强通信与控制技术近年来逐渐崭露头角。基于电生理特征（如脑电图，EEG）的BCI中，运动想象（Motor Imagery, MI）是一个重要分支，通过解码用户的运动意图用于临床康复、智能轮椅控制、及光标控制等领域。然而，由于EEG信号的复杂性，如低信噪比（Signal-to-Noise Ratio, SNR）、非平稳性、低空间分辨率和高时间分辨率等特点，准确解码运动意图仍具有挑战性。现有的MI基BCI解码主要使用传统机器学习和深度学习方法。传统机器学习通常分为特征提取和特征分类两个独立步骤，方法包括快速傅里叶变换（Fast Fourier Transform, FFT）、通用空间模式（Common Spatial...

机能脑网络在视觉运动任务中的重组变化 研究背景 运动执行是一个复杂的认知功能，依赖于空间上接近和远离的脑区的协调激活。视觉运动整合任务需要处理和解释视觉输入以规划运动执行，并调整人类运动以与环境互动。基于功能性磁共振成像（fMRI）的研究表明，前额叶和顶叶区域在视觉运动整合过程中起着重要作用。此外，sensorimotor皮层也涉及其中。然而，现有研究主要使用fMRI技术探索这些过程，对于脑电图（EEG）信号的研究相对较少。 在诸多研究中，通过功能连接性分析明确了不同脑区之间的统计依赖关系，并研究它们在不同条件下如何相互作用和交流。有研究通过脑磁图（MEG）和颅内EEG探讨了大脑在gamma波段的连接性，发现大脑在视觉运动过程中的动态参与。此外，基于脑电图的研究确认了前顶叶区域在视觉运动过程...

GCTNet：基于EEG信号检测重度抑郁症的图卷积Transformer网络 研究背景 重度抑郁症（Major Depressive Disorder, MDD）是一种普遍的精神疾病，其特征是显著且持续的低落情绪，全球约有超过3.5亿人受到影响。MDD是导致自杀的主要原因之一，每年约有80万人因此丧生。当前MDD的诊断主要依赖于患者的自我报告和临床医生的专业判断。然而，诊断过程的主观性可能会导致不同医生之间的一致性较低，从而可能产生不准确的诊断。研究发现，被诊断为MDD的一般医生的正确率仅为47.3%。因此，探索客观可靠的生理指标，并采用有效的方法及时识别MDD，对于促进早期诊断和干预至关重要。 论文来源 本论文由Beijing Advanced Innovation Center for ...

对《Contralateral Delay Activity and Alpha Lateralization Reflect Retinotopic and Screen-Centered Reference Frames in Visual Memory》的学术报道 引言 视觉系统以侧化的方式组织，左侧和右侧视野由对侧大脑皮层处理。这种组织方式不只适用于感知，还影响认知过程，尤其是对视觉信息的短期记忆。视觉短期记忆（VSTM）中，注意力集中于侧位位置主要调节对侧视觉皮层的活动。近年来，研究表明，视觉短期记忆的对象在对侧半球存储，多个研究显示存储量的神经指标主要在对侧半球。然而，人类频繁的眼动造成记忆对象位置的变动，尤其在眼动后，记忆是根据初始视网膜位还是根据更新的屏幕位置进行的，尚未明确...