稳态运动视觉诱发电位的诱发及在脑机接口中的应用进展

基于稳态运动视觉诱发电位(SSMVEP)的脑机接口(BCI)能够减少使用者的视觉疲劳,但其信号强度和系统性能仍不能代替基于稳态视觉诱发电位(SSVEP)的BCI。本文对提高SSMVEP信噪比的两种思路以及SSMVEP在BCI中的应用进行了综述。首先归纳和总结了影响SSMVEP诱导和性能的3个主要因素,即运动视觉刺激方式、运动视觉刺激参数和SSMVEP的信号处理方法;然后介绍了SSMVEP在医疗、娱乐等领域的应用;最后提出了目前使用SSMVEPBCI的限制以及未来发展方向。

脑电神经反馈训练在提高工作记忆中应用的研究与挑战

脑电(EEG)神经反馈技术是基于脑科学和行为认知科学发展形成的一种非侵入式、改善大脑功能和结构的训练方法。工作记忆是个体在心理认知活动中保持和加工信息的记忆系统,在人类学习、推理和创造力等高级认知活动中发挥着重要作用。将EEG神经反馈技术应用于工作记忆训练中,能有效提升个体工作记忆绩效,调节个体的精神、情感状态及相关脑区的认知功能。本文以EEG神经反馈技术在工作记忆训练中的应用研究与挑战为综述对象,从EEG神经反馈调控工作记忆的神经信息处理工程、EEG神经反馈作用工作记忆的相关激活脑区、基于EEG神经反馈工作记忆训练的系统构成和训练类型、基于EEG神经反馈的工作记忆训练系统的影响因素,以及对目前相关研究存在的问题和未来研究发展趋势等情况进行全面综述。

机器学习在抗乳腺癌候选药物预测模型中的应用

为了提高抗乳腺癌候选药物特征筛选与模型预测的准确性,提出一种新的多种组合特征筛选方法对抗乳腺癌候选药物——雌激素受体α亚型(ERα)的分子描述符进行特征筛选,并根据筛选的分子描述符构建化合物活性预测(QSAR)模型。采用1DCNN算法模型预测化合物活性,该模型的RMSE、MAE、MAPE评价指标值分别为0.40、0.41和0.08,相比传统随机森林和支持向量机算法的预测效果提高了10%。基于多种组合的特征筛选方法和1DCNN模型预测为药物化合物特征筛选与活性预测提供了新思路,后续可用于其他药物化合物的预测。