2024 | No.11 | No.10 | No.9 | No.8 | No.7 | No.6 |
---|---|---|---|---|---|---|
No.5 | No.4 | No.3 | No.2 | No.1 | ||
2023 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2022 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2021 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2020 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2019 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2018 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 |
脑机接口(Brain-Computer Interface,BCI)是人类大脑与外界环境之间的直接信息交流通路,在人体运动功能康复、替代、增强等多方面日益凸显其重要科学意义与应用价值。基于运动意图的脑机接口范式作为最自然的脑机交互方式,受到研究者的广泛关注。对运动预备阶段的脑电特征进行解码能够使BCI响应速度更快、灵活度更高。然而,该阶段的脑电特征信号微弱,难以高效识别。针对上述挑战,围绕运动预备阶段脑电低频时域空间侧向性特征强化开展研究,设计了左右手自主按键运动任务,针对低频运动相关皮质电位特征,结合判别空间模式与任务相关成分分析两种算法,提出了一种新型复合空间模式滤波算法。实验结果显示,该算法平均识别正确率可达78.56%,优于已有文献报道,可为基于运动意图的高效脑机交互提供理论依据与技术支持。
脑机接口(Brain-Computer Interface, BCI)作为一种新兴人机交互技术,已成为当前科技领域的研究热点,其应用领域不断扩展,对5G及未来6G高速通信具有极大需求。针对这一需求,首先,从BCI和5G/6G技术概述出发,分析BCI技术在5G/6G通信环境下的具体需求;其次,探讨BCI与5G/6G高速通信结合后的应用场景;最后,提出一种以5G/6G为通信核心的BCI端到端架构,构建BCI模块化体系,以期为BCI领域的技术迭代和产业应用落地提供新方案。
脑机接口(Brain-Computer Interface,BCI)传感器作为脑电信号采集与调控的前端器件,是BCI技术的核心基础部件之一。其中,皮层微创BCI传感器贴附在硬脑膜上或硬脑膜下,未进入脑组织,植入安全性高。此类传感器通常用来采集来自大脑皮质区域(如运动区、视觉区、语言区)的信号,这为许多其他脑功能和一般BCI应用(如皮质康复)开辟了可能性,已成为近年来科研与临床应用的焦点。因此,聚焦皮层微创BCI传感器在商业及科研领域的发展现状,并对未来技术及应用趋势进行分析和展望,能为BCI学术和产业界提供参考和借鉴。
现有研究提出的脑电信号的数据压缩算法虽然已经可以做到不错的压缩率,但是缺少对任务态数据的关注,同时在实时性上也难以满足脑机接口(Brain-Computer Interface,BCI)应用的要求,且会大幅度降低BCI系统的性能。基于子空间方法,在已知BCI系统任务态信息时,在压缩过程中尽可能保留任务相关脑电信号,可以在不影响BCI系统性能的同时大幅度减少需要传输的数据量。通过使用有限冲击响应滤波器组逼近任务相关成分的信号子空间,可以将脑电信号分割成压缩率允许的最小块,实时处理小块脑电信号。在与原数据在部分分类算法性能上无显著性差异的前提下,可提出一种仅传输8%数据量的算法,该算法不仅可以在传输较少数据量的同时较小地影响BCI系统的性能,且可做到实时压缩,具有重要的应用价值。
脑电采集芯片或脑电采集器等脑机接口基础硬件正在逐渐落地,需要使用模拟信号发生器对其性能进行测试验证。针对传统信号发生器系统复杂、体积庞大、精度低等问题,提出了高精度微伏级脑电信号模拟发生系统。经试验验证,该系统可以生成微伏级的正弦波、方波、三角波和模拟脑电,电压生成误差在±1 μV以内,满足脑电采集芯片或脑电采集器的性能检测需求,为脑机接口技术的研究提供了参考。
随着人口老龄化和慢性病患者增加,康复医疗领域面临着巨大挑战和机遇。非侵入式脑机接口技术作为一种创新的诊疗手段,为脑卒中等中枢神经受损导致运动失能的患病人群带来了新的希望。与传统康复训练相比,单一模态脑机接口技术具有激活感觉运动皮质、从大脑层面协助病人康复的优势,但单一模态各范式具有各自的局限性。混合模态是近年的研究热点,以两种范式相结合的方式来提升整体系统的可靠性和准确性。基于此,提出了一种新的运动-视觉混合模态脑机接口技术,该系统在在线实验中的平均分类准确率为86.67%,能够同时诱发运动皮层和视觉皮层的响应,有望成为主动康复、神经重塑的新范式。
脑机接口(Brain-Computer Interface,BCI)是人工智能与脑科学交叉融合的前沿方向,其发展正处于由科研走向市场的拐点,已成为各国各地抢占未来产业“新赛道”的战略必争之地。基于浙江省脑机融合技术研究和转化方面的先行优势,对BCI发展前沿成果、浙江省BCI发展基础及短板开展研究,分析重点领域发展趋势,提出了抢抓机遇加快布局,围绕神经环路解析、BCI芯片、脑机智能融合、脑机医疗应用等领域,加强政策支持,打造重大平台,培育领军企业,加快场景应用,推动多跨协同,变“0到1”的优势为“1到100”的胜势,将BCI产业培育为我国未来产业优势赛道的发展建议。
随着信息时代的推进,脑机接口(Brain-Computer Interface,BCI)技术迅猛发展,在医疗、辅助通信等领域的应用前景备受关注。首先,对BCI技术的发展历程和现状进行了概述,分析了该技术的形态变迁和未来发展,探讨了该技术所带来的伦理问题。其次,分析了人工智能伦理、生物医学伦理以及跨界伦理对BCI技术的伦理挑战,并论证了这些挑战对社会政策与治理的影响。最后,提出了针对BCI技术伦理挑战的理性规制路径,旨在通过立法、技术治理与伦理教育等多维度策略,为BCI技术的健康发展提供法律与道德指导。综合分析表明,面对BCI技术的伦理难题,全方位、多层次的理性规制模式是有效应对之策。
脑机接口(Brain-Computer Interface,BCI)是脑科学、信息通信技术与人工智能的交叉领域,可实现大脑与外部设备的直接信息交互。经过数十年的理论研究与工程验证,BCI正逐渐由科学研究走向产业应用。随着创新链与产业链热度的上升,BCI得到了各方交叉领域的广泛关注,但BCI技术在范式编码、算法解码等方面的概念与人工智能、信息通信领域存在一定的差异,因而对多领域的交流合作造成了一定的限制。为进一步促进BCI的跨界交流合作,推动该领域技术链与创新链的协同发展,对BCI的范式、算法及编解码基础概念与原理开展了探讨,进而基于对范式算法的研究思考,设计了一种基于左右视野刺激的稳态视觉诱发电位BCI。
近年来,作为数据安全流通的关键技术路径之一,隐私计算技术迅速发展,在金融、政务、医疗等场景广泛应用。然而,随着当前隐私计算技术产品的发展,不同系统架构或功能的隐私计算平台之间的跨平台互联互通问题逐渐受到关注,对隐私计算技术的规模落地应用提出了新的挑战。围绕这一关键问题,从概念内涵、实现路径、实践案例、标准规范等方面深入分析隐私计算互联互通的行业发展情况,并对其未来发展方向进行了深入探讨。
由于目前“一带一路”共建国家数字经济发展水平普遍偏低,严重制约了中国与之在数字经济领域的有效合作和共同发展,因此聚焦“一带一路”共建国家数字经济供给能力问题,通过构建数字经济供给能力量化评价指标体系,对“一带一路”共建主要国家现阶段数字经济供给能力进行测算评估和比较分析,并基于评估、分析结果就下一步中国与“一带一路”共建国家数字经济领域的合作与发展提出对策建议。
当前,生产智能化已成趋势,因而生产要素的全连接成为必由路径。为实现生产要素连接,需打破“信息孤岛”实现不同厂商互联互通,并在工业现场实现智能决策和控制。为此,中国电信提出时间确定网络及智能控制融合系统架构,以工业无源光网络时间确定网络开放融合自动化控制系统与人工智能系统,实现了网络、数据、控制、业务和人工智能5个方面的闭环管理。
智慧警务是公安警务模式升级的核心手段,推进打防犯罪、风险防控和社会治理从事后被动处置响应向事前主动预知预警转变,是公安警务信息化的高级发展阶段。以“感知—云网—数基—应用—安全—运营”为脉络,提出了一套全景化、体系化的智慧警务体系方案,助推公安警务信息化建设。