Notch 1
PulseAugur coverage of Notch 1 — every cluster mentioning Notch 1 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新型紧凑型深度学习模型增强了 BCI 的 P300 检测
研究人员开发了一种用于 P300 脑机接口 (BCI) 的紧凑型深度学习架构，可增强诱发电位检测。该模型集成了 xDAWN 空间滤波与滤波器组和卷积层，以高效解码时空脑电图 (EEG) 数据。该系统在公开基准测试中表现良好，实现了有利的精度-速度权衡，证明了其在有效 BCI 通信方面的潜力。
-
混合现实脑电图接口在目标选择方面显示出可行性
研究人员开发了一种混合现实（MR）接口，该接口利用脑电图（EEG）在消失刺激环境中实现目标选择。该研究测试了该接口的可行性，并对比了具有可区分物体线索与统一线索的条件。虽然该接口在统计学上显著的准确率下显示出可行性，但在本次初步研究中，线索的格式并未对性能产生可辨别的影响。
-
NOMAD-EEG：小型扩散模型在各种设置下都能出色地进行脑电图分析
研究人员开发了NOMAD-EEG，这是一种新颖的 12.0 M 参数扩散模型，旨在独立于脑电图 (EEG) 的蒙太奇、通道数量和记录长度。该模型通过识别电极的 3D 头皮位置并对没有补丁的时间进行建模来采用独特的方法。尽管与其它基础模型相比规模较小，NOMAD-EEG 在包括运动想象、癫痫发作检测和癫痫诊断在内的各种数据集上表现出色，甚至优于更大的模型。
-
AI研究发现组合BCI组件可能降低性能
一篇新研究论文挑战了P300脑机接口（BCI）拼写器中组合更多组件总是能带来更好性能的普遍假设。研究发现，欧氏对齐（Euclidean Alignment）和语言模型等组件的有效性是条件性的，有时会导致反协同，降低整体性能。校准（Calibration）成为最重要的贡献因素，而在零校准场景下，欧氏对齐被证明是有用的。研究结果表明，流水线设计应更具选择性，应考虑可用脑电图（EEG）证据的质量，而不是仅仅包含所有潜在有益的组件。
-
飞行机器人初创公司Differential Robotics融资数亿元人民币
专注于飞行机器人的初创公司Differential Robotics已完成数亿元人民币的A1轮融资。这笔最新投资使其在运营两年内总融资金额超过5亿元人民币。该公司计划利用这笔资金扩大其P300自主飞行机器人的生产规模，该机器人专为缺乏GPS或网络连接的复杂环境而设计。
-
可解释模糊建模揭示了神经多样化队列在 P300 BCI 中的差异
研究人员开发了一个可解释的模糊时空框架，用于分析 P300 脑机接口 (BCI) 中大脑信号表征的差异。该新模型在肌萎缩侧索硬化症 (ALS)、自闭症 (AUT) 和神经典型 (NT) 个体队列上进行了测试，取得了与现有深度学习方法相当的性能。该框架重建模糊中心的能力揭示了波形形态和表征几何的系统性、队列依赖性变化，突出了除解码性能之外的群体异质性。