98858威尼斯

Close

“2020生物信息感知与人机交互论坛”在98858威尼斯举办


发表日期:2020-11-19 供稿:欧阳蕊

1114日,由计算智能与信号处理教育部重点实验室和多模态认知计算安徽省重点实验室主办,98858威尼斯和生物信息感知与人机交互研究所承办,安徽智趣小天使科技股份有限公司协办的“2020生物信息感知与人机交互论坛”在98858威尼斯成功举办。来自清华大学、电子科技大学、中国科学技术大学、西南大学、澳门大学、杭州电子科技大学的多位专家应邀作线上主题报告。会议由吴小培教授和吕钊教授主持,院党委书记龚成开出席论坛开幕式并致欢迎辞。通过腾讯会议、线上直播等多种形式向大家呈现了一场关于生物信息感知与人机交互研究的学术盛宴,参会人数达到100余人次。

}I`)JQ%41J[F_]%F5RV8LCW

(98858威尼斯党委书记龚成开出席开幕式并致欢迎辞)

本次线上论坛汇聚了从事同步脑电-磁共振、情感脑-机接口、行为感知与人-机交互、脑纹识别、脑认知、情感计算、运动想象脑-机接口及视觉脑-机接口等方向的科研人员,广泛开展学术交流,研究发展战略,共同促进相关理论、技术及应用的进一步发展。论坛还专设了线上互动讨论环节,各位报告专家就参会人员线上提出的问题进行了集中详细解答。会后,与会人员纷纷表示,听了本次论坛报告会受益匪浅,不仅开阔了视野和思路,还丰富了知识储备,对今后相关的科研工作具有重要的指导意义。



精彩报告集锦:

报告一

电子科技大学的尧德中教授为大家作题为《同步脑电-磁共振信息融合方法及应用》的报告,尧教授先介绍了同步脑电-磁共振技术的背景,包括脑电和功能磁共振技术的典型特点。接着尧教授又向大家详细介绍了脑电-磁共振同步采集方法,功能信息融合方法,并给出了融合结果的解释与实例。最后,尧教授还和大家分享了几个未来的发展方向。

 

报告二

清华大学的刘永进教授在《基于脑机接口的情绪识别与交互研究进展》的报告中,先从脑电信息处理、情绪识别和自然人机交互三个角度综合研究基于非植入式脑机接口的情绪识别与交互技术。接着,刘教授又分别通过三个层面进行详细阐释,在基础理论层面,建立适用中国人群、具有高生态效度的标准化情绪视频材料库和基于视频诱发情绪的生理数据库,研究情绪对自然人机交互的影响;在关键技术层面,挖掘脑电信号特征模式,提出具有高识别率的情绪特征分类和机器学习方法;在应用验证层面,探索面向情绪调节与干预的人机交互典型应用。

 

报告三

中国科学技术大学的陈香副教授在《智能交互中的肌电模式识别研究进展》的报中详细介绍了中科大神经肌肉控制实验室近期在解决肌电模式识别面临的训练负担重、鲁棒性差等问题方面进行的一系列探索,主要包括:(1)为克服人机交互应用中无法避免的电极偏移问题,提出了一种基于肌肉激活区域的自适应电极校准算法,并通过肌电模式识别实验验证了其有效性;(2)探索了借助深度学习和迁移学习方法减轻用户训练负担、提高肌电模式识别算法鲁棒性的可行性。陈教授团队提出了一种基于表面肌电数据驱动方法及迁移学习的手势识别方案,此方案对新手势、新用户具有很强的适应性,对数据采集方案要求宽松,在减轻用户训练负:吞岣呦低陈嘲粜苑矫婢哂邢灾挠旁叫。

 

报告四

杭州电子科技大学的孔万增教授在《任务无关的脑纹识别研究》报告中,主要从三个方面阐述了任务无关的脑电身份识别研究:(1)脑电信号的相位同步构建脑网络进行个体表征与识别;(2)利用矩阵低秩稀疏分解思想,把脑电信号分解成低秩的固有背景信号和稀疏的任务意识信号两个部分,通过脑电的固有背景信号进行身份识别;(3)针对脑纹识别中存在的个体量大、个体样本少的现实问题,提出了卷积张量神经网络进行脑电身份识别,该网络能充分各自发挥深度卷积网络的深层次特征提取能力和张量网络的小规模参数实现局部特征的交互整合能力,满足脑纹识别的现实应用需求。同时孔教授还对脑纹识别应用的普适性以及脑电采集设备的去中心化等研究问题进行了展望。

 

报告五

澳门大学的伍海燕助理教授作题为《基于脑信号的情绪解码和共情机制探讨》的报告,伍老师先介绍了基于脑信号的情绪解码的研究背景及面部动作编码系统,接着介绍了基于多模态信号的情绪解码的总体思路、实验设计以及模拟驾驶中的情绪监测系统。最后,伍老师还通过举实例详细介绍了共情与反共情的脑研究,还针对“AI是否共情?”问题提出了自己的看法与理解。

 

报告六

西南大学的雷旭教授作题为《睡眠的同步EEG-fMRI研究》的报告,同步脑电-功能磁共振(EEG-fMRI)利用了EEGfMRI在时空分辨率上的互补优势,为睡眠研究提供了电生理和血氧代谢两方面的无创信息。这使得睡眠的神经成像研究可以借助电生理方法进行睡眠分期和特殊脑电事件的分析,并能进一步结合实验设计进行单个试次的全脑观测,为探讨不同意识状态下神经活动的动态过程提供了条件。雷教授基于西南大学睡眠团队最近的工作,从睡眠过程信息处理、记忆重激活以及失眠的自发脑活动这三方面,介绍了目前该领域的最新进展。雷教授还通过结合硬件构成、被试安全和数据质量等问题总结同步EEG-fMRI应用于睡眠的优缺点。同步EEG-fMRI技术在睡眠研究中的应用对于阐明意识状态转换的神经机制具有深刻意义,并有可能为临床睡眠障碍的诊断和治疗提供全新的思路。

 

报告七

清华大学的张丹副教授作题为《基于脑电情绪响应的人格评测方法》的报告,近年来,随着生物信号传感技术的进步和机器学习算法的发展,大量研究开始关注自动化人格测量方法。基于人格认知神经科学的发展以及神经信号的客观优势,利用神经信号进行自动化人格测评的研究方向得到越来越多的关注。张教授在报告中介绍了基于情绪脑电响应个体差异的大五人格评测方法。研究从个体的情绪脑电响应角度出发,运用脑机接口与机器学习方法提取个体情绪脑电响应特征,设计并实现了可预测个体大五人格特质的自动化脑电测量方法。在基于情绪视频和情绪词汇的两项研究中,脑电模型所得人格得分与自评人格得分的相关性在五个人格维度上达到0.49-0.86之间,具有良好的预测性能,有望在基于主观自我报告的量表测量方法结果有效性和可靠性存在局限的应用场景发挥作用,如人力资源的人职优化匹配、心理疾 病诊断及早期预警等,成为心理测量领域的新型工具。

 

报告八

中国科学技术大学的张旭副教授在《表面肌电信息解码与应用》报告中,通过肌电信号形成的基础知识介绍神经生理信息传导与运动控制的基本原理,分别从肌群协同激活的宏观层面、“神经-肌肉-骨骼”力学模型的介观层面,以及运动神经元与神经肌肉运动单位活动的微观层面对现有的表面肌电信息解码技术进行了综述。张教授还以上述微观层面的技术为重点,利用柔性电极阵列采集的高密度表面肌电信号,探索运动单位活动特性,精确解读神经驱动信息,并分别从运动健康和运动意图解码两个角度介绍了相关研究的进展和巨大应用潜力。最后,张教授展望了未来研究方向。

 

报告九

中国科学技术大学的刘爱萍副研究员作题为《基于fMRI的大脑功能区域划分及区域活动表征》的报告,大脑功能区域的精确划分和脑区活动的准确表征是我们认识和理解大脑的重要途径,亦是大脑功能分化和整合研究的重要基。芄唤徊轿圆肯喙丶膊〉难芯刻峁┲С趾桶镏。然而由于我们对大脑活动认识的有限以及医学图像信号本身的复杂性,在这个领域仍然有许多值得探索和解决的问题。刘研究员介绍了基于功能连接特性的大脑精细功能区域划分以及区域活动表征的研究,探讨大脑区域活动表征的相关问题和可能方法,并进一步介绍其在帕金森病研究中的应用。

 

报告十

杭州电子科技大学的彭勇副教授作题为《Automatic Emotional EEG Critical Frequency Bands and Channels Identification by Adaptive Feature Importance Learning》的报告,彭教授提出了一种基于自适应特征权重重要性学习技术的情绪脑电临界频带和通道自动识别的计算模型,先简要介绍所提GFIL模型的动机,接着讲述了模型的建立与优化。彭教授还详细介绍了模型的实验验证的过程,主要包括使用所提模型进行情绪识别、临界频带识别、导联选择、特征选择四大部分。最后,彭教授对所研究的内容进行了总结与展望。



98858威尼斯-威尼斯城所有登入网址