“EEG” için sonuçlar
33 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Başkaları için harcanan çaba beynimizde farklı değerlendiriliyor
Yeni bir nörobilim araştırması, insanların kendileri için gösterdikleri çaba ile başkaları için harcadıkları çabanın beyinde nasıl farklı şekilde değerlendirildiğini ortaya koydu. EEG teknolojisi kullanılarak yapılan çalışmada, kendi yararımıza harcadığımız çaba sonrasında aldığımız ödüller daha değerli görülürken, başkaları için gösterdiğimiz çaba sonrasında elde edilen ödüller daha az değerli algılanıyor. Bu bulgular, sosyal davranışlarımızın altında yatan nöral mekanizmaları anlamada önemli ipuçları sunuyor.
Beyin Dalgalarının Gizli Durumları Yapay Zeka ile Çözülüyor
Bilim insanları, beynin elektriksel aktivitesini anlamamızı sağlayacak yeni bir yapay zeka modeli geliştirdi. EEG mikro-durumu analizi, sürekli beyin aktivitesini kısa süreli kararlı yapılar halinde bölerek farklı beyin fonksiyonlarını ortaya çıkarır. Geleneksel yöntemler katı sınıflandırma kullanırken, yeni Conv-VaDE modeli hem görüntü yeniden oluşturma hem de olasılıksal kümeleme öğrenir. Bu yaklaşım, beyin durumlarının kafa derisi haritalarına dönüştürülmesine olanak tanıyarak şeffaflığı artırır. Model, 3-20 arası küme sayısı ve farklı parametrelerle test edilerek en optimal yapı aranıyor.
Beyin aktivitesi AI modellerini değerlendiren dev benchmark sistemi geliştirildi
Araştırmacılar, beyin kayıtlarını işleyen yapay zeka modellerini sistematik olarak değerlendirmek için NeuralBench adlı birleştirici bir framework geliştirdiler. İlk sürümü olan NeuralBench-EEG v1.0, 36 elektroensefalografi (EEG) görevi, 14 derin öğrenme mimarisi ve 94 veri setini kapsıyor. Bu kapsamlı değerlendirme platformu, nörobilim ve yapay zeka alanlarında önemli bulgular ortaya koyuyor. Özellikle mevcut temel modellerin göreve özel modellerden yalnızca marjinal olarak daha iyi performans gösterdiği ve birçok görevde (bilişsel kod çözme, klinik tahmin gibi) hala iyileştirme ihtiyacı olduğu tespit edildi. Bu standardize edilmiş değerlendirme sistemi, beyin-bilgisayar arayüzü teknolojilerinin geliştirilmesinde önemli bir adım teşkil ediyor.
Beyin-Bilgisayar Arayüzleri İçin Yeni Test Platformu: Neuroprobe
Araştırmacılar, beyin-bilgisayar arayüzlerinin geliştirilmesi için kritik öneme sahip yeni bir değerlendirme platformu geliştirdi. Neuroprobe adlı bu sistem, doğrudan beyin dokusuna yerleştirilen elektrotlarla kayıt alınan intrakraniyal EEG verilerini analiz etmek için tasarlandı. Platform, 10 katılımcıdan elde edilen 40 saatlik beyin kaydını içeren BrainTreebank veri seti üzerine kurulu. Katılımcılar doğal film izleme görevleri yaparken beyin aktiviteleri kaydedildi. Bu yenilikçi yaklaşım, hem nörolojik tedavilerin geliştirilmesine hem de beynin dil işleme mekanizmalarının anlaşılmasına katkı sağlayacak. Geleneksel saçlı deri EEG'ye kıyasla çok daha yüksek çözünürlük sunan bu teknoloji, sinyal bozulmasını minimize ederek beyin aktivitesini doğrudan ölçebiliyor.
EEG sinyalleri beyin durumlarını ayırt edebiliyor: DEHB ve bilinç seviyesi tespiti
Araştırmacılar, beyin dalgalarındaki düzensizlik örüntülerini analiz ederek farklı beyin durumlarını ayırt edebilecek yeni bir yöntem geliştirdi. Electroencephalografi (EEG) sinyallerinin faz dinamiklerini permütasyon entropisi ile analiz eden bu yaklaşım, bilinçli-bilinçsiz durumlar arasında ve dikkat eksikliği hiperaktivite bozukluğu (DEHB) olan bireyler ile sağlıklı kontroller arasında belirgin farklar tespit etti. Çalışmada genel anestezi protokolü altındaki hastalar ile dinlenme durumundaki sağlıklı ve DEHB'li bireylerden alınan EEG kayıtları karşılaştırıldı. Sonuçlar, beynin ön-arka bilgi akışını yansıtan ana dinamiklerin, bilinçli durumlar ve dikkat eksikliği durumlarında daha düşük ortalama değerler ve daha yüksek standart sapmalar gösterdiğini ortaya koydu.
NeuralSet: Beyin ve Yapay Zeka Araştırmalarını Birleştiren Python Platformu
Nörobilim ve yapay zeka arasındaki köprüyü güçlendiren yeni bir yazılım çerçevesi geliştirildi. NeuralSet adlı bu Python platformu, fMRI, EEG ve nöron kayıtları gibi farklı beyin görüntüleme tekniklerinden elde edilen verileri tek bir arayüzde birleştiriyor. Araştırmacılar artık metin, ses ve video gibi karmaşık deneysel uyaranları da aynı sistemde işleyebilecek. Platform, büyük veri setleriyle çalışmayı kolaylaştırırken, derin öğrenme modellerini nörobilim araştırmalarına entegre etmeyi sağlıyor. Bu gelişme, beynin bilgi işleme süreçlerini anlamada yapay zekadan yararlanmak isteyen bilim insanları için önemli bir adım.
Beyin Dalgaları Duyusal Filtre Görevi Görmüyor mu?
Bilim insanları uzun yıllardır beynimizin alfa dalgalarının (~10 Hz) gereksiz duyusal bilgileri engelleyerek dikkat mekanizmasına yardım ettiğini düşünüyordu. Ancak eLife Sciences'da yayınlanan yeni bir çalışma, bu yaygın görüşü sorgulayan sonuçlar ortaya koyuyor. EEG ve MEG teknolojilerini kullanan araştırmacılar, alfa dalgalarının erken duyusal işlemleri engelleme rolünü incelediler. Çalışmada katılımcılara görsel ipuçları verilerek görsel veya işitsel ayrım gerektiren görevler sunuldu. Beklenmedik şekilde, alfa aktivitesinin klasik inhibisyon teorisiyle tam olarak örtüşmediği gözlemlendi. Bu bulgular, dikkat mekanizmalarının çalışma şeklini yeniden düşünmemizi gerektirebilir.
Beyin sinyallerini daha iyi anlamak için yeni yapay zeka yaklaşımı: Laya
Araştırmacılar, beyin dalgalarını analiz eden EEG verilerini işlemek için yenilikçi bir yapay zeka modeli geliştirdi. Geleneksel yöntemler beyin sinyallerini yeniden yapılandırmaya odaklanırken, yeni Laya modeli tahmin tabanlı öğrenme kullanıyor. Bu yaklaşım, beyin-bilgisayar arayüzlerinden klinik tanıya kadar birçok alanda kullanılan EEG teknolojisinin etkinliğini artırabilir. Mevcut büyük EEG modellerinin sınırlı başarısının nedeninin, sinyal yeniden yapılandırma odaklı öğrenme olduğunu savunan araştırmacılar, gürültülü verilere odaklanmak yerine beynin gerçek yapısal özelliklerini öğrenmeyi hedefliyor.
EEG ve EMG: Sinir Rejenerasyonunu İzleyen Yeni Nesil Biyobelirteçler
Sinir sistemi hasarları sonrası iyileşme sürecini takip etmek, özellikle merkezi sinir sistemi için büyük bir zorluk. Araştırmacılar, EEG ve EMG teknolojilerinin sinir rejenerasyonunu gerçek zamanlı ve invaziv olmayan şekilde izleyebilen biyobelirteçler olarak kullanılabileceğini öne sürüyor. Çalışma, merkezi ve periferik sinir sistemi yaralanmalarında bu teknolojilerin nasıl işlevsel göstergeler sağlayabileceğini inceliyor. Periferik sinir sistemi Schwann hücreleri sayesinde daha iyi rejenerasyon kabiliyeti gösterirken, merkezi sinir sisteminde bu süreç çok daha kısıtlı. Bu yeni yaklaşım, hastalara invaziv müdahaleler olmadan iyileşme sürecinin takip edilmesini mümkün kılabilir.
Yapay Zeka EEG Sinyallerini Kişiler Arası Çözümlemede Devrim Yaratıyor
Araştırmacılar, beyin dalgalarını (EEG) farklı kişiler arasında başarıyla çözümleyebilen yeni bir yapay zeka sistemi geliştirdi. FUSED adı verilen bu sistem, büyük ölçekli temel modellerle kompakt uzman modelleri birleştirerek, kaynak veriye erişim olmadan bile farklı kişilerin beyin sinyallerini yorumlayabiliyor. Geleneksel yöntemler, her kişi için ayrı eğitim gerektirirken, bu yenilikçi yaklaşım çift dalı ortak adaptasyon mekanizması kullanarak bu sorunu çözüyor. Sistem, beyin-bilgisayar arayüzlerinden nörolojik hastalık teşhisine kadar geniş uygulama alanına sahip. Bu gelişme, kişiselleştirilmiş nörotıp uygulamalarının yaygınlaşması için önemli bir adım teşkil ediyor.
EEG ile Sesli Harfleri Okuma: Beyin-Bilgisayar Arayüzlerinde Yeni Umutlar
Bilim insanları, beyin dalgalarından sesli harfleri tanıyabilen sistem geliştirdi. Araştırmada 16 katılımcının EEG kayıtları kullanılarak a, e, i, o, u harflerini ayırt etmeye çalışıldı. En başarılı yöntem %25,5 doğruluk oranına ulaştı - bu da şans eseri tahmin etmekten (%20) önemli ölçüde daha iyi. Çalışma, beyin-bilgisayar arayüzleri için umut verici sonuçlar ortaya koyuyor. Araştırmacılar, klasik makine öğrenmesi yöntemlerinin derin öğrenme kadar etkili olduğunu keşfetti. Bu bulgular, konuşma engelli hastalara yardımcı olabilecek teknolojilerin geliştirilmesinde önemli bir adım sayılıyor. Ancak sinyal kalitesinin düşük olması nedeniyle henüz mükemmel sonuçlara ulaşılamadı.
Beyin dalgalarından görselleri tanıyan yapay zeka sistemi geliştirildi
Araştırmacılar, EEG beyin sinyallerinden görsel içerikleri tanıyabilen yeni bir yapay zeka sistemi geliştirdi. SIMON adlı bu sistem, insan beyninin görsel algı mekanizmalarını taklit ederek, beyin dalgalarından hangi görselin izlendiğini tahmin edebiliyor. Geleneksel yöntemlerin aksine, insan dikkatinin doğal odaklanma noktalarını dikkate alan sistem, öne çıkan nesneleri vurgulayarak arka plan karmaşasını filtreleyor. Test sonuçlarında %69,7'ye varan başarı oranı elde eden sistem, beyin-bilgisayar arayüzleri ve nörolojik hastalıkların teşhisinde devrim yaratabilir.
Beyin-Beden Uyumu Bilincin Sırrını Çözebilir
130 yıldır çözülemeyen 'bağlama problemi' yeni bir yaklaşımla aydınlatılıyor. Araştırmacılar, dağınık beyin aktivitelerinin nasıl birleşerek bilinçli deneyim oluşturduğunu anlamak için beyin-beden rezonansına odaklandı. 64 kanallı EEG verileriyle yapılan çalışma, geleneksel beyin tarama yöntemlerinin ironik bir şekilde ölçmeye çalıştığı bütünleştirici dinamikleri yok ettiğini ortaya koyuyor. Normalde 'gürültü' olarak kabul edilen fizyolojik sinyallerin aslında bilincin oluşumu için kritik önemde olduğu keşfedildi. Bu bulgular, insan bilişinin evrensel kritik sistemler sınıfında yer aldığını ve 78 milisaniyelik temel bir beyin-beden rezonansıyla senkronizasyon sağlandığını gösteriyor.
Beyin-bilgisayar arayüzlerinde düşünceyle kontrol artık daha hassas
Araştırmacılar, motor hayal gücü tabanlı beyin-bilgisayar arayüzlerinde (MI-BCI) daha hassas kontrol sağlayan yeni bir yöntem geliştirdi. Bu teknoloji, felçli hastaların düşünceleriyle protez uzuv veya bilgisayar kontrolü sağlamasında kullanılıyor. Mevcut sistemlerin en büyük sorunu, her bireyin beyin sinyallerinin farklı olması ve bu nedenle sistemin kişiye özel ayarlanması gerektiği. Yeni yaklaşım, beyin dalgalarının farklı frekans bantlarını kişiye özel olarak seçmek için fonksiyonel bağlanırlık analizi kullanıyor. Bu sayede sistem, her kullanıcının benzersiz beyin ritimlerini daha iyi tanıyor ve motor hayal gücü sinyallerini daha doğru çözümleyebiliyor. Geliştirilen yöntem, geleneksel Filter Bank Common Spatial Pattern algoritmasını geliştirerek, önceden tanımlanmış frekans bantları yerine fizyolojik kriterlere dayalı seçim yapıyor.
Beyin dinamiklerini haritalamada geometriye dayalı yeni yaklaşım
Araştırmacılar, EEG ve MEG gibi invaziv olmayan beyin görüntüleme yöntemlerinin doğruluğunu artıran yeni bir yaklaşım geliştirdi. Geometric Basis Functions (GBF) adı verilen bu yöntem, her bireyin korteks yüzeyinin benzersiz geometrisini dikkate alarak beyin aktivitesinin haritalanmasında çığır açıcı iyileştirmeler sağlıyor. Geleneksel yöntemlerin aksine, GBF kişiye özel anatomik kısıtlamaları kullanarak nöral kaynak lokalizasyonunda daha yüksek doğruluk elde ediyor. Meta-Source Benchmark, görev temelli veriler, dinlenme durumu ağları, intrakraniyal stimülasyon ve epilepsi verilerinde test edilen yöntem, beyin dinamiklerinin geometrik organizasyonuyla uyumlu kaynak tahminleri üretiyor. Bu gelişme, nörolojik hastalıkların tanısından beyin araştırmalarına kadar geniş bir alanda uygulanabilir.
Beyin Aktivitesini Haritalamada Çığır Açan Yeni Yöntem Geliştirildi
Bilim insanları, beyin aktivitesini haritalamak için kullanılan EEG ve MEG teknolojilerinde devrim niteliğinde bir yaklaşım geliştirdi. Yeni iki aşamalı uzamsal filtreleme yöntemi, beynin hangi bölgelerinin aktif olduğunu daha doğru şekilde tespit edebiliyor. Geleneksel yöntemlerin aksine, bu teknik önceden hedef kaynak kovaryans matrisi bilgisine ihtiyaç duymadığı için pratik uygulamalarda çok daha kullanışlı. Araştırma, beyin fonksiyonlarını anlama konusunda önemli bir adım olarak değerlendiriliyor. MNE-Python yazılımına entegre edilen bu yöntem, nöroloji ve beyin araştırmaları alanında çalışan bilim insanlarının işini kolaylaştıracak. Bu gelişme, beyin hastalıklarının teşhisi ve tedavisinde yeni olanaklar sunabilir.
Kuantum Fiziğinde Yeni Keşif: Non-Bloch Bantlarda Adiabatik Yük Taşınımı
Araştırmacılar, genişletilmiş Su-Schrieffer-Heeger modelinde non-Hermityen topolojik fazların davranışını inceleyerek kuantum fiziğinde önemli bir ilerleme kaydetti. Çalışma, ikinci-en yakın komşu atlama etkilerini de içeren bu modelde, non-Bloch momentumunu kullanarak faz sınırlarını mikroskobik düzeyde analiz etti. Araştırmanın odağında, açık sınır koşulları altında bulk-boundary correspondence (BBC) prensibinin açıklanması ve adiabatik dinamiklerin non-Hermityen senaryolarda nasıl işlediğinin anlaşılması yer alıyor. Bu keşif, kuantum malzemeler ve topolojik fazlar alanında yeni uygulamaların yolunu açabilir.
Beyin Dalgalarıyla Fren Şiddetini Önceden Tahmin Etmek Mümkün
Araştırmacılar, elektroensefalografi (EEG) sinyallerini kullanarak acil frenleme davranışını önceden tahmin edebilen yeni bir sistem geliştirdi. Bu teknoloji, beyin dalgalarındaki parazitleri temizleyerek frenleme hareketiyle ilişkili neural sinyalleri ayırt ediyor. Bağımsız bileşen analizi ve zaman-frekans analizi gibi ileri teknikler kullanan sistem, frenleme şiddetini 200 milisaniye öncesinden tahmin edebiliyor. Bu gelişme, özellikle otonom araçlar ve güvenlik sistemleri için devrim niteliğinde olabilir. Çalışma, acil frenleme sürecinin beynimizde nasıl işlendiğine dair yeni bilgiler de sunuyor.
Beyin sinyallerinden dil çözümleme: EEG ile düşünceleri okumak mümkün mü?
Araştırmacılar, beyin dalgalarını ölçen EEG cihazlarından doğal dil yapılarını çözümlemeye çalışıyor. Ancak yeni bir çalışma, EEG sinyallerinin düşük sinyal-gürültü oranı ve sınırlı bilgi kapasitesi nedeniyle tam cümle yapılarını değil, sıkıştırılmış anlamsal bileşenleri kodladığını öne sürüyor. Bu yaklaşımla geliştirilen Brain-CLIPLM sistemi, beyin sinyallerinden önce anlamsal çapaları çıkarıyor, sonra bu bilgiyi kullanarak cümleleri yeniden oluşturuyor. Çalışma, beyin-bilgisayar arayüzleri alanında önemli bir paradigma değişikliği öneriyor.
Beyin sinyallerini okuyan yapay zeka modelleri gerçek dünya koşullarına uyarlanıyor
EEG tabanlı yapay zeka modelleri, beyin sinyallerinden öğrenme konusunda büyük potansiyel gösteriyor ancak farklı hastane ortamları, cihazlar ve hasta grupları arasındaki veri farklılıkları klinik kullanımlarını zorlaştırıyor. Araştırmacılar, bu modellerin test sırasında yeni verilere uyum sağlayabilmesi için 'test zamanı adaptasyonu' yaklaşımını inceliyor. Bu yöntem, modellerin kaynak verilere erişim olmadan, sadece hedef verilerle çalışma zamanında kendilerini güncelleyebilmesini sağlıyor. Özellikle gizlilik düzenlemeleri ve sınırlı etiketli verilerle karşılaşılan sağlık sektöründe bu özellik oldukça değerli. Yeni geliştirilen NeuroAdapt-Bench sistemi, EEG temel modelleri üzerinde farklı adaptasyon yöntemlerinin etkinliğini değerlendirmek için kapsamlı bir test ortamı sunuyor.
Beyin Sinyallerinden Görsel İçerik Çıkarmak İçin Yeni Yapay Zeka Modeli
Araştırmacılar, EEG beyin sinyallerini kullanarak insanların hangi görselleri algıladığını tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. SAMGA adlı bu sistem, her bireyin beyin yapısının farklı olduğunu göz önünde bulundurarak kişiye özel hedefler oluşturuyor. Sistem, görsel uyaranların beyinde farklı seviyelerde temsil edildiği gerçeğinden yola çıkarak çok katmanlı bir yaklaşım benimsiyor. Bu gelişme, beyin-bilgisayar arayüzleri için önemli bir adım olabilir ve gelecekte felçli hastalara yardım edecek teknolojilerin geliştirilmesinde rol oynayabilir. Sıfır-atış öğrenme yöntemiyle çalışan sistem, önceden eğitilmiş görsel modelleri kullanarak EEG sinyallerini görsellerle eşleştiriyor.
EEG beyin sinyallerini çözümleyen yeni yapay zeka modeli geliştirildi
Araştırmacılar, beyin dalgalarını ölçen EEG sinyallerini daha etkili şekilde yorumlayabilen DSAINet adlı yeni bir yapay zeka modeli geliştirdi. Mevcut EEG çözümleme sistemlerinin en büyük sorunu, farklı görevlerde ve kişilerde tutarlı performans gösterememesiydi. Her görev için özel olarak tasarlanan modeller, başka durumlarda yetersiz kalıyordu. DSAINet bu sorunu, beyin sinyallerindeki zamansal değişimleri iki farklı ölçekte (ince ve kaba) paralel olarak analiz ederek çözüyor. Model, ham EEG verilerini ortak uzamsal-zamansal temsillere dönüştürüyor ve farklı görevlerdeki çeşitli zamansal dinamikleri aynı anda modelleyebiliyor. Bu yaklaşım, beyin-bilgisayar arayüzleri, nörolojik hastalık teşhisi ve bilişsel durumların izlenmesi gibi alanlarda daha güvenilir ve geniş kapsamlı uygulamalar geliştirme potansiyeli sunuyor.
Beyin Aktivitesini Analiz Eden Açık Kaynak Araç Seti Geliştirildi
Araştırmacılar, beyin aktivitesini ölçen EEG ve MEG verilerini kapsamlı şekilde analiz edebilen yeni bir açık kaynak araç seti geliştirdiler. MLE-Toolbox adlı bu MATLAB tabanlı platform, ham veri işlemeden makine öğrenmesi tabanlı sınıflandırmaya kadar tüm analiz sürecini tek bir kullanıcı dostu arayüzde birleştiriyor. Araç seti, beyin görüntüleme alanında yaygın kullanılan Brainstorm ve FieldTrip gibi platformlardan ilham alınarak tasarlandı. Otomatik artefakt temizleme, çoklu kaynak lokalizasyon yöntemleri, anatomik görselleştirme ve spektral güç analizi gibi gelişmiş özellikler sunuyor. Bu tür entegre platformlar, nörobilim araştırmalarının hızlanması ve standardizasyon açısından kritik öneme sahip.
Beyin Dalgalarını Okumada AI ve Geleneksel Yöntemler Karşılaştırıldı
Araştırmacılar, beynin dış uyaranlara verdiği elektriksel tepkileri analiz eden ERP yönteminde, yapay zeka modellerinin geleneksel analiz tekniklerine karşı performansını karşılaştırdı. Event-related potential (ERP), beynin belirli uyaranlara nasıl tepki verdiğini ölçen özel bir EEG tekniği olup, bilişsel süreçleri anlamak ve nörolojik hastalıkları tespit etmek için kritik öneme sahip. Çalışmada, manuel özellik çıkarımı yapan geleneksel yöntemler, derin öğrenme modelleri ve önceden eğitilmiş yapay zeka temelli sistemler aynı koşullarda test edildi. Bu kapsamlı karşılaştırma, ERP verilerinin analizinde hangi yaklaşımın daha etkili olduğunu belirlemeyi amaçlıyor.