公開數(shù)據(jù)集分享：高度自動(dòng)駕駛場景中乘客駕駛風(fēng)險(xiǎn)認(rèn)知的研究
公開數(shù)據(jù)集分享
高度自動(dòng)駕駛場景中乘客駕駛風(fēng)險(xiǎn)認(rèn)知的研究
自動(dòng)駕駛的安全性一直是行業(yè)和消費(fèi)者關(guān)注的焦點(diǎn)。對(duì)于如何提高高度自動(dòng)駕駛車輛的行路安全，最近，研究人員開始關(guān)注乘客的在不同駕駛場景中的對(duì)于風(fēng)險(xiǎn)的認(rèn)知。因?yàn)槿祟惐举|(zhì)上是一種特殊的傳感器，即使是不需要控制汽車的乘客，也能夠感知風(fēng)險(xiǎn)。因此，研究基于人的狀態(tài)的腦機(jī)接口（Brain-computer inference, BCI）系統(tǒng)以克服自動(dòng)駕駛算法的功能缺陷是有意義的。
今天，我們將為大家介紹一個(gè)用于研究乘客在高度自動(dòng)駕駛場景中駕駛風(fēng)險(xiǎn)認(rèn)知的功能性近紅外光譜（fNIRS）數(shù)據(jù)集，介紹該數(shù)據(jù)集的原文題為：“An fNIRS dataset for driving risk cognition of passengers in highly automated driving scenarios”。該數(shù)據(jù)集包含在多個(gè)高速駕駛場景中的乘客前額葉皮層活動(dòng)數(shù)據(jù)，還提供了駕駛場景的詳細(xì)信息，如車輛位置、速度和加速度。該研究為自動(dòng)駕駛的安全性提供了新的視角，為未來自動(dòng)駕駛車輛的腦機(jī)接口系統(tǒng)奠定了基礎(chǔ)。
研究背景
在高度自動(dòng)駕駛的場景中，車輛的操作不再依賴駕駛員，而是由自動(dòng)駕駛系統(tǒng)控制。然而，乘客的心理狀態(tài)也能反映車輛的安全性，其前額葉皮層活動(dòng)可以反映出他們對(duì)駕駛風(fēng)險(xiǎn)的感知，這種感知可以幫助自動(dòng)駕駛系統(tǒng)更好地應(yīng)對(duì)潛在的危險(xiǎn)場景。
在這項(xiàng)研究中，研究者使用近紅外光譜設(shè)備（OctaMon, Artinis Medical Systerm）來實(shí)時(shí)監(jiān)測模擬駕駛情境中的乘客前額葉的氧合血紅蛋白（ΔHbo）和脫氧血紅蛋白（ΔHbR）變化，這些數(shù)據(jù)可以準(zhǔn)確反映出乘客在不同駕駛場景中的心理負(fù)荷和風(fēng)險(xiǎn)感知。
實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)記錄
研究者首先使用虛擬測試駕駛（virtual test drive，VTD）軟件構(gòu)建了14種高度自動(dòng)駕駛場景（見圖2）。這些場景涵蓋了三種典型的單車場景：插隊(duì)、緊急制動(dòng)和行人橫穿馬路。具體場景包括：領(lǐng)頭車輛從右側(cè)車道切出、領(lǐng)頭車輛從左側(cè)車道切出、領(lǐng)頭車輛長距離自主緊急制動(dòng)、周圍車輛短距離從左側(cè)車道切入、周圍車輛短距離從右側(cè)車道切入、周圍車輛長距離從右側(cè)車道切入、 領(lǐng)頭車輛短距離自主緊急制動(dòng)、周邊車輛從左側(cè)車道長距離插隊(duì)、周邊車輛在右側(cè)車道行駛且不插隊(duì)、行人從右側(cè)橫穿馬路、行人從左側(cè)橫穿馬路、行人站在左側(cè)不橫穿馬路、行人站在右側(cè)不橫穿馬路、周邊車輛在左側(cè)車道行駛且不插隊(duì)。因此每個(gè)場景包含一輛自動(dòng)駕駛的本車，目標(biāo)車輛或者行人。這14種場景的具體參數(shù)描述可參考原文表2。
其次，從這14種場景中隨機(jī)選擇25個(gè)場景組成一個(gè)虛擬測試駕駛（VTD）片段。每個(gè)VTD片段的最初1000米內(nèi)，沒有任何事件發(fā)生，本車在三車道道路上以70 公里/小時(shí)的速度直線行駛，期間無事發(fā)生，目的是讓參與者適應(yīng)模擬駕駛環(huán)境。當(dāng)本車到達(dá)觸發(fā)位置后，目標(biāo)車輛或行人開始執(zhí)行相應(yīng)動(dòng)作，如切入、變道、過馬路等。
研究員一共準(zhǔn)備了12個(gè)VTD片段，每個(gè)片段長約13分鐘。在數(shù)據(jù)分析時(shí)，會(huì)舍棄每個(gè) VTD 片段中最后一個(gè)場景的數(shù)據(jù)，僅提取前面二十四個(gè)場景的數(shù)據(jù)進(jìn)行分析。十二個(gè)VTD片段中二十四個(gè)場景的順序可參考原文表1。
最終，由20名中國被試在駕駛模擬器上專注觀看所有12個(gè)VTD片段，不能進(jìn)行其他干擾任務(wù)，以確保對(duì)場景的感知和反應(yīng)不受影響。觀看VTD的過程中，一旦被試感知到危險(xiǎn)或者聽到刺激聲音，則需要按鍵。任務(wù)過程會(huì)隨機(jī)出現(xiàn)的一些刺激聲音，以此判斷其是否專注。且在同一天內(nèi)，被試最多觀看4個(gè)VTD片段。
OxySoft 軟件記錄由血氧監(jiān)測設(shè)備測量的氧合血紅蛋白變化（ΔHbo）和脫氧血紅蛋白變化（ΔHbR）的原始數(shù)據(jù)，此外，OxySoft軟件還輸出原始強(qiáng)度數(shù)據(jù)，這些原始強(qiáng)度數(shù)據(jù)可根據(jù)特定需求進(jìn)行預(yù)處理，可通過Homer3或其他軟件獲得ΔHbo和ΔHbR的預(yù)處理數(shù)據(jù)；Matlab/Simulink模塊負(fù)責(zé)硬件與主機(jī)之間、主機(jī)與OxySoft軟件之間的通信；Python模塊和鍵盤共同記錄參與者按下鍵盤時(shí)主機(jī)的當(dāng)前時(shí)間。
另外，本實(shí)驗(yàn)以動(dòng)能場作為駕駛場景危險(xiǎn)程度的客觀指標(biāo)，該指標(biāo)使用目標(biāo)車輛（或者行人）的相對(duì)縱向距離和速度來計(jì)算。并且根據(jù)經(jīng)驗(yàn)，選取動(dòng)能值0.05作為割點(diǎn)（或者叫刺激點(diǎn)），以此將自動(dòng)駕駛場景分為前半段低風(fēng)險(xiǎn)和后半段高風(fēng)險(xiǎn)部分。
數(shù)據(jù)集結(jié)構(gòu)和命名
該數(shù)據(jù)集的結(jié)構(gòu)和命名遵循一定規(guī)范，有助于高效管理和使用數(shù)據(jù)，具體如下：
數(shù)據(jù)集結(jié)構(gòu)：包含三個(gè)主要文件（participants.tsv、participants.json和dataset_description.json）和二十個(gè)文件夾。其中，二十個(gè)文件夾分別以符合大腦影像數(shù)據(jù)標(biāo)準(zhǔn)（BIDs）的格式保存二十名參與者的數(shù)據(jù)。participants.tsv 記錄參與者的年齡、性別、駕駛經(jīng)驗(yàn)以及對(duì)VTD片段危險(xiǎn)程度的主觀評(píng)價(jià)；participants.json和dataset_description.json則分別是關(guān)于參與者和數(shù)據(jù)集的解釋說明文件。
命名規(guī)則：文件命名具有明確指向性，如participants.tsv中 “participants”表明與參與者相關(guān)，“tsv”是文件格式，說明該文件以制表符分隔存儲(chǔ)數(shù)據(jù)。“participants.json”同樣圍繞參與者，“json”格式便于數(shù)據(jù)的存儲(chǔ)和交換。“dataset_description.json”里“dataset_description”清晰表明這是對(duì)整個(gè)數(shù)據(jù)集進(jìn)行描述的文件。文件夾以參與者編號(hào)命名（對(duì)應(yīng)二十名參與者），用于分類存儲(chǔ)不同參與者的具體實(shí)驗(yàn)數(shù)據(jù)，方便查找和管理 。
如何獲取和使用這個(gè)數(shù)據(jù)集？
該數(shù)據(jù)集已在OpenNeuro平臺(tái)上公開，鏈接為：https://openneuro.org/datasets/ds004973/versions/1.0.1
此外，研究人員還提供了以下工具和資源，幫助用戶更好地利用該數(shù)據(jù)集：
·VTD項(xiàng)目文件：用戶可以使用VTD軟件重建14種駕駛場景。
·Python數(shù)據(jù)處理函數(shù)：用于處理OctaMon采集的原始ΔHbo和ΔHbR數(shù)據(jù)。
·Homer預(yù)處理示例：展示了如何使用Homer軟件進(jìn)行fNIRS數(shù)據(jù)預(yù)處理和機(jī)器學(xué)習(xí)分析。
關(guān)于該數(shù)據(jù)集的重要補(bǔ)充
原文作者基于該數(shù)據(jù)集發(fā)表了名為《Driving risk cognition of passengers in highly automated driving based on the prefrontal cortex activity via fNIRS》的文章，研究聚焦于高度自動(dòng)駕駛場景中乘客的駕駛風(fēng)險(xiǎn)認(rèn)知問題。且該研究只選取了14種場景中的4種作分析。這些場景分別為：前車短距離自主緊急制動(dòng)、前車短距離從左車道切入、前車短距離從右車道切入和行人從右側(cè)過馬路。通過分析氧合血紅蛋白濃度特征，發(fā)現(xiàn)，Brodmann 10區(qū)因駕駛場景風(fēng)險(xiǎn)引發(fā)的心理活動(dòng)非常活躍，大腦氧含量與駕駛風(fēng)險(xiǎn)場景呈正相關(guān)；還分析了性別和駕駛經(jīng)驗(yàn)對(duì)心理活動(dòng)的影響，例如在短距離緊急制動(dòng)場景中，有駕駛經(jīng)驗(yàn)的參與者在低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)片段的差異更明顯，男性參與者的差異比女性參與者更顯著。
原文鏈接
Zhang, X., Wang, Q., Li, J. et al. An fNIRS dataset for driving risk cognition of passengers in highly automated driving scenarios. Sci Data 11, 546 (2024).
https://doi.org/10.1038/s41597-024-03353-6.
作者簡介
該研究由清華大學(xué)車輛與運(yùn)載學(xué)院、醫(yī)學(xué)院以及倫敦帝國理工學(xué)院電氣與電子工程系的相關(guān)研究團(tuán)隊(duì)共同完成。Xiaofei Zhang和Qiaoya Wang作為共同一作，均來自清華大學(xué)車輛與運(yùn)載學(xué)院，Hong Wang 來自清華大學(xué)車輛與運(yùn)載學(xué)院，是文章的通訊作者。
關(guān)于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術(shù)有限公司成立于2006年，是一家專注于腦科學(xué)、康復(fù)工程、人因工程、心理學(xué)、體育科學(xué)等領(lǐng)域的科研解決方案供應(yīng)商。公司與國內(nèi)外多所大學(xué)、研究機(jī)構(gòu)、企業(yè)長期保持合作關(guān)系，致力于將優(yōu)質(zhì)的產(chǎn)品、先進(jìn)的技術(shù)和服務(wù)帶給各個(gè)領(lǐng)域的科研工作者，為用戶提供有競爭力的方案和服務(wù)，協(xié)助用戶的科研工作，持續(xù)提升使用體驗(yàn)。
相關(guān)產(chǎn)品
高度自動(dòng)駕駛場景中乘客駕駛風(fēng)險(xiǎn)認(rèn)知的研究
自動(dòng)駕駛的安全性一直是行業(yè)和消費(fèi)者關(guān)注的焦點(diǎn)。對(duì)于如何提高高度自動(dòng)駕駛車輛的行路安全，最近，研究人員開始關(guān)注乘客的在不同駕駛場景中的對(duì)于風(fēng)險(xiǎn)的認(rèn)知。因?yàn)槿祟惐举|(zhì)上是一種特殊的傳感器，即使是不需要控制汽車的乘客，也能夠感知風(fēng)險(xiǎn)。因此，研究基于人的狀態(tài)的腦機(jī)接口（Brain-computer inference, BCI）系統(tǒng)以克服自動(dòng)駕駛算法的功能缺陷是有意義的。
今天，我們將為大家介紹一個(gè)用于研究乘客在高度自動(dòng)駕駛場景中駕駛風(fēng)險(xiǎn)認(rèn)知的功能性近紅外光譜（fNIRS）數(shù)據(jù)集，介紹該數(shù)據(jù)集的原文題為：“An fNIRS dataset for driving risk cognition of passengers in highly automated driving scenarios”。該數(shù)據(jù)集包含在多個(gè)高速駕駛場景中的乘客前額葉皮層活動(dòng)數(shù)據(jù)，還提供了駕駛場景的詳細(xì)信息，如車輛位置、速度和加速度。該研究為自動(dòng)駕駛的安全性提供了新的視角，為未來自動(dòng)駕駛車輛的腦機(jī)接口系統(tǒng)奠定了基礎(chǔ)。
圖1. 文章封面
研究背景
在高度自動(dòng)駕駛的場景中，車輛的操作不再依賴駕駛員，而是由自動(dòng)駕駛系統(tǒng)控制。然而，乘客的心理狀態(tài)也能反映車輛的安全性，其前額葉皮層活動(dòng)可以反映出他們對(duì)駕駛風(fēng)險(xiǎn)的感知，這種感知可以幫助自動(dòng)駕駛系統(tǒng)更好地應(yīng)對(duì)潛在的危險(xiǎn)場景。
在這項(xiàng)研究中，研究者使用近紅外光譜設(shè)備（OctaMon, Artinis Medical Systerm）來實(shí)時(shí)監(jiān)測模擬駕駛情境中的乘客前額葉的氧合血紅蛋白（ΔHbo）和脫氧血紅蛋白（ΔHbR）變化，這些數(shù)據(jù)可以準(zhǔn)確反映出乘客在不同駕駛場景中的心理負(fù)荷和風(fēng)險(xiǎn)感知。
實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)記錄
研究者首先使用虛擬測試駕駛（virtual test drive，VTD）軟件構(gòu)建了14種高度自動(dòng)駕駛場景（見圖2）。這些場景涵蓋了三種典型的單車場景：插隊(duì)、緊急制動(dòng)和行人橫穿馬路。具體場景包括：領(lǐng)頭車輛從右側(cè)車道切出、領(lǐng)頭車輛從左側(cè)車道切出、領(lǐng)頭車輛長距離自主緊急制動(dòng)、周圍車輛短距離從左側(cè)車道切入、周圍車輛短距離從右側(cè)車道切入、周圍車輛長距離從右側(cè)車道切入、 領(lǐng)頭車輛短距離自主緊急制動(dòng)、周邊車輛從左側(cè)車道長距離插隊(duì)、周邊車輛在右側(cè)車道行駛且不插隊(duì)、行人從右側(cè)橫穿馬路、行人從左側(cè)橫穿馬路、行人站在左側(cè)不橫穿馬路、行人站在右側(cè)不橫穿馬路、周邊車輛在左側(cè)車道行駛且不插隊(duì)。因此每個(gè)場景包含一輛自動(dòng)駕駛的本車，目標(biāo)車輛或者行人。這14種場景的具體參數(shù)描述可參考原文表2。
其次，從這14種場景中隨機(jī)選擇25個(gè)場景組成一個(gè)虛擬測試駕駛（VTD）片段。每個(gè)VTD片段的最初1000米內(nèi)，沒有任何事件發(fā)生，本車在三車道道路上以70 公里/小時(shí)的速度直線行駛，期間無事發(fā)生，目的是讓參與者適應(yīng)模擬駕駛環(huán)境。當(dāng)本車到達(dá)觸發(fā)位置后，目標(biāo)車輛或行人開始執(zhí)行相應(yīng)動(dòng)作，如切入、變道、過馬路等。
研究員一共準(zhǔn)備了12個(gè)VTD片段，每個(gè)片段長約13分鐘。在數(shù)據(jù)分析時(shí)，會(huì)舍棄每個(gè) VTD 片段中最后一個(gè)場景的數(shù)據(jù)，僅提取前面二十四個(gè)場景的數(shù)據(jù)進(jìn)行分析。十二個(gè)VTD片段中二十四個(gè)場景的順序可參考原文表1。
最終，由20名中國被試在駕駛模擬器上專注觀看所有12個(gè)VTD片段，不能進(jìn)行其他干擾任務(wù)，以確保對(duì)場景的感知和反應(yīng)不受影響。觀看VTD的過程中，一旦被試感知到危險(xiǎn)或者聽到刺激聲音，則需要按鍵。任務(wù)過程會(huì)隨機(jī)出現(xiàn)的一些刺激聲音，以此判斷其是否專注。且在同一天內(nèi)，被試最多觀看4個(gè)VTD片段。
OxySoft 軟件記錄由血氧監(jiān)測設(shè)備測量的氧合血紅蛋白變化（ΔHbo）和脫氧血紅蛋白變化（ΔHbR）的原始數(shù)據(jù)，此外，OxySoft軟件還輸出原始強(qiáng)度數(shù)據(jù)，這些原始強(qiáng)度數(shù)據(jù)可根據(jù)特定需求進(jìn)行預(yù)處理，可通過Homer3或其他軟件獲得ΔHbo和ΔHbR的預(yù)處理數(shù)據(jù)；Matlab/Simulink模塊負(fù)責(zé)硬件與主機(jī)之間、主機(jī)與OxySoft軟件之間的通信；Python模塊和鍵盤共同記錄參與者按下鍵盤時(shí)主機(jī)的當(dāng)前時(shí)間。
另外，本實(shí)驗(yàn)以動(dòng)能場作為駕駛場景危險(xiǎn)程度的客觀指標(biāo)，該指標(biāo)使用目標(biāo)車輛（或者行人）的相對(duì)縱向距離和速度來計(jì)算。并且根據(jù)經(jīng)驗(yàn)，選取動(dòng)能值0.05作為割點(diǎn)（或者叫刺激點(diǎn)），以此將自動(dòng)駕駛場景分為前半段低風(fēng)險(xiǎn)和后半段高風(fēng)險(xiǎn)部分。
圖2. 實(shí)驗(yàn)場景以及數(shù)據(jù)處理流程
數(shù)據(jù)集結(jié)構(gòu)和命名
該數(shù)據(jù)集的結(jié)構(gòu)和命名遵循一定規(guī)范，有助于高效管理和使用數(shù)據(jù)，具體如下：
數(shù)據(jù)集結(jié)構(gòu)：包含三個(gè)主要文件（participants.tsv、participants.json和dataset_description.json）和二十個(gè)文件夾。其中，二十個(gè)文件夾分別以符合大腦影像數(shù)據(jù)標(biāo)準(zhǔn)（BIDs）的格式保存二十名參與者的數(shù)據(jù)。participants.tsv 記錄參與者的年齡、性別、駕駛經(jīng)驗(yàn)以及對(duì)VTD片段危險(xiǎn)程度的主觀評(píng)價(jià)；participants.json和dataset_description.json則分別是關(guān)于參與者和數(shù)據(jù)集的解釋說明文件。
命名規(guī)則：文件命名具有明確指向性，如participants.tsv中 “participants”表明與參與者相關(guān)，“tsv”是文件格式，說明該文件以制表符分隔存儲(chǔ)數(shù)據(jù)。“participants.json”同樣圍繞參與者，“json”格式便于數(shù)據(jù)的存儲(chǔ)和交換。“dataset_description.json”里“dataset_description”清晰表明這是對(duì)整個(gè)數(shù)據(jù)集進(jìn)行描述的文件。文件夾以參與者編號(hào)命名（對(duì)應(yīng)二十名參與者），用于分類存儲(chǔ)不同參與者的具體實(shí)驗(yàn)數(shù)據(jù)，方便查找和管理 。
如何獲取和使用這個(gè)數(shù)據(jù)集？
該數(shù)據(jù)集已在OpenNeuro平臺(tái)上公開，鏈接為：https://openneuro.org/datasets/ds004973/versions/1.0.1
此外，研究人員還提供了以下工具和資源，幫助用戶更好地利用該數(shù)據(jù)集：
·VTD項(xiàng)目文件：用戶可以使用VTD軟件重建14種駕駛場景。
·Python數(shù)據(jù)處理函數(shù)：用于處理OctaMon采集的原始ΔHbo和ΔHbR數(shù)據(jù)。
·Homer預(yù)處理示例：展示了如何使用Homer軟件進(jìn)行fNIRS數(shù)據(jù)預(yù)處理和機(jī)器學(xué)習(xí)分析。
關(guān)于該數(shù)據(jù)集的重要補(bǔ)充
原文作者基于該數(shù)據(jù)集發(fā)表了名為《Driving risk cognition of passengers in highly automated driving based on the prefrontal cortex activity via fNIRS》的文章，研究聚焦于高度自動(dòng)駕駛場景中乘客的駕駛風(fēng)險(xiǎn)認(rèn)知問題。且該研究只選取了14種場景中的4種作分析。這些場景分別為：前車短距離自主緊急制動(dòng)、前車短距離從左車道切入、前車短距離從右車道切入和行人從右側(cè)過馬路。通過分析氧合血紅蛋白濃度特征，發(fā)現(xiàn)，Brodmann 10區(qū)因駕駛場景風(fēng)險(xiǎn)引發(fā)的心理活動(dòng)非常活躍，大腦氧含量與駕駛風(fēng)險(xiǎn)場景呈正相關(guān)；還分析了性別和駕駛經(jīng)驗(yàn)對(duì)心理活動(dòng)的影響，例如在短距離緊急制動(dòng)場景中，有駕駛經(jīng)驗(yàn)的參與者在低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)片段的差異更明顯，男性參與者的差異比女性參與者更顯著。
原文鏈接
Zhang, X., Wang, Q., Li, J. et al. An fNIRS dataset for driving risk cognition of passengers in highly automated driving scenarios. Sci Data 11, 546 (2024).
https://doi.org/10.1038/s41597-024-03353-6.
作者簡介
該研究由清華大學(xué)車輛與運(yùn)載學(xué)院、醫(yī)學(xué)院以及倫敦帝國理工學(xué)院電氣與電子工程系的相關(guān)研究團(tuán)隊(duì)共同完成。Xiaofei Zhang和Qiaoya Wang作為共同一作，均來自清華大學(xué)車輛與運(yùn)載學(xué)院，Hong Wang 來自清華大學(xué)車輛與運(yùn)載學(xué)院，是文章的通訊作者。
關(guān)于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術(shù)有限公司成立于2006年，是一家專注于腦科學(xué)、康復(fù)工程、人因工程、心理學(xué)、體育科學(xué)等領(lǐng)域的科研解決方案供應(yīng)商。公司與國內(nèi)外多所大學(xué)、研究機(jī)構(gòu)、企業(yè)長期保持合作關(guān)系，致力于將優(yōu)質(zhì)的產(chǎn)品、先進(jìn)的技術(shù)和服務(wù)帶給各個(gè)領(lǐng)域的科研工作者，為用戶提供有競爭力的方案和服務(wù)，協(xié)助用戶的科研工作，持續(xù)提升使用體驗(yàn)。
相關(guān)產(chǎn)品
- 使用功能性近紅外光譜探索交響樂團(tuán)演奏時(shí)音樂誘發(fā)演奏者的腦活動(dòng)
- PEGASOS透明化技術(shù)在口腔以及骨組織研究領(lǐng)域中的應(yīng)用
- 文獻(xiàn)解讀：超聲波破解鎮(zhèn)痛密碼探究阿片類止痛藥如何“改造”大腦
- 高密度肌電和經(jīng)顱磁刺激在探究外骨骼助力突破技能天花板效應(yīng)中的應(yīng)用
- 變廢為寶：基于功能超聲（fUS）腦搏動(dòng)信號(hào)實(shí)現(xiàn)呼吸、心率實(shí)時(shí)監(jiān)測
- 公開數(shù)據(jù)集分享：高度自動(dòng)駕駛場景中乘客駕駛風(fēng)險(xiǎn)認(rèn)知的研究
- 大腦從聲音中感知人物特征的時(shí)間進(jìn)程
- 大腦先于意識(shí)感知恐懼：無意識(shí)恐懼泛化神經(jīng)機(jī)制探究
- 第十個(gè)中國航天日，回顧維拓啟創(chuàng)與中國航天的十年
- 講座交流：禮智應(yīng)邀分享fUS技術(shù)及Neuropixels技術(shù)
- 維拓啟創(chuàng)助力深圳大學(xué)舉辦多模態(tài)認(rèn)知研究技術(shù)培訓(xùn)
- 深圳瀚翔腦科學(xué)路演回顧：移動(dòng)腦電圖儀最新解決方案
- 維拓啟創(chuàng)助力中國人民大學(xué)舉辦近紅外超掃描技術(shù)培訓(xùn)
- 維拓啟創(chuàng)即將出席經(jīng)顱電刺激結(jié)合神經(jīng)影像技術(shù)培訓(xùn)班
- 康森特生物精彩亮相第二屆腦機(jī)接口大會(huì)
- 維拓啟創(chuàng)邀您參加2024年康復(fù)工程學(xué)術(shù)大會(huì)
Copyright(C) 1998-2025 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com