<div dir="ltr"><div dir="ltr"><div dir="ltr"><div><b>*** Frontiers research topic - Call for Contributions ***</b><br><br></div>We would like to invite contributions to the following research topic in Frontiers of Human Neuroscience:<br>"<a href="http://loop.frontiersin.org/researchtopic/5042" target="_blank">Detection and Estimation of Working Memory States and Cognitive Functions Based on Neurophysiological Measures</a>"<div><div><b><br></b>Our
 objective is to publish a focused collection of open-access articles 
that represent the
      state of the art in detection and estimation of working memory and
      other cognitive functions based on
 neurophysiological signal classification and aimed at the application 
of such classified states in human-computer interaction.<b> </b>We 
specifically invite contributions that deal with the detection of 
cognitive states in complex scenarios as they are found in real world 
applications. Please refer to <a href="http://tinyurl.com/detectWM" target="_blank"><b>http://tinyurl.com/detectWM</b> </a>for more details and submission guidelines.<br><br>* Please let us know if you are <b>interested to contribute</b> by replying to <a href="mailto:felix.putze@uni-bremen.de" target="_blank">felix.putze@uni-bremen.de</a> <br><br><b>* Relevant Dates     31 January 2017</b>
                            -   Abstract
                        
                        
                            <b><br>                               30 April 2017</b>     
                            -   Manuscript<br><br></div><div><b>* Topic Editors </b>       Felix Putze, University of Bremen, Germany<br></div><div>                               Fabien Lotte, Inria Bordeaux Sud-Ouest, France<br></div><div>                               Stephen Fairclough, Liverpool John Moores University, United Kingdom<br></div><div>                               Christian Mühl, German Aerospace Center, Cologne, Germany<br></div><div><br></div><div><b>* Topics of Interest</b><br><br></div><div>Executive cognitive functions like working memory determine the success 
or failure of a wide variety of different cognitive tasks. Estimation of
 constructs like working memory load or memory capacity from 
neurophysiological or psychophysiological signals would enable adaptive 
systems to respond to cognitive states experienced by an operator and 
trigger responses designed to support task performance (e.g. by 
simplifying the exercises of a tutor system, or by shutting down 
distractions from the mobile phone). The determination of cognitive 
states like working memory load is also useful for automated 
testing/assessment, for usability evaluation and for tutoring 
applications. While there exists a huge body of research work on neural 
and physiological correlates of cognitive functions like working memory 
activity, fewer publications deal with the application of this research 
with respect to single-trial detection and real-time estimation of 
cognitive functions in complex, realistic scenarios. Single-trial 
classifiers based on brain activity measurements such as EEG, fNIRS or 
physiological signals such as EDA, ECG, BVP or Eyetracking have the 
potential to classify affective or cognitive states based upon short 
segments of data. For this purpose, signal processing and machine 
learning techniques need to be developed and transferred to real-world 
user interfaces.<br><br>In this research topic, we are looking for: (1) 
studies in complex, realistic scenarios that specifically deal with 
cognitive states or cognitive processes (memory-related or other), (2) 
classification and estimation of cognitive states and processes like 
working memory activity, and (3) applications to Brain-Computer 
Interfaces and Human-Computer Interaction in general. Central open 
research questions which we would like to see approached in this 
research topic comprise:<br><br>* How can working memory load be 
quantified with regression or classification models which are robust to 
perturbations common to realistic recording conditions and natural brain
 signal fluctuations?<br>* How can detection and classification of cognitive states be used in Brain-Computer Interfaces (BCIs)?<br>* How can multiple types of features or signal types be combined to achieve a more robust classification of working memory load?<br>*
 How can working memory activity be differentiated from other types of 
cognitive or affective activity which co-vary with, but are not related 
to memory?<br>* How well can insights from offline, average-analysis studies on memory activity be transferred to online, single-trial BCIs?<br>*
 How can models of working memory load be calibrated to account for 
individual differences, for example in working memory capacity?<br>* How can approaches from computational cognitive modeling be combined with physiological signals to assess memory processes?<br>*
 How can working memory load be classified, for example according to 
modality (spatial memory, semantic memory, ...) or type of activity 
(encoding, retrieval, rehearsal, ...)?<br>* How to design user-independent memory load estimators? Is that even feasible?<br>* How can memory load estimators from a given context or modality be transferred to another modality and/or context?<br>*
 How can working memory activity be classified to predict the outcome of
 the activity, for example by differentiating successful from failed 
encoding attempts?<br><br>Additionally, we are also interested in other 
relevant submissions related to the research topic. We also sincerely 
invite manuscripts dealing with applications of memory-related 
interfaces (e.g. adaptive human-computer interfaces for memory-intensive
 tasks). Comprehensive review articles which critically reflect the 
state-of-the-art on a certain aspect of the topic are also welcome.<br><br></div><div>With best regards,<br></div><div><br>Felix Putze,<br>Fabien Lotte,<br>Stephen Fairclough,<br>Christian Mühl.<br></div><div><br></div></div></div></div></div>