EEG节律信号分类及频率范围

2023-10-17 02:30

本文主要是介绍EEG节律信号分类及频率范围,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

EEG记录非常适合于捕捉振荡的大脑活动或多种频率的“脑电波”(见下图的例子)。这些脑电波(例如由神经元集群的同步活动产生)有特征频率范围和空间分布,它们往往与大脑的不同功能状态相关联。

(1)dela波:频率范围为0.5-4Hz,高振幅波,通常会在成人进行深度睡眠时出现。该频段出现的部位通常是在成年人的前额位置和婴儿的后脑位置

(2) theta波:频率范围为4-8Hz,被发现在婴儿的脑中更容易出现,以及在成人和青少年出现睡意(或睡眠初期)的时侯出现;也会在人的大脑处于空闲状态或冥想时出现。

(3) alpha波:频率范围为8-13Hz,它是节律性脑电波中最明显的波,通常出现在头的后部,在头两侧都会有,主导侧的振幅会比较高。当清醒的人处于放松或者闭眼状态时,可以在枕叶区探测的EEG中检测到alpha波。在BCI应用中,一种特殊的 alpha波称为mu节律(8~12Hz)。当受试者不运动时,mu节律会出现于感觉运动区域,当受试者进行运动或者想象进行运动时,mu节律会减小或者消失。(控制抑制)

(4)beta波:频率范围为13-30Hz,低振幅波,通常会对称地出现在大脑两侧,且在大脑的前部最为明显,可以在顶叶和额叶检测到。出现这频段的脑波时,人们往往处于注意力集中,逻辑思维活跃,情绪波动,警觉或焦虑的状态

(5) gamma波:频率范围为30-50Hz。通常会出现在体感皮层,出现该频段时人通常处于十分激动、亢奋的状态,或是受到了强烈的刺激。它也会在人跨模态感知处理中出现,例如进行物体识别,声音或触觉的短期记忆等。

如下图所示为EEG节律信号及其频率范围示例(来源于《脑机接口导论》)
在这里插入图片描述

这篇关于EEG节律信号分类及频率范围的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/222330

相关文章

使用C++将处理后的信号保存为PNG和TIFF格式

《使用C++将处理后的信号保存为PNG和TIFF格式》在信号处理领域,我们常常需要将处理结果以图像的形式保存下来,方便后续分析和展示,C++提供了多种库来处理图像数据,本文将介绍如何使用stb_ima... 目录1. PNG格式保存使用stb_imagephp_write库1.1 安装和包含库1.2 代码解

C#使用DeepSeek API实现自然语言处理,文本分类和情感分析

《C#使用DeepSeekAPI实现自然语言处理,文本分类和情感分析》在C#中使用DeepSeekAPI可以实现多种功能,例如自然语言处理、文本分类、情感分析等,本文主要为大家介绍了具体实现步骤,... 目录准备工作文本生成文本分类问答系统代码生成翻译功能文本摘要文本校对图像描述生成总结在C#中使用Deep

使用Python合并 Excel单元格指定行列或单元格范围

《使用Python合并Excel单元格指定行列或单元格范围》合并Excel单元格是Excel数据处理和表格设计中的一项常用操作,本文将介绍如何通过Python合并Excel中的指定行列或单... 目录python Excel库安装Python合并Excel 中的指定行Python合并Excel 中的指定列P

SpringBoot实现基于URL和IP的访问频率限制

《SpringBoot实现基于URL和IP的访问频率限制》在现代Web应用中,接口被恶意刷新或暴力请求是一种常见的攻击手段,为了保护系统资源,需要对接口的访问频率进行限制,下面我们就来看看如何使用... 目录1. 引言2. 项目依赖3. 配置 Redis4. 创建拦截器5. 注册拦截器6. 创建控制器8.

无线路由器哪个品牌好用信号强? 口碑最好的三个路由器大比拼

《无线路由器哪个品牌好用信号强?口碑最好的三个路由器大比拼》不同品牌在信号覆盖、稳定性和易用性等方面各有特色,如何在众多选择中找到最适合自己的那款无线路由器呢?今天推荐三款路由器让你的网速起飞... 今天我们来聊聊那些让网速飞起来的路由器。在这个信息爆炸的时代,一个好路由器简直就是家庭网编程络的心脏。无论你

电脑显示hdmi无信号怎么办? 电脑显示器无信号的终极解决指南

《电脑显示hdmi无信号怎么办?电脑显示器无信号的终极解决指南》HDMI无信号的问题却让人头疼不已,遇到这种情况该怎么办?针对这种情况,我们可以采取一系列步骤来逐一排查并解决问题,以下是详细的方法... 无论你是试图为笔记本电脑设置多个显示器还是使用外部显示器,都可能会弹出“无HDMI信号”错误。此消息可能

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

列举你能想到的UNIX信号,并说明信号用途

信号是一种软中断,是一种处理异步事件的方法。一般来说,操作系统都支持许多信号。尤其是UNIX,比较重要应用程序一般都会处理信号。 UNIX定义了许多信号,比如SIGINT表示中断字符信号,也就是Ctrl+C的信号,SIGBUS表示硬件故障的信号;SIGCHLD表示子进程状态改变信号;SIGKILL表示终止程序运行的信号,等等。信号量编程是UNIX下非常重要的一种技术。 Unix信号量也可以

用Pytho解决分类问题_DBSCAN聚类算法模板

一:DBSCAN聚类算法的介绍 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法,DBSCAN算法的核心思想是将具有足够高密度的区域划分为簇,并能够在具有噪声的空间数据库中发现任意形状的簇。 DBSCAN算法的主要特点包括: 1. 基于密度的聚类:DBSCAN算法通过识别被低密