脑电专题
机器学习项目——基于机器学习（决策树 随机森林 朴素贝叶斯 SVM KNN XGBoost）的帕金森脑电特征识别研究（代码/报告材料）
完整的论文代码见文章末尾 以下为核心内容和部分结果 问题背景 帕金森病（Parkinson’s Disease, PD）是一种常见的神经退行性疾病，其主要特征是中枢神经系统的多巴胺能神经元逐渐丧失，导致患者出现运动障碍、震颤、僵硬等症状。然而，除运动症状外，帕金森病患者还常常伴有一系列非运动症状，其中睡眠障碍是最为显著的非运动症状之一。 脑电图（Electroencephalogram, E
批量重命名脑电EEG文件
有些人在做脑电实验的时候喜欢起一些奇奇怪怪的名字，这就导致某些数据可能在导入的时候报错，可是错已经犯下了，就改呗，这里刚好有需要，便写了一个批量更改数据名称的代码，其实也非常简单，但是仅针对于只有一个文件的脑电格式，如.edf；.cnt这些可以直接改文件名的脑电文件 而像.vhdr+.eeg+.vmark这种绑定式的文件就不建议更改 此脚本对其它文件依然有用 %% 代码由茗创科技工程师周翊编写
基于少样本学习EEG/SEEG数据癫痫预警和脑电识别
最近的三篇文章都中了。因此有时间来整理之前的工作； 立体脑电数据包含了大脑癫痫电信号，具有高信噪比，高采样率，可以进行病灶定位等特点。因此对立体脑电进行数据分析和数据挖掘具有很大的医学研究价值。但是目前基于立体脑电信号数据挖掘工作还较少，尤其是基于深度学习等方法的工作。立体脑电采集成本较高，受试者较少，所以需要大量训练数据的传统的神经网络分类模型并不能很好解决立体脑电分类任务。同时
脑电数据（EEG/SEEG）处理-特征可视化
在之前的文章中，我已经介绍了利用CNN神经网络来进行脑电特征的提取及识别。我的课题是有关癫痫的脑电特征分析，在实际的实验中你会发现，你的神经网络很容易过拟合，可以将实验抽象为分类任务，可以分为两个方向来进行训练： 将所有的数据划按照一定的比例划分为两个部分（eg.7:3），一部分用于训练，一部分用于测试。将数据按照人来进行划分，假设有n个人，n-k个人作为训练街，但是后面的k个人作
基于CNN的SEEG/EEG脑电数据处理分析
自从AlexNet 神经网络问世以来，Convolutional Neural Network(CNN)是深度学习领域璀璨的明星之一。特别是Computer Vision(CV)领域。基本上CV领域的大多数的任务都是基于CNN神经网络。 当然最近又兴起了GCN。 但是从数学上讲GCN是CNN的一种推广。这个暂时不进行详细的讨论。事实上不仅仅在处理图片这种数据需要用到CNN神经网络。更一般的来说涉及
来自大脑的电信号（EEG）-脑电（1）
本博客仅用于学习，来源于网络，如有侵权，会立刻删除 1.何为脑电 来源百度百科 脑电波（Electroencephalogram,EEG）是一种使用电生理指标记录大脑活动的方法，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。 脑电波来源于锥体细胞顶端树突的突触后电位。脑电波同步节律的形成还与皮
信号处理--基于通用空间模态（CSP）的脑电通道选择
目录 理论 工具 方法实现 参考文献 理论 通用空间模式（CSP）是生物医学信号处理领域的一项流行技术，已广泛应用于各种应用，特别是在医疗保健行业。它是一种空间滤波技术，用于从多通道生物医学信号（例如脑电图（EEG）或脑磁图（MEG））中提取特征。 CSP 的目标是找到一组空间滤波器，可以根据协方差矩阵有效地区分两类信号。 CSP 的数学基础基于线性代数和多元统计方法。
BRAIN脑电GCA研究：创伤后应激障碍患者的内源性感觉亢进和抑制缺失
创伤后应激障碍的特征是放大对威胁的反应，迄今为止，理论上的研究都集中在威胁处理能力受损和前额叶皮层杏仁核回路失调。然而，在创伤后应激障碍中广泛存在威胁中立的（threat-neutral）感觉亢进的证据。由于低水平的感觉处理会影响高阶的心理过程，因此这种感觉异常可能导致广泛的功能障碍，为创伤后应激障碍提供了其他病理机制。 为了阐明创伤后应激障碍的感觉病理机制，来自美国佛罗里达州立大学的研究
信号处理--多分辨率单通道注意力脑电睡眠分类
目录 背景 亮点 环境配置 数据准备和预处理 模型搭建和框架示意图 模型训练可视化 分类结果（SHHS数据集为例） 代码获取地址 背景 睡眠对人类来说是一个至关重要的过程，因为它影响着他们日常活动的各个方面。 研究表明，拥有良好睡眠质量的人会享有更好的健康和大脑功能。 另一方面，睡眠周期中断会导致一些睡眠障碍，例如失眠或睡眠不足。 亮点 多分辨率 CNN 模
脑电EEG信号处理文章搜集
文章目录 一. 脑电基础知识1.数据集介绍2.epoch/events3.特征提取相关 二. 预处理1.信号滤波2.信号分割3.伪迹去除 三. 特征提取1.CSP 四. 常用分类方法CSP特征分类其他分类器 五. numpy 一. 脑电基础知识 基础知识可以边看代码，边来查 然后这个是我自己对于脑电最基础的了解，可能搜集的不全，实在是没有时间了。不过中文的资料也是蛮多的，希望看到
MATLAB环境下基于NLEO的算法的脑电EEG信号自发活动瞬态检测
自发脑电信号是一种非平稳性很强的随机信号。在传统的脑电信号处理中，较公认的处理方法大多是建立在假设脑电图是准平稳信号的基础上，即认为它可以分成若干段，每一段的过程基本平稳，但段上叠加着瞬态。瞬态信号是有别于背景节率，持续时间较短而幅度较大的尖脉冲。它们往往起源于一些生理干扰（如眼球运动等等），不是人们所关心的特征，在做计算机处理时应去除，以免引起假象。但有时瞬态又包含着非常重要的病理信息，如癫痛病
人机交互新研究：MIT开发了结合脑电和眼电的新式眼镜，与机器狗交互
还记得之前的AI读心术吗？最近，「心想事成」的能力再次进化， ——人类可以通过自己的想法直接控制机器人了！ 来自麻省理工的研究人员发表了Ddog项目，通过自己开发的脑机接口（BCI）设备，控制波士顿动力的机器狗Spot。 狗狗可以按照人类的想法，移动到特定区域、帮人拿东西、或者拍照等。 而且，相比于之前需要使用布满了传感器的头套才能「读心」，本次的脑机接口设备以一幅无线眼镜（Attenti
【脑电信号处理与特征提取】P7-贾会宾：基于EEG/MEG信号的大尺度脑功能网络分析
基于EEG/MEG信号的大尺度脑功能网络分析 Q: 什么是基于EEG/MEG信号的大尺度脑功能网络分析？ A: 基于脑电图（EEG）或脑磁图（MEG）信号的大尺度脑功能网络分析是一种研究大脑活动的方法，旨在探索脑区之间的功能连接和信息传递。 概述 基于EEG/MEG信号的大尺度脑功能网络分析的优势： （1）借助源定位技术可同时获得较高的时间（ms级）和空间分辨率（mm级） （2）可提供
【脑电信号处理与特征提取】P6-张治国：频谱分析和时频分析
频谱分析和时频分析 背景 脑电（尤其是静息态脑电）一般在频域进行分析，以刻画脑电信号的周期性特征，需要使用频谱分析来描述脑电信号功率沿频率的分布特征。任务态脑电实验中，任务可增强或减弱脑电在特定频段的节律幅度。事件相关的频谱变化被称为事件相关同步话/去同步化（ERS/ERD），通常表示为在时间-频率域中随时间变化的频谱功率，可以通过时频分析方法进行估计。 频谱估计基本概念 时间序列信号：例
【脑电信号处理与特征提取】P5-彭薇薇：脑电信号的预处理及数据分析要点
彭薇薇：脑电信号的预处理及数据分析要点 脑电 脑电是神经活动的测量方法，在不同位置测量有不同的方法。比如大脑皮层表面测量的是ECoG，在头皮测量的是EEG。除了EEG是无损的，其他都是有损的。 脑电信号采集系统 下面是完整的脑电采集系统，需要注意的地方是给被试者发送刺激信号的同时，也需要给放大器发送一个marker，这个是为了标记刺激开始时间。 下面是采集到的脑电数据，横轴是时间，纵
人工智能捕获强迫症脑电信号 可精准刺激深部脑电部位
年关将近，很多人已经走在了各种规划和整理的路上。无论是年货物品的置办，还是家里的深度打扫，都已经提上了日程。 对于悠闲散漫的人来说，找阿姨提前三天来打扫也可。要是家里没有聚会的可能，有的人可能什么也不会做，保持原样。而习惯计划的人就开始拿上本本各种盘了，更加极端的强迫症“患者”，可能已经精确到每天应该干什么的程度。身边要是有这种强迫症患者的话，可能会对这种情况深有体会。 我们经常开玩笑
脑电范式学习（一）：Psychopy安装
脑电范式学习（一）：Psychopy安装 1 引言2 Psychopy软件3 安装教程4 花活儿5 总结 1 引言 可能有人会疑惑：为什么要去学Psychopy？Psychopy有什么好的？ 首先，要告诉大家这么一个情况：现在的心理学实验设计的越来越复杂！！！而且我是在我们实验室买了Eprime2的软件的情况下还去学Psychopy！！！ 然后，我想设计一个视频范式的情况下（在E
论文解读---基于双半脑领域对抗神经网络的脑电情绪识别
论文地址：A Bi-hemisphere Domain Adversarial Neural Network Model for EEG Emotion Recognition 本文工作是对前期研究（A Novel Neural Network Model based on Cerebral Hemispheric Asymmetry for EEG Emotion Recognition |
沉默也是一种声音--来自钢琴家的脑电实验
关注“心仪脑”查看更多脑科学知识的分 关键词：音乐，脑电实验，脑科学 有时候，沉默也是一种音乐，音乐演奏过程中的停顿我们可以理解为一种沉默。沉默是什么声音？在贝多芬的钢琴奏鸣曲《悲怆》的第一乐章中，沉默是无边沉重，是生命的“不能承受之轻”；在《鬼灭之刃》中，沉默是音柱宇髄天元瞬间抓住的音律空档，是华丽袭击敌人的关键节点。我们在乐曲演奏的沉默里，能听到什么，能感受到什么，不仅依赖于我们自
论文解读---一种基于半脑不对称性的脑电情绪识别神经网络模型
论文地址：A Novel Neural Network Model based on Cerebral Hemispheric Asymmetry for EEG Emotion Recognition 本文解读的是一篇发表于IJCAI-18的论文，文章提出了一种新的深度神经网络模型-BiDANN模型，该模型考虑了训练和测试数据之间的分布差异和大脑左右半脑的不对称性，以处理两种常见的脑电情绪识别
EEG 脑电信号处理合集（2）： 信号预处理
脑电信号在采集完以后，需要进行一系列的预处理操作，然后才能用于后续的科学研究和计算。预处理是脑电信号分析最基本且重要的一步。基于python环境MNE库。 1 使用带通滤波器，信号滤波，去噪，去工频干扰 data_path = sample.data_path()meg_path = data_path / "MEG" / "sample"raw_fname = meg_path /
棋盘格视觉诱发刺激脑电数据预处理记录
棋盘格视觉诱发刺激脑电数据预处理记录@TOC 视觉诱发范式 使用E-prime软件平台设计一种视觉感知实验范式。E-prime软件平台实验范式是在E-prime软件平台上进行设计及呈现的。E-prime软件是由美国卡内基梅隆大学、匹兹堡大学学习研究与发展中屯、联合美国PST理学软件工具公司开发的一套操作简单、兼容性强的心理学实验范式设计软件。该软件是由E-Basic语言编程实现的，设计实验范式
脑电信号处理-EEG-运动想象集相关资料整理
脑电信号处理-EEG-运动想象集相关资料，整理了一下，大部分有代码，数据。很少有对应论文。 欢迎交流学习。 我把有论文又有代码的整理集合了一下 需要的话点击这里 运动想象源码集合
脑电EEG代码开源分享 【4.特征提取-时域篇】
往期文章 希望了解更多的道友点这里 0. 分享【脑机接口 + 人工智能】的学习之路 1.1 . 脑电EEG代码开源分享 【1.前置准备-静息态篇】 1.2 . 脑电EEG代码开源分享 【1.前置准备-任务态篇】 2.1 . 脑电EEG代码开源分享 【2.预处理-静息态篇】 2.2 . 脑电EEG代码开源分享 【2.预处理-任务态篇】 3.1 . 脑电EEG代码开源分享 【3.可视化分析-静息态篇
脑电公开数据集解码准确率再创新高, Weight-Freezing立大功
鉴于人工神经网络（ANN）具有强大的特征提取和分类能力，它们正在成为BCI 应用中解码EEG 信号的热门选择（Schwemmer et al. (2018); Acharya et al. (2018)）。例如，Schirrmeister 等人（2017）探索了Shallow-ConvNet 和Deep-ConvNet 在MI 和运动执行（ME）EEG 信号中的特征提取能力（Schirrmei