2023/1/12-2023/1/脑机接口学习内容一览： 这一篇博客里，主要在写博客的过程中总结和思考自己在前一段时间所进行的频域分析工作有何意义，以及探明时频分析几种主要方法的基本工作原理，最后做一下代码方面的总结。1.频谱估计 在脑电信号分析的频谱
目录提取数据epoch移除基线值保存数据提取数据epoch为了研究连续记录数据的事件相关脑电图动力学，可以通过选择Tools > Extract Epochs来提取与感兴趣事件锁定的数据时间段（例如，数据时间段锁定为一类实验刺激的集合）。在eeglab界面上操作：Tools > Extract Epochs，弹出下面界面。在上面的pop_epoch.m窗口中，单击上面红色框的右上按钮，
最近，由于高校的放假，我的工作也算是得以空闲起来，有了时间来看看文献学习知识，我在很久之前也写过关于《eeg源分析的简介》，大致也介绍了源分析所需要的东西，这几天我也一直在读以下两篇文献，今天的内容也是对这些东西的思考总结。文献：Hallez, H., Vanrumste, B., Grech, R. et al. Review on solving the forward problem
原创
2022-01-12 16:06:09
462阅读
2.Python数据分析—数据分析入门知识图谱&索引一·个人简介二·数据分析的重要性和用途Python在数据分析中的角色三·Python数据分析基础Python简介和安装指南Python基本语法和数据结构Python中的数学运算四·数据分析工具和库概览NumPy：高效的多维数组操作Pandas：数据处理和分析Matplotlib：数据可视化Seaborn：统计图表绘制SciPy：科学计算
# Python EEG 代码科普
脑电图（EEG）是一种通过在头皮上放置电极来记录大脑活动的技术。Python是一种流行的编程语言，可以通过Python编写程序来处理和分析脑电数据。在本文中，我们将介绍如何使用Python编写EEG代码，并提供一个简单的代码示例来演示如何读取和处理脑电数据。
## EEG 数据处理
在处理EEG数据时，我们通常会涉及到信号处理、特征提取和模型训练等步骤。P
# Jupyter Notebook EEG 数据分析
在神经科学研究中，脑电图（EEG）是一种常用的技术，用于记录大脑活动。通过分析脑电波形，可以揭示大脑在不同认知任务或疾病状态下的活动模式。而使用Jupyter Notebook进行EEG数据分析，可以方便地进行数据处理、可视化和建模。
## EEG 数据分析流程
为了更好地理解EEG数据的分析，我们可以使用状态图来描述EEG数据分析的流
这两天需要对预实验的脑电进行一个分类，在这里记录一下流程脑电分析系列文章mne官网mne教程随机森林分类Python 多因素方差分析 文章目录1. 脑电数据的处理1.1 基本概念1.2 实际处理1.3 全部代码2. 随机森林分类1. label的制作2. 使用随机森林进行分类3. 全部代码3. 显著性检验4. 多文件测试1. 文件选择2. 精确度分析3. anova分析4. 可扩展性1. 抽取代码
转载
2023-09-04 22:06:30
562阅读
网络站点爬取爬取网络站点的库Scrapy – 一个快速高级的屏幕爬取及网页采集框架。cola – 一个分布式爬虫框架。Demiurge – 基于PyQuery 的爬虫微型框架。feedparser – 通用 feed 解析器。Grab – 站点爬取框架。MechanicalSoup – 用于自动和网络站点交互的 Python 库。portia – Scrapy 可视化爬取。pyspider – 一
# Python EEG 滤波代码科普文章
## 引言
脑电图（Electroencephalogram, EEG）是一种用来记录和分析大脑电活动的技术。通过分析脑电信号，可以了解到人类大脑的不同状态和功能。在脑电信号分析中，滤波是一项重要的预处理步骤，用来去除噪音和提取感兴趣的频率成分。本文将介绍使用Python进行脑电图滤波的基本步骤和示例代码。
## 什么是脑电图滤波？
脑电图信号通常包
# 用Python采集EEG数据
## 引言
EEG（脑电图）是一种记录和分析大脑电活动的方法，通过电极放置在头皮上，可以测量到大脑的电信号。EEG数据对于研究神经科学、心理学和医学领域具有重要意义。本文将介绍如何使用Python采集EEG数据，并提供一些代码示例。
## 1. 准备工作
在开始之前，我们需要准备一些硬件设备和软件工具。首先，我们需要一个能够记录EEG信号的设备，通常是一个
。最近，我在油管上看到了EEGLAB官网出品的时频分析教程，在遵守CC-BY-NC协议上，我将视频加了字幕后搬运到了B站上，可在个人B站上进行查看。通过上面的视频学习，我又收获了一些新的内容。在我的文章中，我不喜欢贴数学公式来讲解一些内容，这部分对我个人来说，觉得是繁琐复杂的。我比较喜欢通过通俗的语言来介绍。在EEG领域，我们通常会进行的一些分析，可以参考以下这张图。通过上图可以发现，我们一般进
原创
2022-01-14 15:14:55
496阅读
# Python短时傅里叶变换(Short-time Fourier Transform - STFT)教程
## 引言
本文将向你介绍如何使用Python实现短时傅里叶变换(STFT)来处理脑电图(EEG)数据。短时傅里叶变换是一种时频分析方法，可以将信号在时间和频率域上进行分析，常用于处理时变信号。首先，让我们来了解一下整个流程。
## 流程概览
下表展示了实现Python短时傅里叶变换的
首先，EEG信号的数据是什么样的？原始的EEG数据是由很多个样本点数所构成的一个有限的离散的时间序列数据。至于样本点数的多少，则由采样率所决定，比如采样率为1000Hz，那么每秒就有1000个数据样本点。其中，每个样本点数据代表的是脑电波幅的大小，物理学上称为电压值，单位为伏特(V)，由于脑电信号通常较弱，所以更常使用的单位为微伏(μV)。时域分析因此，原始的EEG信号就是一个时域上的数据。
当你思考、做梦、看东西和感觉的时候，你的大脑是持续活跃的，吸收所有的信息，压缩和重新连接现有的数据，并将所有的东西整合成一致的体验。对你来说，这种经历构成了你的现实。你的大脑是活的。
原创
2021-09-22 14:27:11
469阅读
当你思考、做梦、看东西和感觉的时候，你的大脑是持续活跃的，吸收所有的信息，压缩和重新连接现有的数据，并将所有的东西整合成一致的体验。对你来说，这种经历构成了你的现实。你的大脑是活的。你的大...
原创
2022-01-24 11:06:53
206阅读
# Python信号处理教程：EEG信号处理入门
EEG（脑电图）是一种记录脑电活动的技术，它在神经科学和生物医学工程等领域中扮演着重要角色。本文将指导你如何使用Python进行EEG信号处理。我们将通过一系列步骤来实现这一目标，确保你能够理解每一步的功能与实现。
## 处理流程
下表展示了处理EEG信号的主要步骤：
| 步骤 | 描述 |
|------|------|
| 1. 数据
# 如何使用Python绘制EEG数据
作为一名刚入行的开发者，你可能对如何使用Python绘制EEG（脑电图）数据感到困惑。不用担心，我会一步步教你如何实现这个任务。首先，让我们了解一下整个流程。
## 步骤概览
以下是绘制EEG数据的步骤：
| 步骤 | 描述 |
| --- | --- |
| 1 | 安装必要的库 |
| 2 | 导入数据 |
| 3 | 预处理数据 |
| 4 |
当你思考、做梦、看东西和感觉的时候，你的大脑是持续活跃的，吸收所有的信息，压缩和重新连接现有的数据，并将所有的东西整合成一致的体验。对你来说，这种经历构成了你的现实。你的大脑是活的。你的大...
原创
2021-12-31 10:38:54
1372阅读
对于我们这些从没做过信号处理以及分类的小伙伴来说，面对信号数据真的是不知道该如何下手。既然大家来看这篇博文，我相信，大家与我一样，其中的痛楚无需多言。下面我就与大家分享一下，这段时间我对这一问题的感悟（新手上路，如有错误，请大家批评指正）。首先我们需要对这一问题有一个宏观的认识。我们采集到的原始脑电信号包含了很多的噪声与干扰，这些在分类中都会影响分类性能，那么我们就需要先对信号去噪去干扰。这一步后
转载
2023-08-28 13:14:46
155阅读
当你思考、做梦、看东西和感觉的时候，你的大脑是持续活跃的，吸收所有的信息，压缩和重新连接现有的数据，并将所有的东西整合成一致的体验。对你来说，这种经历构成了你的现实。你的大脑是活的。你的大...
原创
2022-01-16 10:28:21
349阅读
