2019年7月31日 大雨 1 已下载eeglab和letswave工具包，在matlab设置好工作路径，将工具包的图形界面调用出来； 2 使用letswave6工具包进行操作。导入数据的时候，我的设备是neuroscan，储存了cnt数据，所以在导入数据的时候，选择了如下图1：图1 2.1 如此，便导入了epochs*channels*x*y*z*t的六维数据。在图
转载
2023-06-14 19:46:31
254阅读
EEG脑电图（Electroencephalogram,EEG）是通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，是通过电极记录下来的脑细胞群的自发性、节律性电活动。有常规脑电图、动态脑电图监测、视频脑电图监测。EEG信号的分类EEG信号按频谱不同可划分为四种基本类型：α波：频率分布为8-13HZ，主要包含两个波段，μ1（8-10HZ）和μ2（10-13HZ），振幅约为
转载
2019-04-15 21:23:55
147阅读
在我们的认知神经科学中，经常会遇到脑电数据的采集，本期就来向大家介绍一下什么是脑电图（EEG）以及它的发展历史及前景。 PS：本篇文章参考自Andrea Biasiucci等人2019年发表在《Current Biology》上的文献《Electroencephalography》。后台回复关键词“脑电简介”即可获得原文及相关参考文献啦！ 脑电图(EEG)是一种无创的测量大脑电活动的方法。它需要
原创
2021-04-15 10:49:38
5048阅读
1评论
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达本篇文章是论文《Identify Stable Patterns over Time for Emotion Re...
转载
2021-09-09 09:37:38
990阅读
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达本篇文章是论文《Identify Stable Patterns over Time for Emotion Re...
转载
2022-01-25 13:40:26
359阅读
目录脑电图动态脑电图(AmbulatoryEEG)为什么要研究动态脑电图?动态脑电图(AmbulatoryEEG)是如何工作的？信号和噪音动态脑电图的实验设计动态脑电图的分析方法结论本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：941473018关于脑电图EEG，Rose小哥分享过很多，可以查看《什么是EEG以及如何解释EEG?...
原创
2021-09-07 14:05:58
842阅读
传统上，研究有因果控制的物体在大脑中是如何呈现的一直是个挑战。我们
关于脑电图EEG，社区之前分享过很多，可以查看《什么是EEG以及如何解释EEG?》《EEG数据、伪影的查看与清洗》等。
介绍动态脑电图前，先简要介绍一下脑电图。更加详细的介绍可以查看《什么是EEG以及如何解释EEG?》
脑电图(EEG)是一种生理方法，用于记录大脑通过放置在头皮表面上的电极产生的电活动。为了更快地进行应用，
原创
2021-09-09 09:59:55
953阅读
目录脑电图动态脑电图(AmbulatoryEEG)为什么要研究动态脑电图?动态脑电图(AmbulatoryEEG)是如何工作的？信号和噪音动态脑电图的实验设计动态脑电图的分析方法结论本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：941473018关于脑电图EEG，Rose小哥分享过很多，可以查看《什么是EEG以及如何解释EEG?...
原创
2022-01-25 11:11:18
457阅读
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达传统上，研究有因果控制的物体在大脑中是如何呈现的一直是个挑战。我们关于脑电图EEG，社区之前分享过很多，可以查看《...
原创
2022-01-25 14:28:27
1081阅读
基于脑电图(EEG)的人机交互技术（脑-机接口）是当前神经工程领域最活跃的研究方向之一。一、脑电的两种类型： 1.自发脑电（即EEG） 大脑在日常活动中自然产生的脑电信号，在头皮测量时，振幅约为100μV，在大脑表面测量时，约为12mV，信号的频率在150Hz。2.诱发脑电 诱发脑电是大脑在接受到刺激时产生的脑电信号，刺激可以是声音刺激，图像刺激，视频刺激，电刺激等等，如稳态视觉诱发电位（SSVE
# 基于深度学习 EEG 的实现流程
## 概述
本文将介绍如何基于深度学习 EEG（脑电图）的实现方法。深度学习是一种机器学习技术，可以通过多层神经网络来提取数据中的特征，并进行预测和分类。在本项目中，我们将使用深度学习来对脑电图数据进行分类，以实现对不同脑电图信号的分析。
## 实现流程
下面是基于深度学习 EEG 的实现流程：
```mermaid
flowchart TD
A
原创
2023-08-26 13:37:50
125阅读
脑电图(EEG)是测量人脑神经元活动的最古老的技术之一。随着数字技术的进步，脑电图分析已经从单纯的随时间变化的幅度和频率变化的视觉检测，发展到对记录信号的时空特征的全面探索。如今，脑电图(EEG)被认为是捕捉大脑功能的有力工具，它具有在神经元过程发生的时间范围内(即亚秒范围)测量神经元过程的独特优势。然而，一般认为脑电图的空间分辨率较低，难以推断产生头皮上神经元活动的大脑区域的位置。这一声明向整个
自闭症是一种多方面的障碍，不能通过单一的症状来识别，也不能用单一的生物学原因来解释。因此，它被称为自闭症谱系障碍(ASD)。ASD患者会经历各种各
原创
2022-01-24 11:07:35
431阅读
自闭症是一种多方面的障碍，不能通过单一的症状来识别，也不能用单一的生物学原因来解释。
原创
2021-09-22 15:49:51
954阅读
深度学习（Deep Learning），又叫Unsupervised Feature Learning或者Feature Learning，是目前非常热的一个研究主题。本文将主要介绍Deep Learning的基本思想和常用的方法。一. 什么是Deep Learning？实际生活中，人们为了解决一个问题，如对象的分类（对象可是是文档、图像等），首先必须做的事情是如何来表达一个对象，即必须抽取一些特
EEG信号的采集过程中，会混入眼动等噪声。眼动噪声相对于EEG信号来说，表现为幅度异常大。如果直接用这样的信号去实现CNN的分类，似乎没有特别影响分类的效果（未进行测试，但是目前分类结果可以达到90%以上，因此默认似乎是影响不明显），但是，如果需要用波段能量去做一些统计分析的时候，超大幅度的噪声，会有明显的影响，这个时候，眼动这样的大噪声需要去除。 自适应滤波的方法亲测比较有效。自适应滤波的原理是
亮点：ps-plus框架重构，解决了水平扩展问题，支持增量更新，（grpc，lock，graph-engine）方面，Failover机制。在线学习问题：1、tensorflow的worker与ps-plus的对接，是重构worker还是对接口进行了修改？综述场景：搜索、广告、推荐 场景特点: 样本规模和特征空间通常非常巨大，千亿样本、百亿特征并不罕见，同时存在大量的稀疏特征作为Embedding
现代的神经影像学技术有这样几种：：脑电图(EEG), 单光子发射体层成像(SPECT), 正电子发射型计算机断层显像(PET), 功能性磁共振成像(fMRI),侵入性光学成像(invasive optical imaging),颅内电极记录(intracranial recording) , 脑皮层电图(ECoG)，其中最为广泛应用的是fMRI和PETPET: 测量血流量和神经系统里的化学物质，然
EEG 基础脑电图（Electroencephalogram,EEG）是通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，是通过电极记录下来的脑细胞群的自发性、节律性电活动。有常规脑电图、动态脑电图监测、视频脑电图监测。EEG信号的分类 EEG信号按频谱不同可划分为四种基本类型：α波：频率分布为8-13HZ，主要包含两个波段，μ1（8-10HZ）和μ2（10-13HZ），
转载
2023-09-01 14:21:29
277阅读
目录1.安装与使用2.数据结构Raw3.Epoch4.Evoked5.案例（1）导入工具库（2）加载数据（3）测试数据（4）提取脑电图特征（5）预测6.读取.set和.locs文件7.读取.edf文件8.参考电极及应用9.信号空间投影SSP10.连续注释11.Epoch及其可视化12.信号滤波1.安装与使用在windows系统下，基于Anaconda安装MNE-python。具体步骤见资料，此处不
