【BI&AI】Lecture 8 - EEG data analysis hands on

Lecture 8 - EEG data analysis hands on

分析流程

Recap: 频域上的分析


Recap: ICA降噪

ICA: 用于从混合信号中分离出独立的成分或因素。它可以将观测到的多个信号分解为相互独立的成分,这些成分在原始信号中可能是混合在一起的。

假设采集EEG信号的帽子上有n个电极,则有n个观测信号,用 x 1 x_1 x1, x 2 x_2 x2... x n x_n xn表示。采集到的信号可能包含除了脑电信号之外的其他信号,假设共有m个独立成分的混合,用 s 1 s_1 s1, s 2 s_2 s2... s m s_m sm表示。

x和s之间满足一个关系式: x = A s x = As x=As

举例,比如有20个观测信号,从中分离出来了20个独立成分,如何从20个成分选择我们需要的信号,可以根据经验判断都是什么信号,比如下图第一个信号是眼动信号,我们可以将s中第一行设置为0,逆变换回去就求得原始数据降噪后的x。

也可以根据脑地形图判断是否为噪声,对于脑电信号而言,感兴趣的成分通常在地形图上呈现出具有空间拓扑结构的分布。

间隔相同的时间,多次给予相同的刺激,并采集参与者的脑电EEG信号,将多次采集的信号划分为不同epoch求平均得到ERP。

MNE

MNE(Magnetoencephalography and Electroencephalography)工具包是一个用于脑电图(EEG)和脑磁图(MEG)数据分析的Python开源软件包。它提供了一系列功能和工具,用于处理、分析和可视化脑电图和脑磁图数据。

代码部分大家可以自己看视频讲解,在GitHub上也上传了代码,这里不再展示。

相关推荐
柠檬味拥抱几秒前
金属材料表面六种缺陷类型数据集 | 适用于YOLO等视觉检测模型(1800张图片已划分、已标注)
人工智能
Baihai_IDP13 分钟前
AI 系统架构的演进:LLM → RAG → AI Workflow → AI Agent
人工智能·llm·aigc
12点一刻15 分钟前
搭建自动化工作流:探寻解放双手的有效方案(1)
运维·人工智能·自动化·deepseek
GoGeekBaird22 分钟前
使用GoHumanLoop拓展AI Agent人机协同边界,这次连接到飞书
人工智能·后端·github
liliangcsdn36 分钟前
在mac m1基于llama.cpp运行deepseek
人工智能·macos·语言模型·llama
Deng9452013141 小时前
基于数据挖掘的课程推荐系统研究
人工智能·数据挖掘·数据预处理·基于用户的协同过滤·文本特征提取
zhangfeng11331 小时前
机器学习 YOLOv5手绘电路图识别 手绘电路图自动转换为仿真软件(如LT Spice)可用的原理图,避免人工重绘
人工智能·yolo·机器学习
铭keny2 小时前
YOLO11 目标检测从安装到实战
人工智能·目标检测·目标跟踪
杨小扩7 小时前
第4章:实战项目一 打造你的第一个AI知识库问答机器人 (RAG)
人工智能·机器人