【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
凯禾瑞华养老实训室1 小时前
人才教育导向下:老年生活照护实训室助力提升学生老年照护服务能力
人工智能
湫兮之风2 小时前
Opencv: cv::LUT()深入解析图像块快速查表变换
人工智能·opencv·计算机视觉
Christo32 小时前
TFS-2018《On the convergence of the sparse possibilistic c-means algorithm》
人工智能·算法·机器学习·数据挖掘
qq_508823402 小时前
金融量化指标--2Alpha 阿尔法
大数据·人工智能
黑金IT3 小时前
`.cursorrules` 与 `.cursorcontext`:Cursor AI 编程助手时代下的“双轨配置”指南
人工智能
dlraba8024 小时前
基于 OpenCV 的信用卡数字识别:从原理到实现
人工智能·opencv·计算机视觉
IMER SIMPLE4 小时前
人工智能-python-深度学习-经典神经网络AlexNet
人工智能·python·深度学习
小憩-6 小时前
【机器学习】吴恩达机器学习笔记
人工智能·笔记·机器学习
却道天凉_好个秋6 小时前
深度学习(二):神经元与神经网络
人工智能·神经网络·计算机视觉·神经元
UQI-LIUWJ6 小时前
unsloth笔记:运行&微调 gemma
人工智能·笔记·深度学习