【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
Fuly10241 小时前
AI 大模型应用中的图像,视频,音频的处理
人工智能·音视频
掘金安东尼1 小时前
Cursor 2.0 转向多智能体 AI 编程,并发布 Composer 模型
人工智能
Small___ming1 小时前
【人工智能数学基础】如何理解方差与协方差?
人工智能·概率论
好家伙VCC1 小时前
**发散创新:AI绘画编程探索与实践**随着人工智能技术的飞速发展,AI绘
java·人工智能·python·ai作画
兔兔爱学习兔兔爱学习1 小时前
2025年语音识别(ASR)与语音合成(TTS)技术趋势分析对比
人工智能·语音识别
程序猿编码1 小时前
Linux 文件变动监控工具:原理、设计与实用指南(C/C++代码实现)
linux·c语言·c++·深度学习·inotify
中杯可乐多加冰1 小时前
服务编排搭建案例详解|基于smardaten实现协同办公平台复杂交互
人工智能·低代码
AndrewHZ1 小时前
【图像处理基石】图像匹配技术:从原理到实践,OpenCV实现与进阶方向
图像处理·人工智能·opencv·图像匹配·算法原理
有点笨的蛋1 小时前
从零构建你的 AIGC 后端:pnpm + dotenv + OpenAI SDK 的现代工程实践
人工智能·node.js
openHiTLS密码开源社区2 小时前
密码学与人工智能的深度融合:玄知大模型开启安全智能新纪元
人工智能·密码学·gpt-4o·openhitls·玄知大模型·sm4-hctr·密码学大模型