【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
巷955几秒前
OpenCV图像形态学:原理、操作与应用详解
人工智能·opencv·计算机视觉
深蓝易网29 分钟前
为什么制造企业需要用MES管理系统升级改造车间
大数据·运维·人工智能·制造·devops
xiangzhihong837 分钟前
Amodal3R ,南洋理工推出的 3D 生成模型
人工智能·深度学习·计算机视觉
狂奔solar1 小时前
diffusion-vas 提升遮挡区域的分割精度
人工智能·深度学习
资源大全免费分享1 小时前
MacOS 的 AI Agent 新星,本地沙盒驱动,解锁 macOS 操作新体验!
人工智能·macos·策略模式
跳跳糖炒酸奶1 小时前
第四章、Isaacsim在GUI中构建机器人(2):组装一个简单的机器人
人工智能·python·算法·ubuntu·机器人
AI.NET 极客圈1 小时前
AI与.NET技术实操系列(四):使用 Semantic Kernel 和 DeepSeek 构建AI应用
人工智能·.net
Debroon2 小时前
应华为 AI 医疗军团之战,各方动态和反应
人工智能·华为
俊哥V2 小时前
阿里通义千问发布全模态开源大模型Qwen2.5-Omni-7B
人工智能·ai
果冻人工智能2 小时前
每一条广告都只为你而生: 用 人工智能 颠覆广告行业的下一步
人工智能