eeg

极度畅想10 天前
神经网络·数据可视化·模型训练·eeg·生理信号处理
脑电模型实战系列:入门脑电情绪识别-用最简单的DNN模型起步大家好!欢迎来到《脑电情绪识别模型实战系列:从新手到高手》的第一篇实战博客。上篇导论中,我们介绍了系列整体规划和模型排序。今天,我们从最简单的模型入手——model_1.py,这是一个基本的深度神经网络(DNN)结构,仅用全连接层(Dense)。如果你是AI新人,这篇将是完美的起点:代码短小精悍,概念易懂,能快速看到结果。
极度畅想12 天前
transformer·eeg·bci·运动想象·脑电分析·意念控制
【脑电分析系列】第24篇:运动想象BCI系统构建:CSP+LDA/SVM与深度学习方法的对比研究欢迎回到脑电分析系列!在前23篇中,我们已系统学习了EEG信号处理的基础、各类机器学习与深度学习模型,以及情绪识别与癫痫检测等实际应用。本篇,我们将深入探索一个核心且激动人心的BCI(脑机接口)范式——运动想象(Motor Imagery, MI)。我们将详细介绍MI范式的基本原理、实验设计和挑战。
极度畅想13 天前
情绪识别·eeg·功率谱·多模态融合·神经科学·脑电分析·行为学
【脑电分析系列】第25篇:情绪识别与认知研究中的EEG应用:一个完整的实验设计与数据分析流程欢迎回到脑电分析系列!在前24篇中,我们系统学习了EEG信号处理、机器学习与深度学习模型,以及癫痫检测和运动想象BCI等实际应用。本篇,我们将聚焦EEG在情绪识别和认知研究中的关键应用。EEG以其高时间分辨率,能够实时捕捉大脑对情感和认知刺激的电生理响应,为我们理解人类内心情感世界和思维过程提供了独特的视角。
极度畅想14 天前
卷积神经网络·eeg·时频图·脑电分析·谱图·自动特征提取·癫痫检测
【脑电分析系列】第19篇:深度学习方法(一):卷积神经网络(CNN)在EEG图像/时频图分类中的应用欢迎回到脑电分析系列!在前几篇中,我们探讨了EEG的预处理、特征提取和传统机器学习分类器。然而,面对EEG信号的复杂非线性模式和日益增长的数据量,深度学习技术展现出更强大的潜力,尤其是其自动特征提取能力。
^哪来的&永远~10 个月前
笔记·eeg·fnirs
论文阅读笔记 | EEG与fNIRS耦合的方法、挑战与前景参考:论文阅读笔记 | EEG与fNIRS耦合的方法、挑战与前景 本期分享的论文[1]主要探讨了fNIRS和EEG这两种非侵入性神经影像学技术的特点及其在大脑活动监测方面的应用。同时,作者Li还详细阐述了如何分析并发记录的EEG和fNIRS两种数据来实现对大脑活动的深入探究。最后,文章总结了当前研究中存在的挑战,并提出了未来研究的方向。 [1] Li, R., Yang, D., Fang, F., Hong, K.S., Reiss, A.L. and Zhang, Y., 2022. Concurre
会飞的Anthony1 年前
开发语言·python·eeg
基于Python的脑电图(EEG)信号分析(4)脑电图(EEG)是一种测量大脑电活动的非侵入性方法,通过在头皮上放置电极来捕捉大脑神经元群体的电活动。这些信号可以提供关于大脑功能状态和响应的宝贵信息,例如认知过程、感知活动和注意力分配。
^哪来的&永远~1 年前
python·eeg·mne
python MNE EEG:从预处理到绘制事件相关光谱扰动(ERSP/ERDS)****
是馒头阿2 年前
人工智能·机器学习·迁移学习·脑机接口bci·eeg·跨被试
55、美国德克萨斯大学奥斯汀分校、钱德拉家族电气与计算机工程系:通过迁移学习解决BCI个体差异性[不得不说,看技术还得是老美]2024年2月5日跨被试最新文章:德州州立大学奥斯汀分校研究团队最近的一项研究成果,通过非侵入式的脑机接口,可以让被试不需要任何校准就可以使用脑机接口设备,这意味着脑机接口具备了大规模被使用的潜力。
头发没了还会再长2 年前
数据挖掘·数据分析·信号处理·eeg·bci·脑机
【脑电信号处理与特征提取】P5-彭薇薇:脑电信号的预处理及数据分析要点脑电是神经活动的测量方法,在不同位置测量有不同的方法。比如大脑皮层表面测量的是ECoG,在头皮测量的是EEG。除了EEG是无损的,其他都是有损的。
头发没了还会再长2 年前
信号处理·eeg·脑电设备
【脑电信号处理与特征提取】P2-夏晓磊:脑电的神经起源与测量electroencephalography(EEG) 脑电图 Excitatory Postsynaptic Potential(EPSP) 兴奋性突触后电位 Electrocorticography(ECoG) 皮层脑电图
头发没了还会再长2 年前
人工智能·深度学习·eeg·bci·脑机
【BI&AI】Lecture 8 - EEG data analysis hands onICA: 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。
Jurio.2 年前
经验分享·eeg·公开数据集·bci
公开数据集:灵长类动物多通道感觉运动皮层电生理学的研究Nonhuman Primate Reaching with Multichannel Sensorimotor Cortex Electrophysiology. 1 公开数据集网址:https://zenodo.org/records/3854034
Jurio.2 年前
python·机器学习·分类·eeg·公开数据集·bci
基于CSP的运动想象EEG分类任务实战基于运动想象的公开数据集:Data set IVa (BCI Competition III)1 数据描述参考前文:https://blog.csdn.net/qq_43811536/article/details/134224005?spm=1001.2014.3001.5501 EEG 信号时频空域分析参考前文:https://blog.csdn.net/qq_43811536/article/details/134273470?spm=1001.2014.3001.5501 基于CSP的运动想象 E
我有明珠一颗2 年前
eeg·多维度情绪模型·离散情绪模型·arousal·valence
EEG 情绪标签 - 简介在EEG情绪研究中,有两种常见的情绪表达方式:多维度情绪模型、离散情绪模型。多维度情绪(Dimensional Emotion)模型将情绪描述为在多个连续维度上的变化。
我是有底线的