我们到了！ 主要思想是我们如何从 EEG 记录数据库构建功能性大脑网络，然后可视化大脑网络中的一些网络特征。 所以让我们明星吧！ （自v。R2015b起）。 带有步骤的网页版本可在以下网址获得： http : //complexity.es/school/neuroscience 使用图论和复杂系统进行功能连接（单击图像中的 PDF 副本）。 本大脑复杂网络教程由 Johann H. Martínez 编写。 使用 EEG 的原始时间序列、频带分解、建立基于相关性的大脑网络（不同类型的相关性）、可视化图形的矩阵表示、使用矩阵重新布线和阈值方法。 在这里，我们使用 Sporns 等人的 Brain Connectivity Toolbox (BCT)，麻省理工学院的 Matlab 网络分析工具。 感谢 David Legland 的函数“double2rgb.m”。 数据集是从 Chen

xgboost代码回归matlab “＃EEG_preprocessing”此存储库包含用于预处理EEG数据的Maltab和Python文件。 Matlab文件是进一步分析的预处理步骤。 预处理执行如下： 滤波（0.5 – 30 Hz）2.重新参考（通用平均参考）3.使用EEGLAB ICA插件计算ICA权重。 4.仅查找和选择用于干净数据的实际试验（针对整个数据集）5.使用-1到2秒之间的间隔。 6.为了拒绝人为因素，使用了SASICA。 7.消除数据趋势并消除线路噪声。 8.消除异常时期以上步骤是研究有关该主题和实验方法的现有论文的结果。 python文件是用于将EEG数据分类为从Kaggle数据库获取的抓取力数据的分析代码。 此处提供了数据集的描述：。 在分析中，我执行了数据的简单转换并应用了Microsoft的LightGbM算法。 该代码可用作将来在其他EEG数据集上使用的模板。 使用GrigSearch和Cross-Validation选择lightGBM参数。 与lightGBM一起使用了其他算法，例如逻辑回归，XGboost，SVM，但是lightGBM在速度（Top1

SIFT-eeglab插件初始的官网教程因为包的更新已经不好用了，很多gui界面的指令和界面不同了，找了很久才找到了适配最新版的教程，放上来

脑电波采集设备开发代码 基于cc2541 和ads1293

对应于DEAP数据集，提取其微分熵特征，计算其微分熵特征。

GAN在脑机接口中的应用：人工生成EEG数据

脑电提取均值信号特征的matlab代码用于癫痫发作检测的脑电图特征工程 该 repo 记录了癫痫发作检测任务中最具挑战性的部分 EEG 特征工程的 MATLAB 代码。 这些 EEG 特征已被 Citation 中已发表的论文所使用。 脑电特征域 功能编号 特征域 描述 1-4 基本统计 平均振幅、标准振幅、过零次数、振幅范围 5-16 光谱分析 每个频段的功率比和绝对功率，alpha、beta、theta、delta、gamma 和 freq 质心，总功率 17-28 时频域 离散小波变换（DWT）在六个频段上系数的均值和标准差 29-31 非线性特征 ApEn、LZ 复杂度、Hurst 指数 32-43 时空域 六个频段和大脑区域的锁相值 44-47 同步测量（带频移/频移） 时域和频域中的动态扭曲 48-62 复杂网络特征 从时间和频率不变网络中提取的特征 功能 1-47 参考； 功能 48-62 对 . 基于这项工作的博士论文在 . 脑电特征提取首先，通过以下方式下载此 repo： git clone git@github.com:ieeeWang/EEG-feature-se

脑电信号分析，脑电信号分段，脑电样本熵特征计算，样本熵程序

生物信号工具 BioSig 项目是一个用于生物医学信号处理的开源软件库，例如分析 EEG、ECoG、ECG、EOG、EMG、呼吸等。 为了更容易学习，它是从任意分叉出来。 免责声明 这个存储库不是由原始贡献者创建的，而是在 2015 年 2 月 6 日在开源许可下分叉在这里。要查看作者的最新更新，您必须转到（在 SourceForge 上）。 但是，欢迎任何贡献或讨论！ 我相信每个人的努力在开源文化中都是必不可少的。 随意留下您的拉取请求或问题。 特征 BioSig 由一些（或多或少）连贯的部分组成，有关更多详细信息，请查看： BioSig for Octave 和 Matlab (biosig4octmat)：Octave 和 Matlab 的工具箱，具有强大的数据导入和导出过滤器、特征提取算法、分类方法以及强大的查看和评分软件。 BioSig for C/C++ (biosig4

脑电图提取 1,2 ， 1 ， 1 ， 3 ， 1 1密歇根州立大学计算机科学系，人类增强与人工智能实验室2密歇根州立大学心理学系感知与注意力实验室的神经影像学3纽约大学计算机人类智能实验室，阿布扎比，电气与计算机工程系 一个用于提取EEG特征的pyhton软件包。 最初是针对论文而开发的，该论文发表在Digital Health的前沿杂志上，有关临床决策中的机器学习专刊。 获取BibTex引用（或滚动至本页底部）。 据我们所知，EEGExtract是当前可用的最全面的EEG特征提取库。 该库正在积极维护中，如果您认为添加特定功能对社区有益，请提出一个问题！ 设置 确保您具有在requirements.txt列出的必需软件包。 如果不确定，请使用pip install -r requirements.txt 。 只需下载EEGExtract.py文件并将其EEGExtrac