CNNs-CHB-MIT 该项目是关于将CNN应用于来自CHB-MIT的EEG数据以预测癫痫发作。 这是UNIVERSITA DI CAMERINO分配给计算机科学学士学位的小组项目。 该项目的目的是尝试复制论文中获得的结果： 该算法包括创建数据的频谱图，然后将它们与CNN模型一起使用以预测癫痫发作。 有关更多信息，请参见和 。 这两个文件分别是意大利语的作品介绍和关系。 入门 先决条件 在该项目中，anaconda用于管理软件包。 所需包装： keras 2.2.2 python 3.6.6 张量流1.10.0 matplotlib 麻木 pyedflib 科学的 为了评估网络，进行培训和测试，GPU用于快速评估。 通过使用CPU，训练时间比使用GPU慢得多。 GPU所需的软件包： 张量流 对于GPU的使用，此链接对于安装Ubuntu 18.04 LTS的所有驱

脑电识别中EEG样本容量浮动的几点考察，王海，，在建立脑电识别模型的过程中脑电样本常被调整，本文研究了脑电样本容量的相关浮动变化对脑电识别产生的影响，以及对这一变化应采

脑电信号基础matlab代码设置管道： 该管道旨在使用 EEGLAB 预处理标准 10-20 EEG 数据（可以从各种数据采集系统收集）。 此存储库中包含最新版本的 EEGLAB，因此无需从网络下载任何内容。 要使用此管道，您必须安装 MATLAB 2017a 或更新版本。 它可能适用于旧版本的 MATLAB，但尚未经过测试。 在使用此管道之前，您必须将此存储库中的一些文件/文件夹添加到您的 MATLAB 路径中。 您需要添加的文件夹是： 〜/依赖 ~/eeglab14_1_2b/functions/sigprocfunc/FastICA_25 为此，请导航（在 MATLAB 中）到要添加的文件夹，右键单击它，然后单击“将此文件夹添加到路径”。 不要单击“添加此文件夹和所有子文件夹”。 在运行脚本之前，用户必须手动启动 eeglab。 为此，请导航到“~/eeglab14_1_2b/”并在命令提示符中键入“eeglab”。 这将启动 EEGLAB 并将必要的插件添加到您的路径中。 以这种方式启动 EEGLAB 很重要，而不是将其与所有子文件夹一起添加到您的路径中，因为 EEGLAB 调

此提交包含绘制 EEG 数据、使用 FFT 和 Pwelch 方法的功率谱、FDA 工具箱 - Alpha、Beta、Theta 和 Delta 的频谱图、频谱的练习问题。 参考： [ ] John L.Semmlow。 生物信号和医学图像处理。 第二版，CRC 出版社，2009

脑电图 使用脑电图实时触发功能性电刺激设备

2.1 脑电信号概述 2.1.1 脑电信号的产生及特点 脑电信号（Electroencephalograph）是通过医学仪器脑电图扫描记录仪将人体脑 部自身产生的微弱生物电放大记录而得到的曲线图，是由电极记录下来的大脑细胞群 的自发性生物电活动[15]。这种电信号是大脑内部脑细胞群的电生理活动在大脑皮层或 头皮表面的宏观反映。将脑细胞电活动的电位作为纵轴，时间作为横轴，这样把电位 与时间的相互关系记录下来的就是脑电图 [16,17]，简称 EEG（electroencephalograph, EEG ）。EEG反映了人脑组织的电活动和大脑的功能状态，是了解人脑信息处理过 程的一种极为重要的方式[7]。一般的脑电信号如图 2.1。 图 2.1 正常人的脑电信号 根据信号采集的位置不同，脑电信号可分为三类：EEG、皮层脑电图(cortical electroencephalogram, ECoG)和皮层下脑电图(Electrosubcorticogam, ESCoG)，如图 2.2 所示。由于 EEG采集相对容易，对人无损，而 ECoG和 ESCoG的采集都需要植入电 极，所以目前大部分的以人为对象的 BCI都是基于 EEG的。但是相对于 ECoG和 ESCoG，EEG的幅度很小，波形很不稳定[18]。

Deep Learning for EEG-Based Preference论文精读手写笔记。笔记都总结了各部分的框架，方便读者基于笔记找到文献对应内容的基本框架及概念。文章原文资源在博主的另一个下载链接即可免费下载，稍后出一篇关于这篇文献的精读导读。三者结合起来读更配噢。

可以直接选择data.bdf和evt.bdf两个文件的import方式，普通网上下载的eeglab在导入数据时没有from Neuracle EEG data files数据格式导入选项

cnn源码matlab去建立癫痫发作预测 该项目使用 CNN + LSTM 架构从 EEG 数据预测癫痫发作。 它将数据分类为 preictal(label = 1) 或 interictal (label = 0)。 可在此处找到用于该项目的数据： 。 该项目有两部分： 预处理： 预处理脚本使用小波变换对 EEG 信号进行去噪，降低采样频率并将 10 分钟片段分成 15 个时间序列。 项目的这部分是用 MATLAB 编写的。 该脚本位于 source/Preprocessing/Preprocess_data.m 下。 CNN + LSTM： 预处理完成后，将使用此数据训练 CNN + LSTM 模型。 架构如下图所示： source/DataGenerator.py 脚本是一个自定义类，用于将数据批量加载到内存中，而不是一次加载整个数据集。 有关该类的更多信息，请参阅脚本中的注释。 注意：要安装使用的 python 库： 下载此存储库。 使用以下命令安装依赖项：pip3 install -r requirements.txt（假设已经安装了 python3 和 pip） sourc

在我博客有详细安装教程，python脑电信号机器学习分类的平台搭建，基于VSCODE，python3.7.9，安装调试教程，numpy-1.19.4+mkl-cp37-cp37m-win_amd64，脑电信号机器学习分类代码一份（包括数据和代码，可运行）