基于DEAP的脑电情绪识别（基于CNN的多目标进化算法选择的人类情绪与脑电图通道的二维区分)，采用的tensorflow框架，模型为深度卷积神经网络模型

巴特沃斯带通滤波器的matlab代码EEG-P300Speller_Model-util 该存储库包含3部分。 包括PYTHON代码和MATLAB代码。 第一部分：具有深度学习模型（堆叠的CNN和RNN）-Keras的EEG信号分类 P300_CNN_1_GRU_A.py：一个Python文件，其中是CNN和GRU的组合模型，用于确定EEG信号序列是否包含P300波。 模型1的摘要（堆叠式CNN和RNN）：1，CNN负责空间域特征提取。 如图2所示，GRU负责时域特征提取。 3，引入了Dropout，以防止过度拟合并提高精度。 模型2（堆叠式CNN）的摘要-未包含在存储库中：1，CNN负责空间域特征提取。 如图2所示，CNN负责时域特征提取。 3，引入了Dropout，以防止过度拟合并提高精度。 第二部分：用于EEG信号预处理的工具包。 列表和简要说明：1，EEG_Preprocessor.py：一个python文件，其中包含一系列EEG Signals预处理程序的代码。 包括：load_data，extract_eegdata，extract_feature等。 分类前的操作： 1)

该文提出了振幅整合脑电图用于正常年轻人睡眠脑电分期的方法。记录了13例正常年轻人约8小时睡眠脑电数据，分为训练组（6例）和测试组（7例）。计算训练组每一例的振幅整合脑电图（aEEG）；提取aEEG的上边带曲线作为其特征曲线；提取不同分期的aEEG上边带中位数和四分位距特征；将这些特征进行综合统计分析，得出aEEG在不同睡眠期的边界和波动范围的数值指标；利用此指标对训练组和测试组的脑电数据进行睡眠自动分期。测试组和训练组的分期结果与ZEO系统结果有较好的一致性，证明了aEEG的一组特征值作为睡眠分期决策指标

脑电信号基础matlab代码电管 用于脑电图 (EEG) 数据处理管道的代码集合。 这些工具实际上并不包含任何新的信号处理工具。 它们只是为了在处理大量数据集时让您的生活更轻松。 尽管该管道包括用于计算大平均 ERP、小波分解和 FFT 的工具，但其主要目的是通过prep_master.m脚本及其调用的函数进行预处理。 安装： 从 下载最新版本，将其解压缩并从 Matlab 中运行 ElektroSetup.m。 你需要什么： 最近的 Matlab（在 R2019b 上测试） EEGLAB (2019.1) 插件：Cleanline、SASICA、eye-eeg（最近的 github 版本！ ）、PREP 等。您将收到有关不匹配的依赖项的警告（请参阅elektro_dependencies.m ） SubjectsTable.xlsx（此存储库中包含一个示例）：一个 Excel 电子表格，其中包含您的主题列表和有关这些数据集的信息。 Matlab 声称也可以读取 .odt 文件，但至少在我们的机器上这是行不通的。 此表中的重要列是： 名称：多个函数需要此列，其中包含每个数据集的名称、代

基于脑电图的情绪识别脑计算机接口及其在意识障碍患者中的​​应用

使用相位锁值（Phase locking value , PLV）来量化任意两个电极通道之间的相位同步性，构建.相应的脑功能网络的关联矩阵，提取网络不同稀疏度下的度、中间中心度两个局部属性的曲线下面积作为.特征，对不同类型情感的网络特征进行非参数检验，找出显著性的节点。同时采用得到的特征值作为分类.依据，训练SVM 分类器。实验表明，利用PLV 相位同步方法得到功能网络的局部属性，可以有效地区分不.同类型的情感脑电数据，为基于脑电数据的情感识别提供了一种有效的方法。

基于脑电图记录的非线性和动态功能性大脑连通性成像及其在阿尔茨海默氏病诊断中的应用

深度卷积神经网络的基于脑电图情感识别的数据增强

癫痫发作检测 该存储库包含“深度学习”项目的代码，用于识别癫痫诊断患者的异常脑电图。 参考 ChronoNet：用于异常EEG识别的深度递归神经网络 如果您发现存储库中的代码很有用，请使用以下命令将其引用： @misc{chitlangia2021epileptic, author = {Chitlangia, Sharad}, title = {Epileptic Seizure Detection using Deep Learning}, year = {2021}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/Sharad24/Epileptic-Seizure-Detection/}}, }

mne-python：MNE：Python中的磁脑图（MEG）和脑电图（EEG）