本项目是基于STM32F103C8T6单片机，通过串口采集TGAM的脑波数据，对TGAM的脑波数据进行解析处理，来控制RGB灯的变化，从而反应脑波的注意力或放松度等级。即通过RGB灯的变化，反馈脑波的一种形式。
本项目全部免费开源！
2021-12-28 16:11:34
3.68MB
1
为了更有效地提取脑电信号特征波，结合小波包和ICA（独立分量分析），提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解，然后进行相关频段信号的重构，从而提取出特征波的概貌作为初次提取的特征波；再利用ICA分离技术，以初次提取的特征波为参考信号对其进行增强。实验结果表明，对比于独立地应用某一种方法，两种方法相结合更能有效地提取脑电信号特征波。
2021-12-28 10:24:09
218KB
1
1、网络安全绪论；2、扫描与防御技术；3、网络监听及防御技术4、口令破解与防御技术5、欺骗攻击及防御技术；6、拒绝服务攻击与防御技术；7、缓冲区溢出攻击及防御技术；8、Web攻击及防御技术；9、木马攻击与防御技术；10、计算机病毒；11、网络安全发展与未来
2021-12-27 11:00:19
2.02MB
深脑节
此回购利用2-D和3-D全卷积神经网络（CNN）的集成，从多模态磁共振图像（MRI）分割脑肿瘤及其成分。 分段网络中使用的密集连接模式可以有效地重用较少数量的网络参数来使用功能。 在BraTS验证数据上，分割网络获得的完整肿瘤，肿瘤核心和活动肿瘤骰子分别为0.89、0.76、0.76。
特征
脑肿瘤分割
脑面罩生成SkullStripping（当前使用HD-BET和ANTs）
放射性特征
核心地位
dcm和nifty支持（将dcm转换为nifty并起作用）
基于UI的推理框架
微调
强化
逐渐解冻
自定义netwrok培训框架
全脑分割
安装
基于PyPi的安装：
所需的Python版本：3.5
安装： pip install DeepBrainSeg
或者
git clone https://github.com/koriavinash1/DeepB
2021-12-25 11:08:38
290MB
1
为了方便地监测睡眠情况，合理评价睡眠质量，设计了基于智能终端的睡眠监测系统。该系统主要包括信号采集模块和智能终端。信号采集模块与智能终端之间采用蓝牙通信，实现对脑电信号的采集、接收、分析及存储。智能终端采用小波变换对脑电信号去噪，提取样本熵作为特征参数，利用随机森林算法对睡眠进行自动分期，并评估睡眠质量。5名志愿者参与实验，结果表明，信号采集模块能够采集高质量的脑电信号，分析软件可以快速、准确地进行睡眠质量评估。该系统体积小，功耗低，可以对睡眠质量进行定量反映和客观评估。
2021-12-25 02:51:49
523KB
1
ant neuro 脑电采集的 EEProbe .cnt格式的数据，在eeglab中的读取插件。
2021-12-23 21:01:27
568KB
1