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。

啮齿动物全脑fMRI数据预处理工具箱 这是Nan Xu开发的适用于小鼠和大鼠全脑的fMRI预处理工具箱。 它遵循（ ）中所述的啮齿动物大脑预处理流程。 在此工具箱中，对（ ）中的初始预处理脚本进行了重新设计，以适应啮齿动物大脑的多个fMRI组数据集。 此工具箱已在具有不同成像和实验设置的啮齿动物的4个不同的fMRI全脑组数据集（3个大鼠组和1个小鼠组）上进行了测试。 可以获得合理的FC映射和QPP。 一，必备软件 FSL5.0，AFNI和ANTs-可以安装在PC上（请参阅“ SoftwareInstallation_fsl_afni_ants.txt”） Matlab中的PCNN3D工具箱（对于小鼠大脑预处理是可选的，请参见下面的详细信息）。 二。 资料档案 需要两个输入数据文件，每个输入数据文件的体素大小均比扫描文件大10倍（即，在使用Bruker2nifti生成.nii文件时，请

图像分割，在医学体系中，图像对医生诊断病情有很大的帮助，所以本文提供医学分割算法，提高图像分割精度。

根据PSD（功率谱密度）和DWT（离散小波变换）两种特征，根据唤醒和效价（高/低）对脑电评分进行情绪识别分类。 运行process.m文件可以获取功率谱密度文本文件。 生成的每个测试文件都包含α、β、δ和θ波功率谱密度比（通过总psd标准化），分别为效价、唤醒和组合输出。运行dwt_feature_extraction.m生成DWT分析波的测试文件。它由3个特征组成：小波能量、小波熵和标准差，以及arousla和valce的评级。文件夹“psd analysis knn and svm”和“dwt analysis”已经包含处理过的文本文件和python代码，用于从这些测试文件中获取训练数据并进行分类。使用KNN和SVM运行ipynb文件进行分类。

使用 DEAP 数据集从脑电图信号进行情绪识别，准确率为 86.4%。应用了多种机器学习模型，并实现了DWT算法等各种信号转换算法。 并对数据进行了归一化、离散小波变换、划分频段、提取频域特征等等处理。

主要是想对DEAP脑电数据集进行单纯的频域特征分析，详情见个人主页的介绍

脑电情绪识别的二分类算法，数据用的deap数据集。 代码主要分为三部分：快速傅里叶变换处理（fft）、数据预处理、以及各个模型处理。 采用的模型包括：决策树、SVM、KNN三个模型（模型采用的比较简单，可以直接调用库，很适合我这种新手，看起来也方便）。

脑功能成像分析软件SPM在医学脑功能图像（MRI、CT、SPECT、PET）中的使用介绍

K 近邻算法脑图

脑与认知科的习题，智能科学，脑科学，认知科学他们之间的关系学。脑科学是智能科学的本质基础。认知科学也必然是在脑科学研究的基础上，研究人脑认知的过程与机制，进一步揭示大脑下智能的产生与发展，同时它的研究成果也必然促进脑科学的进步。智能科学是关于脑科学、认知科学和人工智能的交叉学科。