常用的EEG脑电数据处理，读写，头皮地形图的绘制及ANOVA-ptest方差统计检验代码
好用，易懂，已注释
2022-05-21 16:00:42
6KB
1
脑电相位滞后指数脑电图分析功能
该存储库包含用于生成可量化EEG波形的复杂性，类别和连通性的功能的代码。
代码
所有代码均使用MATLAB
2016a编写
“
ALL_FEATURES_ONE_CH_V2.m”包含用于生成复杂性和类别特征的代码。
“
ALL_FEATURES_TWO_CH_V2.m”包含用于生成连接功能的代码。
特征
我们的EEG复杂度的特征包括：Shannon熵，Tsalis熵（q范围为1:10），倒谱系数，子带信息量，Lyaponov指数，分形维数，Hjorth迁移率/复杂度，假最近邻嵌入维数和系数二阶自回归运动模型
我们选择的连通性特征包括：三角带的连贯性，所有频带的连贯性，相位滞后指数，互相关量，互相关滞后，互信息和格兰杰因果关系。
我们选择的类别特征包括：标准偏差，信号规律性，EEG频带功率（δ，θ，α，β，γ，μ），α/δ频带功率之比，信号幅度小于5
microV，信号振幅小于10微伏，信号振幅小于20微伏，“正常”脑电图，弥散减慢，癫痫样峰的数量，癫痫样峰，其次是三角带功率的增加。
我们使用以下特征量化突发抑制：突发长度（均值和标准差），抑制长度（均值和
2022-05-17 15:29:25
19KB
1
EEG电极导联详细定位参数.
在进行脑电数据采集时，研究者通常会根据研究的需要选取不同数量的导联或电极点采集EEG数据。为了确保数据采集的规范性、精确性以及研究结果的科学性、可重复性，研究者需要按照标准规范的导联定位系统（如：目前通用的10-5、10-10、10-20定位系统）放置相应的导联或电极。
2022-05-07 15:29:14
701KB
1
AAR插件是MATLAB脚本的集合，实现了几种先进的方法（无论如何在2008年……），用于自动校正EEG中的眼部和肌肉伪影。在相当过时的教程文档中简要介绍了该工具箱的功能，您可以使用.pdf或html格式获取该文档。
该工具箱是作为EEGLAB插件实现的，但是如果您不需要或不想使用EEGLAB的GUI，也可以在没有EEGLAB的情况下使用。当前版本实现了几种全自动的方法来校正眼（EOG）伪影，以及一种自动的方法来校正肌肉（EMG）伪影。
2022-04-18 15:20:34
70KB
1
matlab脑电功率谱代码硕士论文
发言题目：基于参数特征分析的情感状态分类中基于神经元脑电图的计算有效和鲁棒光谱特征信息提取模型的研究
概述描述：在本研究中，我们探索了在EEG特征提取任务中使用特征矩阵分解的各种参数PSD（功率谱密度）估计器模型。
该研究还对EEG波形的子空间维数估计进行了详细分析，这是基于本征分析的参数化PSD估计器必不可少的参数。
我们观察了计算光谱的标准偏差，绝对偏差，统计范数和其他统计参数的t值和p值，以分析光谱相关性。
该研究实现了PCA以减少特征尺寸空间，并探索了自动编码器的使用。
我们还探讨了从计算出的光谱中生成脑电图地形图像的概念，将其作为可能的特征提取方法。
提取的特征用于卷积神经网络，LSTM网络和多层感知器网络上，用于分类任务。
对于详细的数据可视化，我们使用了统计的Seaborn
libray和Matplotlib3D。
有关研究的图和更多详细信息，请点击此处（）。
Github代码库说明：在“
transformation_matlab_codes”子目录中提供了用于频域转换的部分matlab代码库。
“
python_automation
2022-04-15 20:17:32
160KB
1
如何提高左右手运动想象脑电信号的分类率是脑机接口研究领域的一个热点话题。基于美国EGI64导脑电采集系统得到3名健康被试的脑电数据,首先,采用独立成分分析(Independent Component Analysis,ICA)对采集的数据进行去噪处理;然后,利用离散小波变换方法对分解C3/C4处的EEG平均功率信号,选用尺度6上逼近系数A6的重构信号作为脑电特征信号;最后,用Fisher线性判别分析法(Fisher Linear Discriminant Analysis,FLDA)、支持向量机方法 (Support Vector Machines,SVM)和极限学习机分类方法 (Extreme Learning Machine,ELM)分别对特征信号进行分类。分类结果表明:极限学习机分类方法得出的平均分类率要高于Fisher方法与SVM方法的平均分类率,可以达到92%,而且运行速度也高于另两种分类算法。
2022-04-13 16:45:48
1.8MB
1