用于脑肿瘤检测的 CNN 一个用 Python 开发的卷积神经网络，使用 Keras 和 Tensorflow 进行二进制分类，训练用于检测 MRI 图像中的脑肿瘤。 它达到了 90% 的准确率。

NicoletOne? 脑电测量系统（脑功能监护仪）已经解密，可以在任何系统平台使用！ 一 、脑功能监护的原理 1、脑功能监护仪是通过头皮将脑部微弱的自发性生物电加以放大的图形，经过量化压缩后通过趋势图谱反映大脑功能状态的仪器。 2、简单化，直观化的图谱，从而便于非专业电生理医生对量化趋势图谱的判读。 二、为什么要进行脑功能监护？ 脑是人体最为重要的器官之一。严重的感染性疾病、缺血缺氧、代谢性/中毒性疾病、颅脑外伤、休克昏迷、肿瘤等等疾病均会使脑部受到严重损害，早期发现并及时救治以防不可逆的脑损伤发生对提高病人的救治质量极为重要。脑功能监护是早期发现脑功能的变化的最重要的手段。脑功能监护也将同心肺监护一样被广泛地应用于临床。 三、脑功能监护的目的 1）实时监测危重阶段脑功能的状态 2）早期发现脑功能的变化以及变化趋势 3）在可逆脑功能损伤阶段及时救治病人 4) 及时发现亚临床下的癫痫发作与癫痫持续状态 5）亚低温治疗中，对脑功能（脑缺氧缺血）的监控 6）指导治疗、评估疗效、预测预后 7）帮助对脑死亡进行判定 四、脑功能监护仪几种主要趋势 1、振幅整合脑电图（aEEG） 振幅整合脑电图（aEEG）将原始脑电波（EEG）时间的变化的进行压缩,信号经过各种数学变换后反映大脑皮层脑电图的背景活动，用于监测重症患者一段时间的大脑功能状态。 2、相对频带能量RBP 相对频带功率谱百分比的形式 将脑电波中的α、β 、θ、δ波的比重以百分比的形式呈现,可以清晰直观地观察各时间段不同脑电活动的比重。 3、频谱熵SEN 频普熵来自脑电图,根据复苏阶段前额骨骼肌兴奋程度及大脑皮层的受抑制程度，反应患者昏迷镇静深度。 4、α变异Alpha Variability α 变异通过脑电的波幅和频率进行性变化检测脑皮层细胞缺血缺氧性变化，反映大脑血流量（CBF）的变化和神经元损伤程度，于临床症状之前发现早期发现以防止脑血管痉挛的发生，避免造成永久性脑损伤。 五、临床应用 颅脑外伤 脑卒中 动脉瘤破裂 蛛网膜下腔出血 严重血管痉挛 神外手术后 代谢性／中毒性疾病 心肺复苏后缺血缺氧性脑病 癫痫持续状态 休克昏迷

基于最大诱发React空间滤波器的基于SSVEP的脑机接口的空闲状态检测算法

10月17看阿司匹林在心脑血管疾病防治中的基石地位.pptx

看脑电图像的文件，fMRI、MRI等脑电图，可以用该软件打开看到，三维立体。

安卓应用

设计了一款可穿戴式脑电采集前端，具有采集精度高、体积小、功耗低、抗干扰性强等特点。采用ADS1299内部集成的可编程放大器（PGA）实现微弱信号的放大；同时为了消除干扰，使用限幅滤波预处理电路和ADS1299内部集成的偏置驱动放大器。实验测试表明，该脑电采集前端设计能较好地把微弱的脑电信号提取出来，并且具有较好的抗干扰能力和实用价值。

由于人体脑血管结构复杂,空间比例小,三维分割和重构十分困难,本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先,对已有的混合模型进行了分析;然后,采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类,采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单,参数向量较少;在血管与非血管的混合区域,模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计,降低了算法对初值的依赖,同时提高了鲁棒性。实验证明,与已有双高斯模型相比,血管点数增加了27%,可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线,有效地分割脑血管主分支及周围较细小分支,泛化性较好并可应用于相似系统中。

全身智能康复系统对于脑卒中后平衡障碍训练的疗效观察.pdf

pca特征提取的matlab代码脑电手部运动解码 该研究项目的主要目标是使用机器学习和信号处理算法从原始 EEG（脑电图）信号中对手部动作进行分类。 使用的一般思想是从原始 EEG 信号（功率谱密度）中提取频谱特征，并使用这些特征来训练卷积神经网络 (CNN) 进行分类。 所需的 Python 库 TensorFlow NumPy Scikit-学习 Matplotlib 存储库结构 MATLAB：生成数据文件和数据文件的MATLAB代码。 辅助：辅助功能。 绘图：原始信号和计算特征的可视化。 plot_features.py 原始PSD_class.py unit_tests ：单元测试。 average_PSD_test.py example_generation_test.py PCA_on_PSD_test.py power_spectral_density_test.py RawPSD_class_test.py 频谱图_test.py 文档：实现算法的文档。 特征计算算法.pdf 研究报告.pdf 模型：用于特征提取和分类的端到端模型。 分类器：分类模型。 CNN：卷积神经