SleepEEGNet：具有序列到序列深度学习方法的自动睡眠阶段评分 在这项研究中，我们介绍了一种新颖的深度学习方法，称为SleepEEGNet，用于使用单通道EEG进行自动睡眠阶段评分。 纸 我们的论文可以从下载。 模型架构 CNN架构 人才招聘 Python 2.7 张量流/张量流-gpu 麻木 科学的 matplotlib scikit学习 matplotlib 学习失衡（0.4.3） 大熊猫 ne 数据集和数据准备 我们使用2013年和2018年发布评估了我们的模型。 我们使用了提供的源代码来准备数据集。 要从Sleep_EDF（2013）数据集下载SC主题，请使用以下脚本： cd data_2013 chmod +x download_physionet.sh ./download_physionet.sh 要从Sleep_EDF（2018）数据集下载SC主题，

脑电癫痫诊断 R代码可训练14个通道的EEG数据的分类器，以区分癫痫患者和对照组。 请检查文件夹“演示”以了解如何使用该代码。 有关所有功能的文档位于文件夹“ man”中，将被编译为pdf（尚未完成）

从知识图谱（KG）到事理图谱（EEG），这个report可视为从EEG概念化的开山之作，非常具有研究价值。感谢哈工大教授在这个领域上的开凿工作。

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)

matlab匹配滤波代码介绍 该存储库包含MATLAB脚本和指向我们的EEG / ERP研究（Koshkin，Shtyrov＆Ossadtchi，2017）中使用的数据的链接，以探索WM负载如何在同声传译过程中影响对与任务无关的探针刺激的关注。 提出关键发现的论文草稿可在上找到。 请注意，此存储库仅包含我们主要用于EEG数据集处理的MATLAB脚本。 有关其他脚本和数据集，请参见我们的其他存储库：和。 此仓库中包含的脚本和功能 NEW_GRAND_AVERAGE.m 该MATLAB脚本绘制了特定于WM负载的三个不同级别的ERP：低，中和高。 与脚本SUPER.m的有限功能不同，该脚本允许人们轻松地操纵不同的参数。 例如，设置特定于主题和方向的边界。 它还绘制了效果大小热图和交互作用图，以及特定于主题和特定方向的WM负载分布的箱形图。 最后，它执行一些探索性统计检验。 但是，实际测试是在R中执行的（脚本可用）。 超级米 该MATLAB脚本是许多EEG预处理例程的包装。 具体来说， 从与主题代码相对应的目录中获取文件（例如，项目主文件夹中的KOS_EEG） 使用算法执行伪像去除； 根据需要

基于复杂网络的脑电信号分析 将时间序列中值的范围粗粒化为Q分位数，......，，并且令M是从时间序列X∈T到网络g∈G的映射，其中，是一组节点N和边A。具体来说，一旦识别出Q分位数，M就将每个分位数分配到相应网络中的节点。当x(t)与x(t+k)分别属于分位数和时，连接节点和的加权弧记为，其中t = 1,2，......，T，时间差k = 1，...， < T。 此类资源为用matlab实现此类效果的主函数main.m文件

edf读取文件，MATLAB，输入edf文件，输出各通道数据和头文件

该库包含 TRAP MUSIC 多源定位算法的 Matlab 实现。 该库包含三个函数 trapmusic_presetori.m trapmusic_optori.m trapmusic_example.m 实现是基于马克拉、斯腾鲁斯、萨瓦斯、伊尔莫涅米。 用于 MEG 和 EEG 源定位的截断 RAP-MUSIC (TRAP-MUSIC)。 NeuroImage 167（2018）：73--83。 https://doi.org/10.1016/j.neuroimage.2017.11.013有关 TRAP MUSIC 方法的更多信息，请参阅出版物。 如果您使用该方法和/或此实现，我还恳请您引用该论文。 如果您无法访问该论文，请通过电子邮件向我发送请求。 我分享这些程序，希望它们对 EEG/MEG 数据分析、方法开发和学习有用。 这些程序是在 Matlab R2019b 中构建和

烟斗 这是什么？ 该python软件包模仿了EEGLAB / ERPLAB的功能。 安装 要使用此软件包，请在终端上运行以下命令： pip install git + git : // github . com / mattpontifex / eegpipe . git import eegpipe eegpipe . version () 功能清单 这些功能简化了EEGLAB的通用实用程序或模拟部分。 checkdefaultsettings ：该函数将根据列表检查输入并从列表中返回值。 如果输入False，则它将列表中的第一个元素作为默认选项返回。 textvalue = 'APPLES' textvalue = eegpipe . checkdefaultsettings ( textvalue , [ 'oranges' ,

Kaggle-EEG：使用机器学习从EEG数据中预测癫痫发作。 KaggleUni墨尔本癫痫发作预测比赛第三名