matlab求导代码时间导数分布修复（TDDR） 关于 该存储库中的代码是TDDR算法的参考实现，如下所述： Fishburn FA，Ludlum RS，Vaidya CJ和Medvedev AV（2019）。 时间导数分布修复（TDDR）：一种用于fNIRS的运动校正方法。 神经成像，184，171-179。 土井： 用法 Matlab： signals_corrected = TDDR(signals, sample_rate); Python： from TDDR import TDDR signals_corrected = TDDR ( signals , sample_rate ); 输入项 信号：未校正的光密度数据的[sample x channel]矩阵 sample_rate ：一个标量，反映以Hz为单位的采集速率 产出 signal_corrected ：校正后的光密度数据的[sample x channel]矩阵 工具箱 NIRS脑部分析 TDDR算法在nirs.modules.TDDR模块中实现。 典型用法如下： % Construct preprocessin

脑血氧检测作为大脑功能检测之一，是认知神经科学和生物医学领域必不可少的研究工具。其研究方法之一——功能性近红外光谱技术，利用组织中血液的主要成分对近红外光的良好吸收性和散射性，而获得组织内氧合血红蛋白和脱氧血红蛋白的变化情况，从而实现对脑血氧的检测。硅光电倍增器件是近几年兴起的光电探测器件，具有尺寸小、增益高、工作电压低、对磁场不敏感等特点。为了检测脑血氧的变化，设计一个基于近红外光谱技术与硅光电倍增管的新型脑血氧检测电路，并通过前臂阻断实验验证了电路设计的性能满足需求。

matlab最简单的代码fnirsr 用于分析功能性近红外光谱（fNIRS）数据的R包 安装 如果还没有，请安装devtools ： install.packages("devtools") 使用devtools::install_github("erzk/fnirsr")安装软件包。 样本数据文件来自和。 用法 加载文件（ETG-4000） 在目前的开发阶段，该程序包只能读取Hitachi ETG-4000生成的原始csv文件。 其他系统生成的文件具有不同的结构，到目前为止，我不需要使用它们。 最终，我可能会扩展此包以使其与其他文件类型一起使用。 此小插图中使用的并且随附于此软件包的文件Hitachi_ETG4000_24Ch_Total.csv来自。 有关记录的顶级信息保存在标题中。 它具有不规则形式，因此解析起来有些棘手。 此软件包版本在数据部分之前读取csv文件的部分，并返回带有标头信息的向量： library( fnirsr ) file_path <- system.file( " extdata " , " Hitachi_ETG4000_24Ch_Total.csv "

功能性近红外脑成像技术fNIRs开源方案资源

lda分类代码matlab fNIRS_BCI_DataAnalysis 预处理、特征提取（斜率、移动斜率、峰度、偏度、均值和方差）和分类代码（正则化 LDA 和 SVM），用于分析脑机接口 (BCI) 的 fNIRS（功能性近红外光谱）数据。 所有代码都是用MATLAB编写的。 功能列表： --> f_FilteredDataMatrixtoFeatures_NIRS 此函数将原始 fNIRS 数据转换为特征矩阵。 -->f_FilteredDataMatrixtoFeatures_NIRS 此函数将原始（或过滤）输入 fNIRS 数据转换为特征矩阵，包括常见的 fNIRS 特征类型：均值、方差、偏度、峰度、最大移动斜率（在指定的窗口大小中）。

头脑风暴 Brainstorm是一款协作式开源应用程序，致力于分析脑部记录：MEG，EEG，fNIRS，ECoG，深度电极和动物电生理学。 我们的目标是使用MEG / EEG作为实验技术，与科学界共享一套全面的用户友好工具。 对于医生和研究人员而言，Brainstorm的主要优势在于其丰富而直观的图形界面，不需要任何编程知识。 我们还将重点放在数据分析的实际方面（例如，用于批处理分析的脚本和分析管道的直观设计），以提高MEG / EEG研究的可重复性和生产率。 最后，尽管Brainstorm是使用Matlab（和Java）开发的，但它不需要用户拥有Matlab许可证：可下载的软件包中提供了可

功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。