热搜词

  • brain_10 Lv.1 新手上路
    2024-9-19
    微状态介绍及计算方法
    查看全文 查看作者
    微状态代表了大脑在静息状态下的短暂、稳定的电压拓扑图谱。这些拓扑图谱通常持续约80-120毫秒，然后迅速转换到新的拓扑图谱。对脑电微状态的分析通常分为三步，流程如图1所示。 一、微状态模式提取 计算预处理后脑电信号每个时间点的全局场电位（Global Field Potential, GFP），GFP是所求时间点所有
    0 0 647 时间序列分析
    2024-9-19
  • vera Lv.1 新手上路
    2024-9-19
    时频视角下：常见的脑电信号特征提取与分析技术
    查看全文 查看作者
    脑电信号（EEG）的时频分析技术用于同时分析信号的时间和频率特性，揭示在不同时间点上信号中的频率成分是如何变化的，从而提供更丰富的信息来帮助理解大脑活动。以下是常见的几种时频分析技术： 1. 短时傅里叶变换（STFT, Short-Time Fourier Transform）基本原理：STFT通过使用一个滑动窗口对信号进行傅里叶变换，
    0 0 66 时间序列分析
  • miguru Lv.8 超级版主
    2024-9-19
    图神经网络简介
    查看全文 查看作者
    图神经网络(Graph Neural Network, GNN)是一种专门处理图结构数据的深度学习模型。以下是图神经网络的一些基本概念： [*]图的基本组成：图由节点（Node）和边（Edge）组成。节点表示实体，边表示实体间的关系。 [*]消息传递机制：图神经网络的核心思想是通过节点间的消息传递来更新节点的特征表示。具体来说，每个
    0 0 53 时间序列分析
  • miguru Lv.8 超级版主
    2024-9-19
    域适应在脑电信号分类中的应用
    查看全文 查看作者
    脑电信号是大脑神经元活动产生的电信号，通过在头皮上放置电极阵列可以捕捉到这些信号。这些信号反映了大脑的复杂活动，对于理解大脑功能和诊断神经疾病具有重要价值。然而，脑电信号的分类面临着以下挑战： [*]个体差异：不同个体的脑电信号特征存在显著差异，即使是同一人在不同状态下的信号也不尽相同。 [*]设
    0 0 89 时间序列分析
  • SoftwareEng Lv.2 注册会员
    2024-9-16
    脑电伪迹识别技巧
    查看全文 查看作者
    接脑电预处理知识介绍，脑电信号（EEG）的伪迹识别是数据预处理中至关重要的一部分，因为伪迹（artifact）会严重影响EEG信号的准确性，尤其在复杂的分析任务如脑-机接口、认知神经科学和神经康复中。有效的伪迹识别和去除可以显著提高信号质量和分析效果。以下是一些详细的伪迹识别技巧，涵盖常见伪迹类型及其对应的识别
    0 0 949 时间序列分析
    2024-9-16
  • SoftwareEng Lv.2 注册会员
    2024-9-16
    脑电信号预处理知识
    查看全文 查看作者
    脑电信号（EEG）预处理是脑电信号分析中的重要步骤，因为原始EEG数据往往受到多种干扰，如噪声、伪迹（artifact）和电极干扰。通过预处理，能够去除或减少这些干扰，从而提高后续分析的准确性和可靠性。预处理是EEG数据分析的基础，其流程主要包括以下几个关键步骤,如图1： 图1. 脑电预处理流程1. 带通滤波（Bandpass Fi
    0 0 515 时间序列分析
  • SoftwareEng Lv.2 注册会员
    2024-7-19
    SignBrain Viewer：滤波和除噪效果比较
    查看全文 查看作者
    本帖子是继续对应介绍SignBrain Viewer软件（SignBrain Viewer: 高效能EEG数据查看软件 http://sforum.yiweihy.com/forum.phpmod=viewthread&tid=65 (出处: SignBrain)），重点介绍滤波去噪功能。 软件效果比较如下： 1. 滤波效率比较表 1SignBrain Viewer与主流脑电分析工具包滤波效率比较 SignB
    0 1 203 时间序列分析
  • SoftwareEng Lv.2 注册会员
    2024-7-19
    SignBrain Viewer: 高效能EEG数据查看软件
    查看全文 查看作者
    本文介绍目前已开发的适用于脑电从业人员、研究人员和临床医生的一款EEG查看分析软件SignBrain Viewer。该软件主要特点有： 1. SignBrain Viewer支持多种数据格式的导入，包括EDF、EDF+、BDF和VHDR等，极大地提高了数据兼容性。 2. 软件界面设计简洁明了，操作方便，用户无需复杂的培训即可快速上手。界面交互
    0 1 290 时间序列分析
    2024-7-19
  • test_sj Lv.1 新手上路
    2023-12-2
    EEG信号中常见的干扰和噪声信号
    查看全文 查看作者
    在EEG/ERP研究中，最令人头痛的问题之一是各种干扰和噪声信号混入到EEG/ERP信号中，因此，数据分析的第一步其实就是去除不同形式的伪迹信号。 这些不同形式的干扰和噪声，有些可以在EEG数据采集时尽量避免甚至消除掉，而有些只能在后续的预处理中去除。 此外，由于滤波、ICA等操作会不同程度造成EEG信号的“形变”，因此，
    0 0 221 时间序列分析
  • test_sj Lv.1 新手上路
    2023-12-2
    脑电信号滤波方式汇总
    查看全文 查看作者
    各种滤波简介 可以通过对脑电信号进行分析得到较为准确反映用户的行为以及思想方式，在进行分析前需要提取脑电信号中的Delta波，Theta波，Alpha波，Beta波以及Gamma波。 Delta波：0.5-4Hz; Theta波：4-8Hz; Alpha波：8-13Hz; Beta波：13-32Hz; Gamma波：>32Hz； 由于在脑电信号的采集过程中，会受到周围噪声的干扰以及工
    0 0 103 时间序列分析
123下一页
Hi 游客 您好！

欢迎您来到SignBrain

最新快讯

Archiver|手机版|小黑屋|SignBrain ( 京ICP备2021039362号 )

GMT+8, 2025-4-3 10:44 , Processed in 0.098492 second(s), 90 queries .

Powered by Discuz! X3.5

Copyright © 2001-2025 Discuz Team.

发布