EEG微状态的概念最早由Lehmann等人在1987年提出，他们展示了EEG信号的alpha频段可以划分为一系列稳定的拓扑状态，这些状态在短时间内保持不变，然后迅速转换到其他状态，这一研究奠定了微状态分析的基础。随后，在1998年的研究中，Lehmann及其同事进一步探讨了微状态与瞬时意识状态之间的关系，提出微状态可能是构成

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

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

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

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