手把手教你EEG脑电数据预处理-操作篇
相关推荐
-
基于Matlab、EEGLab和ERPlab的偏侧化差异波(N2pc/Pd/CDA )成分分析方法
转载自:流浪心球:作者:念靖晴 N2pc.Pd.CDA都是偏侧化差异波成分,是视觉目标对侧视野与目标同侧视野(如:威胁刺激在右侧, 则左半球电极点为对侧, 右半球电极点为同侧)电极点的波幅差异波. 因 ...
-
TESA:分析同步经颅磁刺激和脑电图数据
经颅磁刺激与脑电图(transcranial magnetic stimulation with electroencephalography, TMS-EEG) 的同时使用作为一种评估各种皮质属性( ...
-
头皮和硬膜下EEG对脑深部活动的定位
对于皮层脑电图(ECoG)和头皮脑电图(sEEG)在定位大脑深层活动来源的能力上的不同尚不明显.与sEEG相比,ECoG的空间分辨率和信噪比更高,但其空间覆盖范围受到更多限制,有效测量组织活动的体积也 ...
-
EEG中如何鉴别心电干扰信号
<本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 在EEG的信号处理过程中,通过独立成分分析(ICA)去除各种干扰信号应该是最麻烦的步骤,因为它需要操作者的主观 ...
-
IEEE Signal Processing Magazine:fMRI数据的时变脑连接
使用功能磁共振成像(fMRI)对全脑的功能性连接研究基于以下假设,即可以通过对整个实验进行平均来评估给定的条件(如休息状态或在任务状态).实际上,数据具有动态性,即使在相同的实验条件下,也显示出连接模 ...
-
用于追踪认知任务期间的亚秒级脑动态的高密度脑电
这项工作为社区提供了高密度脑电图(HD-EEG, 256个通道)数据集,这些数据集是在无任务和任务相关范式下收集的.它包括43名健康的参与者执行视觉命名和拼写任务,视觉和听觉命名任务和视觉工作记忆任务 ...
-
手把手教你EEG脑电数据预处理-原理篇
更多技术干货第一时间送达 感谢简书ID:亚内士多德 授权分享 EEG脑电数据预处理-原理篇 本文不涉及具体的操作步骤,而是对脑电数据预处理中的每一步进行解说,根据我自己的经验来解释为什么要这么做,希望 ...
-
letswave7中文教程2:脑电数据预处理-通道位置分配
更多技术干货第一时间送达 原始的脑电图信号是有噪声的.预处理对于提高信号的信噪比以获得"清晰"的脑电图数据是非常有必要的.但是,想要完全区分噪音和信号却是几乎不可能的.在脑电信号中 ...
-
letswave7中文教程3:脑电数据预处理-ICA去除伪影
更多技术干货第一时间送达 ICA/BSS的理论与模型 独立成分分析(ICA)是一种盲信号分离(Blind Signal Separation,BSS)方法.ICA可线性建模如下图所示. 假设X为&qu ...
-
letswave7中文教程4:脑电数据预处理-时域分析
更多技术干货第一时间送达 在本章中,我们将继续对ICA过滤后的P300数据集进行预处理. 说明,这部分的教程是基于前面几次教程的基础上进行的.所以要进行ICA预处理进行伪影去除,需要: 先导入数据&l ...
-
手把手教你设置北上资金数据指标
上一周介绍了如何在通达信使用跳空高开选股,发现了很多让卡尔哭笑不得的问题,文中的几个图已经把最终的界面展现出来,按部就班的抄都抄错,要么没有设置参数N,要么少了个冒号,或者分号写成冒号等等,大家照着葫 ...
-
MNE中文教程(16)-脑电数据的Epoching处理
更多技术干货第一时间送达 Epoch概念简介 从连续的脑电图信号中提取一些特定时间窗口的信号,这些时间窗口可以称作为epochs.由于EEG是连续收集的,要分析脑电事件相关的电位时,需要将信号&quo ...
-
DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据
更多技术干货第一时间送达 DEAP数据库简介 DEAP[1](Database for Emotion Analysis usingPhysiological Signals),该数据库是由来自英国伦 ...
-
Python-使用多种滤波器对脑电数据去除伪影
更多技术干货第一时间送达 一些由电源线造成的伪影具有某些特定范围的频率(比如,由电网产生的电力线噪声,主要由50Hz(或60Hz取决于实验的地理位置)的尖峰组成).因此可以通过滤波来固定. 本文分别使 ...
-
Python-生成模拟原始脑电数据
更多技术干货第一时间送达 在实验中有时需要原始脑电数据来进行模拟实验,但又限于实验条件的不足,需要构造模拟的原始脑电数据. 本示例通过多次重复所需的源激活来生成原始数据. 案例介绍 # 导入工具包im ...
