EEG电流源密度分析（CSD）-容积传导效应-脑电Laplacian滤波

最新推荐文章于 2023-07-23 10:43:11 发布
最新推荐文章于 2023-07-23 10:43:11 发布
阅读量3.1k 收藏 10
点赞数 1
分类专栏： 脑成像 文章标签： 其他
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Neurant/article/details/115014599
版权

电流源密度分析 CSD ，current source density

电流源密度分析是为了降低容积传导效应（Volume conduction effect）的影响，增加脑电信号的空间分辨率（类似于图像的锐化）而采取的一种信号处理方法。
详细讨论请参阅 参考文献1。

参考链接：脑电（EEG）中的电流源密度分析是什么？

容积传导效应（参阅 参考文献2）
在这里插入图片描述

常用软件
CSD Toolbox：https://psychophysiology.cpmc.columbia.edu/Software/CSDtoolbox/index.html

推荐文献
2014.International Journal of Psychophysiology, The use of current source density as lectrophysiological correlates in neuropsychiatric disorders: A review of human studies.
2018.IEEE.Signal.Processing_Electroencephalography Source Connectivity: Aiming for High Resolution of Brain Networks in Time and Space

Neurant
关注
专栏目录
EEG信号处理（一）------脑电信号滤波+样本熵计算
weixin_41550522的博客
04-12 2万+
步骤：1.EDF转为mat格式 2.脑电信号傅里叶变换及滤波 3.计算样本熵 代码下载：链接:https://pan.baidu.com/s/1HNW5aL-_etIAc1rycba64g 密码:umu7 总体代码： 得到一段脑电信号后，首先需要将脑电信号中所包含的Delta波，Theta波，Alpha波，Beta波以及Gamma波完整...
EEG-Inherent-Fuzzy-Entropy 脑电信号的模糊熵代码
04-15
在“EEG-Inherent-Fuzzy-Entropy 脑电信号的模糊熵代码”项目中，我们利用模糊熵方法来分析EEG信号，揭示大脑不同区域的活动复杂性。 模糊熵的概念源于信息论中的熵，它表示系统状态的不确定性。在模糊系统理论框架...
电流源密度 (CSD)：从线性电极阵列记录的局部场电位数据中获得电流源密度-matlab开发
05-29
确定从等间距电极的线性阵列获得的一组电压轨迹的一维（空间）电流源密度 (CSD)。 CSD 可以使用标准 CSD 方法（Nicholson & Freeman, 1975, J Neurophysiol, 38(2): 356-68）或逆 (delta) CSD 方法（Petterson 等人，2006，J Neurosci Methods，154 (1-2):116-33)。 函数脚本中包含有关如何使用该函数的完整说明。 任何错误/错误的建议或迹象将非常受欢迎。
容积传导问题
沃·夏澈德的博客
03-07 363
gpcsd:高斯过程电流源密度估计
04-18
gpcsd（高斯过程电流源密度估计） 高斯过程电流源密度估计的Python实现。 纸：
同步脑电图-功能磁共振融合推断宏观脑动力学
cc1609130201的博客
03-28 1273
同步脑电-功能性磁共振成像(EEG-fMRI)的仪器和信号处理技术的进步，为人类大脑的高时空神经动力学研究提供了更近一步的方法。脑电图-功能磁共振神经成像系统的核心功能是融合两种数据，在这个过程中，机器学习发挥着关键作用。这些方法可以分为对称和不对称两种融合方式。使用这些方法的研究表明，融合产生了对大脑功能的新认识。随着技术的进步和融合方法变得更加复杂，脑电图-功能磁共振成像(EEG-fMRI)为无创脑动力学测量带来了许多新的启示，包括：基于目标扰动的神经成像、利用深度学习发现电生理和血流动力学测量之间的非
头皮电位地形图如何反映脑网络激活的变化？——远场理论与多通道电极采集数据的分析
神经美学_茂森的博客
03-17 1335
根据远场理论，头皮电位会受到容积传导效应的影响，这种效应会带来两种严重的后果： 第一，在给定头皮位置的电极不仅可以检测其到正下方区域的神经元活动，还可以同时记录潜在的远端源的活动。 第二，一个源的激活将同时影响所有头皮电极，导致这些电极上记录的信号之间产生内在相关性。利用多通道电极采集的数据可以确定电位场的空间分布，并绘制出3D电位地形图。地形图空间结构的不同反映着不同神经元的激活，...
脑电信号处理与特征提取——2.脑电的神经起源与测量（夏晓磊）
最新发布
m0_58086930的博客
07-23 1061
脑电信号处理与特征提取，2.1脑电的神经起源 2.2 脑电的测量
eeg-topoplot.rar_barntmf_eeg-topoplot_地形文件_脑电地形图_脑电电极
07-15
脑电地形图matlab代码，包括电极位置文件和使用说明，麻雀虽小五脏俱全，下载后可直接使用
eeg.rar_EEG小波_eeg t-f_qrs detect_小波 信号_脑电信号 分析
07-13
脑电信号EEG的信号波形分析，采用小波分解之后plot出波形
eeg-gnn-ssl-main.zip脑电情绪识别 DEAP数据集 卷积
07-13
在本项目中，我们主要关注的是使用深度学习技术，特别是卷积神经网络（CNN）和图神经网络（GNN），来进行脑电（EEG）情绪识别。基于DEAP数据集，这个研究旨在探索如何有效地从复杂的脑电信号中提取情感特征，并通过...
7.脑功能连接分析
qq_43801989的博客
06-09 5373
假设想计算维度为chan*time*epoch（E、T和S分别为电极或脑区数目、每个分段的点数、分段的数目）的静息态EEG数据中，电极X和电极Y的。假设想计算维度为E×T×S（E、T和S分别为电极或脑区数目、每个分段的点数、分段的数目）的任务态脑电数据中电极X和电极Y的PLV/PLI，（3）对S个前述相位差矩阵进行分析。对于每个时频点，计算S个分段在该时频点的相位差（S个相位差）的一致性，得到每个时频点的PLV/PLI。（2）在每个分段，电极X和Y的相位矩阵相减，得到所有分段的相位差矩阵。
脑电/脑磁图传感器空间分析是否足够好?
cc1609130201的博客
07-11 851
利用来自单个传感器的信号，在传感器空间中直接分析脑电(EEG)和脑磁图(MEG)的非侵入性记录，是处理这类数据的一种方便和标准的方法。然而，容积传导给传感器空间分析带来了相当大的挑战。虽然脑电图/脑磁图中由于容积传导导致的信号混合的一般思想已经被认识，但其含义还没有明确的例证。在这里，我们展示了不同类型的活动如何在单个传感器的水平上重叠。我们在alpha节律的背景下展示了空间混合，已知alpha节律在大脑的不同区域有发生器。...
功能连接分析方法及其解释缺陷的综述
u011661076的博客
09-03 5649
文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。 本文是一篇关于功能连接分析方法及其相关注意事项的综述，于2016年发表在Frontiers in Systems Neuroscience。 振荡神经元活动可能为动态网络协调提供一种机制。节律性神经元的交互作用可以使用多种指标进行量化，每种指标都有各自的优缺点。本篇文章将回顾和总结目前在侵入性和非侵入性电生理学领域使用的分析方法，以研究神经元群体之间的动态联系。首先，本文回顾了功能连接的相关指标，包括相干、相位同步、相位斜率指数和格兰杰因果关
Movement Disorders脑电格兰杰因果分析:运动皮质在帕金森病复发性震颤中的作用
cc1609130201的博客
04-21 1566
帕金森患者在手臂伸展时可能会出现不同程度的复发性震颤。来自罗马大学的Alfredo Berardelli等人在MovementDisorders发文，旨在探讨初级运动皮质在复发性震颤中的作用，并与静止性震颤进行比较，研究复发性震颤的病理生理学。 招募复发性震颤和静止性震颤两类帕金森患者，分析两类震颤的皮质神经相干性和格兰杰因果关系、在M1区域TMS产生的震颤复位以及刺激运动皮质产生的TMS诱发电...
【EEG】脑电图研究常用术语
qq848386626的博客
09-10 1万+
一、描记参数 定标（标准测量，calibration,CAL) 用以测试各（笔）导的放大性能和决定其比例的高度，通过测试和调整，使全部脑电笔导，处于相同条件下记录的必不可少的措施，以保证在瞬间记录的脑波不失真地同步描记。通常将毫米（mm）折算为微伏（μV），例如矩形波的高度为5 mm即50μV。 定标电压（标准电压，calibration voltage) 脑电图机中内装的供给各笔导输入一个额定高度的矩形脉冲讯号，以控制和校正各笔导的灵敏度和放大性能。一般分为手动和自动两种输出方式。全部
脑电溯源分析/源定位 EEG source analysis / Localization
Neurant的博客
03-19 1万+
脑电溯源定位 即脑电逆向问题，是根据头表记录到的电位信号，反向推算出估计的脑内神经活动源的位置、方向和强度信息。 –参考链接：https://blog.csdn.net/datoubo/article/details/8576711 本质上，脑电逆问题是非线性优化问题，考虑到计算的复杂性，因而近似规约为线性问题 Y = AX，其中，Y = 头表电极实际记录到的信号，X = 待进行空间定位的源信息向量，A = 传递矩阵（增益矩阵）=脑电正向问题的解，可通过构造合适的头模型等获得。 因为X和A都是未知的，所以X
手把手教你EEG脑电数据预处理-原理篇
热门推荐
脑机接口社区
05-19 4万+
目录0. EEG data1. 定位通道数据2. 删除无用数据3.滤波4.分段5.基线校正6. 重参考7. 降低采样率8. 插值坏导9. 独立主成分分析10. 剔除坏段 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：941473018 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，希望能够对刚入门脑电数据的朋友有所帮助。
电生理绘图和源成像
cc1609130201的博客
10-26 2979
在这一章中，我们介绍了EEG和MEG信号产生和传播背后的基础。我们首先介绍生物物理原理，解释神经元细胞内外离子的协调运动如何导致头皮的宏观现象，如EEG记录的电势和MEG感知的磁场。这些物理原理使EEG和MEG信号具有特定的时空特征，可用于研究大脑对内部和外部刺激的反应。我们通过开发一个数学框架来继续我们的探索，在这个数学框架中，如果已知潜在脑源的分布，就可以计算EEG和MEG信号，这个过程称为正向问题。我们将继续讨论相反的方法，即通过头皮测量(如EEG和MEG)来解决潜在的脑源，这一过程被称为源成像。我们
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值