脑电信号(EEG/SEEG)处理方法杂记-框架搭建

       本人一直在做关于脑电信号的处理，中间尝试了很多的方法，因此想把关于脑电信号的处理方法记录下来，分享给大家，也相当于给自己的学习生活做一个记录性的总结。

脑电图（EEG）是一种使用附在头皮上的小金属圆盘（电极）检测大脑电活动的测试。您的脑细胞通过电脉冲进行通信，并且即使在您睡着时也始终保持活动状态。此活动在EEG录音中显示为波浪线。脑电图是癫痫的主要诊断测试之一。脑电图也可以在诊断其他脑部疾病中发挥作用[1]。

脑电的数据存储分为很多格式，常见的以文件.edf结尾的文件，脑电数据采集的器械是由众多的触点构成。每个触点会记录大脑的电压，如果想直接读取相关的文件的话推荐使用EDFbrowser. EDFbrowser 是一款开源的软件，其中集成了众多的功能，常见的信道展示，滤波处理等。而且它是一个具有可视化操作的界面。这个可以作为脑电入门可视化操作的软件。

但是一般我们是将脑电信号和机器学习方法结合在一起，这样就要求我们一个可编程的接口来处理相关的脑电数据。脑电处理之前一般都是MATLAB来进行处理，但是机器学习领域更多使用Python语言。因此我推荐基于Python的脑电处理框架：mne[2].mne 包含了一般的脑电处理的模块，而且它是基于Python语言，你只需要利用pip安装相关的工具包就好。

之后我会逐步整理我相关的工作，将机器学习和脑电信号处理相结合的方法公布出来。

 

---

 

引用

1. https://www.mayoclinic.org/tests-procedures/eeg/about/pac-20393875
2. http://www.martinos.org/mne/stable/index.html