精读论文4——《Deep learning for electroencephalogram (EEG) classification tasks: a review》

最新推荐文章于 2024-10-10 23:08:56 发布
最新推荐文章于 2024-10-10 23:08:56 发布
阅读量4.7k 收藏 6
点赞数
文章标签： 机器学习 人工智能 深度学习
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/m0_62353117/article/details/123404394
版权
该文章全面回顾了深度学习在 EEG 分类任务中的应用，包括运动想象、脑力工作、癫痫检测、睡眠阶段评分和事件相关电位等任务。预处理方法涵盖手动和自动伪影去除，输入形式多样，如计算特征、图像和原始信号值。此外，还探讨了深度学习架构的趋势。
摘要由CSDN通过智能技术生成

这篇文章是一篇关于用于EEG分类的深度学习方法的综述：发表在Journal of Neural Engineering 

Which EEG classification tasks have been explored with deep learning?

共有六种分类的任务：运动想象任务（Motor imagery tasks）、脑力工作任务（Mental workload tasks）、癫痫检测任务（Seizure detection tasks）、睡眠阶段评分任务（Sleep stage scoring tasks）、事件相关电位任务（Event related potential tasks）

Preprocessing methods

关于伪影去除的策略：不同的分类任务有不同的滤波范围，伪影去除的方法有四种：手动去除（独立主成分分析ICA或离散小波变换DWT的方法）、自动去除、不处理

 

What input formulations have been used for training the deep networks?

calculated features (计算特征), images (图像), the signal values (信号值)

最低0.47元/天 解锁文章
一颗卷菜
关注
【基于深度学习的脑电图识别】应用篇：DEEP LEARNING APPROACHES FOR AUTOMATIC ANALYSIS OF EEGS
梁瑛平的博客
03-09 2778
DEEP LEARNING APPROACHES FOR AUTOMATIC ANALYSIS OF EEGS摘要：数据：时序信号的时序建模： 摘要： 在本章中，我们将讨论各种深度学习架构在自动捕获检测中的应用，研究的体系结构包括多层感知器(MLPs)、卷积神经网络(CNNs)、长短时记忆网络(LSTMs)、选通递归单元(GRUs)和残差神经网络(ResNets)； 数据库使用了 TUH-EEG ...
EEG-classification-based-on-Neural-Network
05-18
基于脑电分类的深度学习 这是一个基于深度学习实现脑电分类的项目。 有关更多详细信息，请参阅此回购中的pdf文件“基于深度学习的脑电信号分析和命令识别研究” .pdf。
Deep Learning for EEG-Based Preference Classification in Neuromarketing文章精读导读，深度学习在神经营销中基于脑电的偏好分类
weixin_41872791的博客
08-20 3735
深度学习在神经营销中基于脑电的偏好分类博主的小前言1 介绍 Introduction2 研究背景 Background2.1 神经营销 Neuromarketing2.2 脑机接口 BCIs2.3 脑电波 EEG2.3.1 节律 Rhythms2.3.2 瞬时活动 Transient activities3 文献综述 Literature Review3.1 偏好中的神经相关性 Neural Correlations of the Preference3.1.1 接近退缩动机指数 AW Index3.1.2
EEG-DL:基于TensorFlow的EEG任务（信号）分类的深度学习库
05-04
欢迎来到EEG深度学习图书馆 EEG-DL是为EEG任务（信号）分类编写的深度学习（DL）库。 它提供了最新的DL算法并不断更新。 目录 贡献 组织机构 文献资料 支持的型号包括 不。 模型 代号 1个 深度神经网络 DNN 2个 卷积神经网络[论文] [教程] 有线电视新闻网 3 深度残差卷积神经网络[论文] ResNet 4 薄残差卷积神经网络[论文] 稀薄的ResNet 5 密集连接的卷积神经网络[论文] 密集网 6 全卷积神经网络[论文] FCN 7 暹罗网络（CNN骨干网）的一键式学习[论文] [教程] 连体网络 8 图卷积神经网络[论文] [演示文稿] [教程] [针对中国读者的GCN / GNN摘要] [针对中国读者的GNN相关算法综述] [图的深度学习文学] GCN /图表CNN 9 图卷积神经网络（来自Reza Amini的纯Py
论文解读 EEGformer: A transformer–based brain activity classification method using EEG signal 视觉重构领域
最新发布
qq_50848391的博客
10-10 1223
其实这篇论文中提出的EEG模型（以后读的论文提出的方法）也不一定会在自己的研究方向中会有很好的结果，但是我觉得更重要的理解去其他思考的方式，也许对自己以后做实验的思路或者灵感来源是挺重要的，当然也可以把这个论文中提出的方法当作是自己的技术储备（这么说不知道合不合适 有种拿来主义的感觉 但是我觉得作为论文的发表者不就是希望自己的成果被更多人使用和认可吗 所以应该问题不大）。这样的转换使得模型关注的焦点从文本中的上下文关系，转移到了EEG数据中不同通道之间的关系，即本文所强调的EEG信号的空间性特征。
EEG Classification
zingghalo的博客
07-08 533
脑电信号
Oscillatory TMS-EEG-Responses as a Measure of the Cortical Excitability Threshold 论文精读
qq_32201015的博客
12-14 683
Oscillatory TMS-EEG-Responses as a Measure of the Cortical Excitability Threshold 论文精读 ​ 1.Proposal In the present study, we assessed changes in cortical synchronization, as measured by ERSP and ITC, with TMS at different stimulation intensities targeting
EEG-Recorder:这是我的理学学士学位的主页。 论文报告和更新
03-05
标题中的"EEG-Recorder"指的是一个用于记录和分析脑电图（Electroencephalogram，简称EEG）的项目。EEG是一种无创性的医学检查技术，它通过在头皮上放置电极来捕捉大脑神经元活动产生的微弱电信号，以了解大脑的生理...
EEG.jl：在Julia中处理EEG文件
02-04
EEG.jl是一个基于Julia编程语言的库，专门设计用于处理和分析电生理学数据，特别是脑电图（Electroencephalogram，EEG）数据。EEG是记录大脑电活动的一种非侵入性技术，广泛应用于神经科学、临床诊断和生物医学研究...
EEG 信号分析：该项目的目的是使用 EEG 机器数据检测患者的心理状态。-matlab开发
05-29
标题中的“EEG 信号分析”指的是通过使用脑电图（Electroencephalogram，EEG）技术来研究和理解大脑活动。EEG 是一种测量大脑电活动的方法，通过在头皮上放置电极，记录神经元放电产生的微弱电信号。这种技术广泛...
EEG-training:Python笔记本和课程资料可帮助您掌握EEG数据处理的基础知识
04-19
**EEG（Electroencephalogram）训练：Python与EEG数据处理基础知识** EEG是一种无创性的生理测量技术，用于记录大脑电活动。它通过在头皮上放置多个电极来捕捉大脑产生的微弱电信号，这些信号反映了大脑神经元的...
EEGClassification.zip
12-22
实现脑电信号的情绪分类，1.特征提取方法：自回归（Autoregression，AR），公共空间模式（Common Spatial Pattern ，CSP），离散小波变换（Discrete Wavelet Transform，DWT）和功率谱密度（ Power Spectral Density，PSD）； 2. 特征分类方法：Bagging、Boosting、AdaBoost
matlab跑代码慢-EEG.DeepLearning-xi:使用Python-MNE和Octave处理EEG数据的技术过程
05-21
matlab跑代码慢 EEG.DeepLearning-xi 整理用Matlab、Octave、Python-MNE处理EEG信号数据的相关技术流程 MNE-Python MNE-Python出现于2014年，是Python在神经科学方面的三方库，用Python处理大量EEG数据时，代码式的操作方式会大大提高“数据流”处理效率。 后面在学习深度学习框架的同时要兼顾该三方库的学习。 sudo pip install mne即可安装该库，项目首页在：https://mne.tools/stable/index.html. 另查到该三方库存在正在开发的GUI项目MNELAB，基于MNE-Python和Pyside2图形库，构建了初步可用的MNE界面。项目地址在： https://github.com/cbrnr/mnelab. 该GUI项目暂时不作为重点学习的内容，因为GUI操作不利于与深度学习框架的融合和后期项目的扩展能力。 这意味着MNE-Python这个EEG处理库与“深度学习”结合的紧密程度将会更高。 VScode中新建Jupyter-notebook文件 安装VScode编辑器，官
deap-eeg-classification:使用DEAP数据集的基于EEG的情绪分类
03-22
早期分类 使用DEAP数据集的基于EEG的情绪分类
使用无监督深度特征学习的基于EEG的情绪识别
03-19
使用无监督深度特征学习的基于EEG的情绪识别
深度学习+EEG：一种采用单通道EEG检测被试注意力状态的卷积神经网络构架
悦影科技
01-13 4285
脑机接口(BCI)系统可以记录并处理大脑信号并将其转换为输出命令，其可用于各种应用场景，如辅助技术，神经康复和认知增强等。在各种用于脑信号记录的技术中，脑电图（EEG）是BCI研究中研究最多的方法。而基于EEG的认知BCI，旨在评估和增强诸如注意力等认知功能。 之前的研究更多的关注于选取合适的特征，以将其用来对注意力程度进行分类。用于监视专注精神状态的现有技术方法主要与EEG频带中的特定频段有关。大量的研究调查了注意力引起的beta，alpha 和不同频段之间能量比值的变化。总体而言，很多研究认为像beta
【论文翻译】EEG癫痫检测：概念、技术、挑战和未来趋势
weixin_44602176的博客
03-11 712
论文翻译
eeg matlab,EEG信号MATLAB分析平台设计毕业论文.doc
weixin_33561009的博客
03-17 341
EEG信号MATLAB分析平台设计 ——信号分析部分摘要随着科技的发展，人类研究的领域也在不断扩大并不断加深，人脑，是一个迄今为止都很令人捉摸不透的东西，它是怎么工作的？是如何产生感觉的？又是如何支配人类各种情绪的？产生这些情绪有没有什么相似之处？这一个又一个的疑问，不断驱使着人类对人脑进行更深入的研究。自1924年首次发现了人脑的电活动，人类便开始踏上了对脑电的探索征程。他将这种电活动命名为脑电...
EEG论文阅读和分析：《Differential entropy feature for EEG-based emotion classification》
KPer_Yang的博客
01-10 1137
EEG论文阅读和分析：《Differential entropy feature for EEG-based emotion classification》
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