EEG信号处理和分类（CNN）模型的集合+样例运行

1.来源 
GitHub - vlawhern/arl-eegmodels: This is the Army Research Laboratory (ARL) EEGModels Project: A Collection of Convolutional Neural Network (CNN) models for EEG signal classification, using Keras and Tensorflow

这是一个实验室（ARL）EEGModels项目：用于EEG信号处理和分类的卷积神经网络（CNN）模型的集合，用Keras和Tensorflow编写。该项目的目的是

• 提供一套经过充分验证的CNN模型，用于脑电信号处理和分类
• 促进可重复的研究
• 使其他研究人员能够尽可能轻松地使用和比较这些模型

2.使用其中的EEGNet运行MEN的样本数据集

 这个数据集中使用的四个类别是
     LA：左耳听觉刺激
     RA：右耳听觉刺激
     LV：左侧视野刺激
     RV：右侧视野刺激

在MEG/EEG实验中，棋盘式图案被呈现在左右视野中，并由左耳或右耳的音调穿插。刺激之间的时间间隔为750毫秒。偶尔有一张笑脸出现在视野的中心。受试者被要求在笑脸出现后尽快用右手食指按下一个键。

注意：数据集下载完成会直接运行程序，无需改动数据集位置。

3.环境配置 

本人所用环境（tensorflow要求2.x）

python3.7+tensorflow2.4.0

4.复现

1.第一次运行，会自动下载数据集。网址：https://osf.io/86qa2/download?version=6

       使用EEGNet对事件相关电位（ERP）脑电数据进行分类的脚本样本在一个四类分类任务中，使用MNE软件包中提供的样本数据集MNE[1, 2]。
     https://martinos.org/mne/stable/manual/sample_dataset.html#ch-sample-data

2.运行

         模型内包含ShallowConvNet、DeepConvNet、EEGNet_SSVEP等多个网络，调整参数，数据维度后可运行。本次实验网络为：EEGNet

5.源码

源码已上传至我的资源，需要自取。