Pytorch
文章平均质量分 88
Alex_ching
主要研究深度学习,机器学习等,可以关注我github:https://github.com/danzhewuju
展开
-
基于少样本学习EEG/SEEG数据癫痫预警和脑电识别
立体脑电数据包含了大脑癫痫电信号,具有高信噪比,高采样率,可以进行病灶定位等特点。因此对立体脑电进行数据分析和数据挖掘具有很大的医学研究价值。但是目前基于立体脑电信号数据挖掘工作还较少,尤其是基于深度学习等方法的工作。立体脑电采集成本较高,受试者较少,所以需要大量训练数据的传统的神经网络分类模型并不能很好解决立体脑电分类任务。同时,立体脑电数据的电极位置不固定,头皮脑电的数据预处理方法不适用于立体脑电数据。因此从立体脑电数据出发,如何进行的数据预处理,利用立体脑电多信道信息,构建出泛化能力较好的深度学习网络原创 2021-07-20 10:30:11 · 1364 阅读 · 3 评论 -
基于对抗学习(域适应)的脑电信号SEEG/EEG分类算法
很久没有更新博客了,手头上有一些工作,发论文不是很顺利,但是还是想通过博客的方式分享处理。对抗学习(Adversarial Learning)的思想最早可以追溯到博弈论里面优化问题。GAN(Generative Adversarial Networks)网络是一种典型的基于对抗学习的神经网络。GAN的基本原理其实非常简单,这里以生成图片为例进行说明。假设我们有两个网络,G(Generator)和D(Discriminator)。G是一个生成图片的网络,它接收一个随机的噪声z,通过这个噪声生成图片,记做G(原创 2021-05-21 20:36:24 · 1821 阅读 · 10 评论 -
脑电信号处理(EEG/SEEG)工具介绍
俗话说:“工欲善其事必先利其器”,脑电信号处理当然离不开各种工具的支持呀。况且并不是所有的人都善于编程,有些没有GUI界面的工具就不太适合医生适用,而工程师可能就更加侧重于API接口的调用,对数据进行分析。因此对于工程师,医生来说工具的侧重点就会不一样。今天我就来系统的盘点一下各种工具的优缺点和适用人群。EDFbrowser平台:Linux/Windows/Mac OS简介:EDFbr...原创 2019-11-01 16:42:56 · 8060 阅读 · 3 评论