![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
EEG
文章平均质量分 71
茗创科技
这个作者很懒,什么都没留下…
展开
-
脑电实验设计(总结篇)
脑电图(EEG)因其低成本、无创、便携以及毫秒级的高时间分辨率等特点,成为了研究大脑功能、异常和神经生理动力学的可靠且广泛使用的测量工具。在神经信号处理领域,EEG通常作为一种非侵入性的脑成像技术用于诊断脑部疾病,而正常EEG则用于研究脑功能。它使研究人员和临床医生能够研究大脑功能,如记忆、视觉、智力、运动想象、情绪、感知和识别,以及检测癫痫、卒中、痴呆、睡眠障碍、抑郁症和创伤等异常。EEG信号反映了大脑的神经元电活动,其中包含了有关大脑状态的有用信息。原创 2023-04-08 09:49:26 · 1596 阅读 · 3 评论 -
脑电机器学习:理论与应用
EEG是一种广泛用于研究记录和监测脑电活动的方法。本文概述了基于EEG的机器学习、模式识别和分类的一般方法。首先,描述了从各个领域提取的特征。其次,概述了监督和无监督特征降维方法。重点关注分类算法、性能评估和防止过拟合的方法。最后,讨论了基于EEG机器学习的两个应用:脑机接口(BCI)和微睡眠的检测与预测。原创 2023-03-14 14:27:14 · 3027 阅读 · 0 评论 -
EEG微状态预测并发fMRI动态功能连接状态
前言静息态功能磁共振成像(rs-fMRI)测量的大脑功能连接在多个时间尺度上有所不同,并确定了循环的动态功能连接(dFC)状态。这些发现与不同的认知和病理状态有关,有可能作为疾病的生物标志物,但它们的神经基础仍然存在争议。在静息态EEG研究中也发现了一些重复出现的微状态,这些微状态被认为是反映时变大脑状态的大规模功能网络的准同步活动。在此,本研究假设fMRI衍生的dFC状态可能与这些EEG微状态有关。原创 2022-11-18 11:39:49 · 1209 阅读 · 0 评论 -
多模态神经成像之EEG-fMRI同步
导读功能性磁共振成像(fMRI)和脑电图(EEG)是用于测量人脑神经活动的非侵入性技术。fMRI测量的是与神经活动血流动力学变化相关的磁共振信号,具有良好的空间分辨率(2-3mm各向同性)和较低的时间分辨率(1-3s)。而EEG用于以毫秒级的时间分辨率记录大脑中的电活动,但空间分辨率有限。通过fMRI和EEG的结合,可以生成人脑功能的高时空分辨率图,这对于理解人脑的复杂动力学是至关重要的。此外,fMRI期间的EEG记录可用于识别大脑中异常电活动的来源。本文探讨了人类同步EEG-fMRI记录的最新进展;原创 2022-11-03 23:43:24 · 2131 阅读 · 1 评论 -
PNAS:人类头皮记录电位的时间尺度
导读人类的许多行为都是由在不同时间尺度上发生的共同过程所支配的。标准的事件相关电位分析假设有关实验事件的响应持续时间是固定的。然而,最近对动物的单个单元记录显示,在需要灵活计时的行为中,神经活动尺度跨越了不同的持续时间。本研究采用了一种通用的线性建模方法,使用固定持续时间和可变持续时间回归器的组合,以分离人类脑磁/脑电图(M/EEG)数据中的固定时间和缩放时间成分。研究者利用这一点来揭示人类头皮记录电位在四个独立EEG数据集中的一致时间尺度,包括时距知觉、产生、预测和基于价值的决策。原创 2022-11-01 21:36:22 · 582 阅读 · 0 评论 -
多模态自编码器从EEG信号预测fNIRS静息态
导读本研究介绍了一种深度学习架构,用于评估40名癫痫患者的多模态脑电图(EEG)和功能性近红外光谱(fNIRS)记录。长短期记忆网络和卷积神经网络集成在一个多模态序列到序列的自编码器中。训练后的神经网络通过从EEG全谱和特定EEG频段中分层提取深度特征,从EEG中无先验地预测fNIRS信号。结果表明,与其他频谱包络相比,更高频率的EEG范围可以预测fNIRS信号,其中gamma频段的输入主导fNIRS预测。基于种子的功能连接验证了实验性fNIRS和本研究模型的fNIRS重建之间的相似模式。原创 2022-10-31 22:05:12 · 911 阅读 · 1 评论 -
多导睡眠图(PSG)数据的睡眠阶段分类
Sleep Physionet数据集使用8个标签进行注释:Wake(W)、Stage1、Stage 2、Stage 3、Stage 4,对应于从轻度睡眠到深度睡眠的范围、REM睡眠(R),其中REM是快速眼动睡眠的缩写,运动(M)和没有记分的阶段(?并使用来自给定Sleep Physionet数据集中的两名被试,即Alice和Bob(因演示需求所取的名字),本文将阐述如何从Alice的数据中预测Bob的睡眠阶段。该问题可被作为有监督的多类分类任务来解决,目标是从5个可能的阶段预测每30s数据块的睡眠阶段。原创 2022-10-21 15:31:22 · 3294 阅读 · 0 评论 -
EEG巨型分析I:跨研究的频谱和振幅特征
导读通过汇集多项研究的统计结果(元分析),fMRI领域取得了重大成就。最近,fMRI标准化工作的重点是实现跨研究(巨型分析)的fMRI原始数据的联合分析,以期获得更详细的见解。然而,目前尚不清楚在EEG领域的此类分析是否可能或同样富有成效。在这里,研究者使用了来自六个地点的18项研究,并提供了一个大规模EEG巨型分析结果,这些研究代表了几种不同的实验范式。研究结果证明,当跨研究的元数据一致时,通道级和源级EEG巨型分析都是可能的,并且可以提供单一研究中无法提供的见解。原创 2022-09-24 22:31:42 · 1021 阅读 · 0 评论 -
fMRI连接性分析
传统的多变量fMRI技术侧重于局部区域(ROI或探照灯)活动模式中的信息。有时,相关信息可能会跨脑区网络表示,因此无法通过ROI分析或探照灯识别。功能连接测量有助于在全局范围内检查相距较远的脑区的信息,重点关注网络交互而不是空间定位。在执行连接性分析时,将跨区域比较BOLD时间序列(通常使用相关性指标),并且关系的大小决定了它们的功能连接强度。通过包含或排除刺激/任务变量,我们可以研究不同认知状态对连接性的调节。本文接下来将描述如何运行基于种子的连接分析,以及使用图谱来进行分割和定义种子点。原创 2022-09-21 22:10:19 · 1675 阅读 · 1 评论 -
EEG-fMRI同步记录的伪影去除法
大家好,这里是 “茗创科技” 。茗创科技专注于脑科学数据处理,涵盖(EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科技的脑电课程,数据处理服务及脑科学工作站销售业务,可添加我们的工程师(MCKJ-zhouyi或17373158786)咨询。————————————————版权声明:本文为CSDN博主「茗创科技」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.n原创 2022-07-11 10:20:08 · 998 阅读 · 0 评论 -
【茗创科技】静息态fMRI功能连接分析方法学
大家好,这里是 “茗创科技” 。茗创科技专注于脑科学数据处理,涵盖(EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科技的脑电课程,数据处理服务及脑科学工作站销售业务,可添加我们的工程师(MCKJ-zhouyi或17373158786)咨询。人脑由数十亿个细胞组成,细胞之间有数万亿个突触连接。根据人类解剖研究的估计,以及约80%的皮层细胞是兴奋性锥体细胞的常识,一个成年人的大脑皮层中大约有200亿个兴奋性锥体细胞。这些细胞如何协调它们的活动,形成原创 2022-06-11 17:19:49 · 2062 阅读 · 0 评论 -
基于EEG和fNIRS的混合生物标志物的脑成像
大家好,这里是 “茗创科技” 。茗创科技专注于脑科学数据处理,涵盖(EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科技的脑电课程,数据处理服务及脑科学工作站销售业务,可添加我们的工程师(MCKJ-zhouyi或17373158786)咨询。脑成像方法在过去的二十年中,大脑结构和功能可视化技术的进步为医学、生物医学以及相关领域的研究人员研究大脑的功能和连接提供了大量的机会。各种各样的成像技术使我们能够精确地实现从单个分子到整个大脑的可原创 2022-05-12 17:19:33 · 1032 阅读 · 0 评论 -
如何用超扫描研究亲子互动?
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。导读最近的研究表明,亲子互动过程影响着孩子的大脑结构和功能的发育。然而,这种关联背后的神经生物学过程尚不明晰。超扫描作为研究亲子之间社会互动的方法,尤其适合于研究人际动力学,如对互动信号的神经夹带和大脑活动的人际同步。尽管超扫描具有多方面的潜力,这个不断发展的领域仍然面临着各种挑战,包括方法上的局限性,本文将提供解决这些问题的方法。此外,关于超扫描的研究有助于加深我们对亲子互动如何支持儿童健康发展的理解。互动的大脑,身体和思想原创 2022-05-11 17:31:27 · 482 阅读 · 0 评论 -
NEAR:新生儿EEG数据的伪迹去除流程
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。导读EEG对于研究新生儿神经认知功能很有价值。但目前很难记录到高质量的新生儿EEG数据。相较于成人和大一点的婴儿,新生儿注意力持续时间有限,数据更短;而且由不可控的运动导致的伪迹更多,数据噪声也更大。因此,研究者提出了一种专为新生儿设计的EEG伪迹去除方法(NEAR),NEAR基于两个关键步骤:①基于局部异常因子(LOF)的坏导检测工具,一种稳定的异常值检测算法;②采用伪迹子空间重建算法(ASR),适用于新生儿EEG的参数校准方法。此方法开原创 2022-04-23 17:32:44 · 2037 阅读 · 0 评论 -
应用支持向量机对婴儿EEG数据进行多元模式分析
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。导读时间分辨多元模式分析(MVPA)是分析脑磁图和脑电图(M/EEG)神经成像数据的常用技术,它量化了神经表征支持相关刺激维度识别的程度和时间进程。随着EEG在婴儿神经成像研究中的广泛应用,婴儿EEG数据的时间分辨MVPA是一种特别有前景的婴儿认知神经科学工具。近年来,MVPA已被应用于常见的婴儿成像方法,如EEG和fNIRS。在本教程中,研究者提供了用婴儿EEG数据实现MVPA的代码,并且提供了使用线性支持向量机(SVM)分类器实现MVP原创 2022-04-06 14:47:26 · 1087 阅读 · 0 评论 -
rt-TEP工具:实时显示TMS诱发电位,最大化皮层激活和最小化伪影
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。前言经颅磁刺激(TMS)可以通过感应电场(E-field)的位置、方向、强度等大量参数组合直接激活大脑皮层。这种灵活性为探索和调节皮层兴奋性提供了前所未有的机会,但同时也存在一定的挑战,当TMS线圈位于感兴趣的头皮区域时,电场对皮层神经元的实际影响是很难预测的。即使由最先进的TMS导航系统提供的个体头部模型作为先验信息,但这些关键因素如轴突定向、细胞结构和局部神经元兴奋性仍未能被很好地解释,并可能显著影响诱导的感应场和大脑活动之间的相互作用原创 2022-03-31 16:02:54 · 1285 阅读 · 0 评论 -
基于联合独立成分分析(jICA)的EEG与fMRI耦合与解耦
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。导读fMRI和EEG的有意义整合需要了解这些测量是否反映了相同神经源的活动,即估计神经成像模式之间的耦合与解耦程度。本文提出了一种基于联合独立成分分析(jICA)生成的混合矩阵来量化fMRI和EEG信号耦合与解耦的方法,这种方法被称为fMRI/EEG-jICA。与fMRI多元回归分析相比,fMRI/EEG-jICA揭示了不同时空的脑网络,具有更高的灵敏度,说明该方法可以利用EEG信号为fMRI信号的检测和功能表征提供信息,有助于在宏观水平上原创 2022-03-28 11:52:04 · 1963 阅读 · 0 评论 -
经颅磁刺激后EEG神经网络的大规模变化
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。导读经颅磁刺激(TMS)是一种有效的治疗难治性抑郁症的方法。TMS很可能诱导抑郁症中异常回路的功能连接性变化。脑电图(EEG)微状态是模拟大规模静息态网络的地形图。目前,典型微状态被认为是重度抑郁症(MDD)的标志,但尚不清楚它们是否或如何在经颅磁刺激后发生改变。本研究采用静息态EEG测量了49名重度抑郁症患者在基线和为期6周的每日经颅磁刺激后的脑电图。研究结果发现,从所有脑电图数据中识别出6种微状态(MS-1 - MS-6)。对TMS的临原创 2022-03-26 14:25:35 · 1655 阅读 · 0 评论 -
评估默认EEG宏状态及其对刺激反应的方法
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。前言基于正电子发射断层扫描(PET)和功能磁共振(fMRI)的脑成像研究,为大脑基线活动提供了证据,这些活动被组织在多个高度特异性的宏观网络中,称为静息态脑网络。这些脑网络的特征是用图论作为节点(脑区)和边缘(连边),而最重要的节点被称为“中心”或“核心”节点。最常见的网络就是DMN,其中心节点位于后扣带回皮层(PCC) /楔前叶、双侧颞顶叶交界处(布鲁德曼BA39)和内侧前额叶皮层。这些中心最近被认为构成一个更广泛的网络——内侧额顶叶网络原创 2022-03-19 17:35:50 · 301 阅读 · 0 评论 -
基于高密度EEG情绪想象的无监督机器学习
导读本研究采用自适应混合独立成分分析(AMICA)学习一组ICA模型。研究者使用了20-model的AMICA分解方法,对长时间(1-2小时)、高密度(128通道)的EEG数据进行分解,同时引导参与者想象15种特定的情绪体验情景。高密度EEG动态变化的AMICA模型,可以通过数据驱动来洞察情绪体验过程中的大脑动态,这有助于提高基于EEG的情绪解码性能,促进我们对情绪的理解。前言情感体验是大脑和身体内部产生的一种功能状态,能够在日常生活中产生各种主观体验和行为。提高我们对情感的理解,同.原创 2022-03-19 12:02:12 · 579 阅读 · 0 评论 -
代码分享 | EEG数据的等效偶极子源定位
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。关于偶极子源定位:是指在64~128多导头皮脑电图记录的基础上,运用计算机数学模型推算自发或诱发脑电活动的起源,可用于癫痫外科术前辅助棘波起源的定位或诱发电位起源的研究。如何用DIPFIT拟合一个偶极子与EEG或ERP的头皮图?EEGLAB 有一个命令行函数可以允许 DIPFIT 进行拟合。拟合只能在选定的时间点进行,而不能在整个时间窗口中进行。在平均ERP波形中拟合100ms的时间点,可以使用以下MATLAB...原创 2022-03-18 16:57:02 · 1936 阅读 · 1 评论 -
EEG源定位的线性分布逆解
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导读本研究旨在比较最小范数、加权最小范数、低分辨率电磁层析成像(LORETA)、局部自回归平均(LAURA)、标准化LORETA和精确LORETA,这6种线性分布反演方法在间歇性癫痫放电EEG源定位中的空间精度。基于204通道脑电图,回顾性比较了30例癫痫手术患者切除脑区平均间歇性放电的最大源,从而评估空间精度。此外,在计算机模拟中评估了逆解(或称脑电逆问题,是由大脑皮层电压推断大脑内活动源的信息,即通过脑电图数据去反演可以反映脑电活动等效偶原创 2021-12-16 11:58:08 · 1309 阅读 · 0 评论 -
NeuroImage:MEG/EEG数据中常见的错误
导读像所有人一样,MEG/EEG研究人员在推论时也会犯某些错误。本文阐述了反向推论、以偏概全、草率排除、从群体推论个体、从相关推论因果、非此即彼、二分法悖论等七种常见的错误。这些错误在Libet和同事的经典EEG研究中得到了证实,但许多研究人员(不仅仅是Libet)在所有研究领域(不仅仅是MEG/EEG)中仍然存在这些谬论。本文就如何发现和避免这些谬论给出了一些实用的建议。如果所有的人都会犯错,如果所有的科学家都是人,那么所有的科学家都会犯错。从事MEG和EEG研究的科学家也不例外。他们受这种普遍倾原创 2021-11-25 17:52:42 · 575 阅读 · 0 评论 -
仰望星空话天宫 | 航天员汤洪波手里这顶小红帽可不一般
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。2021年9月3日,CCTV-13《东方时空》带我们近距离参观了天和核心舱。航天员汤洪波手拿一顶小红帽,在太空中进行科普。他介绍,这顶脑电帽通过采集航天员脑电信号,就可以检测航天大脑工作时的功能状态和疲劳程度。在这里,小编给这顶‘小红帽’来个近距离的特写~~这不就是ANT推出的同款脑电帽和放大器吗?那么,航天员汤洪波所说的脑机交互是指什么呢?下面小编先给大家看下这个图~~原创 2021-09-09 10:23:28 · 853 阅读 · 0 评论 -
如何采集人类高质量脑电波?| 脑电设备推荐
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。什么是EEG?相信脑科学研究者对EEG一定不会陌生。简单来说,不同频带的脑电波的整体活动,在大脑皮层或头皮表面的总体反映。这些不同频带的脑电波活动时其相位是随机的。一套完整的EEGsystem有以下四个组成部分:放大器/电极帽/记录软件/分析软件现今,这一技术应用的领域十分广泛。以ANT Neuro的eego™mylab为例。eego™mylab为研究者提供了在实验室场景或现实移动场景中完成脑波测原创 2021-09-01 15:19:41 · 3089 阅读 · 0 评论 -
自恋的人脑袋有啥不一样?| 自恋型人格特质和前额脑结构
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。自恋特质与包括岛叶皮层在内的大脑结构和功能网络有关,但相关研究的结果并不一致。在本研究中,研究者旨在考察亚临床自恋与岛叶和前额叶区域脑容量变化的关系。研究以103名临床健康的被试作为研究对象,使用自恋型人格量表(NPI)评估被试的自恋特质,并让参与者进行fMRI扫描。使用基于体素的形态测量法分析MRI扫描结果,采用多元回归模型进行统计分析以及使用无阈值聚类增强(TFCE)。研究结果发现NPI分数与多个前额叶皮层区域的灰质(包括内侧和腹内侧、原创 2021-08-25 16:04:21 · 1365 阅读 · 0 评论 -
经典再读 | 认知控制和失匹配对N2成分的影响
本研究主要关注以下两点:①关注“认知控制”对N2的影响;③关注能诱发前头皮分布的N2成分的范式。研究认为前部N2应该被划分为单独的与控制和失匹配相关的子成分。另外,oddball范式诱发的N2属于与注意相关的N2家族成分,且在视觉模态下,N2成分具有后侧头皮分布。本研究在相同的范式下综合相关研究,同时比较不同范式下的研究结果,得出的结论具有一定参考性,且整篇文章逻辑清晰。阅读本期文章前建议大家回顾下 P3a与P3b的整合理论,方便大家理解文章的脉络。P300可能是事件相关电位(ERP)中被研究最多的成分原创 2021-08-16 12:05:33 · 2500 阅读 · 0 评论 -
机器学习 | 基于脑电图对建筑工人的工作负荷检测
摘要: 建筑工人承受着过度的压力,这对于他们的安全和健康产生了不利影响,因此早期压力的识别对于工人的压力管理显得尤其重要。在这方面,脑电图(EEG)已被广泛应用于临床领域,其通过分析脑电波来评估个体的压力。随着可穿戴式脑电设备的发展和使用扩展到关于工地的工人的研究,我们可以无创性地评估建筑工人的压力水平。本研究提出了一个程序,通过EEG信号来自动识别工人的压力。具体而言,本文作者收集了建筑工地工人的脑电信号并进行了预处理,以获取高质量的脑电信号,还收集了工人的唾液皮质醇(一种压力荷尔蒙),以...原创 2021-07-10 10:30:46 · 1221 阅读 · 0 评论 -
干货分享 | HERMES 计算功能连接指标手册
由于计算两个(或许多)神经源之间是否存在功能(FC)或有效连接(EC)的方法多样,以及相应时间系列分析工具的数学复杂性,一些从事神经生理信号分析的研究人对这些指标的计算无从下手,HERMES工具箱完美地集成了这些指标的计算方法以及相关的预处理程序,包括几个常用的FC和EC的线性和非线性指标,从传统的互相关和相干函数到先进的相互依赖的度量,如传递熵。这个工具箱对从事脑连接分析的研究人员非常有帮助。下面是具体的操作。1.数据格式转换用hermes工具包计算功能连接指标时,he...原创 2021-07-09 09:55:34 · 4078 阅读 · 18 评论 -
清华大学|情绪研究的日常动态心理生理记录数据集DAPPER
清华大学心理学系团队发布面向情绪研究的日常动态心理生理记录数据集DAPPER为了更好地理解人类情绪的心理和生理基础,人们对实验室以外的情绪相关数据的动态记录越来越感兴趣。通过使用基于智能手机的动态评估和手腕佩戴的生理记录设备,日常情绪研究的动态心理和生理记录(DAPPER)数据集提供人们在日常生活中的情绪体验的瞬时自我报告和生理数据。此数据集包括142名参与者的动态心理记录和其中88人在五天内的生理记录。采用体验抽样法(ESM)和日间重建法(DRM)对受试者的日常情绪体验进行综合描述。白天记录心率、皮肤原创 2021-07-09 09:38:10 · 748 阅读 · 0 评论 -
计算 ITPC 你需要知道这些……
当你在分析inter-trial phase coherence /inter-trial phase clustering (ITPC)时,你是否考虑过 ITPC 的分析会受到哪些因素的影响,ITPC 的结果该怎么解释?Diepen & Mazaheri (2018)在一篇文章中讨论了他们对 ITPC 分析的一些看法。鉴于此话题目前并没有最终结论,请各位看官辩证看待。以下是这篇的全部内容。 EEG 和 MEG 信号包含多个频带的振荡(即有节律性的)活动,其中最主要...原创 2021-07-08 16:30:34 · 1314 阅读 · 0 评论 -
ERP小白必读|十篇ERP初学者经典论文
大家好,我是茗创科技的Monday。一名ERP初学者难免会遇到各种各样的问题,最近就有人咨询我该如何选择ERP入门文献。ERP发展至今已经有上百年的历史,大量的ERP研究先后在国际上发表。面对这么多文献难以选择,今天安利十篇经典的EPR论文给大家。[1] TUP, R. (1978). Multivariate analysis of event-related potential data: A tutorial review.这是一篇关注于ERP特征提取的经典综述。文章结构分为三部分:导语(目的原创 2021-07-08 16:15:38 · 859 阅读 · 0 评论 -
脑电信号在情感计算中应用
情绪是对一系列主观认知经验的通称,包括人对外界刺激或自身刺激的心理反应并伴随着生理反应。情绪对人际关系的建立和维持、认知、决策、工作效率等互动活动具有直接影响。许多疾病如抑郁症、自闭症、游戏成瘾、阿尔茨海默氏症、冠状动脉疾病与认知和情绪障碍密切相关。识别情绪表达障碍患者的情绪状态将有助于提供更好的治疗和护理。1995年,自Picard提出了“情感计算”概念后情感识别成为了人机交互人性化环节中引人入胜的研究分支。情绪的神经生理机制大脑接收和处理来自体感皮层和运动系统的功能活动信息,大部分的信息原创 2021-07-08 11:30:57 · 1593 阅读 · 0 评论 -
干货分享|letswave 操作手册
大家好,这里是茗创科技。今天给大家分享一份letswave 操作手册在这里提醒大家,篇幅很长,建议收藏!letswave操作手册一、 Letswave 介绍Letswave 即可做传统的波幅、潜伏期分析,又可以进行时间-频率分析。而且不需要很多 matlab 编程的知识。从中可以提取时频的具体值,可以做进一步的方差分析。与 EEGlab 的时间频率分析相比,更简单,更易学习。a) 在Matlab 中添加路径b) 打开letswave在命令栏中输入...原创 2021-07-08 10:37:30 · 1293 阅读 · 0 评论 -
脑电数据预处理看这篇就够了
01脑电数据分析预处理步骤1.(Import data)导入数据2.(Channel locations)电极定位3.(Select data)剔除无用电极4.(filter the data)滤波5.(Extract epochs and Remove baseline)分段和基线校正6.Artifact rejection (bad channel and epoch) (剔除坏段、插值坏导)7.(Independent component analysis, ICA)独立.原创 2021-07-06 12:03:54 · 20675 阅读 · 0 评论 -
代码分享|静息态频域各指标的计算,建议收藏
大家好,我是茗创科技的工程师周翊,静息态数据在做频域分析的时候常用的指标有四个实现代码如下:% 代码由茗创科技工程师 周翊编写 并无偿分享使用 转载注明来源% 更多需要可加微信了解% 茗创科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,也欢迎% 了解茗创科技的课程及数据处理服务,可添加微信号 17373158786 进行咨询。% Written By Yizhou% Using the code without pr...原创 2021-07-06 10:54:40 · 847 阅读 · 1 评论 -
代码分享|时频分析时绘制热图进行平滑的代码
大家好,我是茗创科技的周翊,近日分析数据的时候碰到一批采样率比较低,虽然对于分析的频段已经足够了,但是画出来的时频图却不好看,如下左图,本着对客户负责的原则,就想在现有的数据基础上给客户进行平滑作图,就有了右图的效果,是不是瞬间好看了很多?% 代码由茗创科技工程师 周翊编写 并无偿分享使用 转载注明来源% 更多需要可加微信了解% 茗创科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,也欢迎% 了解茗创科技的课程及数据处理服务...原创 2021-07-06 10:45:43 · 1031 阅读 · 0 评论 -
neauscan自带软件scan导出的.avg格式文件如何在matlab里面画图
新手在处理脑电的时候不可避免的会使用scan这样的商业软件,然后处理完数据以后可能会想导入到matlab进行画图,可是商量软件导出的文件格式可能并不那么自由,这里提供一个将scan处理完的脑电数据导出到matlab并画图的脚本如下% 代码由茗创科技工程师编写%% Written By Yizhou% Using the code without proper understanding the code and relevant background% of EEG may lead to c原创 2021-05-05 23:59:30 · 610 阅读 · 2 评论 -
批量重命名脑电EEG文件
有些人在做脑电实验的时候喜欢起一些奇奇怪怪的名字,这就导致某些数据可能在导入的时候报错,可是错已经犯下了,就改呗,这里刚好有需要,便写了一个批量更改数据名称的代码,其实也非常简单,但是仅针对于只有一个文件的脑电格式,如.edf;.cnt这些可以直接改文件名的脑电文件而像.vhdr+.eeg+.vmark这种绑定式的文件就不建议更改此脚本对其它文件依然有用%% 代码由茗创科技工程师周翊编写% Written By Yizhou% Using the code without proper un原创 2021-05-05 23:58:17 · 735 阅读 · 0 评论 -
对数化绘制P值地形图
正常使用topplot绘制P值图是这样的,P值越大,图片越亮但是因为P值本身的原因,P值需要越小越好,这就需要改变绘图的思路,可以对P值求一个log值再求负数,画在地形图上,就对显著的区域一目了然分享绘图代码如下运行环境依然是Matlab2013B+eeglab13% Written By Yizhou% Using the code without proper understanding the code and relevant background% of EEG may lead原创 2021-01-25 23:00:42 · 697 阅读 · 0 评论