脑电
文章平均质量分 88
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 · 1855 阅读 · 3 评论 -
小波变换在脑电数据处理中的特征工程
在生物信号中,高效的特征工程和特征提取(FE)是获得最优结果的必要条件。特征可以从时域、频域和时频域三个方面进行提取。时频域特征是最先进的特征,在大多数基于人工智能的信号分析问题中表现良好。本文介绍了小波散射变换(WST)在神经疾病分类中的应用,并对连续小波变换(CWT)和离散小波变换(DWT)在精神分裂症分类中的应用进行了比较研究。本研究是最早将WST应用于脑电数据以分类神经系统疾病的研究之一。本研究在将数据发送给分类器进行分类之前,还从数据中提取了12个统计特征。原创 2023-03-26 11:15:19 · 2224 阅读 · 0 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 · 3387 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 · 1292 阅读 · 0 评论 -
基于DDTBOX,使用线性支持向量回归(SVR)从ERP数据中解码连续变量
导读事件相关电位(ERP)数据的多变量分类分析是预测认知变量的强大工具。然而,分类通常仅限于分类变量,并未充分利用连续数据,如反应时间、反应力或主观评分。另一种方法是支持向量回归(SVR),它使用单试次数据来预测感兴趣的连续变量。在这篇教程式的文章中,研究者演示了如何在决策解码工具箱(DDTBOX)中实现SVR。为了更详细地说明结果如何取决于特定的工具箱设置和数据特征,本研究报告了两个模拟研究(类似于真实的EEG数据和真实的ERP数据集)的结果,并预测了一系列分析参数的连续变量。原创 2022-11-09 21:28:40 · 405 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 · 2346 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 · 601 阅读 · 0 评论 -
元分析 | 大脑同伦共激活的性别差异
导读功能连接中一个非常有趣的部分是‘同伦连接’(HC),即两个半球的两个镜像区域之间的连接,主要由胼胝体纤维介导。尽管研究人脑性别二态性的传统由来已久,但是据所知,只有一项研究涉及性别对HC的影响。这里,将使用基于坐标的元分析方法和来自BrainMap数据库的数据考察男性和女性大脑的同伦共激活问题。第一个出乎意料的发现是,该数据库受到了性别偏差的影响:仅限女性群体比仅限男性群体的研究数量要少,而且与男性相比,女性群体在某些领域的研究更多,如情感,而在认知方面的研究较少。原创 2022-10-28 16:48:49 · 859 阅读 · 0 评论 -
基于LORETA的EEG静息态脑网络分析
每个被试脑网络的数据存放在“Projections”文件夹中,“VEEG01_O-Tr-fICprojections”对应于老年组被试1,“VEEG01_Y-Tr-fICprojections”对应于青年组被试1。请根据提示‘双击此行’,在EEG文件夹中创建一个新文件夹(可以是任意名称,如TranspFica),并在新文件夹中为ICA分析结果定义一个文本文件(如Tfica15)。最后,拖放20个老年组文件夹和20个青年组文件夹,总共必须有40行(如蓝色箭头所示),表示40个文件夹,并单击Go。原创 2022-10-24 15:39:32 · 1962 阅读 · 0 评论 -
The Neuroscientist | 从连通性预测大脑活动:最新进展和应用
导读人脑由多个离散的、功能特异的区域组成,这些区域相互连接以形成大规模的分布式网络。使用先进的脑成像方法和机器学习分析方法,最近的研究表明在执行各种认知任务时,可以从任务独立的大脑连接模式中准确预测区域大脑活动。在这篇综述文章中,首先从结构连接(即白质连接)和功能连接(即时间同步的无任务激活)提出了大脑活动可预测性的证据。然后,讨论了这些预测对临床人群(例如被诊断患有精神疾病或神经系统性疾病的患者)和大脑-行为关联研究的影响。原创 2022-10-23 23:05:35 · 772 阅读 · 0 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 · 3567 阅读 · 0 评论 -
NeuroImage:通信辅助技术削弱了脑间同步?看来维系情感还得面对面互动才行...
导读向通信辅助技术的转变已经渗透到人类社会生活的各个方面。然而,它对社会脑的影响仍然是未知的,其影响可能在发育过渡期特别强烈。本研究采用双脑视角,并利用超扫描EEG测量了62对母子(儿童年龄:M=12.26,范围10-14,向青春期过渡的阶段)在实时面对面互动vs技术辅助远程交流期间的脑间同步性。在beta(14-30Hz)范围内,实时互动条件下的额叶和颞叶区域之间具有9个显著的脑间连接。母亲的右侧额叶区域与孩子的左右额叶、颞叶和中央区域相连,表明其在双脑动态中起着调节作用。原创 2022-10-21 14:45:45 · 403 阅读 · 0 评论 -
脑网络及其功能意义
导读要了解大脑的认知功能,就必须了解神经元是如何在局部、不同脑区以及整个大脑的大规模范围内相互连接的。局部处理和全局整合之间的平衡为复杂的处理模式提供了支持,这些模式是高阶认知功能的基础,同时确保了大脑的灵活性、稳健性和功能多样化。在这种情况下,网络范式为研究脑区之间的相互作用以及使用强大的计算工具解释功能网络的复杂拓扑结构提供了理论框架。本文回顾了研究大脑功能网络的当前技术水平,并总结了用于量化网络特征的方法进展。同时概述了主要的神经成像技术,探讨了目前有关认知功能和功能障碍的核心大规模网络的知识。原创 2022-10-17 09:30:35 · 3689 阅读 · 0 评论 -
综述 | 深度学习在fNIRS中的应用
导读意义:光学神经影像学已成为一种成熟的临床和研究工具,用于监测大脑皮层的激活。值得注意的是,功能性近红外光谱(fNIRS)研究的结果在很大程度上取决于所采用的数据处理流程和分类模型。最近,深度学习(DL)方法在许多生物医学领域的数据处理和分类任务中表现出快速和准确的性能。目的:本文旨在回顾新兴的深度学习(DL)在fNIRS研究中的应用。方法:本文将首先介绍一些常用的深度学习技术。然后,总结了当前深度学习在脑机接口、神经损伤诊断和神经科学发现等领域的研究进展。原创 2022-10-14 13:59:13 · 2790 阅读 · 0 评论 -
三种时空模式下的全脑功能组织
导读静息态功能磁共振成像技术似乎对人脑的大规模组织产生了不同的见解。大脑的大规模组织可以分为两大类:功能连接结构的零滞后表征和行波或传播结构的时滞表征。本研究试图以三种低频时空模式的形式整合这两个类别中观察到的现象,这些低频时空模式由驻波和行波动力学组成。结果表明,功能连接梯度、任务正向/任务负向的反相关模式、全局信号、时滞传播模式、准周期模式和功能连接组网络结构,是这三种时空模式的特点。这些模式说明了作为功能连接分析基础的大部分全局空间结构,并整合了此前认为不同的静息态功能MRI中的现象。原创 2022-10-14 11:15:36 · 1641 阅读 · 0 评论 -
磁共振指纹:一种新颖的定量磁共振技术
前言磁共振指纹(MRF,MR fingerprinting)是一种新颖的定量磁共振技术,可以在较短的扫描时间内同时量化多种组织特性。自2013年首次发表在《Nature》杂志上以来,该技术已经证明了在5到10分钟的时间内进行容积多参数成像的高扫描效率,在扫描身体不同部位(如大脑、肌肉骨骼系统、心脏等方面)的高稳健性,以及在模型和人体验证中的高准确性和可重复性。因此,MRF使定量磁共振成像在临床和科研领域的广泛应用和标准化方面,具有很大的潜力。MRF的基本概念类似于指纹识别技术.原创 2022-10-13 20:09:03 · 2000 阅读 · 0 评论 -
HAPPE+ER:一款让脑电研究人员“更快乐”的软件,可用于事件相关电位(ERP)分析的标准化预处理管道
导读事件相关电位(ERP)设计是用脑电图(EEG)检测神经认知功能的常用方法。然而,传统的ERP数据预处理方法是手动编辑,这是一个主观且耗时的过程。最近创建了许多自动化通道,以满足EEG数据预处理的标准化、自动化和量化的需求;然而,很少有人针对ERP分析进行优化。本研究提出并验证了HAPPE+事件相关软件(HAPPE+ER)【谐音“happier”,意为“更快乐”】,这是一个标准化和自动化的预处理流程,并针对整个生命周期内的ERP分析进行了优化。原创 2022-09-28 13:01:23 · 1243 阅读 · 0 评论 -
Cerebral Cortex:初为人父者竟然出现纵向灰质皮层体积减少?两个国际样本提供了这样的证据...
导读新出现的证据表明,向父母身份的转变是成人神经可塑性的关键窗口。研究父亲提供了一个独特的机会来探索为人父的经历是如何塑造大脑的。然而,很少有研究考察男性转变为父亲角色时的神经解剖学适应性。本研究报告了两个实验室之间的国际合作,一个在西班牙,另一个在加利福尼亚(美国),这两个实验室前瞻性地收集了20名准父亲在第一个孩子出生前后的结构神经成像数据。西班牙样本还包括一个由17名无子女男性组成的对照组。本研究测试了向父亲角色的转变是否会导致大脑皮质体积、厚度和面积以及皮层下体积的解剖学变化。原创 2022-09-29 09:21:11 · 816 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 · 1056 阅读 · 0 评论 -
静息态fMRI方法在脑动力学表征上的比较
静息态功能MRI(fMRI)表现出功能连接的时变模式。已经开发了几种不同的分析方法来检查这些静息态动态信息,包括滑动窗口连接(SWC)、相位同步(PS)、共激活模式(CAP)和准周期模式(QPP)。每种方法都可用于生成随时间变化的活动模式或区域间协调。然后可以对各个帧进行聚类,以产生通常称为“大脑状态”的时间分组。原创 2022-09-24 22:29:50 · 1005 阅读 · 0 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 · 1053 阅读 · 0 评论 -
【茗创科技】婴儿脑电机器学习实用指南
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。脑电图(EEG)已被发展认知神经科学界广泛采用,但机器学习(ML)在该领域的应用滞后于成人EEG研究。由于实验试次少、信噪比低、被试间变异性高和试次间变异性高,因此将ML应用于婴儿数据尤其具有挑战性。此次研究原创 2022-06-13 14:58:19 · 902 阅读 · 1 评论 -
如何使用eeglab画出理想的脑电图
Hello~大家好,我是韭菜花,第一次跟大家见面,带点干货,希望大家喜欢~不知道有没有小伙伴跟菜花花一样有个困扰在使用 eeglab 处理数据的时候,要是每个数据在 data scroll 界面使用的 value 值是一个我们想用的固定值那该有多好因为这样每个数据在查看的时候使用的标准是相同的,也免得我们每次都要手动设置了那今天菜花花就来教教大家~首先,我们需要找到 eeglab 工具箱里的 eegplot.m 函数文件路径如下:然后我们打开这个函数,找到设置 .原创 2022-04-27 17:17:04 · 1787 阅读 · 0 评论 -
基于动态空间滤波的受损EEG信号的鲁棒性学习
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。导读利用实验室环境外记录的脑电建立机器学习模型需要对噪声数据和随机丢失通道具有鲁棒性的方法。这一需求在处理稀疏脑电蒙太奇(1-6个通道)时尤其强烈,且经常会在消费级或移动脑电设备中遇到。无论是传统的机器学习模型还是对EEG进行端对端训练的深度神经网络,通常不会设计或测试对破坏的鲁棒性,尤其是对随机丢失的通道。虽然一些研究提出了使用丢失通道的数据的策略,但当使用稀疏蒙太奇和计算能力有限(例如,可穿戴设备、手机)时,这些方法并不实用。为了解决这原创 2022-04-29 17:58:29 · 1243 阅读 · 0 评论 -
DEEP:双脑EEG超扫描研究流程
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。导读前沿的超扫描方法使社会神经科学的范式发生了转变。超扫描允许研究人员在自然环境中测量两个或多个个体之间动态交互的神经过程。随着对超扫描研究的关注不断增长,需要开发透明和有效的数据分析方法来进一步推进该领域的发展。研究者开发并测试了双脑EEG分析流程,即DEEP。在对数据进行预处理后,DEEP允许用户计算锁相值(PLVs)和跨频锁相值(cross-frequency PLVs),以及每个参与者的时频响应和EEG功率,作为脑间相位同步的指标。原创 2022-04-25 17:23:55 · 1197 阅读 · 0 评论 -
茗创:脑电数据处理业务
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。01数据预处理好的数据质量是获得可靠结果的前提,而预处理的质量往往对后处理的结果存在一定的影响。脑电的数据对噪音的敏感性很强,为了提高您数据的质量,在更大程度上将数据中的信噪比提高,获得更严谨的科研结果,我们会对您的数据进行高质量的预处理。主要包括:电极定位、滤波、降采样、分段、手动去除伪迹分段、坏电极替换、通过ICA的方式进行伪迹校正、使用极端值的方法去除伪迹分段、重参考等。02任务态数据时域分析...原创 2022-04-10 14:45:00 · 1461 阅读 · 0 评论 -
时频分析方法及其在发展性EEG数据中的应用
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为神经振荡这类大脑活动提供了丰富的测量。然而,到目前为止,大多数发展性脑电研究都集中在以事件相关电位(ERPs)或基于傅立叶变换的功率来分析脑电信号数据。虽然这些测量手段卓有成效,但它们并没有利用脑电信号中包含的所有信息。也就是说,ERP分析忽略了非锁相信号,而基于傅立叶分析的功率分析忽略了时间信息。时频分析可以更好地刻画包含在脑电数据中的振荡。通过分离不同频率上的功率和相位信息,时频测量提供了对神经生理机制更深入的解释,促进了神原创 2022-04-13 15:58:46 · 3468 阅读 · 0 评论 -
eeglab脑电数据预处理:step by step
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。学脑电的小伙伴对matlab软件和eeglab插件一定不会陌生,它们是脑电数据分析过程中的重要法宝。在对脑电数据进行分析处理之前需要先安装matlab,在matlab中调用eeglab插件。在收集脑电数据的过程中,我们收集到的数据不可避免的会受到一些干扰,但是我们在进行分析之前需要相对干净的数据,所以脑电数据处理过程中最重要的一步就是对数据进行预处理。预处理做得好,能够帮助我们有效地提高脑电数据的信噪比哦。以下是关于脑电数...原创 2022-03-24 14:11:32 · 18990 阅读 · 4 评论 -
心理学实验必备 | 脑电实验流程及注意事项
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。实验前准备阶段招募被试:在招募被试通知里写明实验任务、实验时长、实验时间、实验地点、实验报酬、实验要求、招募人数(需要多少人参与实验可提前告知)。被试登记:将愿意前来参与实验的被试登记在《被试登记表》上,如下表所示。正式实验前一天:事先和被试确认好正式实验的具体时间;嘱咐被试不要戴隐形眼镜;如果是女被试,需嘱咐其最好不要化妆;不要带耳环(也可以在实验室再取下);告知被试正式实验开始前需要洗头,一般是让被试来到实验室洗头(防止原创 2022-03-17 13:48:11 · 8876 阅读 · 2 评论 -
EEG-fMRI 融合相关软件推荐
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SPMSPM用于脑成像数据序列分析,序列可以是来自不同队列的一系列图像,也可以是来自同一被试的时间序列。这里可用于EEG与fMRI的数据预处理;基于EEG信息的fMRI分析(广义线性模型);EEG或fMRI数据的组分析;动态因果模型等。网址:www.fil.ion.ucl.ac.uk/spmFieldtripFieldtrip是一款用于脑磁图、脑电图和有创电生理数据高级分析的开源软件,该软件是在MATLAB工具箱中实现的,原创 2022-03-17 11:03:50 · 1686 阅读 · 0 评论