Python与脑机接口
文章平均质量分 87
脑机接口领域里的Python数据分析,mne-Python教程
脑机接口研习社
为了量化行为,研究脑机接口BCI,与同行学术交流。公众号:脑机接口研习社,联系方式:[email protected],个人主页:https://github.com/Y-H-Joe
展开
-
MNE-Python脑电数据分析教程集锦
MNE教程往期回顾脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据MNE脑电数据(EEG/MEG)可视化MNE数据预处理方法——独立成分分析独立成分分析(ICA)的实例应用:消除伪影信号ICA应用:如何识别伪影信号?(一)ICA应用:如何识别伪影信号?(二)ICA应用:如何识别伪影信号?(三)MNE脑电数据预处理持续更新中……...原创 2021-03-18 11:12:03 · 464 阅读 · 0 评论 -
Python专栏 | MNE脑电数据预处理
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析Python专栏 | 独立成分分析(ICA)的实例应用:消除伪影信号Python专栏 | ICA应用:如何识别伪影信号?(一)Python专栏 | ICA应用:如何识别伪影信号?(二)Python专栏 | ICA应用:如何识别伪影信号?(三)持续更新中……文章目录系列文章目录数据预.翻译 2021-03-18 10:50:38 · 2417 阅读 · 0 评论 -
Python专栏 | ICA应用:如何识别伪影信号?(三)
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析Python专栏 | 独立成分分析(ICA)的实例应用:消除伪影信号Python专栏 | ICA应用:如何识别伪影信号?(一)Python专栏 | ICA应用:如何识别伪影信号?(二)持续更新中……文章目录系列文章目录Selecting ICA components using te.翻译 2021-02-28 20:05:12 · 928 阅读 · 0 评论 -
Python专栏 | ICA应用:如何识别伪影信号?(二)
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析Python专栏 | 独立成分分析(ICA)的实例应用:消除伪影信号Python专栏 | ICA应用:如何识别伪影信号?(一)持续更新中……文章目录系列文章目录Using a simulated channel to select ICA components总结Using a .翻译 2021-02-26 21:49:55 · 565 阅读 · 0 评论 -
Python专栏 | ICA应用:如何识别伪影信号?(一)
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析Python专栏 | 独立成分分析(ICA)的实例应用:消除伪影信号持续更新中……文章目录系列文章目录识别伪影信号的方法1. Selecting ICA components manually (手动识别)2. Using an EOG channel to select ICA com.翻译 2021-02-22 12:07:47 · 964 阅读 · 0 评论 -
Python专栏 | 独立成分分析(ICA)的实例应用:消除伪影信号
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析持续更新中……文章目录系列文章目录举个例子1. 载入数据(Loading data)2. Visualizing the artifacts3. Filtering to remove slow drifts4. Fitting and plotting the ICA solution总.翻译 2021-02-18 10:47:18 · 2681 阅读 · 0 评论 -
Python专栏 | MNE数据预处理方法——独立成分分析
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法(一)Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法(二)文章目录系列文章目录预处理(Preprocessing)预处理(Preprocessing)MNE-Python支持多种预处理的方法和技术,如麦克斯韦滤波,信号空间投影,独立成分分析,滤波,降噪采样等(maxwell filtering, signal-space projection, independent component.翻译 2021-02-08 21:48:39 · 2026 阅读 · 0 评论 -
Python专栏 | MNE脑电数据(EEG/MEG)可视化
系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法(一)文章目录系列文章目录正文总结正文MNE包的核心结构之一——Raw的对象里有几种内置的可视化EEG/MEG数据的方法。代码示例:raw.plot_psd(fmax=50)Note:我们用plot_psd显示每种传感器类型的功率谱密度(Power Spectral Density,PSD)。fmax=50表示仅绘制50 Hz以下的频率(因为我们的数据以40 Hz进行低通滤波)。功率谱密度.翻译 2021-01-31 12:04:26 · 2699 阅读 · 0 评论 -
Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据
文章目录前言一、载入数据(Loading data)二、总结前言有关脑电图(EEG)的内容请看下面这篇文章。脑机接口专栏 | 利用黎曼几何分析EEG脑电信号(一)脑磁图(Magnetoencephalography),或简称MEG,是集低温超导、生物工程、电子工程、医学工程等二十一世纪尖端科学技术于一体,是无创伤性地探测大脑电磁生理信号的一种脑功能检测技术。在MEG 问世以前,只有EEG 能检测神经元电活动,EEG 被广泛应用于癫痫的诊断,发作分类及痫性病灶的定位。但头皮EEG 的空间分辨...翻译 2021-01-15 11:08:10 · 4175 阅读 · 0 评论