电生理信号处理项目实践
文章平均质量分 65
本专栏主要实践电生理信号(脑电,肌电,眼电,心电等信号)相关项目的代码开发和流程分享。
医学信号图像玩家
从事【生理信号/MRI医学成像】方向和工作,熟练掌握【PyTorch/Tensorflow/MATLAB】框架,闲暇时间成功解决【数百次】来自MRI医学成像和医学生理信号的【代码/项目】定制化需求与设计,积累了丰富的写码和构思经验。如果在生理信号处理和MRI医学成像处理和重建有需求,请通过【私信】取得联系。我非常乐意与您进行深入交流,并尽我所能为您提供帮助。我相信,通过精诚合作,我们可以共同推动项目的进展,实现【互利共赢】。
展开
-
【信号处理】基于CNN的心电(ECG)信号分类典型方法实现(tensorflow)
本实验使用1维卷积神经网络实现心电信号的5分类。由于数据类别不均衡,这里使用典型的上采样方法,实现数据类别的均衡化处理。原创 2024-04-21 17:34:03 · 1002 阅读 · 5 评论 -
【信号处理】基于CNN自编码器的心电信号异常检测识别(tensorflow)
本项目主要实现卷积自编码器对于异常心电ECG信号的检测和识别,属于无监督学习中的生理信号检测的典型方法之一。原创 2024-04-21 15:35:06 · 740 阅读 · 0 评论 -
【信号处理】基于EEG脑电信号的自闭症预测典型方法实现
本项目主要实现基于脑电信号的自闭者的早期检测(正常vs非正常),为早期筛查和干预提供及时的预警。原创 2024-04-21 04:51:35 · 326 阅读 · 1 评论 -
【信号处理】心电信号传统R波检测定位典型方法实现(matlab)
心电信号中QRS波检测是一个非常重要的步骤,可以用于实现重要波群的基本定位,在定位基础上,可以进一步分析心电信号的特征变化,从而为医疗诊断提供必要的参考。原创 2024-04-15 01:43:41 · 458 阅读 · 2 评论 -
【域适应】深度域适应常用的距离度量函数实现
深度域适应中,有一类方法是实现目标域和源域的特征对齐,特征对齐的衡量函数主要包括MMD,MK-MMD,A-distance,CORAL loss, Wasserstein distance等等。本文总结了常用的特征变换对齐的函数定义。原创 2024-04-11 21:58:00 · 1041 阅读 · 0 评论 -
【域适应】基于散度成分分析(SCA)的四分类任务典型方法实现
SCA(scatter component analysis)是基于一种简单的几何测量,即分散,它在再现内核希尔伯特空间上进行操作。SCA找到一种在最大化类的可分离性、最小化域之间的不匹配和最大化数据的可分离性之间进行权衡的表示;每一个都通过分散进行量化。原创 2024-04-11 18:25:26 · 351 阅读 · 0 评论 -
【域适应】基于域分离网络的MNIST数据10分类典型方法实现
域适应之域分离网络在MNIST数据集上的迁移实现和最终效果可视化。原创 2024-04-11 17:06:11 · 568 阅读 · 0 评论 -
【域适应】基于深度域适应MMD损失的典型四分类任务实现
MMD (maximum mean discrepancy)是用来衡量两组数据分布之间相似度的度量。一般地,如果两组数据分布相似,那么MMD 损失就相对较小,说明两组数据/特征处于相似的特征空间中。基于这个想法,对于源域和目标域数据,在使用深度学习进行特征提取中,使用MMD损失,可以让模型提取两个域的共有特征/空间,从而实现源域到目标域的迁移。原创 2024-04-11 15:26:28 · 892 阅读 · 0 评论 -
【域适应】基于迁移成分分析(TCA) 的典型二分类问题(python)
传统预适应方法 transfer component analysis 典型方法实现。原创 2024-04-11 15:04:25 · 413 阅读 · 0 评论 -
【信号处理】基于变分自编码器(VAE)的脑电信号增强典型方法实现(tensorflow)
在脑电信号分析处理任务中,数据不均衡是一个常见的问题。针对数据不均衡,传统方法有过采样和欠采样方法来应对,但是效果有限。本项目通过变分自编码器对脑电信号进行生成增强,提高增强样本的多样性,从而提高最终的后端分析性能。原创 2024-04-03 16:01:49 · 1328 阅读 · 2 评论 -
【信号处理】基于DGGAN的单通道脑电信号增强和情绪检测(tensorflow)
情绪检测,是脑科学研究中的一个常见和热门的方向。在进行情绪检测的分类中,真实数据不足,经常导致情绪检测模型的性能不佳。因此,对数据进行增强,成为了一个提升下游任务的重要的手段。原创 2024-03-28 05:15:26 · 523 阅读 · 0 评论 -
信号处理--基于通用空间模态(CSP)的脑电通道选择
通用空间模式(CSP)是生物医学信号处理领域的一项流行技术,已广泛应用于各种应用,特别是在医疗保健行业。它是一种空间滤波技术,用于从多通道生物医学信号(例如脑电图(EEG)或脑磁图(MEG))中提取特征。CSP的目标是找到一组空间滤波器,可以根据协方差矩阵有效地区分两类信号。原创 2024-03-18 15:43:11 · 828 阅读 · 0 评论 -
信号处理--基于EEG脑电信号的眼睛状态的分析
本文为生物信息学小项目设计,主要实现对于脑电信号的眼睛睁闭状态的分类分析。原创 2023-08-20 16:17:05 · 1034 阅读 · 0 评论 -
信号处理--基于EEG脑电信号处理研究概述
脑电信号(EEG)因其安全性、便携性、易用性、高时间分辨率和低成本等特点而被广泛使用。在脑机接口和临床应用中,EEG 信号是直接反映大脑活动的有用工具。例如,EEG-BCI系统的一个典型应用是通过大脑信号控制机器人手臂,这不仅对残疾人而且对普通人改善生活都有很大帮助。因此,处理和分析脑电图信号以适应脑机接口的多种应用非常重要。脑电信号处理通常涉及三个主要步骤:预处理、特征提取和分类。原创 2024-03-07 14:50:00 · 2719 阅读 · 0 评论 -
EMG肌肉电信号处理合集(二)
本文主要展示常见的肌电信号特征的提取说明。使用python 环境下的Pysiology计算库。原创 2023-11-23 10:53:15 · 1160 阅读 · 2 评论 -
常用生理眼电信号整理合集 (EOG)
本文主要总结常用的肌电信号,加速科研进展和转化成果。原创 2024-03-05 12:11:16 · 351 阅读 · 0 评论 -
信号处理--使用核支持向量机实现脑电眼部状态的分类
本文为一个课程专题小项目,使用核支持向量机基于EEG脑电信号实现对眼睛状态的二分类。 11 计算分类结果的指标原创 2023-04-08 12:31:46 · 497 阅读 · 0 评论 -
EMG肌肉信号处理合集 (一)
肌电信号的常规预处理流程原创 2023-11-23 01:19:03 · 2448 阅读 · 2 评论 -
信号处理--多分辨率单通道注意力脑电睡眠分类
本项目为生物医学电信号专题实验,通过引入多分辨率卷积网络,注意力机制和加权损失函数,实现单通道脑电信号的睡眠状态分类。在2个公共数据集上面,进行了实验测试。原创 2024-03-05 17:03:45 · 910 阅读 · 0 评论 -
信号处理--使用CNN+LSTM实现单通道脑电信号EEG的睡眠分期评估
本文为生物电信号处理实验专题项目,使用 CNN+LSTM网络实现基于脑电的单通道信号的睡眠分期自动监测。原创 2024-03-07 17:04:27 · 1022 阅读 · 1 评论 -
信号处理--基于EEG脑电信号的抑郁症识别分类
本实验为生物信息课程专题实验的一个小项目。数据集为私有的EEG脑电信号。实现基于机器学习的脑电信号抑郁症病人的识别分类。原创 2023-04-09 15:27:48 · 1566 阅读 · 9 评论 -
信号处理--基于Fisher分数的通道选择的多通道脑电信号情绪识别
基于Fisher Score的通道选择的脑电信号情绪识别。原创 2024-03-12 01:05:34 · 596 阅读 · 0 评论 -
常用的电生理肌电信号数据合集 (EMG)
本文主要总结了常用的肌电信号公开数据集,加速科研进展和转化。原创 2024-03-05 11:52:56 · 2636 阅读 · 0 评论 -
信号处理--基于gumbel-softmax方法实现运动想象分类的通道选择
基于Gumbel-softmax方法EEG通道选择层的PyTorch实现。该层可以放置在任何深度神经网络架构的前面,以共同学习给定任务和网络权重的脑电图通道的最佳子集。原创 2024-03-12 00:33:33 · 623 阅读 · 1 评论 -
常用电生理心电信号数据集合 (ECG)
常见心电数据集汇总整理,方便快速获得想要使用的高质量科研数据,加速科研进度。原创 2024-02-27 15:26:06 · 2632 阅读 · 0 评论 -
EMG肌肉电信号处理合集(三)
本文主要展示常见的肌电信号预处理的实现,开发环境为matlab。原创 2023-11-23 16:13:43 · 618 阅读 · 0 评论 -
EEG 脑电信号处理合集(2): 信号预处理
EEG 脑电信号预处理原创 2023-11-25 11:09:11 · 934 阅读 · 0 评论 -
信号处理--情绪分类数据集DEAP预处理(python版)
DEAP数据集是一个常用的情绪分类公共数据,在日常研究中经常被使用到。如何合理地预处理DEAP数据集,对于后端任务的成功与否,非常重要。本文主要介绍DEAP数据集的预处理流程。原创 2024-03-27 00:42:03 · 1912 阅读 · 12 评论 -
EEG脑电信号处理合集(1):功率谱中常见artifacts
脑电信号功率谱中常见的artifacts原创 2023-11-25 09:26:48 · 1046 阅读 · 2 评论 -
信号处理--使用EEGNet进行BCI脑电信号的分类
EEGNet作为一个比较成熟的框架,在BCI众多任务中,表现出不俗的性能。EEGNet 的主要特点包括:1)框架相对比较简单紧凑 2)适合许多的BCI脑电分析任务 3)使用两种卷积 Depth-wise convolution 和 separable convolution 实现普适特征的提取。原创 2024-03-24 17:05:13 · 1823 阅读 · 1 评论 -
信号处理--卷积残差网络实现单通道脑电的睡眠分期监测
本项目为生理信号专题小实验。使用深度1D CNN残差架构,用于端到端分类, 可以解决训练更深的CNN模型引起的消失梯度问题,并最终实现睡眠分期检测。原创 2024-03-07 23:02:19 · 510 阅读 · 0 评论 -
常用电生理多导睡眠图信号数据合集(PSG)
本文主要总结了常用的PSG数据集,用于睡眠障碍方向的研究和转化。原创 2024-03-05 13:10:13 · 889 阅读 · 0 评论 -
信号处理--基于混合CNN和transfomer自注意力的多通道脑电信号的情绪分类的简单应用
本实验为电生理信号专题实验项目。本实验采用卷积神经网络和transfomer相结合的方法,实现了多通道脑电信号的情绪分类任务。情绪共分为三种类别:消极,中性,积极。相比于一般的卷积神经网络和传统机器学习模型,这种混合的模型在分类性能上更有优势。原创 2024-03-26 22:44:13 · 964 阅读 · 0 评论 -
信号处理--基于DEAP数据集的情绪分类的典型深度学习模型构建
本实验采用DEAP情绪数据集进行数据分类任务。使用了三种典型的深度学习网络:2D 卷积神经网络;1D卷积神经网络+GRU; LSTM网络。原创 2024-03-27 00:09:09 · 753 阅读 · 3 评论 -
信号处理--基于FBCSP滤波方法的运动想象分类
本项目为生物医学课设综合小实验,基于FBCSP滤波方法的运动想象分类。主要介绍了FBCSP算法的主要流程步骤,另外还展示了使用不同的CSP方法变体和特征筛选方法对于最后分类性能的影响。原创 2024-03-24 04:12:07 · 1149 阅读 · 0 评论