Advertisement

EEGExtract:一个用于提取EEG特征的Python工具包 - 详见《数字健康前沿》中关于“无监督脑电伪影检测与矫正”的文章,20...

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
EEGExtract是一款专为研究人员和开发者设计的Python工具包,专注于从大量EEG数据中高效准确地提取特征。详情参见《数字健康前沿》发表的文章《无监督脑电伪影检测与矫正》。 脑电图特征提取 1,2 , 1 , 1 , 3 1. 密歇根州立大学计算机科学系,人类增强与人工智能实验室 2. 密歇根州立大学心理学系感知与注意力实验室的神经影像学 3. 纽约大学计算机人类智能实验室,阿布扎比,电气与计算机工程系 这是用于提取EEG特征的一个Python软件包。最初是为发表在《Digital Health》杂志上的一篇论文开发的,该文属于临床决策中的机器学习专刊。 据我们所知,EEGExtract是目前最全面的EEG特征提取库之一。此库正在积极维护中;如果您认为增加某些功能会对社区有帮助,请提出相关建议或问题。 设置 确保您安装了在requirements.txt文件中列出的所有必需软件包。如果不确定如何操作,请使用命令`pip install -r requirements.txt`进行安装。 只需下载EEGExtract.py文件并将其重命名为EEGExtrac即可。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • EEGExtractEEGPython - 沿20...
    优质
    EEGExtract是一款专为研究人员和开发者设计的Python工具包,专注于从大量EEG数据中高效准确地提取特征。详情参见《数字健康前沿》发表的文章《无监督脑电伪影检测与矫正》。 脑电图特征提取 1,2 , 1 , 1 , 3 1. 密歇根州立大学计算机科学系,人类增强与人工智能实验室 2. 密歇根州立大学心理学系感知与注意力实验室的神经影像学 3. 纽约大学计算机人类智能实验室,阿布扎比,电气与计算机工程系 这是用于提取EEG特征的一个Python软件包。最初是为发表在《Digital Health》杂志上的一篇论文开发的,该文属于临床决策中的机器学习专刊。 据我们所知,EEGExtract是目前最全面的EEG特征提取库之一。此库正在积极维护中;如果您认为增加某些功能会对社区有帮助,请提出相关建议或问题。 设置 确保您安装了在requirements.txt文件中列出的所有必需软件包。如果不确定如何操作,请使用命令`pip install -r requirements.txt`进行安装。 只需下载EEGExtract.py文件并将其重命名为EEGExtrac即可。
  • EEG箱:含30种EEG方法(如HA、HM、HC),适图分析-MATLAB...
    优质
    本EEG特征提取工具箱提供30种算法,包括HA、HM和HC等,专为MATLAB设计,助力研究人员高效进行脑电图数据分析与特征识别。 Jx-EEGT:脑电图(EEG)特征提取工具箱 此工具箱提供30种EEG功能。它展示了如何使用生成的采样信号来应用特征提取方法。 有关Jx-EEGT工具箱的详细信息可以在GitHub上找到,网址是https://github.com/JingweiToo/EEG-Feature-Extraction-Toolbox。为了避免链接干扰内容表达,这里仅提及该资源位于GitHub平台上由用户JingweiToo维护。
  • 时间序列规则/异常Python- Python开发
    优质
    这是一款专为时间序列数据设计的Python工具包,提供先进的规则和无监督算法以进行高效、准确的异常检测。适合数据分析与机器学习从业者使用。 异常检测工具包(ADTK)是一个用于无监督或基于规则的时间序列异常检测的Python软件包。由于不同情况下的异常性质各异,单一模型可能无法适用于所有类型的异常检测问题。因此,正确选择和组合不同的检测算法、特征工程方法以及集成策略是构建有效异常检测系统的关键所在。此工具包旨在帮助用户根据具体需求灵活地设计并优化其异常检测流程。
  • EEG情绪识别利深度学习
    优质
    本研究探讨了通过无监督深度学习技术从EEG信号中提取情绪相关特征的方法,以实现更准确、高效的情绪识别。 基于EEG的情绪识别采用无监督深度特征学习方法。
  • 语音情感分析
    优质
    《语音情感分析与无监督特征提取》旨在研究和开发用于识别及分类人类情绪状态的技术方法,通过探索新颖的无监督学习策略来自动抽取语音中的情感相关特征,以提高情感计算的准确性和效率。 语音情感识别与无监督特征学习涉及利用先进技术来分析并理解人类声音中的情绪状态,并通过不依赖标记数据的方法自动提取有用的音频特征。这种方法在自然语言处理领域具有重要的应用价值,能够帮助机器更好地理解和回应人的情感表达。
  • EEG信号
    优质
    本研究探讨了从脑电图(EEG)信号中有效提取特征的方法,旨在提高神经科学和临床诊断中的应用效率与准确性。 基于共空间模式的脑电信号处理方法,代码简洁易用。
  • MATLAB均值信号及癫痫代码:EEG-feature-seizure-detection
    优质
    本项目利用MATLAB开发了一套针对脑电信号的处理与分析工具,旨在通过提取均值信号特征来实现自动化的癫痫检测。该代码集成了数据预处理、特征选择和分类器训练等功能模块,为研究人员提供了一个高效便捷的研究平台。 脑电提取均值信号特征的MATLAB代码用于癫痫发作检测的脑电图特征工程。该仓库记录了癫痫发作检测任务中最具挑战性的部分——EEG特征工程的MATLAB代码。这些EEG特征已被相关论文使用。 | 脑电特征域功能编号 | 特征域描述 | | --- | --- | | 1-4 | 基本统计:平均振幅、标准振幅、过零次数、振幅范围 | | 5-16 | 光谱分析:每个频段的功率比和绝对功率,alpha、beta、theta、delta、gamma及频率质心,总功率 | | 17-28 | 时频域:离散小波变换(DWT)在六个频段上系数的均值和标准差 | | 29-31 | 非线性特征:ApEn、LZ复杂度、Hurst指数 | | 32-43 | 时空域:六个频段和大脑区域的锁相值 | | 44-47 | 同步测量(带频率移位/频移)时域和频域中的动态扭曲 | | 48-62 | 复杂网络特征:从时间和频率不变网络中提取的特征 | 功能1-47参考; 功能48-62 对应基于这项工作的博士论文。脑电特征提取首先,通过以下方式下载此repo: git clone git@github.com:ieeeWang/EEG-feature-se 注意原文中的信息可能需要根据实际需求进行进一步的调整或验证。
  • EEG据分析及PPT讲解稿
    优质
    本PPT讲解稿详细介绍了EEG脑电数据的分析方法与特征提取技术,旨在帮助研究者和从业者深入了解如何有效处理和解析脑电信号,以应用于神经科学、心理学等领域。 脑电信号是由大脑神经活动产生的自发性电位活动,并且始终存在于中枢神经系统中,是一种重要的生物电信号。然而,这种信号非常微弱,并具有以下几个特点: 1. 随机性和非平稳性较强。 2. 脑电信号表现出明显的非线性特征。 3. 在采集过程中会受到多种背景噪声的干扰,包括50Hz的工频干扰、电极与皮肤接触产生的噪音以及电极和地之间共模信号的影响等。
  • Moravec算子点
    优质
    本研究探讨了在数字摄影测量中应用Moravec算子进行点特征提取的方法和技术,旨在提高图像匹配与识别的精度和效率。 数字摄影测量中的Moravec算子用于点特征提取。
  • EEGLab:EEG处理Matlab
    优质
    EEGLab是一款基于MATLAB开发的开源软件工具包,专门用于脑电(EEG)数据的采集、预处理和分析。它提供了一系列用户友好的界面和先进的算法,帮助研究人员高效地探索大脑活动模式。 基于MATLAB的EEG脑电处理工具包EEGLAB能够方便地进行脑电数据处理。