位置: IT常识 - 正文

脑电EEG代码开源分享 【4.特征提取-频域篇】(egi脑电数据处理)

编辑:rootadmin
脑电EEG代码开源分享 【4.特征提取-频域篇】 往期文章

推荐整理分享脑电EEG代码开源分享 【4.特征提取-频域篇】(egi脑电数据处理),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:egi脑电系统,eprime脑电mark语句,erp脑电实验原理,ecog 脑电,erp脑电实验原理,脑电erp全称,脑电图eeg原理,脑电图eeg原理,内容如对您有帮助,希望把文章链接给更多的朋友!

希望了解更多的道友点这里 0. 分享【脑机接口 + 人工智能】的学习之路 1.1 . 脑电EEG代码开源分享 【1.前置准备-静息态篇】 1.2 . 脑电EEG代码开源分享 【1.前置准备-任务态篇】 2.1 . 脑电EEG代码开源分享 【2.预处理-静息态篇】 2.2 . 脑电EEG代码开源分享 【2.预处理-任务态篇】 3.1 . 脑电EEG代码开源分享 【3.可视化分析-静息态篇】 3.2 . 脑电EEG代码开源分享 【3.可视化分析-任务态篇】 4.1 . 脑电EEG代码开源分享 【4.特征提取-时域篇】 4.2 . 脑电EEG代码开源分享 【4.特征提取-频域篇】 4.3 . 脑电EEG代码开源分享 【4.特征提取-时频域篇】 4.4 . 脑电EEG代码开源分享 【4.特征提取-空域篇】 5 . 脑电EEG代码开源分享 【5.特征选择】 6.1 . 脑电EEG代码开源分享 【6.分类模型-机器学习篇】 6.2 . 脑电EEG代码开源分享 【6.分类模型-深度学习篇】 汇总. 专栏:脑电EEG代码开源分享【文档+代码+经验】

0 . 【深度学习】常用网络总结

脑电EEG代码开源分享 【4.特征提取-频域篇】往期文章一、前言二、特征提取 框架介绍三、代码格式说明三、脑电特征提取 代码3.0 参数设置3.1 标准输入赋值3.2 频域-特征提取3.2.1 频域特征提取函数3.2.2 均分频带 方法3.2.3 传统5频带 方法总结To:新想法、鬼点子的道友:一、前言

本文档旨在归纳BCI-EEG-matlab的数据处理代码,作为EEG数据处理的总结,方便快速搭建处理框架的Baseline,实现自动化、模块插拔化、快速化。本文以任务态(锁时刺激,如快速序列视觉呈现)为例,分享脑电EEG的分析处理方法。 脑电数据分析系列。分为以下6个模块:

前置准备数据预处理数据可视化特征提取(特征候选集)特征选择(量化特征择优)分类模型

本文内容:【4. 特征提取-频域篇】

提示:以下为各功能代码详细介绍,若节约阅读时间,请下滑至文末的整合代码

二、特征提取 框架介绍

特征提取作为承上启下的重要阶段,是本系列中篇幅最长的部分。承上,紧接预处理结果和可视化分析,对庞大的原始数据进行凝练,用少量维度指标表征整体数据特点;启下,这些代表性、凝练性的特征指标量化了数据性能,为后续的认知解码、状态监测、神经调控等现实需求提供参考。

特征提取的常用特征域为时域、频域、时频域、空域等。本文特征主要为手动设置的经验特征,大多源于脑科学及认知科学的机制结论,提取的特征具有可解释的解剖、认知、物理含义;也有部分是工程人员的实践发现,在模型性能提升中效果显著。

特征提取的代码框图、流程如下所示:

频域-特征提取的主要功能,分为以下3部分:

传统5频带分段法均分频带法微分熵

传统5频带分段法:5个公认脑电频段范围如下表所示。由于5频带分段法具有一定的神经科学理论依据,目前5频带分段的频域能量提取方法应用最广泛。主要流程为分别计算各频段内的能量叠加。需要注意的是,各频段的边界频率仍存在争论,下表中4\8\14\30Hz的边界是普遍认可的。此外,建议脑电数据时间窗截取长一些,可以更准确刻画各频点的能量值,由于包括0.5Hz的频率分辨率,建议时间窗在2秒以上。 均分频带法:本人在实际操作中也常用5频带法,但是不免发现一些工程应用上的限制。例如,当导联电极较少时,例如1导联,那么频域只能提取5个频域特征,难以满足分类器的输入需求。此外,5频带的划分相对宽泛、粗糙,大脑复杂丰富的功能仅划分5个频率区间,如果有宽度1Hz的细节特征会被淹没在宽频带中。 因此,我们提出一种偏工程类的均分频带方法,将脑电能量集中在0-60Hz的频带均分为30段,每段频带宽度为2Hz。均分方法可能缺少神经科学依据,但是在工程实践中大大提升了特征维度,用频域细节弥补空间信息,测试效果确实提升分类性能。均分频带法还能定位到精准频点,例如通过特征选择方法筛选出16-17Hz特征效果较好,有助于反向推动该16-17Hz频段与实验任务的机制研究。 当然,均分频带法对于总体频带范围是0-60Hz还是10-80Hz,以及均分为30段还是40频带,都是可调整的,可根据采集的频率分辨率、导联数量、任务主要频带进行设置。 如下图蓝色虚线是5频带法,红色虚线是均分频带方法: 微分熵:微分熵并不像上文单指一种频带分段方法,而是对特征附加的非线性变换,尤其在频域能量特征中效果显著。起初微分熵的应用在情绪分类等方向,目前应用范围逐渐扩大至运动想象、静息态检测等领域。计算的原理也较为简单,仅对能量特征求log。个人经验建议大家尝试一下,有的任务中确实有效,但有的数据中和简单能量特征的性能接近。

三、代码格式说明

本文非锁时任务态(下文以静息态代替)范例为:ADHD患者、正常人群在静息状态下的脑模式分类

代码名称:代码命名为Festure_ candidate_xxx (time / freq/ imf/ space)参数设置:预处理结果\采样率\时域是否非线性熵特征(耗时)\频域均分分辨度\imf阶数\space对比通道数及频带范围。输入格式:输入格式承接规范预处理最后一项输出,Proprocess_xxx(预处理最终步骤)_target/nontarget。输出及保存格式:输出格式为试次数*特征个数,按照除空域特征外,按照通道的特征拼接,先为1通道内的所有特征,接着2通道的所有特征。保存文件名称为Festure_candidate_xxx(特征域名称)_target/nontarget。三、脑电特征提取 代码脑电EEG代码开源分享 【4.特征提取-频域篇】(egi脑电数据处理)

提示:代码环境为 matlab 2018

3.0 参数设置

可视化内容可以选择,把希望可视化特征域写在Featute_content 中

一次进行10人次的批处理,subject_num = [1;10]特征提取内容: Featute_content = [‘time’,‘freq’,‘time_freq’,‘space’]; 时域、频域、时频域、空域均分析时域特征内容:均分频带法、5频带法、微分熵。Featute_freq_content = [‘average_band’,‘five_band’,‘DE’];均分频带的窗口长度2Hz:freq_resolut = 2;均分频带的总体区间 1-60 Hz:freq_scale = [1;60];%% 0.特征候选集-参数设置%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%data_path = 'C:\Users\EEG\Desktop\basetest_flod\save_fold\';svae_path = 'C:\Users\EEG\Desktop\basetest_flod\save_fold\';subject_num = [1;10];freq_resolut = 2;freq_scale = [1;60];Featute_content = ['time\','freq\','time_freq\','space'];Featute_freq_content = ['average_band\','five_band\','DE\'];disp(['||特征候选集-参数设置||']);disp(['特征域内容: ' , Featute_content]);disp(['时域-候选集: ' , Featute_time_content]);3.1 标准输入赋值

导入上一步预处理阶段处理后的数据:

%% 1.标准输入赋值Proprocess_target_file = load([data_path ,'Proprocess_target_',num2str(subject_num(1,1)),'_',num2str(subject_num(2,1))]);Proprocess_nontarget_file = load([data_path ,'Proprocess_nontarget_',num2str(subject_num(1,1)),'_',num2str(subject_num(2,1))]);stuct_target_name = 'Proprocess_target';stuct_nontarget_name = 'Proprocess_nontarget';Proprocess_target_data = Proprocess_target_file.(stuct_target_name).data;Proprocess_nontarget_data = Proprocess_nontarget_file.(stuct_nontarget_name).data;subject_num = Proprocess_target_file.(stuct_target_name).subject_num;fs_down = Proprocess_target_file.(stuct_target_name).fs_down;remain_trial_target = Proprocess_target_file.(stuct_target_name).remain_trial;remain_trial_nontarget = Proprocess_nontarget_file.(stuct_nontarget_name).remain_trial;disp(['目标试次剩余: ' , num2str(remain_trial_target),'||平均: ', num2str(mean(remain_trial_target))]);disp(['非目标试次剩余: ' , num2str(remain_trial_nontarget),'||平均: ', num2str(mean(remain_trial_nontarget))]);3.2 频域-特征提取

主函数中 调用频域提取函数

主函数 调用 频域 特征提取函数Festure_candidate_freq

%% 3.频域特征候选集if contains(Featute_content,'freq')disp(['频域特征计算中...']);tic;[Festure_freq_target,Festure_freq_candidate_num_target]= Festure_candidate_freq(Proprocess_target_data,Featute_freq_content,remain_trial_target,freq_resolut,fs_down,freq_scale);[Festure_freq_nontarget,Festure_freq_candidate_num_nontarget]= Festure_candidate_freq(Proprocess_nontarget_data,Featute_freq_content,remain_trial_nontarget,freq_resolut,fs_down,freq_scale); if contains(Featute_freq_content,'DE')Festure_freq_target = log(Festure_freq_target);Festure_freq_nontarget = log(Festure_freq_nontarget);endt_freq_candidate_cost = toc;disp(['频域特征计算完毕,耗时(秒): ',num2str(t_freq_candidate_cost)]);Festure_candidate_freq_target = [];Festure_candidate_freq_target.data = Festure_freq_target;Festure_candidate_freq_target.Featute_freq_content = Featute_freq_content;Festure_candidate_freq_target.remain_trial_target = remain_trial_target;Festure_candidate_freq_target.Festure_freq_candidate_num_target = Festure_freq_candidate_num_target;Festure_candidate_freq_target.fs_down = fs_down;Festure_candidate_freq_nontarget = [];Festure_candidate_freq_nontarget.data = Festure_freq_nontarget;Festure_candidate_freq_nontarget.Featute_freq_content = Featute_freq_content;Festure_candidate_freq_nontarget.remain_trial_nontarget = remain_trial_nontarget;Festure_candidate_freq_nontarget.Festure_freq_candidate_num_nontarget = Festure_freq_candidate_num_nontarget;Festure_candidate_freq_nontarget.fs_down = fs_down;disp(['频域特征保存中...']);save([ svae_path , 'Festure_candidate_freq_target_',num2str(subject_num(1,1)),'_',num2str(subject_num(2,1))],'Festure_candidate_freq_target');save([ svae_path , 'Festure_candidate_freq_nontarget_',num2str(subject_num(1,1)),'_',num2str(subject_num(2,1))],'Festure_candidate_freq_nontarget');disp(['频域特征保存完毕']);end3.2.1 频域特征提取函数

频域 特征提取函数Festure_candidate_freq

function [Festure_freq,Festure_freq_candidate_num]= Festure_candidate_freq(Standard_input_data,Featute_freq_content,remain_trial,freq_resolut,fs_down,freq_scale)Festure_freq = [];%% 1.均分频带average_band 或 传统5频带 five_bandfest_average_band = [];fest_five_band = [];count_trial = 1;for sub_loop = 1:size(remain_trial,2)for trial_loop = 1:remain_trial(1,sub_loop) average_band_temp = []; five_band_temp = [];for channel_loop = 1:size(Standard_input_data{1,1},1)fft_temp = [];fft_temp = abs(fft(Standard_input_data{trial_loop,sub_loop}(channel_loop,:),fs_down));if contains(Featute_freq_content,'average_band')average_band_temp(channel_loop,:) =sum_average_band(fft_temp,fs_down,freq_resolut,freq_scale);endif contains(Featute_freq_content,'five_band')five_band_temp(channel_loop,:) =sum_five_band(fft_temp,fs_down);endendif contains(Featute_freq_content,'average_band')fest_average_band(count_trial,:) = reshape(average_band_temp',1,size(average_band_temp,1)*size(average_band_temp,2));endif contains(Featute_freq_content,'five_band')fest_five_band(count_trial,:) = reshape(five_band_temp',1,size(five_band_temp,1)*size(five_band_temp,2));endcount_trial = count_trial+1; endend%% 2.Festure_freq = [fest_average_band fest_five_band];Festure_freq_candidate_num = size(Festure_freq,2);end3.2.2 均分频带 方法function average_band_sum = sum_average_band(fft_temp,fs_down,freq_resolut,freq_scale)fft_resolut = fs_down/size(fft_temp,2);epoch_num = (freq_scale(2,1) - freq_scale(1,1) + 1)/freq_resolut;epoch_length = freq_resolut/fft_resolut;average_band_sum = [];for cut_loop = 1:epoch_numfft_sum_temp = sum(fft_temp(:, (cut_loop-1)*epoch_length +1: cut_loop*epoch_length)');average_band_sum = [average_band_sum fft_sum_temp'];endend3.2.3 传统5频带 方法function five_band_sum = sum_five_band(fft_temp,fs_down)%% 这只是一行的5频带求和,请在外面加Channe_loop循环delta =[1;4]; %δ theta =[4;8]; %θalpha =[8;12]; %α?beta = [12;30]; %β ? gamma =[30;60]; %γ ?five_band = [delta theta alpha beta gamma];fft_resolut = fs_down/size(fft_temp,2);epoch_num = size(five_band,2);epoch_length = five_band.*fft_resolut;five_band_sum = [];for cut_loop = 1:epoch_numfft_sum_temp = sum(fft_temp(:, epoch_length(1,cut_loop): epoch_length(2,cut_loop)));five_band_sum = [five_band_sum fft_sum_temp'];endend总结

大脑神经元放电产生的振荡、节律信息,对节律的探索仍是起步和模糊状态, 个人认为脑电EEG具有特征处理风格,锁时任务特征偏时域,长时任务特征偏频域, 本系列将脑电任务分为锁时、长时的原因也在此

脑电作为一种随机性+节律性的神经信号,目前对节律性的频谱分析较多 但对随机性的探索还不足,推荐大家结合随机信号分析推出新的见解

同时,对经典特征的融合、组合也是发掘更优混合特征的常用方式。 大家可以探索和发掘是用自己研究的优质特征策略。

目前多样性的特征还在不断发展、丰富,新的特征提取方法逐渐多元化。 进阶特征如脑网络、拓扑图等,基于人工智能的端到端特征提取方法,会在新的专栏中介绍。

囿于能力,挂一漏万,如有笔误请大家指正~

感谢您耐心的观看,本系列更新了约30000字,约3000行开源代码,体量相当于一篇硕士工作。

往期内容放在了文章开头,麻烦帮忙点点赞,分享给有需要的朋友~

坚定初心,本博客永远: 免费拿走,全部开源,全部无偿分享~

To:新想法、鬼点子的道友:

自己:脑机接口+人工智领域,主攻大脑模式解码、身份认证、仿脑模型… 在读博士第3年,在最后1年,希望将代码、文档、经验、掉坑的经历分享给大家~ 做的不好请大佬们多批评、多指导~ 虚心向大伙请教! 想一起做些事情 or 奇奇怪怪点子 or 单纯批评我的,请至Rongkaizhang_bci@163.com

本文链接地址:https://www.jiuchutong.com/zhishi/300354.html 转载请保留说明!

上一篇:浅谈DNS域名解析的过程(dns域名解析两种方式)

下一篇:简析强制缓存和协商缓存(强制缓存与协商缓存的区别)

  • 散热背夹会导致手机内部有水吗(散热背夹会导致手机内部产生冷凝水)

    散热背夹会导致手机内部有水吗(散热背夹会导致手机内部产生冷凝水)

  • 得物支持7天无理由退货吗(得物支持7天无理由吗)

    得物支持7天无理由退货吗(得物支持7天无理由吗)

  • 喷墨打印机打印字一半有一半没有(喷墨打印机打印照片有横条纹)

    喷墨打印机打印字一半有一半没有(喷墨打印机打印照片有横条纹)

  • 抖音可以隐身吗(抖音怎么无痕浏览别人)

    抖音可以隐身吗(抖音怎么无痕浏览别人)

  • qss安全设置是什么意思(qss功能有什么用)

    qss安全设置是什么意思(qss功能有什么用)

  • p40前置挖孔中有哪些器件(p40手机前面的孔)

    p40前置挖孔中有哪些器件(p40手机前面的孔)

  • 微信群只能40人怎么办(微信群只能40人进吗)

    微信群只能40人怎么办(微信群只能40人进吗)

  • 抖音点过赞的怎么找(抖音点过赞的怎么取消点赞记录)

    抖音点过赞的怎么找(抖音点过赞的怎么取消点赞记录)

  • 2060最低配什么CPU(2060最佳搭配)

    2060最低配什么CPU(2060最佳搭配)

  • 苹果快手怎么置顶作品(苹果快手怎么置顶评论)

    苹果快手怎么置顶作品(苹果快手怎么置顶评论)

  • 小米手机有没有实况模式(小米手机有没有nfc功能)

    小米手机有没有实况模式(小米手机有没有nfc功能)

  • airpods弹窗需要什么系统(airpods弹窗需要ios什么版本)

    airpods弹窗需要什么系统(airpods弹窗需要ios什么版本)

  • html标题居中怎么设置(html如何让文字居中)

    html标题居中怎么设置(html如何让文字居中)

  • wps批量形成条码(wps做条码)

    wps批量形成条码(wps做条码)

  • 户户通小锅怎么升级

    户户通小锅怎么升级

  • 微博怎么一键删除所有微博(微博怎么一键删除动态)

    微博怎么一键删除所有微博(微博怎么一键删除动态)

  • 淘宝下单后怎么添加备注(淘宝下单后怎么退款申请退款)

    淘宝下单后怎么添加备注(淘宝下单后怎么退款申请退款)

  • 红米手机usb调试怎么打开(红米手机USB调试反复弹出)

    红米手机usb调试怎么打开(红米手机USB调试反复弹出)

  • 小米手环恢复出厂设置后连接不上(小米手环恢复出厂后怎么办)

    小米手环恢复出厂设置后连接不上(小米手环恢复出厂后怎么办)

  • 陌陌怎么随机视频聊天(陌陌随机视频聊天怎么没有了)

    陌陌怎么随机视频聊天(陌陌随机视频聊天怎么没有了)

  • 快手活跃度在哪里看(快手上面活跃度有什么用)

    快手活跃度在哪里看(快手上面活跃度有什么用)

  • 三星s8发热严重怎么办(三星s8发热严重怎么解决)

    三星s8发热严重怎么办(三星s8发热严重怎么解决)

  • 为什么爱奇艺账号提示永久封停(为什么爱奇艺账号总是自动退出)

    为什么爱奇艺账号提示永久封停(为什么爱奇艺账号总是自动退出)

  • 苹果8基带坏了能修吗(苹果8基带坏了可以修吗,多少钱)

    苹果8基带坏了能修吗(苹果8基带坏了可以修吗,多少钱)

  • 纯CSS实现边框流光效果(跑马灯效果)(css边框怎么做)

    纯CSS实现边框流光效果(跑马灯效果)(css边框怎么做)

  • MaxENT生态位模型:建模、参数优化、个性化分析(生态位模型原理)

    MaxENT生态位模型:建模、参数优化、个性化分析(生态位模型原理)

  • python里类自动调用方法有哪些(python调用自定义类)

    python里类自动调用方法有哪些(python调用自定义类)

  • 电子税务局能查到个税申报信息吗
  • 哪些情形免征契税
  • 退税进度显示国库退库失败怎么办 是什么原因
  • 金税盘入账的会计分录
  • 中国注册税务师报考条件
  • 企业流动资产周转率下降的原因
  • 什么情况下用资本公积科目
  • 应交增值税减免税款怎么结转
  • 销售过程中客户买的是什么
  • 房产税计税依据含税还是不含税
  • 出口退税收入做什么科目
  • 公司人事怎么办公积金提取流程?
  • 企业将自用设备进行出租
  • 金融债券利息收入免企业所得税吗
  • 微信支付的钱到哪里去了
  • 三证合一后没有去税务局登记会怎么样
  • 填开了红字信息表但未开红字发票
  • 企业所得税免税收入和不征税收入
  • 银行卡刷卡消费限额
  • 差额征税的差额怎么算
  • 固定资产管理的论文
  • 公司购买五金用交税吗
  • 残保金通过什么科目核算
  • 分期购车的会计分录
  • php如何使用session
  • php基础函数
  • 电脑右下角总是弹出广告
  • 【强化学习探索01】Win10 下gym安装
  • 办公楼改造方案
  • 商品入库进项税额怎么算
  • php获取当前时间戳函数
  • 差旅费车票抵扣的相关规定
  • 总公司下的分公司如何做账
  • 营改增之前的建筑业税率是多少
  • typescript4.1
  • 软件开发增值税即征即退政策
  • 金税盘到上传截止日期
  • 材料发出会计科目
  • 什么是零申报,长期零申报有什么风险
  • 一个简单的后台与数据库交互的登录与注册[sql注入处理、以及MD5加密]
  • 什么是增值?
  • 软件研发费用怎么做账
  • sql中的聚合函数
  • 委托代理出口如何缴纳增值税
  • 出口退税没有及时申报
  • 广告费应归于什么费用
  • 公司员工入职的心得体会
  • 应收账款管理应该收集哪些信息
  • 付给供应商的货款怎么写记账凭证
  • 股东在注册资本金范围内承担责任
  • 有利息费用这个科目吗
  • 应付职工薪酬要设二级科目吗
  • 金蝶k3怎么打印科目余额表
  • 计提盈余公积比例
  • 固定资产二级明细科目有哪些
  • 备查账目
  • system表空间满了怎么处理
  • mysqldump -s
  • mysql安装与配置的步骤与常用命令
  • aix解除镜像
  • win7系统出现reboot and
  • os x yosemite wifi断线怎么办?yosemite wifi掉线解决详细步骤
  • winex.exe - winex是什么进程
  • ae安装之后打开是crash
  • linux应对攻击的防御手段
  • xp系统无法预览图片
  • win7共享按钮灰色
  • cocos2dx4.0教程
  • 可以自己做手写的软件
  • 基于HTML5和CSS3的响应式Web的设计与实现
  • cocos2dx屏幕适配解决方案
  • 教你如何使用玻璃胶
  • 首次安装操作系统称为什么盘
  • 数据库并发操作主要解决哪三个问题,基本方法是什么
  • js 图像
  • Drag and drop in unity
  • javascriptz
  • jquery插件使用
  • jquery编写页面载入事件
  • 大米可以抵扣增值税吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设