本人一直在做关于脑电信号的处理,中间尝试了很多的方法,因此想把关于脑电信号的处理方法记录下来,分享给大家,也相当于给自己的学习生活做一个记录性的总结。
脑电图(EEG)是一种使用附在头皮上的小金属圆盘(电极)检测大脑电活动的测试。您的脑细胞通过电脉冲进行通信,并且即使在您睡着时也始终保持活动状态。此活动在EEG录音中显示为波浪线。脑电图是癫痫的主要诊断测试之一。脑电图也可以在诊断其他脑部疾病中发挥作用[1]。
脑电的数据存储分为很多格式,常见的以文件.edf结尾的文件,脑电数据采集的器械是由众多的触点构成。每个触点会记录大脑的电压,如果想直接读取相关的文件的话推荐使用EDFbrowser. EDFbrowser 是一款开源的软件,其中集成了众多的功能,常见的信道展示,滤波处理等。而且它是一个具有可视化操作的界面。这个可以作为脑电入门可视化操作的软件。
但是一般我们是将脑电信号和机器学习方法结合在一起,这样就要求我们一个可编程的接口来处理相关的脑电数据。脑电处理之前一般都是MATLAB来进行处理,但是机器学习领域更多使用Python语言。因此我推荐基于Python的脑电处理框架:mne[2].mne 包含了一般的脑电处理的模块,而且它是基于Python语言,你只需要利用pip安装相关的工具包就好。
之后我会逐步整理我相关的工作,将机器学习和脑电信号处理相结合的方法公布出来。