脑电入门（一）

本周主要阅读了四位学长学姐的毕业论文对分析实验复现的步骤进行学习、总结与梳理。EEG的特点脑电信号是非平稳的、噪声较大且具有很大的个体差异同时冥想与非冥想状态也有明显不同不同冥想方式如正念冥想、超觉冥想、慈悲冥想等所产生的脑电信号特征同样存在差异从EEG信号中精准提取有效的时域、频域和非线性特征是实现冥想状态精准识别的基础。特征提取方法传统手工特征提取能靠先验知识准确捕捉脑电信号的关键信息计算简便可解释性但依赖先验知识特征泛化能力不足。自动化特征提取工具—hctsa工具包基于MATLAB平台开发的资源包能自动从时间序列中算出数千种特征特征全面通用性强能适应不同类型的EEG信号。数据预处理需要对原始信号进行信号降噪、分段、重参考、伪影去除等操作保证后续特征提取的可靠性。模型架构DAEST模型核心思想是用多尺度时序卷积和空间卷积提取脑电特征再用动态注意力机制对这些特征做自适应加权得到更有特征表示从而准确刻画脑状态随时间变化的动态转移过程。EEGProgress模型由两个模块组成拓扑排序层和渐进式卷积模块。EmT模型由四个主要部分组成1时间图构建模块2残差多视图金字塔模块3时序上下文构建模块、4任务专用输出模块。实验复现对采集的信号进行预处理随后对特征进行提取、融合与选择再根据选择的模型进行实验复现已有的结论成果根据自己的思考尝试改进。小结在后续的学习过程中需掌握机器学习、深度学习的相关知识接触使用MATLAB、EEGLAB等相关工具为后续论文撰写及实验复现打好基础。