DEAP（Database for Emotion Analysis usingPhysiological Signals)，该数据库是由来自英国伦敦玛丽皇后大学，荷兰特温特大学，瑞士日内瓦大学，瑞士联邦理工学院的Koelstra 等人通过实验采集到的，用来研究人类情感状态的多通道数据，可以公开免费获取。该数据库是基于音乐视频材料诱发刺激下产生的生理信号，采集了32名（16名男性和16名女性）健

大家可以尝试使用HAM加到一些模型中，比如EEGNet等模型，去处理EEG、EMG等数据，那这个HAM怎样加，加在哪好，加进去数据输入shape怎样设计是新的新题和挑战啦。也欢迎大家加入我们的脑机接口群聊，本人每天会分享一些资料，主要是CNN、RNN，Transfomer等DL模型用于处理BCI生理数据，涉及到BCI数据的预处理，特征工程，建模(ML,DL都有)，结果可视化(混淆，ACC、AUC、

本文由1杭州电子科技大学，2深圳大数据研究院，3香港中文大学第二附属医院于2023年12月22日发表于arXiv。肺栓塞（PE）是一种常见的肺部疾病，在严重情况下可能导致右心室肥厚和衰竭，仅次于心肌梗死和突然死亡，其诊断方法之一是肺动脉CT血管造影（CTPA）。然而，在临床实践中，由于成像技术的限制，PE检测存在挑战。CTPA可能产生类似于PE的噪声，这使得其存在的时间较长，且易导致过度诊断。然而

因此，作者自己数据集中的滤波器组的3个子滤波器带通范围为：7-17 Hz、16-32 Hz和25-47 Hz，公开数据集的滤波器组的4个子滤波器带通范围为：3-14 Hz、9-26 Hz、14-38 Hz和19-50 Hz。其中典型相关分析（CCA）是众多传统方法中的一种比较典型的方法，它通过确定采集的数据与刺激目标信号模板之间的相关性来识别SSVEP。考虑到精度和ITR之间的权衡，表1展示了作者

之前在第18篇博客中对于EEG-TCNet这个处理EEG信号的sota模型进行了介绍，也给出了模型，目前也是全网对于EEG-TCNet浏览度最高的文章了，我觉得讲的已经很细致了，没想到还是有不少同学疑问，这也是全网缺少该模型pytorch代码的原因，因为pytorch中没有封装TCN模块，无法直接调用，而在Tensorflow中可直接调用，废话不多少，上菜：

总结了10种基础的CNN模型，用于DL小白的学习。此外，会建模的同学上手BCI还是比较容易的，只需要学习分析处理各种EEG数据，学会预处理和特征提取（机器学习）就可以了，后续再大量的阅读相关的DL+EEG的论文，丰富自己的建模和数据处理经验即可，希望大家一步一个脚印，持之以恒的学习下去。

本文已被接受发表在2024年IEEE MLISE会议上（c）2024 IEEE。准确地将脑肿瘤从MRI扫描中分割出来对于制定有效的治疗方案和改善患者预后至关重要。本研究引入了一种新的哥伦比亚大学网络（CU-Net）架构实现，用于使用BraTS 2019数据集进行脑肿瘤分割。CU-Net模型具有对称的U形结构，并使用卷积层、最大池化和上采样操作以实现高分辨率分割。作者的CU-Net模型达到了82.4

神经网络通常由三部分组成：线性层、非线性层（激活函数）和标准化层。线性层是网络参数的主要存在位置，非线性层提升神经网络的表达能力，而标准化层（Normalization）主要用于稳定和加速神经网络训练，很少有工作研究它们的表达能力，例如，以 Batch Normalization 为例，它在预测阶段可以认为是线性变换，从表达上并未引入非线性。因此研究人员普遍认为 Normalization 并不能

该数据集由48名受试者的原始EEG数据组成，他们参加了利用SIMKAP多任务测试进行的多任务工作负荷实验。受试者在休息时的大脑活动也在测试前被记录下来，也包括在其中。Emotiv EPOC设备，采样频率为128Hz，有14个通道，用于获取数据，每个案例都有2.5分钟的EEG记录。受试者还被要求在每个阶段后以1到9的评分标准对其感知的心理工作量进行评分，评分结果在单独的文件中提供。说明：每个受试者的

说到这些指标，可能大家还不知道他到底有多nb：我们一般国内做BCI项目，验收时，指标中，延迟<500ms即可，有的指标严格些（项目花的钱多，一般几百万了），延迟需要<200ms，而且每分钟打字20以内，虽然打的是汉字，但也是英文字母打出来的。他们想做的是脑机接口闭环系统，是一整套完善二健全的设备，通过算法能够使得系统稳健而准确的运行，使得各种医学疑难杂症得到妥善的辅助治疗，使得脑控变的真正实现，使