深度学习解码运动想象脑电信号
📚 共计 30 章节
01
运动想象脑电信号基础
什么是运动想象 · 脑电信号产生原理 · mu节律与beta节律 · ERD/ERS现象
基础
神经科学
02
脑电信号采集与实验范式
国际10-20系统 · BCI竞赛数据集 · 左右手运动想象范式 · 预处理流程
采集
范式
03
Python与深度学习环境搭建
Anaconda · TensorFlow/PyTorch · CUDA/cuDNN · Jupyter Notebook
环境
工具
04
脑电数据加载与可视化
MNE库入门 · 读取EDF/GDF · 通道波形 · 功率谱密度(PSD)图
可视化
MNE
05
信号预处理实战
带通滤波(0.5-100Hz) · 陷波滤波(50Hz) · ICA去伪迹 · 基线校正与重参考
预处理
滤波
06
时域特征提取
均值/方差 · 过零率 · Hjorth参数 · 波形长度与斜率符号变化
时域
特征
07
频域特征提取
FFT · 功率谱密度估计 · 频带能量(theta/alpha/beta/gamma) · 频谱图
频域
FFT
08
时频域特征提取
短时傅里叶变换(STFT) · 小波变换(CWT) · 小波包分解 · 时频能量图
时频
小波
09
共空间模式(CSP)算法
CSP原理与推导 · 两类CSP实现 · CSP特征可视化 · 滤波器组设计
CSP
空间滤波
10
CSP变体与改进
FBCSP · CSSP · R-CSP · 多类CSP扩展
变体
优化
11
传统机器学习分类器
LDA · SVM · 随机森林 · 准确率/混淆矩阵/Kappa系数
机器学习
分类
12
深度学习入门
感知机与MLP · 激活函数 · 损失函数与梯度下降 · 反向传播
深度学习
基础
13
卷积神经网络(CNN)基础
卷积操作 · 池化层 · LeNet/AlexNet · 1D-CNN用于脑电
CNN
1D-CNN
14
循环神经网络(RNN)基础
RNN原理 · LSTM · GRU · 序列建模与时间依赖性
RNN
LSTM
15
EEGNet
紧凑型CNN · 深度可分离卷积 · 网络结构详解 · 代码实现与训练
EEGNet
轻量
16
ShallowConvNet与DeepConvNet
Schirrmeister经典 · 网络结构对比 · 代码实现与调参
卷积
对比
17
混合模型CNN-RNN
CNN空间特征+RNN时序 · 注意力机制 · 模型融合策略
混合
注意力
18
注意力机制与Transformer
自注意力 · 多头注意力 · Transformer编码器 · EEG-Transformer
Transformer
注意力
19
图神经网络(GNN)用于脑电
脑功能连接图 · GCN · GAT · 运动想象应用
GNN
连接
20
数据增强技术
滑动窗口 · 噪声注入 · 频域变换 · GAN生成 · Mixup
增强
GAN
21
迁移学习与领域自适应
源域与目标域 · MMD · 对抗性自适应 · 微调策略
迁移
自适应
22
模型训练与优化
学习率调度 · 早停法 · Dropout/BN · 权重初始化 · 超参数搜索
训练
优化
23
模型解释性
Saliency Map · Grad-CAM · DeepLIFT · SHAP · 特征重要性
可解释
XAI
24
跨被试与跨时段解码
被试间变异性 · 协方差对齐 · 欧几里得对齐 · Riemannian几何
跨被试
对齐
25
Riemannian几何在脑电中的应用
SPD矩阵 · 对数欧几里得度量 · 切空间映射 · Riemannian分类器
Riemannian
几何
26
在线BCI系统设计
实时数据流 · 滑动窗口预测 · 缓冲区设计 · 异步/同步BCI
在线
BCI
27
模型压缩与边缘部署
知识蒸馏 · 量化 · 剪枝 · TensorRT/ONNX · 嵌入式BCI
压缩
部署
28
多模态融合
EEG-fNIRS融合 · EEG-EMG融合 · 特征对齐 · 联合训练
多模态
融合
29
BCI竞赛与论文复现
BCI Competition IV 2a/2b · SOTA复现 · 结果分析与对比
竞赛
复现
30
项目实战：完整BCI系统
从采集到在线解码 · 系统评估与优化 · 未来展望与伦理
实战
系统