01
神经信号基础
动作电位原理 · 局部场电位(LFP) · 多通道记录技术
电生理基础
02
信号预处理
带通滤波 · 陷波滤波 · 基线校正 · 伪迹去除
滤波去噪
03
特征提取基础
时域特征(均值/方差/过零率) · 频域特征(功率谱/带功率)
时频分析手工特征
04
深度学习入门
感知机 · 激活函数(Sigmoid/ReLU/Tanh) · 损失与梯度下降
神经网络优化
05
卷积神经网络(CNN)
卷积层 · 池化层 · 全连接层 · LeNet/AlexNet
CNN经典架构
06
循环神经网络(RNN)
序列建模 · LSTM/GRU · 双向RNN
时序LSTM
07
注意力机制
自注意力 · 多头注意力 · Transformer在信号中的应用
AttentionTransformer
08
图神经网络(GNN)
图卷积网络 · 脑网络拓扑 · 功能连接建模
GNN脑网络
09
自编码器
降噪自编码器 · 变分自编码器(VAE) · 特征学习与降维
无监督VAE
10
生成对抗网络(GAN)
信号生成 · 数据增强 · 条件GAN在神经信号中的应用
GAN增强
11
迁移学习
预训练模型 · 微调策略 · 跨被试/跨数据集迁移
迁移微调
12
多模态融合
EEG-fNIRS融合 · EEG-fMRI融合 · 特征级与决策级融合
多模态融合
13
数据增强
滑动窗口 · 噪声注入 · 频域变换 · 生成式增强
增强泛化
14
类别不平衡处理
重采样 · 代价敏感学习 · Focal Loss
不平衡损失函数
15
模型解释性
Grad-CAM · SHAP · LIME · 特征重要性分析
可解释XAI
16
模型压缩
知识蒸馏 · 网络剪枝 · 量化 · 轻量化架构
压缩部署
17
在线学习与自适应
增量学习 · 概念漂移检测 · 自适应分类器
在线自适应
18
脑机接口(BCI)范式
运动想象 · P300 · 稳态视觉诱发电位(SSVEP)
BCI范式
19
运动想象分类
CSP特征 · 滤波器组CSP · 深度学习端到端方法
MICSP
20
P300检测
ERP特征 · xDAWN算法 · CNN+RNN混合模型
P300ERP
21
SSVEP识别
典型相关分析(CCA) · TRCA · 深度学习方案
SSVEPCCA
22
睡眠分期
睡眠阶段特征 · 多通道CNN · 时序模型(SeqSleepNet)
睡眠分期
23
癫痫检测
棘波检测 · 时频分析 · 3D-CNN与注意力机制
癫痫检测
24
情绪识别
DEAP数据集 · 微分熵特征 · 图卷积网络方法
情绪DEAP
25
麻醉深度监测
脑电频谱分析 · 双谱指数 · 深度学习回归模型
麻醉监测
26
神经解码
运动轨迹解码 · 语音解码 · 视觉图像重建
解码重建
27
数据集与基准
BCI Competition · PhysioNet · MOABB · OpenBMI
数据集基准
28
评估指标
准确率 · 混淆矩阵 · Kappa系数 · 信息传输率(ITR)
评估指标
29
实验设计
交叉验证 · 留一被试 · 统计检验 · 效应量分析
实验统计
30
部署与实时系统
边缘计算 · TensorRT优化 · 嵌入式BCI系统
部署实时