01
神经信号基础
脑电图(EEG)原理 · 采集设备 · δ/θ/α/β/γ波段 · 应用场景
EEG频段神经科学
02
时间序列基础
定义 · 采样定理 · 平稳性 · 自相关/互相关 · 预测问题
时序统计采样
03
Python科学计算栈
NumPy · SciPy信号处理 · Matplotlib · Pandas时序
PythonNumPyPandas
04
信号预处理 (上)
带通滤波 · 陷波(50Hz) · 基线校正 · 坏导联识别/插值
滤波ButterworthFIR
05
信号预处理 (下)
ICA去伪迹 · 共平均参考(CAR) · 拉普拉斯 · 小波去噪
ICACAR小波
06
特征工程 (时域)
统计特征 · Hjorth参数 · 过零点率 · 波形长度
时域Hjorth统计
07
特征工程 (频域)
PSD · Welch方法 · 带通能量比 · 频谱熵 · 相干性
频域PSDWelch
08
特征工程 (时频域)
STFT · CWT/DWT · 希尔伯特-黄 · 时频图
时频小波HHT
09
传统机器学习方法
SVM · 随机森林 · KNN · 线性判别分析(LDA)
SVM随机森林LDA
10
深度学习基础
感知机/MLP · 激活函数 · 损失函数 · 反向传播
MLPReLU梯度下降
11
循环神经网络 (RNN)
RNN原理 · 时序依赖 · 梯度消失/爆炸 · 神经信号应用
RNN时序梯度
12
长短期记忆网络 (LSTM)
门控机制 · 细胞状态 · 双向LSTM · 堆叠LSTM
LSTM门控双向
13
门控循环单元 (GRU)
重置门/更新门 · GRU vs LSTM · EEG分类
GRU门控对比
14
一维卷积神经网络 (1D-CNN)
1D卷积 · 因果/膨胀卷积 · 残差连接 · TCN
1D-CNNTCN膨胀卷积
15
注意力机制
自注意力 · 多头注意力 · 位置编码 · Transformer Encoder
注意力Transformer编码
16
时间序列Transformer
Informer/Reformer · 概率稀疏注意力 · 蒸馏 · 生成式解码
Informer稀疏注意力时序
17
图神经网络 (GNN) 脑网络
功能连接矩阵 · GCN · GAT · 动态图构建
GNNGCN脑网络
18
自编码器与表示学习
堆叠自编码器 · VAE · 时序自编码器 · 特征解耦
自编码器VAE表示学习
19
对比学习在神经信号
SimCLR · 时序增强 · 正负样本 · 下游微调
对比学习SimCLR微调
20
迁移学习与领域自适应
源域/目标域 · MMD · 对抗自适应 · 参数微调
迁移学习MMD领域自适应
21
多模态神经信号融合
EEG+fNIRS · EEG+眼动 · 注意力融合 · 跨模态对齐
多模态融合fNIRS
22
运动想象 (MI) 分类
MI-EEG · CSP滤波 · EEGNet · 跨被试迁移
MICSPEEGNet
23
稳态视觉诱发电位 (SSVEP)
SSVEP原理 · CCA · 滤波器组CCA · 深度学习解码
SSVEPCCA视觉诱发电位
24
事件相关电位 (ERP) 分析
P300 · Oddball范式 · ERP波形 · 单试次分类
ERPP300Oddball
25
睡眠分期
N1/N2/N3/REM · 多导睡眠图 · SleepEEGNet · 时序分割
睡眠PSGSleepEEGNet
26
癫痫检测与预测
发作检测 · 棘波检测 · LSTM预测 · 频谱图CNN
癫痫检测LSTM
27
脑机接口 (BCI) 系统
系统架构 · 在线/离线 · 实时设计 · 反馈范式
BCI系统实时
28
模型解释性
Saliency Map · Grad-CAM · SHAP · 时序重要性 · 特征归因
可解释性Grad-CAMSHAP
29
模型部署与优化
ONNX导出 · TensorRT加速 · 边缘部署 · 量化剪枝
部署ONNXTensorRT
30
项目实战
完整BCI流程 · 数据Pipeline · 训练调优 · 结果可视化
实战项目BCI