01
脑电信号基础
EEG生理学基础 · δ/θ/α/β/γ节律 · 国际10-20系统导联定位
神经科学导联
02
Python环境搭建
Anaconda安装 · 虚拟环境 · MNE/PyTorch · Jupyter配置
环境工具链
03
MNE库入门
Raw对象创建/加载 · 可视化 · 通道选择 · 事件提取与Epoch
MNEEpoch
04
脑电预处理实战
带通滤波(0.5-45Hz) · 陷波(50Hz) · ICA去伪迹 · 基线校正
滤波ICA
05
时域特征提取
均值/方差/偏度/峰度 · Hjorth参数 · 过零率
统计Hjorth
06
频域特征提取
PSD · Welch方法 · 多频带能量 · 频谱熵
功率谱熵
07
时频域特征提取
STFT · 小波变换(CWT/DWT) · 希尔伯特-黄变换
时频小波
08
空间域特征提取
共空间模式(CSP) · 拉普拉斯滤波 · 电流源密度(CSD)
CSP空间滤波
09
特征工程实战
标准化 · PCA降维 · t-SNE · 方差阈值/互信息选择
降维选择
10
深度学习基础回顾
感知机/MLP · ReLU/Sigmoid/Tanh · 损失函数 · 反向传播
基础激活
11
卷积神经网络(CNN)基础
卷积/池化/全连接 · 感受野 · 参数共享
CNN卷积
12
一维CNN脑电分类
EEGNet · Conv1d · 深度可分离卷积 · 代码实战
EEGNet1D-CNN
13
循环神经网络(RNN)基础
RNN原理 · LSTM/GRU · 梯度消失/爆炸 · 双向RNN
RNNLSTM
14
LSTM脑电时序建模
LSTM单元详解 · 序列建模 · 多步预测 · 注意力机制
时序注意力
15
自编码器特征提取
标准/稀疏/去噪自编码器 · 变分自编码器(VAE)
自编码器VAE
16
图神经网络(GNN)入门
图卷积(GCN) · 脑电通道图 · 邻接矩阵设计
GNNGCN
17
Transformer在脑电中的应用
自注意力 · 位置编码 · ViT变体 · EEG-Transformer
TransformerViT
18
对比学习特征提取
SimCLR框架 · 正负样本 · 温度系数 · 脑电对比学习
对比学习SimCLR
19
迁移学习实战
域适应 · 微调策略 · 冻结层 · CORAL损失
迁移微调
20
多模态脑电融合
EEG-fNIRS/眼动融合 · 特征级/决策级融合
多模态融合
21
数据增强技术
噪声注入 · 通道掩码 · 时间扭曲 · 频谱增强 · Mixup
增强Mixup
22
模型解释性
Grad-CAM · SHAP · 特征重要性 · 注意力权重可视化
可解释Grad-CAM
23
模型压缩与部署
知识蒸馏 · 量化 · ONNX导出 · TensorRT · 边缘端部署
部署ONNX
24
脑电情绪识别实战
DEAP数据集 · 特征提取 · 模型训练 · 四分类
情绪DEAP
25
运动想象分类实战
BCI Competition IV 2a · CSP+CNN · 跨被试泛化
运动想象BCI
26
睡眠分期实战
Sleep-EDF · 多通道时序 · 序列标注 · F1-score
睡眠序列标注
27
癫痫检测实战
CHB-MIT · 异常检测 · 时序分割 · 实时检测系统
癫痫CHB-MIT
28
脑电生成模型
GAN生成脑电 · 扩散模型 · 条件生成 · 数据扩充
生成GAN
29
在线BCI系统开发
实时数据流 · LSL协议 · 低延迟推理 · 反馈机制
BCI实时
30
项目总结与展望
脑机接口前沿 · 神经解码 · 伦理问题 · 学习资源推荐
前沿伦理