Katarzyn_J_Blinowska,_Jaroslaw_Zygierewicz.pdf
15.6 MB
#کتاب
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
Forwarded from EEG workshop
workshopdemo.m
3.5 KB
فایل مثالهای محاسبه طیف توان و زمان-فرکانس در نرم افزار متلب
که در کارگاه توضیح داده شد
که در کارگاه توضیح داده شد
در قسمت statistics برنامه sift برای محاسبه کانکتیویتیها که بدلیل زمانبر بودن انجام ان در کارگاه امکان مشاهده حذف کانکتیویتی های کاذب فراهم نشد شبیه سازی های زیر بروی داده کارگاه انجام شده است
تصویر بالا محاسبه GPDC برای داده های 8 مولفه مغزی در بازه فرکانسی 1-40هرتز محاسبه و نشان داده شده است
شکل بالا با تولید داده جایگزین surrogate با روش random phase ارتباطات کاذب حذف شده است
در قسمت visualization و در منوی time-frequency grid قسمت thresholding مشابه بالا انتخاب شود
که کانکتیویتی های کاذب حذف و بقیه نشان داده خواهد شد
که کانکتیویتی های کاذب حذف و بقیه نشان داده خواهد شد
برای روند پردازش سیگنالهای مغزی چندین pipeline معرفی شده است که یکی از کاربردی ترین آنها Makato's preprocessing pipleline است. که براساس تجربیات و مقالات زیادی نوشته شده است که در لینک زیر آمده است:
https://sccn.ucsd.edu/wiki/Makoto%27s_preprocessing_pipeline
💢 همچنین یکی از کارا ترین روشهای حذف اتوماتیک نویز که در لینک بالا هم آمده است روش ASR می باشد که برای افراد مبتدی می تواند مفید باشد:
http://sccn.ucsd.edu/eeglab/plugins/clean_rawdata0.32.zip
برای استفاده پس از دانلود ازحالت فشرده خارج کنید و در شاخه plugins در پوشه حاوی eeglab کپی کنید. پس از باز کردن دوباره eeglab خواهید دید که به منوی tools یک قسمت به نام
clean continuous data using ASR
اضافه شده است.
توضیحات منوهای آن در انتهای لینک Makoto آمده است. همچنین فایل نحوه کار روش در ادامه ارسال می شود.
💯پی نوشت: اگر روی داده هایی که در کارگاه کار شد بزنید می بینید که نتیجه آن مشابه تمیز کردن دستی می باشد.
-----
ارتباط با ما: @EEGworkshops
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
https://sccn.ucsd.edu/wiki/Makoto%27s_preprocessing_pipeline
💢 همچنین یکی از کارا ترین روشهای حذف اتوماتیک نویز که در لینک بالا هم آمده است روش ASR می باشد که برای افراد مبتدی می تواند مفید باشد:
http://sccn.ucsd.edu/eeglab/plugins/clean_rawdata0.32.zip
برای استفاده پس از دانلود ازحالت فشرده خارج کنید و در شاخه plugins در پوشه حاوی eeglab کپی کنید. پس از باز کردن دوباره eeglab خواهید دید که به منوی tools یک قسمت به نام
clean continuous data using ASR
اضافه شده است.
توضیحات منوهای آن در انتهای لینک Makoto آمده است. همچنین فایل نحوه کار روش در ادامه ارسال می شود.
💯پی نوشت: اگر روی داده هایی که در کارگاه کار شد بزنید می بینید که نتیجه آن مشابه تمیز کردن دستی می باشد.
-----
ارتباط با ما: @EEGworkshops
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
4_5780896517216797084.pdf
2.4 MB
توضیحات نحوه پیش پردازش روش ASR
The Artifact Subspace
Reconstruction method
-------
ارتباط با ما: @EEGworkshops
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
The Artifact Subspace
Reconstruction method
-------
ارتباط با ما: @EEGworkshops
لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ