Jan, 2019

ICLabel：一种自动化的脑电独立成分分类器、数据集和网站

PDF
TL;DR本文介绍 ICLabel 项目，该项目包括 IC 数据集、用于收集众包 IC 标签的网站和自动分类器。ICLabel 分类器的优点在于改进了计算的标签估计的准确性和增强了计算效率，它在所有测量 IC 类别中优于或与此前公开可用的最佳方法表现相当，并比该分类器快 10 倍。
electroencephalogramindependent component analysisiclabel classifiereeg recordingsbrain dynamics
发现论文，激发创造
  • 一种用于纵向神经影像研究的分层独立成分分析模型

    本文提出了一种新的长期独立成分模型 (L-ICA)，可以更准确地估计个体和总体层面上脑功能网络的变化，并通过包含随机和访问特定的协变量效应来提高重复测量成像数据处理的统计功效。通过将 L-ICA 应用于 ADNI2 研究，提出了在失智症时脑功能网络变化的生物学见解。

    Aug, 2018

  • 高级特征提取与机器学习自动分类左 / 右手运动脑电信号

    这篇论文提出了一个自动化的计算机平台，该平台使用先进的特征提取技术和机器学习算法对左右手运动相关的脑电信号进行分类，并使用两种不同的机器学习算法，神经网络和支持向量机，最终取得了分别为 89.8 和 97.1 的最佳分类性能。

    Dec, 2013

  • 基于脑电心智模拟的独立主体深度架构 EEG 分类

    提出了一种新颖的主体无关的半监督深度架构（SSDA），它包括两个部分：无监督部分（CST-AE）从训练样本中提取潜在特征，并降低表示的维度，保证其可辨识性；监督部分利用无监督部分获取的特征，学习基于标记训练样本的分类器，并通过中心损失减小类中每个点到其中心的嵌入空间距离。SSDA 在测试阶段表现出优越性能，仅使用少量标记训练样本即可获得强大的分类性能。

    Jan, 2024

  • EEG-ImageNet: 多层次标签的脑电图数据集和基准测试

    通过脑活动识别和重建我们所看到的内容，可以深入研究生物视觉系统如何代表世界。本文介绍了 EEG-ImageNet，一个包括从 16 名受试者记录的来自 ImageNet 数据集中的 4000 个图像的新颖 EEG 数据集，该数据集为目标分类和图像重建建立了基准。实验结果表明该数据集有助于推动基于脑电图的视觉脑 - 计算机界面，理解生物系统的视觉知觉，并在改进机器视觉模型方面有潜在应用。

    Jun, 2024

  • 基于信号处理和深度神经网络的优化脑电情绪检测

    本研究使用电脑建立了一个基于神经网络的智能决策模型，通过 EEG 检测来识别人类主观情绪，并采用一些信号处理技术和算法，实验结果表明该模型能够提高情绪检测的准确性。

    Mar, 2023

  • 一种可解释的机器学习系统，用于识别癫痫发作 - 间歇期 - 损伤连续体上的脑电图模式

    设计了一种可解释的深度学习模型来预测 ICU 脑电监测中常见的 6 种脑波模式（癫痫，LPD，GPD，LRDA，GRDA，其他），并提供专业的用户界面，从而在全局 - 结构保持方法的帮助下，可视化 ICTIL-INTERICTAL-INJURY 连续性脑波模式的 2D 嵌入式空间以及通过基于案例推理的方式提供解释。

    Nov, 2022

  • 探索将 XAI 方法应用于基于 EEG 的系统

    本文探讨了基于可解释 AI 方法对 EEG 信号进行特征提取，以解决数据集漂移问题，对情感识别表现进行实验分析，结果表明该方法使得模型可更好地泛化。

    Oct, 2022

  • 词嵌入独立分量代表语义特征

    本文使用独立分量分析算法分析单词嵌入，发现独立分量可以用于找到单词的语义特征，并可轻松组合这些特征来搜索满足条件的单词，其中稳定性强。

    Dec, 2022

  • 使用跳过连接进行大脑信号的无主题分类

    研究了使用脑电波编码词语的可行性，提出在卷积神经网络中使用跨层连接以帮助信息流动，并使用测试数据结果表明，在此情况下分类性能得到显着提高。

    Jan, 2023

  • 一种规范的、生物学上合理的独立分量分析算法

    提出一种新型的 ICA 算法，满足生物电路中的要求，涉及的关键词有盲源分离，独立分量分析，神经网络，突触可塑性和生物电路。

    Nov, 2021