机构名称：
¥ 2.0
从历史上看，采用电交置数据（EEG）数据的大脑功能的研究依赖于对几种引起的EEG录音的不同峰的振幅和延迟的经典单变量分析，通常称为事件相关电位（ERP）。过去几十年来科学和技术的持续发展使搜索者和工程师能够开发和应用更高级的信号处理技术，例如时间/频率分析，相聚类，独立组件分析（ICA）分解[1,2]等。这些技术已在出色的分析和预处理工具中实施，例如EEGLAB [3]，ERPLAB [4]或FIELDTRIP [5]，这些技术是在各个领域中开发无数研究的研究人员。最近，较新的基于机器学习的算法（ML）与先进的神经影像学技术（例如功能磁共振成像（fMRI）或磁脑化术（MEG））结合使用，在神经科学方面已广受欢迎。这一趋势始于Haxby和Norman [6-8]的研究以及其他参考贡献[9-14]，这开辟了有关大脑功能研究的新途径。多年来，ML模型也成功地用于医学成像，主要是在计算机辅助诊断领域[15]。仅提及几个例子，在研究和阐述几种神经系统疾病的研究和解释中，使用了不同的ML方法，例如Parkinson [16-18]，Alzheimer [19-21]，自闭症[22-24]，或睡眠差异或睡眠差异[25-27]。根据初步研究[28-30]，甚至可以使用人工智能（AI）在胸部射线照相中成功诊断出近期扩散的共证。[28-30]。然而，最近ML模型的增长不仅限于神经科学或医学应用，而是在跨切割的大量科学学科中存在。
mvpalab：用于多维脑电图数据的机器学习解码工具箱
主要关键词
相关文件推荐
