脑机接口 SSVEP脑电模式识别 eCCA

Gitlab CI实践 本项目所有文章转载于： 课程简介 GitLabCI 轻量级，不需要复杂的安装手段。配置简单，与gitlab可直接适配。实时构建日志十分清晰，UI交互体验很好。使用 YAML 进行配置，任何人都可以很方便的使用。GitLabCI 有助于DevOps人员，例如敏捷开发中，开发与运维是同一个人，最便捷的开发方式。 本课程我们主要讲解通过使用GitLabCI完成DevOps交付流水线，实践内容较多。从多个角度出发让每个实践都能落地。内容从最基础部分到最佳实践。内容都是来源于自身在企业中的实践。

matlab阻抗控制代码分心的BCI：在伪现实环境中的运动图像 数据可以下载 如果您使用我们的代码或数据，请参考以下论文之一： [1] 布兰德·S·布兰克兹·B。 2020年《神经科学前沿》 14 967。 [2] Brandl S. ，FrøhlichL . ，HöhneJ.，MüllerK.-R.，Samek W.， 神经工程杂志，13 056012，2016。 介绍 我们已经记录了一种基于运动图像的BCI研究，研究了5种干扰因素，这些干扰因素模仿了实验室外环境和控制任务。 这项研究的目的是在更现实的情况下研究标准BCI程序的稳健性。 分心/次要任务包括观看闪烁的视频，搜索房间中的特定号码，听新闻，闭上眼睛，振动触觉刺激和控制任务。 我们记录了16名健康参与者（6名女性；年龄范围：22-30岁；平均年龄：26.3岁），其中只有3名以前曾参加过另一项BCI实验。 实验 在进行主要实验之前，我们记录了8个试验，其中参与者必须交替睁开眼睛或闭合眼睛15秒钟。 主要实验分为7次。 每次运行持续约10分钟，包括72次试验。 每次试验持续4.5 s，由一项运动图像任务和6项次要任务之一定义。

遗传算法和BP网络相结合的分类器在BCI中的应用.pdf

此代码说明了基于ECoG和EEG的2类MI-BCI的范例和工作流程。

OpenBCI-Python

Version 3，官网下载搬运，第一次下可能找账号注册入口麻烦 做脑机接口的同学应该用得到，具体使用帮助等 参考官方网站，有详细教程

GAN在脑机接口中的应用：人工生成EEG数据

bci2000用户贡献模块。 What is BCI2000? BCI2000 is a general-purpose software system for brain-computer interface (BCI) research.

用matlab生成谐波代码基于SSVEP的BCI的直接ITR优化 介绍 该存储库包含示例代码，用于在基于稳态视觉诱发电位的大脑计算机接口中优化信息传输速率（ITR）。 所提出的分类方法的新颖之处在于它基于直接ITR最大化。 ITR是衡量BCI绩效的标准。 它将分类器的准确性和速度组合为一个数字，该数字显示了BCI在一个单位时间内传输了多少信息。 因此，最大化ITR将使用户可以在固定的时间间隔内传输到外部设备（计算机，机器人等）的信息量最大化。 该方法在Anti Ingel，Ilya Kuzovkin和Raul Vicente中介绍。 “基于SSVEP的BCI的直接信息传输速率优化。” 神经工程学报16.1（2018）。 使用我们的代码时，请引用本文。 要求 此代码需要具有numpy，scipy，matplotlib，pandas，sklearn，rpy2库的Python 2.7。 库rpy2用于在Python中运行R命令。 使用rpy2的原因是我们需要计算偏态正态分布累积分布函数值，而我在相应的scipy函数中遇到了内存泄漏错误。 如果您在安装rpy2时遇到问题，请尝试按照以下步骤操作