- 综合排序
- 最热优先
- 最新优先
- 来自专栏脑机接口
基于SSVEP-EOG的混合BCI用于机械臂控制
11名受试者进行了两个在线实验，以评估基于EOG-SSVEP的混合BCI的性能。六名受试者进行了对比的实验，以评估使用EOG取消命令的有效性。 数据采集系统 ? 图2.基于EOG的开关(A)和基于SSVEP的BCI (B)的GUI 上图为基于EOG的开关(A)和基于SSVEP的BCI (B)的GUI。 图5.眨眼的原始和差分EOG数据 图5中显示了在试验中来自受试者HEOR通道的原始和差分EOG数据，该数据提示受试者在校准过程中眨眼。 眨眼的差分EOG数据包含正波和负波，其幅度远大于不执行眨眼时EOG的波动。 ? 图6.三次眨眼的原始和差分EOG数据 上图显示了来自Fp1通道的原始和差分EOG数据，该试验促使受试者在校准过程中进行三次眨眼。
1K10发布于 2021-01-12 - 来自专栏mythsman的个人博客
Ubuntu中命令行下的图片查看器eog
其实ubuntu本身自带的图像查看器就带了一个命令行下打开的接口------eog 命令（eye of gnome 的缩写，十分好记）。 命令 EOG(1) General Commands Manual EOG(1) NAME eog - a GNOME image viewer SYNOPSIS eog [options] files...
2.8K10编辑于 2022-11-14 - 来自专栏ExASIC
Linux C编程——为eog image viewer增加坐标和像素颜色显示功能
eog(eye of gnome)是gnome桌面下常用的看图工具，放大时可以禁用插值平滑算法，眼睛看到的更为真实。 ，确定修改方案 我们主要修改两个地方： 修改响应鼠标事件的函数： 获取鼠标相对于eog图片显示窗口的坐标。 = NULL && eog_image_has_data (priv->image,EOG_IMAGE_DATA_ALL)) { intzoom (EOG_SCROLL_VIEW (priv->view)) +0.5); eog_image_get_size(priv->image, &width, &height r= (EOG_SCROLL_VIEW (priv->view))->r; g= (EOG_SCROLL_VIEW (priv->view))->
1.8K110发布于 2020-07-15 - 来自专栏脑机接口
Python-脑电图处理和事件相关电位(ERP)
# 更改EOG通道的名称 raw.rename_channels(mapping={'EOG 061': 'EOG'}) # 为了讲述案例，我们将EOG频道重设为EOG类型。 on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG
1.4K21发布于 2020-06-30 - 来自专栏脑机接口
脑电分析系列[MNE-Python-20]| 脑电图处理和事件相关电位(ERP)
# 更改EOG通道的名称 raw.rename_channels(mapping={'EOG 061': 'EOG'}) # 为了讲述案例，我们将EOG频道重设为EOG类型。 on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG
1.2K10编辑于 2022-08-17 - 来自专栏脑机接口
脑电分析系列[MNE-Python-2]| MNE中数据结构Epoch及其创建方法
epoch based on EOG : ['EOG 061'] Rejecting epoch based on EOG : ['EOG 061'] Rejecting epoch on EOG : ['EOG 061'] Rejecting epoch based on EOG : ['EOG 061'] Rejecting epoch based on EOG : ['EOG 061'] Rejecting epoch based on EOG : ['EOG 061'] Rejecting epoch based on EOG : [' EOG 061'] Rejecting epoch based on EOG : ['EOG 061'] Rejecting epoch based on EOG : ['EOG 061 '] Rejecting epoch based on EOG : ['EOG 061'] Rejecting epoch based on EOG : ['EOG 061']
82920编辑于 2022-08-17 - 来自专栏脑机接口
Python-EEG处理和事件相关电位(ERP)
# 更改EOG通道的名称 raw.rename_channels(mapping={'EOG 061': 'EOG'}) # 为了讲述案例，我们将EOG频道重设为EOG类型。 on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG'] Rejecting epoch based on EOG : ['EOG
1K30发布于 2020-09-30 - 来自专栏脑机接口
实际BCI应用:异步EEG/EOG BCI手抓取和释放的可行性
该项研究中所述的BCI是一个复杂的系统，它结合了一个完整的手臂外骨骼，目的是整合EEG和EOG(来自大脑和眼球运动的电信号)来达到和抓取控制能力。 这篇论文的作者(由SurjoSoekadar领导)在之前的工作中(与我们尊敬的导师Niels Birbaumer)证明了异步EEG/EOG BCI用于抓取的可行性。 换句话说，该系统是由EEG和EOG信号连接起来的人与机器智能的融合。机器人和人类合作完成的任务是拿起一杯水，喝完，然后把它放回桌子上。 人类位于指令链的顶端，通过EOG信号启动到达动作，并通过EEG抓取动作，如下图所示。 ? 基于脑电图/眼电图（EEG / EOG）触发的有限状态机（FSM）的 共享人类机器人控制策略 图中 (a)可视化由EEG / EOG控制的全臂外骨骼动作。
69010发布于 2020-07-01 - 来自专栏脑机接口
多模态系统下软体机械手对多种意图的精准实时控制
而多模态人机界面系统(mHMI)，集合眼电信号(EOG)、脑电图(EEG)和肌电图(EMG)的特征来生成多维控制指令，有助于构建更友好、人性化的BCI辅助系统，帮助残疾人及运动障碍患者更便捷地完成基本动作 1 训练测试阶段 mHMI结合了EEG、EOG和EMG模式，为一个完全集成的系统。实验过程中，用脑电帽检测EEG和EOG运动，Myo臂带检测EMG信号，跟踪手臂运动。 系统测试阶段为三种模式(EOG、EEG和EMG)交替过程，用户可以在任何时候反复改变并发送EOG指令给机器人。 而当EOG检测到双闪烁时，系统自动进入EEG模式，而任何时候双闪都可以使系统重新进入EOG模式，从而实现三种模式的交替。 图4 mHMI的主要结构和工作流程 2 实验结果 mHMI的优点之一是结合了EOG、EEG和EMG三种模式来检测运动意图，并对每种模式下运动意图的显著特征进行分析和比较。
87510编辑于 2022-09-22 - 来自专栏全栈程序员必看
查看服务器上的图片_js获取图片
eog 命令 eye of gnome,用来在服务器端查看图片。 sudo apt-get install eog eog picname.jpg 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/168074.html原文链接：https
7.5K30编辑于 2022-09-20 - 来自专栏脑机接口
Python-EEG工具库MNE中文教程(6)-读取.set文件和.locs文件
mne.io.read_raw_eeglab(input_fname, montage='deprecated', eog 在0.19版本中，它的功能可以通过set_montage方法来实现; eog:指定eog通道的通道名称或索引，如果设置为auto，则使用包含eog和eye的通道名称。 mapping = { 'EEG 000': 'FPz', 'EEG 001': 'EOG1', 'EEG 002': 'F3', 'EEG 003': 'Fz', 'EEG 004': 'F4', 'EEG 005': 'EOG2', 'EEG 006': 'FC5', 'EEG 007': 'FC1', 'EEG 008': 'FC2', 'EEG 009': 'FC6', ', 'F3', 'Fz', 'F4', 'EOG2', 'FC5', 'FC1', 'FC2', 'FC6', 'T7', 'C3', 'C4', 'Cz', 'T8', 'CP5', 'CP1',
2.7K20发布于 2020-06-29 - 来自专栏脑机接口
脑电分析系列[MNE-Python-6]| Python读取.set文件和.locs文件
mne.io.read_raw_eeglab(input_fname, montage='deprecated', eog 在0.19版本中，它的功能可以通过set_montage方法来实现; eog:指定eog通道的通道名称或索引，如果设置为auto，则使用包含eog和eye的通道名称。 mapping = { 'EEG 000': 'FPz', 'EEG 001': 'EOG1', 'EEG 002': 'F3', 'EEG 003': 'Fz', 'EEG 004': 'F4', 'EEG 005': 'EOG2', 'EEG 006': 'FC5', 'EEG 007': 'FC1', 'EEG 008': 'FC2', 'EEG 009': 'FC6', ', 'F3', 'Fz', 'F4', 'EOG2', 'FC5', 'FC1', 'FC2', 'FC6', 'T7', 'C3', 'C4', 'Cz', 'T8', 'CP5', 'CP1',
1.6K20编辑于 2022-08-17 - 来自专栏脑机接口
数据集 | 并发脑电图、心电图和多剂量经颅电刺激行为的数据集
数据包括九种高清 tES (HD-tES) 类型，针对三个皮层区域(额叶、运动、顶叶)，具有三种刺激波形(DC、5 Hz、30 Hz)；超过 783 次总刺激试验,超过 62 个会话，包括 EEG、生理(ECG、EOG 数据包括九种高清晰度 tES (HD-tES) 类型，针对三个大脑区域（额叶、运动、顶叶），具有三种波形（DC、5Hz、30Hz），在 62 个会话中进行了超过 783 次总刺激试验 EEG、生理（ECG 或 EKG、EOG 数据格式： Raw EEG, ECG, EOG data in .cnt formant Raw EEG, ECG, EOG data formated to comply with BIDS standard where data are in .set format (EEGlab) Raw downsampled EEG, ECG, EOG data (1k Hz) in .mat format for Data) |-- ptracker-summary-0101..txt |--GX_01_2019-09-24_15-45-53.cnt (EEG, ECG, EOG
59720编辑于 2023-02-13 - 来自专栏脑机接口
脑电信号干扰
[图片来源于网络] 常见的干扰为：眼动(EOG)干扰、肌电(EMG)干扰、心电(ECG)干扰、高频噪声干扰等，这些干扰通常是来自于脑外的电位活动，这些干扰又称为伪迹(Artifact). 生理性伪迹 1）眨眼和其他眼动 眼电(electrooculogram, EOG)主要是由眼球移动、眨眼所产生的，主要在大脑头皮前部比较明显。眨眼产生的EOG随着与眼睛的距离增大而减小。 眼球移动产生的EOG衰减相对比较慢，在头顶附近产生的影响是眨眼时产生的EOG影响的两倍。
2.8K00发布于 2019-11-11 - 来自专栏脑机接口
Python脑电数据的Epoching处理
定义为T/m表示梯度计，T表示磁强计，V表示EEG和EOG电极。 baseline = (None, 0.0) reject = {'mag': 4e-12, 'eog': 200e-6} epochs = mne.Epochs(raw, events=events, ')) # 这里只包含 MEG 和 EOG 289 matching events found Applying baseline correction (mode: mean) Not setting 为了便于举例，我们还使用pick来包含EOG通道。 picks = mne.pick_types(epochs.info, meg=True, eog=True) evoked_left = epochs['Auditory/Left'].average
1K30发布于 2021-01-12 - 来自专栏脑机接口
#数据集#：并发脑电图、心电图和多剂量经颅电刺激行为的数据集
数据包括九种高清 tES (HD-tES) 类型，针对三个皮层区域(额叶、运动、顶叶)，具有三种刺激波形(DC、5 Hz、30 Hz)；超过 783 次总刺激试验,超过 62 个会话，包括 EEG、生理(ECG、EOG 数据包括九种高清晰度 tES (HD-tES) 类型，针对三个大脑区域（额叶、运动、顶叶），具有三种波形（DC、5Hz、30Hz），在 62 个会话中进行了超过 783 次总刺激试验 EEG、生理（ECG 或 EKG、EOG 数据格式： Raw EEG, ECG, EOG data in .cnt formant Raw EEG, ECG, EOG data formated to comply with BIDS standard where data are in .set format (EEGlab) Raw downsampled EEG, ECG, EOG data (1k Hz) in .mat format for Data) |-- ptracker-summary-0101..txt |--GX_01_2019-09-24_15-45-53.cnt (EEG, ECG, EOG
66120编辑于 2022-08-25 - 来自专栏米虫的家
BCI--Python-EEG工具库MNE
数据对应的单位： V: eeg, eog, seeg, emg, ecg, bio, ecog T: mag T/m: grad M: hbo, hbr Am: dipole AU: misc 构建一个 ：通道名称和通道类型 设置采样频率为:sfreq=100 """ info = mne.create_info( ch_names=['MEG1','MEG2','EEG1','EEG2','EOG '], ch_types=['grad','grad','eeg','eeg','eog'], sfreq=100 ) custom_raw = mne.io.RawArray(data 对通道eeg、grad，eog的数据进行2倍缩小 """ scalings = {'eeg':2,'grad':2,'eog':2} #scalings = 'auto' 设置自动缩放 custom_raw.plot 2443', 'EEG 053'] # bads + 2 more picks = mne.pick_types(raw.info, meg=True, eeg=False, stim=True, eog
1.9K20发布于 2020-09-24 - 来自专栏脑机接口
脑电分析系列[MNE-Python-16]| 脑电数据的Epoching处理
定义为T/m表示梯度计，T表示磁强计，V表示EEG和EOG电极。 baseline = (None, 0.0) reject = {'mag': 4e-12, 'eog': 200e-6} epochs = mne.Epochs(raw, events=events, ')) # 这里只包含 MEG 和 EOG 289 matching events found Applying baseline correction (mode: mean) Not setting 为了便于举例，我们还使用pick来包含EOG通道。 picks = mne.pick_types(epochs.info, meg=True, eog=True) evoked_left = epochs['Auditory/Left'].average
1.1K20编辑于 2022-08-17 - 来自专栏脑机接口
MNE-Python专辑 (2) MNE中数据结构Raw及其用法简介(更新)
chs : list | 376 items (GRAD: 204, MAG: 102, STIM: 9, EEG: 60, EOG: 1) comps : list | 0 items 数据对应的单位： V: eeg, eog, seeg, emg, ecg, bio, ecog T: mag T/m: grad M: hbo, hbr Am: dipole AU: misc 构建一个 通道名称和通道类型 设置采样频率为:sfreq=100 """ info = mne.create_info( ch_names=['MEG1', 'MEG2', 'EEG1', 'EEG2', 'EOG '], ch_types=['grad', 'grad', 'eeg', 'eeg', 'eog'], sfreq=100 ) """ 利用mne.io.RawArray类创建Raw对象 对通道eeg、grad，eog的数据进行2倍缩放 """ scalings = {'eeg': 2, 'grad': 2,'eog':2} custom_raw.plot(n_channels=5,
1.3K20发布于 2020-07-07 - 来自专栏脑机接口
MNE中文教程(1)-MNE中数据结构Raw及其用法简介
chs : list | 376 items (GRAD: 204, MAG: 102, STIM: 9, EEG: 60, EOG: 1) comps : list | 0 items 数据对应的单位： V: eeg, eog, seeg, emg, ecg, bio, ecog T: mag T/m: grad M: hbo, hbr Am: dipole AU: misc 构建一个 通道名称和通道类型 设置采样频率为:sfreq=100 """ info = mne.create_info( ch_names=['MEG1', 'MEG2', 'EEG1', 'EEG2', 'EOG '], ch_types=['grad', 'grad', 'eeg', 'eeg', 'eog'], sfreq=100 ) """ 利用mne.io.RawArray类创建Raw对象 对通道eeg、grad，eog的数据进行2倍缩小 """ scalings = {'eeg': 2, 'grad': 2,'eog':2} custom_raw.plot(n_channels=5,
2.7K20发布于 2020-06-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号