- 综合排序
- 最热优先
- 最新优先
- 来自专栏云深之无迹
脑电采集+TGAM脑电模块
要设计测量脑电的硬件，需要考虑以下几个方面： 电极的数量和位置：需要确定使用多少电极以及电极的放置位置。 通常脑电测量会使用多个电极来捕捉脑电信号的变化，常用的电极布局有国际10-20系统、10-10系统、10-5系统等。 信号放大和滤波：脑电信号的幅度通常比较小，需要使用放大器来增加信号的幅度。 数据采集和存储：需要选择适当的数据采集器和存储设备，以便记录脑电信号并将其保存在计算机或移动设备上。 硬件接口和软件：需要开发软件来控制硬件设备，接收和处理脑电信号，并提供相应的分析和可视化工具。 它需要外部电源和运算放大器来实现放大和滤波，适合用于高性能的脑电放大器设计。 滤波器是脑电放大器中非常重要的组成部分，用于滤除不需要的信号和噪声，以保留感兴趣的生物电信号。 TGAM模块的特点及优势 •能直接连接干接触点，不像传统医学用的湿传感器使用时需要上导电胶 • 单EEG脑电通道有3个接触点：EEG（脑电采集点）REF（参考点）GND（地线点） • 上电后若接触点连续四秒没有采集到脑电或连续七秒收到差的脑电信号
3K22编辑于 2023-05-24 - 来自专栏思影科技
BIOSEMI脑电系统介绍
产品简介： Biosem公司创立于1998年，由荷兰阿姆斯特丹大学的三位学者共同创立，距今已有20多年的脑电产品生产，销售，维护经验，其客户包括加州理工，加州大学戴维斯分校，加拿大麦吉尔大学，普林斯顿大学 Biosemi Active2脑电系统采用主动电极技术，直流模式采集脑电信号，24bit分辨率，小巧的第二代主动式电极使得Active2产品在采集原始脑电信号方面提供更丰富的细节，Active2产品可提供 16/32/64/128/256等多种配置方案，进行多通道同步采集，另提供8通道双极导联用于采集EXG信号（如心电，肌电等），满足您的科研需求。 电池供电，减少工频干扰，机身小巧，便携； 光纤传输数据，数据保真度高； 通道数可选：16/32/64/128和256导联，可扩展性强 主动式电极，前端信号放大，保证采集信号可靠以及高效，节省实验准备时间 ； 直流采集，高采样率与高带宽，确保数据采集质量； 8kHZ及以上的高采样率，高输入范围； 全世界上千家用户以及6000+sci文章，世界知名。
1.9K31发布于 2019-12-27 - 来自专栏云深之无迹
开源EEG-脑电采集硬件KS108x
目前在做一个可以采集眼动和脑电数据的硬件平台，目前的摄像头就先搞一个USB的就行，先可以处理数据就行。 另外这个芯片在使用金属电极的心电采集上表现一般，而穿戴应用下金属电极的使用是必然。该系列芯片还有个重大问题是的成本单价较高，特别是缺芯背景下，供货短缺且价格居高不下。 芯森微电子推出的KS108X心电专用芯片，从信号精度、芯片功耗和封装尺寸上来看具有较好的穿戴心电监测应用前景。该系列芯片包含用于单通道信号采集的KS1081和用于双通道信号采集的KS1082。 从测试来看，KS1081芯片能够在手腕手指心电采集上加上简单50Hz滤波，可以拿到很不错的心电ECG完整波形，包括PQRST波。 脑电这块，我找到了一个厂家： 在坪山，以前就不知道。。。 KS1091/KS1092是一个集成的单/双通道前端，用于小生物电位监测的信号调理。
85610编辑于 2024-08-20 - 来自专栏脑机接口
脑电分析系列| 生成模拟原始脑电数据
在实验中有时需要原始脑电数据来进行模拟实验，但又限于实验条件的不足，需要构造模拟的原始脑电数据。 本示例通过多次重复所需的源激活来生成原始数据。
76121编辑于 2022-08-17 Intan RHD 脑电记录系统详解：模块化、高通道、低成本的电生理采集解决方案
作者：科采通（Scivaro）一、系统简介Intan RHD 记录系统是一款基于 RHD 系列芯片 的高性价比电生理信号采集平台。 ⚠️ 注意：RHD 系统与 RHS 系统（带刺激功能）不兼容，不能混用头端或接口线缆。二、系统组成一个完整的 RHD 电生理记录系统通常由以下三个模块组成：1. SPI 接口线缆 连接 headstage 与控制器 负责供电与数据传输 支持多长度（0.3m/0.9m/1.8m）与超薄版 支持级联延长 三、软件支持官方提供的 RHX 数据采集软件特点： 带宽与采样率可调 SpikeGadgets Neuralynx Doric Lenses 五、适用场景 小动物神经电生理记录（如大鼠脑皮层 LFP、单元活动） 高通道、多部位同步采集实验 便携式或移动实验环境（结合滑环或无线系统 、高度集成的电生理数据采集解决方案，其模块化设计、数字传输方式和良好的软件生态，已被全球数百家实验室用于神经科学、脑机接口、神经工程等研究领域。
45110编辑于 2025-07-07- 来自专栏云深之无迹
常见几款脑电采集芯片的输入端问题（差分）
这脑电设备做完了，电极还没有着落，那就简单的盘点一下这个接口。（但是后面还分析了不少的电路结构，值得一看）。 出现的芯片有BMD101，ADS129x，AFE96x，LHA787X，AD7771，KS1092 很多便携的设备是加了一个耳夹 专业设备 这样 这个参考是在外面的 直接就连接在了脑皮层上 EPOC，是上面有盐水的 在EEG信号的采集过程中，头皮电极所能够测量到的信号实际上是电位差，这里的电位差即是作用电极（active electrode）与参考电极（reference electrode）的差值。 电极有特定的字母和数字进行标记，其中： F为额叶（Frontal） T为颞叶（Temporal） P为顶叶（Parietal） O为枕叶（Occipital） C为中央区（Central，大脑没有这个区，是为了方便识别更为典型的脑电活动 再看个老朋友的 事实上这个不是专门采生物电的，不过性能和架构是OK的。 差不多的架构 他家手册都是中文的不错！ 朴实无华 阻抗不高 还找到一个AFE+MCU的，就是这磨片子了？
1.3K11编辑于 2025-01-17 - 来自专栏脑机接口
脑电分析系列| 脑电数据的Epoching处理
这些脉冲对应于在采集过程中呈现给受试者的不同刺激。 脉冲的值为1、2、3、4、5和32。要从原始数据创建事件列表，MNE中只需调用一个专门用于此目的的函数。 这是因为Neuromag记录有一个first_samp属性，它表示系统启动和录制开始之间的偏移量。Neuromag记录数据的first_samp等于25800。
1.1K20编辑于 2022-08-17 - 来自专栏工程师看海
师徒互电，眼冒金星，采集系统变电刺激系统！
电的我眼冒金星，以为自己被三体召唤，整个世界为我闪烁。 事情是这样的，最近我们在做一套人体电信号采集系统，那天我自己做实验，为了方便操作（其实是自己懒），就把电极贴到了头部前额位置，见下图，这样我就可以空出双手来进行试验操作了。 开机上电，那一瞬间，我仿佛听到了“啪”的一声，感觉整个宇宙闪烁白光。 紧接着，电极位置传来刺痛的感觉，不好，这就是电刺激！ 赶紧关闭电源，这感觉才消失。 又开关电源试了几下，复现了上面的现象。 明明是采集系统，为什么会变成了电刺激系统？生理信号采集中，如何保证安全性呢？ 下面开始复盘，怀疑是某个地方形成了电流回流，这就是经验，搞硬件需要有直觉。 果然，那熟悉的阵痛在手腕处传来，非常酸爽，就是右腿驱动与地形成了回路，产生了电刺激的效果。 但这次没有眼冒金星的感觉，因为电极没有放在额头靠近眼睛的位置。
25010编辑于 2024-01-09 - 来自专栏脑机接口
脑电与情绪
而生理心理学家Walter BradfordCannon对上述的理论提出了质疑，并提出了中枢神经系统的丘脑是真正影响到情绪变化的中心系统。 脑电图（EEG）是一种医学成像技术，可以测量由大脑产生的头皮电活动，即测量并按时间顺序记录头皮表层由大脑中祌经元内的离子电流引起的电位波动。研究表明，人的认知行为和心理活动与脑电信号具有较强的相关性。 脑电采集的信号通过离散傅里叶变换（Discrete FourierTransform，DFT），快速傅里叶变换（Fast Fourier Transform，FFT）等算法转换到频域后包含连续的频谱信号 beta波频率范围约为13-30Hz，是人类逻辑分析等主要脑电成分，主要集中在大脑额叶。当人处于清醒或者精神紧张、情绪激动时，大脑容易产生该频段信号。 gamma波频率范围约为30-47Hz，是脑电信号中频率最高的成分。当人专注于某一事物时或处于警觉时，容易产生gamma波。 图1为不同频段的脑电信号。 ?
1.1K30发布于 2020-06-30 - 来自专栏OpenBCI
OpenBCI vs Emotiv：隐蔽式脑电采集如何重塑医疗物联网未来
Taylor & Francis 2021年研究证实，OpenBCI+cEEGrid方案实现医疗级隐蔽监测，成本仅Emotiv方案的1/5▶️ 获取耳周电极设计包：OpenBCI国内Gitee一、隐蔽采集技术对决 ："OpenBCI开放架构支持定制耳周电极，在自然场景下捕获颞叶α波的能力超越消费级设备，为抑郁症预警提供新路径" - Knierim et al. (2021)二、腾讯云架构下的隐蔽式医疗监护耳周脑电物联网系统架构图片代码腾讯云平台层医疗物联网边缘层 实时耳周脑电采集def on_eeg_data(sample): tione.push_data('openbci/alpha', sample.temporal_lobe)# 2. 耳周电极套件ESP32腾讯云认证模组五、应用场景：从医疗到消费级的技术降维领域OpenBCI创新方案技术突破点临床医疗耳周抑郁监护头盔颞叶α波动态监测算法工业安全矿工注意力预警耳塞5G边缘实时脑电分析智能座舱驾驶员情绪调节系统车载边缘计算节点教育科技学生专注力评估耳机成本 <$50的可穿戴方案结语：开启脑电物联网的中国方案腾讯云物联网平台联合OpenBCI开源生态，推动医疗级脑电技术实现"双80突破"：成本降至1/5，覆盖率达80%基层医疗机构。
31010编辑于 2025-06-20 - 来自专栏脑机接口
脑电分析系列| Python协方差矩阵处理脑电数据
主要介绍一下MNE中如何用协方差矩阵来处理脑电数据的。 MNE中的许多方法，包括源估计和一些分类算法，都需要根据记录进行协方差估计。 在假设基线不包含系统信号(对感兴趣的事件进行时间锁定)的情况下，白化基线信号应遵循多元高斯分布，即，在给定的条件下，白化基线信号应在-1.96和1.96之间 时间样本。
1.1K20编辑于 2022-08-17 - 来自专栏脑机接口
脑电与情绪简介
而生理心理学家Walter BradfordCannon对上述的理论提出了质疑，并提出了中枢神经系统的丘脑是真正影响到情绪变化的中心系统。 脑电图与情绪 脑电图（EEG）是一种医学成像技术，可以测量由大脑产生的头皮电活动，即测量并按时间顺序记录头皮表层由大脑中祌经元内的离子电流引起的电位波动。 脑电采集的信号通过离散傅里叶变换（Discrete FourierTransform，DFT），快速傅里叶变换（Fast Fourier Transform，FFT）等算法转换到频域后包含连续的频谱信号 beta波频率范围约为13-30Hz，是人类逻辑分析等主要脑电成分，主要集中在大脑额叶。当人处于清醒或者精神紧张、情绪激动时，大脑容易产生该频段信号。 gamma波频率范围约为30-47Hz，是脑电信号中频率最高的成分。当人专注于某一事物时或处于警觉时，容易产生gamma波。图1为不同频段的脑电信号。 ?
1.1K10发布于 2020-06-30 - 来自专栏云深之无迹
谷歌开源脑电-Amber
为了使脑电图数据更广泛地被心理健康研究人员和临床医生使用——即在电生理学实验室和神经病学诊所之外——拥有大规模对信号进行降噪的自动化方法，并确定脑电图信号的哪些方面是相关的，这将是有帮助的。
23510编辑于 2024-08-20 - 来自专栏米虫的家
BCI--脑电基础整理
脑电基础整理 脑机接口（BCI），是一种通过检测中枢神经系统活动并将其转化为人工输出，来替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改变中枢神经系统与内外环境之间的交互作用的技术。 脑机接口技术通过置于头皮或颅内的电极等传感器采集脑神经活动信号，经过信号处理、特征提取、模式识别等过程，可获知人的控制意图、认知或心理状态、神经系统疾病状态等信息，为运动、语言等功能残缺的患者提供新的控制 随着脑电信号采集技术与信号处理技术的发展成熟，脑机接口技术已逐渐走入临床应用，在诸如中风、注意力缺陷等脑损伤或其他神经系统疾病患者的临床康复中表现出色，为高位截瘫、肌萎缩性侧索硬化症等运动功能障碍患者提供新的运动功能替代方案 一、采集脑电信号的四种技术 1、脑电图(Electroencephalography,EEG) 脑电图通过电极记录大脑的电活动，电极通常嵌入电极帽中。 在使用视觉刺激装置来获取SSVEP信号时，在大脑皮层中与枕叶视觉区有关的脑电通道主要有六个（P03,P0Z,P04,01,0Z,02） ?
3K42发布于 2020-09-24 - 来自专栏脑机接口
脑电分析系列| 使用多种滤波器对脑电数据去除伪影
一些由电源线造成的伪影具有某些特定范围的频率(比如,由电网产生的电力线噪声,主要由50Hz(或60Hz取决于实验的地理位置)的尖峰组成)。因此可以通过滤波来固定。
2K30编辑于 2022-08-17 - 来自专栏脑机接口
ICA处理脑电资料汇总
眼电判断的时候，可以结合头皮地形图、ERP图、每个成分功率谱图，以及矫正之后的脑电图是否有差异，进行综合的评估。 心电成分 ? 成分判断：心电成分 判断依据： 1.在ERP图像中呈雨点般散落状。 ? 介绍 眼动，眨眼，肌肉，心脏和线的噪音会严重污染脑电图活动，这在脑电解释和分析中会产生非常严重问题。 一些严重污染的脑电数据 ? (A)由于不良的数据采集设置而导致的EEG时间序列损坏的五秒钟部分；(B)ICA提取的噪声成分（右图）。
2.5K21发布于 2020-06-30 - 来自专栏脑电信号科研科普
浅谈脑电中的delta振荡
公众号曾陆续推出了3篇推文，依次对脑电中的theta、alpha和beta振荡进行了介绍，唯独剩下delta振荡还未进行介绍。 Delta振荡及其分类 所谓delta振荡，按照传统的EEG频段划分，一般是指频率为1-4Hz范围内的脑电成分。Delta振荡频率低、幅度高。
1K50编辑于 2022-02-05 - 来自专栏脑机接口
Python脑电数据的Epoching处理
这些脉冲对应于在采集过程中呈现给受试者的不同刺激。 脉冲的值为1、2、3、4、5和32。要从原始数据创建事件列表，MNE中只需调用一个专门用于此目的的函数。 这是因为Neuromag记录有一个first_samp属性，它表示系统启动和录制开始之间的偏移量。Neuromag记录数据的first_samp等于25800。
1K30发布于 2021-01-12 - 来自专栏脑电信号科研科普
EEG脑电研究经典教材推荐
该书详细地介绍了ERP研究中的实验设计、信号的采集与处理技术以及后续的ERP成分分析技术。 3. 本书内容主要涉及EEG的预处理、传统脑电分析方法（如功率谱分析）、非线性动力学分析方法（如混沌、信息论、复杂度等）、脑电的功能连接和有向连接分析以及脑电在脑疾病和神经科学领域的应用等。 9. 本书主要为认知和神经科学家而写，以Matlab作为主线和工具，系统讲解Matlab的使用。 《脑电与认知神经科学》 本书也是不可多得的优质国产EEG教材，基本涉及脑电研究的方方面面，包括脑电的神经生理学基础、脑电采集方法、脑电重参考技术、ERS\ERD、脑电时空分析方法（如ICA、PCA等） 、脑电溯源、脑网络分析以及脑电在认知神经科学和临床疾病研究中的应用等。
1.3K30编辑于 2022-05-29 - 来自专栏脑机接口
脑电分析系列| bad通道介绍
Neuromag系统(就像用来记录示例数据的系统)使用MEG通道号的最后一位数字来表示传感器类型，这里的正则表达式将选择所有以2开头、以3结尾的通道: picks = mne.pick_channels_regexp
75630编辑于 2022-08-17
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