【发布时间】：2019-02-22 18:15:05
【问题描述】：
我有很多混合文件，我想从这些文件中保留与 EEG 记录相对应的文件。
问题是一些脑电图文件应该用 2、4、5 和 6 通道记录，还有其他数据（未知类型）也有相同数量的通道（我已经过滤了那些没有这些数量的频道）。当然，有数千个文件，因此手动检查并不是一个真正的选择。
那么，是否有某种度量或算法可以帮助我区分非 EEG 信号和 EEG 信号？尽可能使用 MATLAB。
【问题讨论】：
【发布时间】：2019-02-22 18:15:05
【问题描述】：
您可以先尝试比较每个通道相对于已知良好通道的统计数据，例如平均值、标准差和峰度。由于您有很多文件，您可能希望在几个地方对可能的匹配进行采样（例如，比较秒 1-3 和说 7-9），然后获得匹配的概率。有趣的问题！
【讨论】：
-
这给了我一个想法，我可以训练一个 svm 或 ann 来识别 eeg....
这不是一个真正的 MATLAB 问题，但是...
其他录音中（可能）是什么？也许过滤掉它们比专门识别 EEG 更容易。
我不知道任何可以识别 EEG 记录的指标或算法。一个问题是，EEG 记录通常包含不同程度的伪影，例如肌肉活动、线路噪声和房间内的任何其他电磁干扰，这些干扰会使记录对皮层活动不具特异性。
频谱可能是一种有意义的度量。皮层活动的功率通常逐渐减小，例如 40 Hz，并且往往在之前有一些峰值。例如，根据 EEG 电极的位置和正在执行的任务，α 波段（约 10 Hz）中的峰值可能很突出。这是假设几乎没有人工制品的干扰。
信号的幅度也可能需要查看。
也许您可以采取一些措施和统计属性（例如，不同频带中的功率、方差、漂移/斜率、幅度等），使用例如t-SNE，并且，假设您得到清晰可分离的集群，请手动从每个集群中识别几个样本，以确定哪个是 EEG 集群。
【讨论】：
-
分析脑电图是我之前任务的一部分，所以我确实有使用 ica 和小波包和小波变换过滤伪影和噪声的例程。我真的不知道其他文件是什么（有人混合了所有内容......）......