无论您是该领域的新手还是希望提高自己的技能，本课程都是您了解脑电图数据分析基础知识的门户。
脑电图历史之旅：与我们一起对脑电图数据的起源进行有趣的探索，从它的介绍到当今使用的尖端技术。
记录脑电图数据：了解记录高质量脑电图数据的要点以及良好的脑电图数据的构成。了解伪像的基础知识、识别不同类型的噪声，并见证通过各种过滤技术实现的降噪效果。
频域和时域分析：揭开频域和时域分析的复杂性。了解不同的大脑频率，进行频率分析，探索时域分析和事件相关电位 (ERP)，并尝试进行时频分析。
基于Python的EEG分析：熟悉 Python 基础知识、ANACONDA 安装、编码基础知识和数据绘图。安装 MNE (MNE-Python) 并开始您的脑电图分析之旅。
MNE-Python 预处理：探索 MNE-Python 用于预处理 EEG 数据。导入数据、获得概览、实施过滤、拒绝不良通道并执行独立分量分析 (ICA) 以消除噪声。
使用Python和MNE进行频率分析：利用MNE的PSD函数进行频率分析。创建视觉上令人惊叹的频带图和地形图，以探索隐藏在脑电图数据中的奥秘。
探索重要的 ERP：回顾基本的事件相关电位 (ERP)，例如 P300 和 N170 组件，以及语言相关组件。了解它们在脑电图分析中的意义和应用。
Python 和 MNE 中的 ERP 和时频分析：掌握使用 Python 可视化 ERP 的艺术。利用 MNE 解释 ERP 并深入绘制和解释时频分析。
Published 2/2024
Created by Neura Skills
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English | Duration: 45 Lectures ( 7h 52m ) | Size: 3.1 GB英文无字幕，带课程工程资料和源文件
试看课程：https://pan.baidu.com/s/104oAkYR3M_V2_B4rsE6viQ?pwd=edg3
你将会学到的
了解电生理学数据的基础知识
开始使用 Python
获得电生理数据频域分析方面的专业知识
学习识别和分析 ERP
获得使用 Python 和 MNE 库进行时频分析的实用技能。
要求
无需编程技能。唯一的软件要求是 Anaconda，它是一种流行的 Python 发行版，可以简化包管理和环境设置。您不必提前安装它，因为我将在课程中教如何安装和使用它。所以你唯一需要的就是一台电脑和一个键盘！
为什么选择本课程：
本课程专为初学者设计，提供从基础知识到高级脑电图分析技术的无缝过渡。通过动手 Python 编码练习和使用 MNE-Python 的实际示例，您将获得实用技能，这对于任何想要熟练掌握 EEG 数据分析的人来说都是必不可少的。
此课程面向哪些人：
- 本课程面向对电生理学数据分析感兴趣的各种学习者，无论其背景或经验如何。
- 电生理学初学者：刚接触电生理学领域并想要了解数据分析的基础知识和实践方面的个人会发现本课程是一个很好的起点。
- 学生和研究人员：想要将电生理数据分析纳入其学习或研究项目的本科生和研究生，以及心理学、神经科学、认知科学或相关学科领域的研究人员。
- 好奇心：对大脑、认知过程或科学研究中数据分析的应用有普遍兴趣的个人会发现该课程引人入胜且内容丰富。
