TensorFlow处理运动想象分类任务

本文代码来源于东北电力大学和长春理工大学研究团队的研究成果《A novel approach of decoding {EEG} four-class motor imagery tasks via scout ESI and CNN》。

本文中的方法是EEG源成像（ESI）+ Morlet小波联合时频分析（JTFA）+卷积神经网络（CNN）。原始数据已使用Matlab ToolkitBrainstorm处理。在ESI + JTFA过程处理之后，使用CNN对EEG数据进行分类。

EEG Motor Imagery Signals (Tasks) Classification 

via Convolutional Neural Networks (CNN)

代码地址：

https://github.com/SuperBruceJia/EEG-Motor-Imagery-Classification-CNNs-TensorFlow

安装使用

1. Python file: PhysioNet_MI_Dataset/MIND_Get_EDF.py

   --- download all the EEG Motor Movement/Imagery Dataset .edf files from here!

   (Under Any Python Environment) $ python MIND_Get_EDF.py
   

2. Python file: Read_Raw_Data_Save_Into_Matlab_Files.py

   --- Read the edf Raw data of different channels and save them into matlab .m files

   --- At this stage, the Python file must be processed under a Python 2 environment (I recommend to use Python 2.7 version).

   (Under Python 2.7 Environment) $ python Read_Raw_Data_Save_Into_Matlab_Files.py
   

3. Matlab file: Saved_Matlab_Data/Preprocessing_Raw_Data.m

   --- Pre-process the dataset (Data Normalization mainly) and save matlab .m files into Excel .xlsx Files

4. Python file: MI_Proposed_CNNs_Architecture.py

   --- the proposed CNNs architecture

   --- based on TensorFlow 1.12.0 with CUDA 9.0 or TensorFlow 1.13.1 with CUDA 10.0

   --- The trained results are saved in the Tensorboard

   --- Open the Tensorboard and save the results into Excel .csv files

   --- Draw the graphs using Matlab or Origin

   (Under Python 3.6 Environment) $ python MI_Proposed_CNNs_Architecture.py

CNN网络架构代码：MI_Proposed_CNNs_Architecture

不用于商业行为，转载请联系后台

若有侵权，请后台留言，管理员即时删侵！

更多阅读

投稿通道

如何让你的工作让更多人知晓和受益？

脑机接口社区就是这样一个连接学界、

企业界和爱好者的平台渠道。

社区鼓励高校实验室、企业或个人在我们平台上分享优质内容。

稿件要求

稿件系个人原创作品，若已在其他平台发表，请明确标注。

稿件一经录取，便提供稿费！

投稿通道

微信扫码，备注：投稿+姓名+单位

微信交流群，请扫码上方微信

(备注：姓名+单位+专业/领域行业)

QQ交流群：913607986

你的每一次在看，我都很在意！