DeepLearning-EEG-exercise-matlab代码:利用深度学习分析运动对脑电数据产生的影响

matlab代码影响脑电锻炼的深度学习 论文标题为“利用卷积神经网络揭示急性心血管运动对运动学习的神经相关性的影响”的代码基础 抽象的 众所周知，心血管运动可促进新近获得的运动技能的巩固。 迄今为止，试图了解运动所导致的运动记忆巩固与神经相关的神经的相关研究迄今仍依赖于使用传统的统计方法从包括脑电图在内的神经影像数据中选择先验特征。 随着机器学习的最新进展，诸如深度学习之类的数据驱动技术已显示出用于脑机接口的EEG数据解码的巨大潜力，但尚未在运动环境中进行探索。 在这里，我们提出了一种新颖的基于卷积神经网络（CNN）的管道，用于分析EEG数据，以研究通过运动调节的大脑区域和频谱EEG量度。 据我们所知，这项工作是第一个展示CNN在有限样本量设置中进行训练的能力的研究。 与通常用于数据分析的更宽的β带宽（15--30 Hz）相比，我们的方法揭示了在精炼的频带（27--29 Hz）内具有区分性的频谱特征，后者通常用于数据分析以及已调制的相应大脑区域通过运动。 这些结果表明，使用常规的假设驱动的统计方法可以忽略掉更精细的EEG频谱特征。 因此，我们的研究表明，即使在小规模研究中，也可以使用深