癫痫脑电分析平台
案例介绍
数据读取：解析 EDF header、通道信息、采样率、数字量程和物理量程。
预处理：对真实采样序列进行均值去除、标准化和平滑滤波。
特征提取：计算 RMS、线长、θ/α/β 频带能量、θ/β、谱熵和 Hjorth 指标。
模型训练：使用前端轻量规则模型根据特征估计发作概率。
结果评估：输出每个 EDF 文件的概率、标签和批量汇总指标。
报告导出：生成包含文件级特征和预测结果的 JSON 分析摘要。
解决的问题
癫痫脑电分析通常涉及 EDF 数据读取、信号预处理、特征工程、模型训练和结果解释多个步骤。传统展示方式容易把这些步骤拆散，难以体现完整实验链路。本平台将这些模块整合到一个可交互页面中，用于直观展示项目流程、分析结果和最终报告。
功能模块
模块 说明
数据导入 批量上传 EDF 脑电文件，触发分析流程
预处理 基于真实 EDF 采样展示原始/滤波 EEG 波形
特征提取 展示 RMS、θ Power、SampEn、HFD 等特征，并提供带坐标轴的时频热力图
模型训练 展示发作识别模型输出
结果评估 展示 F1-score、Sensitivity 等指标
报告导出 导出 eeg-analysis-report.json
癫痫脑电分析平台
案例介绍
本平台用于展示癫痫脑电信号自动分析的核心流程。用户批量上传 EDF 文件后，页面会在浏览器端读取 EDF header 和通道采样，并执行以下链路：
数据读取：解析 EDF header、通道信息、采样率、数字量程和物理量程。
预处理：对真实采样序列进行均值去除、标准化和平滑滤波。
特征提取：计算 RMS、线长、θ/α/β 频带能量、θ/β、谱熵和 Hjorth 指标。
模型训练：使用前端轻量规则模型根据特征估计发作概率。
结果评估：输出每个 EDF 文件的概率、标签和批量汇总指标。
报告导出：生成包含文件级特征和预测结果的 JSON 分析摘要。
解决的问题
癫痫脑电分析通常涉及 EDF 数据读取、信号预处理、特征工程、模型训练和结果解释多个步骤。传统展示方式容易把这些步骤拆散，难以体现完整实验链路。本平台将这些模块整合到一个可交互页面中，用于直观展示项目流程、分析结果和最终报告。
功能模块
模块 说明
数据导入 批量上传 EDF 脑电文件，触发分析流程
预处理 基于真实 EDF 采样展示原始/滤波 EEG 波形
特征提取 展示 RMS、θ Power、SampEn、HFD 等特征，并提供带坐标轴的时频热力图
模型训练 展示发作识别模型输出
结果评估 展示 F1-score、Sensitivity 等指标
报告导出 导出 eeg-analysis-report.json
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
