Name: STFEEG-Tool: Een ruimtelijk-temporeel-frequentie EEG-analysetool voor motorische beeldvorming hersen-computer interfaces (Video) | JoVE Journal
Uploaded: 2026-03-10T13:00:00.000+00:00
Duration: 5 min 36 s
Description: Ontdek de STFEEG-Tool voor gestandaardiseerde ruimtelijk-temporeel-frequente analyse van motorische beeldvorming EEG-data. Deze GUI-toolbox ondersteunt reproduceerbare BCI-workflows met flexibele segmentatie en geïntegreerde visualisatie.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Guger, C., Ramoser, H., Pfurtscheller, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+EEG+analysis+with+subject-specific+spatial+patterns+for+a+brain-computer+interface+%28BCI%29%5BTitle%5D)+AND+%22IEEE+Trans+Rehabil+Eng%22%5BJournal%5D)">Real-time EEG analysis with subject-specific spatial patterns for a brain-computer interface (BCI).</a> IEEE Trans Rehabil Eng. 8 (4), 447-456 (2000).</li>
<li>Chaudhary, U., Birbaumer, N., Ramos-Murguialday, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain-computer+interfaces+for+communication+and+rehabilitation%5BTitle%5D)+AND+%22Nat+Rev+Neurol%22%5BJournal%5D)">Brain-computer interfaces for communication and rehabilitation.</a> Nat Rev Neurol. 12 (9), 513-525 (2016).</li>
<li>Khan, M. A., Das, R., Iversen, H. K., Puthusserypady, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Review+on+motor+imagery-based+BCI+systems+for+upper+limb+post-stroke+neurorehabilitation%3A+From+designing+to+application%5BTitle%5D)+AND+%22Comput+Biol+Med%22%5BJournal%5D)">Review on motor imagery-based BCI systems for upper limb post-stroke neurorehabilitation: From designing to application.</a> Comput Biol Med. 123, 103843(2020).</li>
<li>Pfurtscheller, G., Neuper, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+imagery+and+direct+brain-computer+communication%5BTitle%5D)+AND+%22Proc+IEEE%22%5BJournal%5D)">Motor imagery and direct brain-computer communication.</a> Proc IEEE. 89 (7), 1123-1134 (2001).</li>
<li>Jiang, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficient+CSP+algorithm+with+spatio-temporal+filtering+for+motor+imagery+classification%5BTitle%5D)+AND+%22IEEE+Trans+Neural+Syst+Rehabil+Eng%22%5BJournal%5D)">Efficient CSP algorithm with spatio-temporal filtering for motor imagery classification.</a> IEEE Trans Neural Syst Rehabil Eng. 28 (4), 1006-1016 (2020).</li>
<li>Samek, W., Kawanabe, M., Müller, K. -R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Divergence-based+framework+for+common+spatial+patterns+algorithms%5BTitle%5D)+AND+%22IEEE+Rev+Biomed+Eng%22%5BJournal%5D)">Divergence-based framework for common spatial patterns algorithms.</a> IEEE Rev Biomed Eng. 7, 50-72 (2013).</li>
<li>Filter bank common spatial pattern (FBCSP) in motor imagery BCI. Ang, K. K., Chin, Z. Y., Zhang, H., Guan, C. Proc IEEE Int Joint Conf Neural Netw. (IJCNN), Hong Kong, , 2390-2397 (2008).</li>
<li>Kumar, S., Sharma, A., Tsunoda, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+improved+discriminative+filter+bank+selection+approach+for+motor+imagery+EEG+signal+classification+using+mutual+information%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">An improved discriminative filter bank selection approach for motor imagery EEG signal classification using mutual information.</a> BMC Bioinformatics. 18 (16), 545(2017).</li>
<li>Zhang, X., She, Q., Chen, Y., Kong, W., Mei, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sub-band+target+alignment+common+spatial+pattern+in+brain-computer+interface%5BTitle%5D)+AND+%22Comput+Methods+Programs+Biomed%22%5BJournal%5D)">Sub-band target alignment common spatial pattern in brain-computer interface.</a> Comput Methods Programs Biomed. 207, 106150(2021).</li>
<li>Yang, J., Ma, Z., Shen, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-time+and+multi-band+CSP+motor+imagery+EEG+feature+classification+algorithm%5BTitle%5D)+AND+%22Appl+Sci%22%5BJournal%5D)">Multi-time and multi-band CSP motor imagery EEG feature classification algorithm.</a> Appl Sci. 11 (21), 10294(2021).</li>
<li>Hwang, J., Park, S., Chi, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improving+multi-class+motor+imagery+EEG+classification+using+overlapping+sliding+window+and+deep+learning+model%5BTitle%5D)+AND+%22Electronics%22%5BJournal%5D)">Improving multi-class motor imagery EEG classification using overlapping sliding window and deep learning model.</a> Electronics. 12 (5), 1186(2023).</li>
<li>Liu, G., Tian, L., Zhou, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiscale+time-frequency+method+for+multiclass+motor+imagery+brain+computer+interface%5BTitle%5D)+AND+%22Comput+Biol+Med%22%5BJournal%5D)">Multiscale time-frequency method for multiclass motor imagery brain computer interface.</a> Comput Biol Med. 143, 105299(2022).</li>
<li>Liu, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Feature+selection+for+motor+imagery+EEG+classification+based+on+the+firefly+algorithm+and+learning+automata%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">Feature selection for motor imagery EEG classification based on the firefly algorithm and learning automata.</a> Sensors. 17 (11), 2576(2017).</li>
<li>Kabir, M. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Investigating+feature+selection+techniques+to+enhance+the+performance+of+EEG-based+motor+imagery+tasks+classification%5BTitle%5D)+AND+%22Mathematics%22%5BJournal%5D)">Investigating feature selection techniques to enhance the performance of EEG-based motor imagery tasks classification.</a> Mathematics. 11 (8), 1921(2023).</li>
<li>Wang, A., An, N., Chen, G., Li, L., Alterovitz, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accelerating+wrapper-based+feature+selection+with+k-nearest-neighbor%5BTitle%5D)+AND+%22Knowl+Based+Syst%22%5BJournal%5D)">Accelerating wrapper-based feature selection with k-nearest-neighbor.</a> Knowl Based Syst. 83, 81-91 (2015).</li>
<li>Andrews, S., Tsochantaridis, I., Hofmann, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Support+vector+machines+for+multiple-instance+learning%5BTitle%5D)+AND+%22Adv+Neural+Inf+Process+Syst%22%5BJournal%5D)">Support vector machines for multiple-instance learning.</a> Adv Neural Inf Process Syst. 15, 577-584 (2002).</li>
<li>You, Y., Chen, W., Zhang, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+imagery+EEG+classification+based+on+flexible+analytic+wavelet+transform%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">Motor imagery EEG classification based on flexible analytic wavelet transform.</a> Biomed Signal Process Control. 62, 102069(2020).</li>
<li>Jin, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Correlation-based+channel+selection+and+regularized+feature+optimization+for+MI-based+BCI%5BTitle%5D)+AND+%22Neural+Netw%22%5BJournal%5D)">Correlation-based channel selection and regularized feature optimization for MI-based BCI.</a> Neural Netw. 118, 262-270 (2019).</li>
<li>Chen, S., Li, N., Kong, X., Huang, D., Zhang, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electroencephalography-based+motor+imagery+classification+using+multi-scale+feature+fusion+and+adaptive+lasso%5BTitle%5D)+AND+%22Big+Data+and+Cogn+Comput%22%5BJournal%5D)">Electroencephalography-based motor imagery classification using multi-scale feature fusion and adaptive lasso.</a> Big Data and Cogn Comput. 8 (12), 169(2024).</li>
<li>Swartz Center for Computational Neuroscience. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22What+is+EEGLAB%22">What is EEGLAB</a>. , SCCN, University of California San Diego. https://sccn.ucsd.edu/eeglab/index.php (2025).</li>
<li>Zander, T. O. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aZander%2C+TO+%22BCILAB+Documentation%22">BCILAB Documentation</a>. , Available at:Â https://github.com/sccn/BCILAB/wiki/BCILAB-documentation (2020).</li>
<li>Tarara, P., Przybył, I., Schöning, J., Gunia, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+imagery-based+brain-computer+interfaces%3A+An+exploration+of+multiclass+motor+imagery-based+control+for+Emotiv+EPOC+X%5BTitle%5D)+AND+%22Front+Neuroinform%22%5BJournal%5D)">Motor imagery-based brain-computer interfaces: An exploration of multiclass motor imagery-based control for Emotiv EPOC X.</a> Front Neuroinform. 19, 1625279(2025).</li>
<li>Singh, G., Chharia, A., Upadhyay, R., Kumar, V., Longo, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pynoetic%3A+A+modular+Python+framework+for+no-code+development+of+EEG+brain-computer+interfaces%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Pynoetic: A modular Python framework for no-code development of EEG brain-computer interfaces.</a> PLoS ONE. 20 (1), e0327791(2025).</li>
<li>Liu, G., Zhang, R., Tian, L., Zhou, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fine-grained+spatial-frequency-time+framework+for+motor+imagery+brain-computer+interface%5BTitle%5D)+AND+%22IEEE+J+Biomed+Health+Inform%22%5BJournal%5D)">Fine-grained spatial-frequency-time framework for motor imagery brain-computer interface.</a> IEEE J Biomed Health Inform. 29, 4121-4133 (2025).</li>
<li>Allison, B. Z., Dunne, S., Leeb, R., Millán, J. D. R., Nijholt, A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aAllison%2C+BZ+%22Towards+Practical+Brain-Computer+Interfaces%3A+Bridging+the+Gap+from+Research+to+Real-World+Applications%22">Towards Practical Brain-Computer Interfaces: Bridging the Gap from Research to Real-World Applications</a>. , Springer. Berlin. (2012).</li>
<li>Ang, K. K., Chin, Z. Y., Wang, C., Guan, C., Zhang, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Filter+bank+common+spatial+pattern+algorithm+on+BCI+competition+IV+datasets+2a+and+2b%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">Filter bank common spatial pattern algorithm on BCI competition IV datasets 2a and 2b.</a> Front Neurosci. 6, 39(2012).</li>
<li>Dornhege, G., Blankertz, B., Curio, G., Muller, K. -R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Boosting+bit+rates+in+noninvasive+EEG+single-trial+classifications+by+feature+combination+and+multiclass+paradigms%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">Boosting bit rates in noninvasive EEG single-trial classifications by feature combination and multiclass paradigms.</a> IEEE Trans Biomed Eng. 51 (6), 993-1002 (2004).</li>
<li>Das, R. K., Martin, A., Zurales, T., Dowling, D., Khan, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+on+EEG+data+analysis+software%5BTitle%5D)+AND+%22Sci%22%5BJournal%5D)">A survey on EEG data analysis software.</a> Sci. 5 (2), 23(2023).</li>
<li>Omar, L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22VT2%3A+A+Python+Pipeline+for+EEG+Processing+%5BMaster%27s+%5D%22">VT2: A Python Pipeline for EEG Processing [Master's thesis]</a>. , ZHAW - Zurich University of Applied Sciences. Available at:Â https://www.zhaw.ch/storage/engineering/institute-zentren/cai/studentische_arbeiten/Spring_2024/VT2_MSE_24_PyThon_pipeline_lone.pdf (2024).</li>
</ol>

<table><tbody><tr><td>MATLAB</td><td>MathWorks</td><td>Versie R2024a</td><td>Software-omgeving voor numerieke berekeningen, signaalverwerking en GUI-ontwikkeling.</td></tr><tr><td>Signal Processing Toolbox</td><td>MathWorks</td><td>https://ww2.mathworks.cn/nl/products/signal.html</td><td>Toolbox voor digitale filtering en tijd-frequentieanalyse</td></tr><tr><td>Statistics and Machine Learning Toolbox</td><td>MathWorks</td><td>https://ww2.mathworks.cn/nl/products/statistics.html</td><td>Toolbox voor modeltraining en statistische analyse</td></tr></tbody></table>

stfeeg-tool: een ruimtelijk-temporeel-frequentie eeg-analysetool voor motorische beeldvorming hersen-computer interfaces

STFEEG-Tool: A Spatial-Temporal-Frequency EEG Analysis Tool for Motor Imagery Brain-Computer Interfaces

STFEEG-Tool: Een ruimtelijk-temporeel-frequentie EEG-analysetool voor motorische beeldvorming hersen-computer interfaces

Motor imagery-brain-computer interfaces (MI-BCIs) have demonstrated significant potential for neurorehabilitation and cognitive neuroscience. However, a ...

stfeeg-tool-spatial-temporal-frequency-eeg-analysis-tool-for-motor

Research

JoVE Journal

Neuroscience

Neurowetenschap

We presenteren een methode voor het verzamelen van electrocorticografische signalen voor onderzoeksdoeleinden van mensen bij wie een invasieve epilepsie monitoring. We laten zien hoe je de BCI2000 software platform te gebruiken voor het verzamelen van gegevens, signaalverwerking en stimulus presentatie. In het bijzonder laten we zien Sigfried, een BCI2000-based tool voor real-time functionele brein in kaart brengen.

Het opnemen van de Mens electrocorticografische (ECOG) Signalen voor neurowetenschappelijk onderzoek en Real-time Functioneel Cortical Mapping

We maken gebruik van magneto-en elektro-encefalografie (MEG / EEG), gecombineerd met anatomische informatie gevangen genomen door magnetische resonantie beeldvorming (MRI), om de dynamiek van het corticale netwerk is verbonden met auditieve aandacht kaart te brengen.

Het in kaart brengen Corticale Dynamics Met Gelijktijdige MEG / EEG en Anatomisch beperkt Minimum-norm Schattingen: een auditieve aandacht Voorbeeld

Dit artikel beschrijft een methode voor het verzamelen en analyseren van elektro-encefalografie (EEG) gegevens bij gelijktijdige transcraniële magnetische stimulatie (TMS) geleid door activeringen onthuld met functionele magnetische resonantie imaging (fMRI). Een methode voor het TMS artefact verwijdering en extractie van event related potentials wordt beschreven, evenals overwegingen in paradigma design en experimentele opstelling.

Extraheren Visual evoked potentials van EEG-gegevens opgenomen tijdens fMRI-geleide transcraniële magnetische stimulatie

Het monitoren van hersenactiviteit tijdens rechtopstaande motorische taken is van grote waarde bij het onderzoeken van de neurale bron van bewegingsstoornissen. Hier demonstreren we een protocol dat functionele nabij-infraroodspectroscopie combineert met continue monitoring van spier- en kinematische activiteit tijdens 4 soorten motorische taken.

Functionele Near Infrared Spectroscopy van de sensorische en motorische gebieden van de hersenen met Gelijktijdig kinematische en EMG Monitoring Tijdens Motor Taken

Functionele connectiviteit in rusttoestand MRI heeft afwijkingen geïdentificeerd bij patiënten met een breed scala aan neuropsychiatrische stoornissen, inclusief epilepsie als gevolg van malformaties van corticale ontwikkeling. Transcraniële magnetische stimulatie in combinatie met EEG kan aantonen dat patiënten met epilepsie corticale hyperexcitabiliteit hebben in regio's met abnormale connectiviteit.

Een Multimodaal Beeldverwerking en-stimulatie gebaseerde methode voor de beoordeling Connectivity-gerelateerde Brain Exciteerbaarheid bij patiënten met epilepsie

Een EEG-fMRI multimodale imaging methode, die bekend staat als de spatio fMRI-beperkt EEG bron imaging methode is hier beschreven. De onderhavige methode maakt gebruik van voorwaardelijk-actieve fMRI sub kaarten, of priors, bij EEG source localization op een wijze die verbetert de ruimtelijke specificiteit en foutieve resultaten beperkt.

Gelijktijdige EEG en functionele MRI opname en integratie analyse voor dynamische corticale activiteit Imaging

Het doel van deze studie is om een belangrijke referentie te bieden voor de standaard klinische werking van motorische beeldvorming hersen-computerinterface (MI-BCI) voor motorische disfunctie van de bovenste ledematen na een beroerte.

Motorische beeldvorming Hersen-computerinterface bij revalidatie van motorische disfunctie van de bovenste ledematen na een beroerte

Magneto-encefalografie (MEG) en high-density elektro-encefalografie (HD-EEG) worden zelden tegelijkertijd geregistreerd, hoewel ze bevestigende en aanvullende informatie opleveren. Hier illustreren we de experimentele opzet voor het registreren van gelijktijdige MEG en HD-EEG en de methodologie voor het analyseren van deze gegevens met als doel epileptogene en welsprekende hersengebieden te lokaliseren bij kinderen met resistente epilepsie.

Beeldvorming van elektromagnetische bronnen bij preoperatieve evaluatie van kinderen met resistente epilepsie

Motorische beelden in een virtual reality-omgeving hebben brede toepassingen in hersen-computerinterfacesystemen. Dit manuscript schetst het gebruik van gepersonaliseerde digitale avatars die lijken op de deelnemers die bewegingen uitvoeren die door de deelnemer zijn bedacht in een virtual reality-omgeving om de onderdompeling en het gevoel van lichaamseigendom te vergroten.

Prestaties op het gebied van motorische beelden door middel van belichaamde digitale tweelingen in een virtual reality-enabled hersen-computerinterface-omgeving

Een nieuw protocol voor gepersonaliseerde transcraniële magnetische stimulatie in combinatie met elektro-encefalografie (TMS-EEG) mapping van corticale netwerken, geïnformeerd door meerdere magnetische resonantie beeldvorming (MRI) datamodaliteiten.

Neuroimaging-geleide TMS-EEG voor real-time corticale netwerkmapping

Ontdek de STFEEG-Tool voor gestandaardiseerde ruimtelijk-temporeel-frequente analyse van motorische beeldvorming EEG-data. Deze GUI-toolbox ondersteunt reproduceerbare BCI-workflows met flexibele segmentatie en geïntegreerde visualisatie.

STFEEG-Tool: Een ruimtelijk-temporeel-frequentie EEG-analysetool voor motorische beeldvorming hersen-computer interfaces

Meer video's verkennen