登录
适应/疲劳预测模型
适应/疲劳预测模型是一类通过量化分析系统或个体在循环载荷、持续任务等作用下的状态演变规律，预测其适应能力衰减及疲劳累积过程的工具，广泛应用于材料工程、人体工效、设备运维等多个领域。其核心价值在于提前识别疲劳风险、优化资源配置、保障系统安全与运行效率，实现从“被动维护”向“主动预警”的转型。
2025-12-24
1116
7
3
经典实时QRS波检测算法（Pan-Tompkins）
Pan-Tompkins算法是由Pan和Tompkins于1985年提出的一种经典实时QRS波检测算法，发表于《IEEE Transactions on Biomedical Engineering》期刊，核心用于心电图（ECG）信号中R波的精准定位，为心率计算、心律失常检测等临床分析提供关键支撑。其设计理念基于QRS波群的时域特征（幅值、斜率、时间间隔），通过滤波增强特征、动态阈值自适应识别，兼顾检测精度与实时性，广泛应用于医疗监护设备、心电信号分析系统中。
2025-12-24
592
7
3
膝关节术后康复训练数字化方案
膝关节术后康复是恢复关节功能、提升患者生活质量的关键环节，传统康复训练存在个性化不足、进度难追踪、医患沟通不及时、患者依从性参差不齐等问题。本数字化方案依托物联网、人工智能、大数据等技术，构建“评估-训练-监测-调整-反馈”全闭环康复管理体系，通过数字化工具实现康复训练的个性化定制、精准化实施、动态化监测和科学化调整，助力患者安全、高效完成康复进程，同时为医护人员提供数据支撑，优化康复诊疗决策。
2025-12-23
881
9
14
肩关节功能（Constant-Murley）评分数字化方案
一、方案背景与目标（一）背景Constant-Murley肩关节评分量表是评估肩关节功能的权威工具，被欧洲肩肘关节外科学会等机构广泛采用，涵盖疼痛程度、日常生活影响、肩关节活动范围及肌力4个核心维度，总分100分（主观35分+客观65分），需医患协同完成评估。传统纸质评分存在数据记录繁琐、计算易出错、结果追溯困难、多中心数据整合不便等问题，难以满足临床高效评估、康复追踪及科研数据管理的需求。
2025-12-23
501
5
9
AI渗透测试框架（GreyDGL/PentestGPT）
在网络安全攻防对抗日趋激烈的背景下，传统渗透测试依赖人工经验、流程繁琐且效率低下的问题日益凸显。大型语言模型（LLM）的涌现为渗透测试自动化带来了突破性机遇，GreyDGL团队开发的PentestGPT框架应运而生。该框架以LLM为核心驱动力，通过智能任务规划、自动化工具集成与交互式指导，将渗透测试从“规则驱动”推向“智能驱动”，大幅降低了技术门槛并提升了测试效率。本文将从框架概述、核心架构、关键技术、部署使用、应用场景及挑战展望等维度，对PentestGPT进行全面解析。
2025-12-22
1
1
0
轻量级AI工作流引擎（pipecat）
Pipecat是一款开源的轻量级多模态AI工作流引擎，核心定位为简化语音与多模态对话AI代理的构建过程。其采用管道化（Pipeline）架构设计，通过模块化组件的灵活编排，实现语音识别、文本生成、语音合成、视频处理等多模态能力的无缝集成，让开发者能够快速搭建具备实时交互能力的AI系统。项目地址：https://github.com/pipecat-ai/pipecat，该项目支持全平台部署与多厂商服务适配，广泛应用于智能交互、企业服务、工业控制等多个领域。
2025-12-22
1135
5
4
深度学习框架（EEGlearn）
EEGlearn是一款专门针对脑电图（Electroencephalogram, EEG）信号处理的深度学习框架，核心定位是为脑电信号的特征提取、模式识别与智能分析提供端到端的解决方案。相较于传统脑电信号处理方法对人工特征工程的强依赖，EEGlearn依托深度学习的多层非线性映射能力，能够自动挖掘脑电信号中隐藏的时序、频谱与空间特征，显著提升了脑电分析任务的效率与精度。
2025-12-21
916
2
4
BCI算法体系
脑机接口（Brain-Computer Interface, BCI）作为连接大脑与外部设备的核心桥梁，其性能瓶颈长期受制于脑电信号（EEG）的低信噪比、个体差异大等特性。深度学习技术凭借强大的自动特征提取与复杂模式识别能力，显著突破了传统方法的局限，催生了深度学习BCI算法集合（DeepBCI）的发展。本集合系统整合了适用于不同BCI范式的主流深度学习算法，涵盖运动想象、稳态视觉诱发电位、认知状态监测等核心场景，同时兼容便携部署、零训练等实用需求，为科研与工程应用提供全面的技术支撑。
2025-12-21
562
6
11
多模态BCI平台（OpenViBE）
OpenViBE（Open Platform for Virtual Brain Environments）是一款开源的多模态脑机接口（BCI）软件平台，核心定位是支持脑机交互系统的设计、测试与实际应用，并实现与真实环境及虚拟环境的无缝对接。该平台由法国国家信息与自动化研究所（INRIA）联合多家法国科研机构发起开发，先后依托“OpenViBE”（2005-2009，聚焦残疾与健康领域）和“OpenViBE2”（2009-2012，拓展至视频游戏领域）两大项目构建完善，现已成为全球脑机接口领域极具影响力的开源工具之一。
2025-12-20
1105
3
3
深度学习BCI框架（BrainDecode）
BrainDecode是一款专注于脑机接口（BCI）领域神经信号解码的开源深度学习框架，基于Python语言构建，核心依托PyTorch深度学习生态，同时与脑电信号处理领域主流的MNE库深度集成，为脑电（EEG）等神经信号的解码任务提供标准化、可复现的端到端解决方案。其设计目标是降低BCI深度学习研究的技术门槛，让科研人员与开发者无需关注底层信号处理与模型构建的复杂细节，即可高效开展脑信号解码相关的算法研发、实验验证与应用落地工作。目前，该框架已成为学术界脑电解码研究及部分工业级BCI系统研发的核心工具之一，广泛应用于运动想象分类、癫痫检测、认知状态评估等多个场景。
2025-12-20
569
7
8
神经科学数据共享平台（OpenNeuro）
OpenNeuro是依托BRAIN Initiative（大脑计划）建立的神经科学数据档案库，核心宗旨是推动神经科学研究数据的开放共享，确保研究的可重复性（reproducibility），并最大化公共科研投入的科学影响力。平台致力于遵循FAIR数据共享原则（可查找、可访问、可互操作、可复用），通过统一的社区标准实现各类神经影像数据的有效管理、共享与复用，为全球神经科学研究者提供开放、规范的数据资源支撑。其官方访问地址为https://openneuro.org，RRID（研究资源标识符）为SCR_005031，是神经科学领域公认的重要开放科学基础设施。
2025-12-19
968
1
9
信号实时可视化工具开源方案对比分析
信号实时可视化工具是将电信号、生物信号、音频信号、网络信号等抽象数据转化为直观可交互图表的核心载体，广泛应用于科研实验、工业监测、嵌入式开发等领域。开源工具凭借低成本、可定制、生态丰富等优势，成为多数用户的首选。本文梳理当前主流开源信号实时可视化工具，从基础信息、核心差异、应用场景三方面展开深度对比，为工具选型提供参考。
2025-12-19
847
1
0
轻量化深度学习模型（EEGNet）
EEGNet是一种专为脑电图（EEG）信号处理设计的紧凑型卷积神经网络（CNN），核心定位是在资源受限场景下实现高效的脑电信号分类，尤其适用于脑机接口（BCI）领域。与传统深度学习模型相比，EEGNet通过创新的网络结构设计，在大幅减少参数数量的同时，保持了优异的特征提取能力和分类性能，解决了传统CNN在脑电处理中存在的泛化能力弱、适配性差、计算成本高的问题。
2025-12-18
574
3
5
陷波滤波（Notch Filter）
在信号处理领域，陷波滤波（Notch Filter）作为一种具有特殊频率选择性的滤波技术，凭借其对特定频率信号的精准抑制能力，在电子电路、生物医学、音频处理等众多领域发挥着不可替代的作用。本文将从基本概念、工作原理、核心分类、典型应用、设计参数及发展趋势等方面，对陷波滤波进行全面系统的阐述。
2025-12-18
1062
8
1
开源脑电采集系统（BlueBCI）
开源脑电采集系统（BlueBCI）是由蓝色传感（北京）科技有限公司主导，联合多所顶尖科研机构打造的一体化脑电信号采集与分析解决方案。作为神经科学领域的开源技术先锋，其核心价值在于打破传统脑电设备的技术壁垒与成本限制，通过软硬件协同的开源生态，为科研、教育、医疗及产业应用提供高性价比、高扩展性的脑电研究工具。系统不仅涵盖从信号采集到数据解析的全流程技术支撑，更构建了标准化的脑电研究体系，推动脑机接口（BCI）技术的普及与创新。
2025-12-17
698
9
10
FreeEEG32开源脑电图系统
FreeEEG32是一款面向科研人员与脑科学爱好者的开源脑电图（EEG）参考设计，以"高质量、低成本、可扩展"为核心优势，填补了传统专有EEG设备价格高昂、技术封闭的缺口。作为一款可堆叠的32通道同步采样系统，它凭借精准的信号采集能力和灵活的扩展特性，在神经科学研究、生物电信号分析等领域获得广泛关注。
2025-12-17
1
8
2
开源脑机接口（MIT OpenBCI）
MIT OpenBCI（Open Brain-Computer Interface）是由美国麻省理工学院（MIT）相关研究人员推动开发的开源脑机接口（BCI）平台，其核心目标是打破脑电信号获取与脑机交互技术的门槛，为科研机构、开发者及爱好者提供低成本、高可定制性的脑电数据采集与分析工具。脑机接口作为连接大脑与外部设备的桥梁，能够实现脑电信号的实时采集、处理与转化，而OpenBCI凭借“开源”特性，彻底改变了传统脑机接口设备价格高昂、技术封闭的局面，推动了脑科学研究与相关技术应用的大众化发展。
2025-12-16
660
5
2
通用脑动力学编程框架（BrainPy）
BrainPy（中文名：灵机）是由北京大学吴思教授团队联合广东省智能科学与技术研究院研发的通用脑动力学编程框架，于2023年12月在国际顶刊《eLife》正式发表相关研究成果。作为面向计算神经科学和类脑计算领域的专用工具，它以"让用户聚焦模型设计而非编程细节"为核心目标，通过整合灵活建模、高效计算与一体化分析能力，解决了传统框架的诸多痛点，同时实现了从软件到硬件的全链路适配，成为该领域的重要技术突破。
2025-12-16
658
6
9
三维动作捕捉技术解析
三维动作捕捉是一种通过特定设备和算法，实时或离线记录物体(尤其是人体)在三维空间中运动轨迹和姿态变化，并将其转化为数字信号的技术。它通过获取位置、速度、加速度及旋转角度等六自由度信息，实现运动的精准数字化采集与重建。核心工作流程：•数据采集：通过传感器或摄像头捕捉运动信号
2025-12-15
813
8
1
脑电图（EEG）技术
脑电图（Electroencephalography，简称EEG）技术作为神经科学领域的核心检测手段，通过无创方式捕捉大脑神经元的同步电活动，为人类探索大脑功能、诊断神经系统疾病提供了关键窗口。从1929年德国精神病学家汉斯·伯杰首次记录到人脑电活动至今，这项技术已历经近百年发展，成为连接宏观脑功能与微观神经机制的重要桥梁。
2025-12-15
1045
6
12
© 2021 - 现在 杭州极深数据有限公司 版权所有 （深数据® DEEPDATA® 极深®） 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号