当前位置: 首页 > news >正文

SSVEP Next:现代化的 SSVEP 可视化 Web 快速实现

SSVEP Next:现代化的 SSVEP 可视化 Web 快速实现

在线使用 | Github

image

SSVEP-Next 是一个基于 React、TypeScript 和 Vite 构建的单页面应用(SPA),用于快速设计和运行稳态视觉诱发电位(SSVEP)实验的视觉刺激界面。该项目继承自 quick-ssvep 的核心科学算法,并在架构和交互体验上进行了全面升级。

主要特性包括:

  • 拖拽式可视化设计:用户可通过拖拽和属性面板,直观地在画布上布局和配置刺激方块。
  • 实时属性调整:支持对刺激频率、文本、颜色、位置和尺寸等参数的实时修改。
  • 高精度刺激渲染:采用 requestAnimationFrame 实现精确的时序控制,支持直接测量瞬时频率和滑动窗口平均频率,动态监控帧率。
  • 状态管理与持久化:使用 Zustand 进行集中式状态管理,支持本地存储、文件导入导出和一键分享链接。
  • 全屏运行与自动计时:支持全屏刺激模式和实验自动停止。
  • 现代前端架构:采用模块化组件结构,便于扩展和维护,并集成自动化部署流程。

与 quick-ssvep 相比,SSVEP-Next 提供了更友好的可视化交互、更完善的频率测量与反馈机制,以及更高效的项目管理和分享能力,适合科研人员和开发者快速搭建和测试 SSVEP 实验范式。

特性quick-ssvepSSVEP-Next (本项目)
核心范式参数化配置,代码驱动可视化、拖拽式设计
技术架构原生 JavaScript, HTML, CSSReact, TypeScript, Vite (现代 Web 架构)
状态管理全局变量,DOM 查询Zustand (集中式、可预测的状态管理)
频率测量直接测量瞬时/平均频率继承并优化:实现相同的直接测量法,并增加滑动窗口平滑
帧率监控启动前预估实时动态监控,运行时反馈更准确
分享与协作生成静态 URL继承并优化 一键分享链接,轻松复现实验设计
部署手动上传文件CI/CD 自动化部署 (GitHub Actions)

image

注意:刺激器的性能(刺激的确切频率)在很大程度上取决于机器和运行它的 Web 浏览器。它不是为严格的学术用途而设计的,而是测试简单 SSVEP 设置的快速解决方案。

http://www.dtcms.com/a/263772.html

相关文章:

  • CAU数据挖掘实验 表分析数据插件
  • 【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(2)支持向量回归(SVR)
  • 软考中级【网络工程师】第6版教材 第1章 计算机网络概述
  • MATLAB构建capm和三因子模型
  • (论文总结)语言模型中的多模态思维链推理
  • 记一次Ubuntu22安装MongoDB8并同步本地数据过程
  • 动手学深度学习13.5. 多尺度目标检测-笔记练习(PyTorch)
  • FPGA FMC 接口
  • 【仿muduo库实现并发服务器】LoopThreadPool模块
  • Linux安装JDK和Maven
  • 多探头分布式雷达测流系统解决方案概述
  • 洛谷P1379 八数码难题【A-star】
  • 目标检测在国防和政府的应用实例
  • vue-i18n+vscode+vue 多语言使用
  • 缺乏对新成员的有效融入机制,如何改进
  • 学习昇腾开发的第12天--安装第三方依赖
  • 【Linux基础知识系列】第三十八篇 - 打印系统与 PDF 工具
  • Ubuntu 20.04 下 OpenVINO 2024 安装与配置
  • 业界优秀的零信任安全管理系统产品介绍
  • 基于 51 单片机做的二十四点小游戏
  • MongoDB 常用增删改查方法及示例
  • stm32 单片机主要优点有哪些?
  • 【Docker基础】Docker数据卷:命名卷(Named Volumes)详解
  • 从 0 到 1 构建可视化限流演示:React + Framer Motion 实现 Token Bucket 动画
  • Camera相机人脸识别系列专题分析之十五:人脸特征检测FFD算法之libcvface_api.so算法API详细注释解析
  • 解决 GitHub Actions 中 S3 部署文件堆积问题的完整指南
  • 使用tensorflow的线性回归的例子(二)
  • 数字雨动画背景
  • TensorFlow源码深度阅读指南
  • 工作中常用的Git操作命令(一)