MEG_Gump:收集MEG数据

#NeuroRA 从多模态神经数据进行表示分析的Python工具箱 概述 代表性相似性分析（RSA）已成为一种流行的有效方法，用于测量不同模式下多变量神经活动的代表性。 NeuroRA是一个基于Python的易于使用的工具箱，可以在几乎所有种类的神经数据中完成有关RSA的一些工作，包括行为，EEG，MEG，fNIRS，sEEG，ECoG，fMRI和其他一些神经电生理数据。 此外，用户可以在NeuroRA上进行神经模式相似度（NPS） ，时空模式相似度（STPS）和受试者间相关度（ISC） 。 安装 点安装神经元 纸 Lu，Z.，＆Ku，Y.（2020年）。 NeuroRA：来自多模式神经数据的表示分析的Python工具箱。 神经信息学前沿。 14：563669。 doi：10.3389 / fninf.2020.563669 网站及使用方法 在查看更多详细信息。 您可以在阅读或在下载

meg文件(不知道的别下载).zip

matlab脑电功率谱代码脑电图-MEG-代码-MATLAB 该存储库包含有用的MATLAB函数，用于EEG分析。 ssd：是ssd的频域扩展（时空频谱分解）。 请参阅功能标题。 select_component：是有助于手动排除ICA伪影的功能。 EEGLab ICA透视窗口很慢，并且没有与数据进行交互的机会。 使用此功能，可以交互查看EEG的频谱（如果所选组件被拒绝）以及将被拒绝的alpha功率量以及其他选项（请参见功能的标题）。 另外，用鼠标左键和右键单击可以选择“主动”和“被动”组件，这意味着无论如何都应拒绝主动组件，并且保留被动组件以备将来使用。 例如，在许多情况下，研究人员更喜欢去除眼睛和心脏的假象，但也希望保留肌肉假象的成分，以防他们想要去除它们。 前者将通过左键单击选择为主动，而后者将通过右键单击选择为被动。 plot_spec：是用于绘制多通道信号频谱的函数。 注意：EEGlab函数有一些错误。

matlab界面选择代码深层神经网络转移学习EEG-MEG- 该代码具有两个基于SGD和adam的CNN模型（模型1和2）。 还包括维格纳维尔（Wigner-ville）分发代码 功能：RAW EEG，短时傅立叶变换，Wigner-ville分布 深度学习参数适应：贝叶斯优化 平台：Matlab，Python 该代码用于复制题为“单一模型深度学习方法可以增强基于EEG的脑机接口的分类精度吗？”的论文。 如果您使用的是部分代码，请引用这些论文： 罗伊·苏吉特（Roy，Sujit）等。 “通道选择改善了基于MEG的脑机接口。” 2019年第9届国际IEEE / EMBS神经工程会议（NER）。 IEEE，2019年。 Roy，S.，McCreadie，K.和Prasad，G.，2019年10月。 单一模型深度学习方法能否提高基于EEG的脑机接口的分类精度？ 在2019年IEEE系统，人与控制论国际会议（SMC）（pp.1317-1321）中。 IEEE。 正在开发中

博客《Python中MNE库的事件相关特定频段分析（MEG数据）》对应的资料包，配合博客使用更香哦。

该库包含 TRAP MUSIC 多源定位算法的 Matlab 实现。 该库包含三个函数 trapmusic_presetori.m trapmusic_optori.m trapmusic_example.m 实现是基于马克拉、斯腾鲁斯、萨瓦斯、伊尔莫涅米。 用于 MEG 和 EEG 源定位的截断 RAP-MUSIC (TRAP-MUSIC)。 NeuroImage 167（2018）：73--83。 https://doi.org/10.1016/j.neuroimage.2017.11.013有关 TRAP MUSIC 方法的更多信息，请参阅出版物。 如果您使用该方法和/或此实现，我还恳请您引用该论文。 如果您无法访问该论文，请通过电子邮件向我发送请求。 我分享这些程序，希望它们对 EEG/MEG 数据分析、方法开发和学习有用。 这些程序是在 Matlab R2019b 中构建和

PTA、MEG月报.pdf

脑力解码 深度学习工具箱，用于解码原始时域脑电图。 对于想要与深度学习合作的EEG研究人员以及想要与EEG数据合作的深度学习研究人员。 目前，重点放在卷积网络上。 安装 从安装pytorch（无需安装torchvision）。 通过pip安装 （如果要使用MOABB数据集实用程序则需要）： pip install moabb 通过pip安装最新版本的braindecode： pip install braindecode 或者，如果您使用conda，则可以使用以下内容创建专用环境： curl -O https://raw.githubusercontent.com/braindecode/braindecode/master/environment.yml conda env create -f environment.yml conda activate braindeco

mne-python：MNE：Python中的磁脑图（MEG）和脑电图（EEG）