fieldtrip工具箱 “subject01” 被试的网格数据——降采样设置为10。

脑电相位滞后指数欢迎使用ARC EEG静止状态Wiki！ 这个维基是做什么的 该Wiki主要旨在为如何使用github本节中提供的脚本提供一些最低限度的指导。 这些脚本将用于分析静止状态EEG数据，该数据记录在以外部电极6（放置在乳突上）作为参考电极的64通道BioSemi ActiveTwo系统上。 假定触发代码用于闭眼段和睁眼段，并且目前仅使用闭眼段。 当前假定的预处理和后处理步骤如下： 读取试验和触发代码，仅选择闭眼段 非常基本的预处理包括：衰减，去趋势，低于60Hz的低通滤波器，重新参考乳突参考，可能的50Hz线噪声的带通滤波以及重采样至256Hz。 基本预处理后的可选外观检查 噪声通道的可选重建（尽管仅在绝对是垃圾通道时才使用此通道！） 使用ICA分解消除噪声并目视检查所得组件 将连续记录分割为4秒的片段，稍后再用于WPLI分析 重置试用时间戳记，以允许实地考察将其视为单独的“试用”。 使用多锥度快速傅立叶变换分别为5个频带中的每个频带计算加权相位滞后指数 从WPLI邻接矩阵计算各种图形指标 计算额叶不对称性和半球内前后平衡 步骤1-5非常有用，部分需要手动运行（例如，检查试

压缩包为FieldTrip工具箱，可以用于MEG、EEG、MRI、ERP等生物电、磁信号分析。

MNE实时 这是用于使用MNE实时分析MEG / EEG数据的存储库。 该文档可以在这里找到： 依存关系 安装 我们建议使用Anaconda Python发行版。 我们要求您使用Python3。您可以选择通过pip实时安装mne。 除了numpy和scipy （标准的Anaconda安装中包括）之外，您还需要使用pip工具安装最新版本的MNE ： $ pip install -U mne 然后安装mne-realtime ： $ pip install https://api.github.com/repos/mne-tools/mne-realtime/zipball/master 如果要更新的mne-realtime版本可用，这些pip命令也可以使用。 如果您在计算机上没有管理员特权，请对pip使用--user标志。 快速开始 info = mne . io . read_i

Brainstorm+Fieldtrip iEEG分区定位 示例代码.rar

fieldtrip-20210614.zip