SEEG脚本 该存储库包含主要使用mne-python的stereotactic-EEG（SEEG）的预处理和分析脚本。 有两种主要的数据格式： Raw和Epoch 。 特征 语言：Python 软件包：mne-python，numpy，光谱连接，matplotlib，visbrain，pandas等 操作系统：Windows，Linux，MacOs 开始吧 首先，使用Anaconda或python本身创建一个python环境。 如果您有Anaconda或Miniconda，则只需键入以下命令 在您的终端中conda create -n [enve name] python=3.7 或者您可以从下载python 3.7（或更高版本） 然后输入python -m venv [enve name] 其次，使用requirements.txt安装所需的软件包。 键入pip insta

mne学习教程代码，完整的脑电信号处理流程

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。

脑电图分析 使用MNE和Networkx对静止状态eeg数据进行图形分析 清理静止状态数据，并使用相位滞后指数（PLI）创建连接矩阵。 然后，建立一个图，并为进行无偏组比较，导出一个非循环子图，该图连接了所有节点，从而使边缘权重最小（w = 1 / w）。 此子图称为最小生成树。 前处理 导入数据，然后以1-30Hz的频率对其进行过滤（mne滤波器已经使用了零相滤波器）。 设置平均参考。 在执行ICA之前，请检查并排除不良电极。 对原始数据进行首次视觉检查，排除包含明显伪像的段。 计算我将传递给ICA的拒绝阈值 使用Extended-infomax方法运行ICA 目视检查ICA组件，以检查是否有代表眼睛运动或眨眼的组件。 运行应使这些组件高亮的自动过程 申请ICA 创建时期并执行最后的目视检查以排除不良时期。 保存时代连通性矩阵 使用PLI方法计算连接矩阵。 使用这些值

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

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

python中MNE库中ICA和PCA的使用，资料包中提供了源代码和数据，可供调试使用。资料包中的数据来源与BCI竞赛中运动想象的公开数据集，挑选了部分数据进行处理。

MNN库中CSP算法的使用，以BCI竞赛中运动想象的数据为例。参考博客Python中MNE库滤波的重要性。https://blog.csdn.net/zhoudapeng01/article/details/106124655

共空间域滤波是研究脑电运动想象的一个很好用的算法，python中有MNE库提供相关算法的实现，这个程序主要是针对其CSP的示例程序添加了相关注释，也可以访问博客获取相关内容： https://blog.csdn.net/zhoudapeng01/article/details/103979381

Python 中FIR滤波和STFT滤波效果对比，包含源代码和用到的数据文件，数据文件格式为fif。