几乎所有脑电(electroencephalogram,EEG)初学者都是从 EEGLAB 开始接触脑电预处理过程的,EEGLAB浅显直观的GUI界面以及基于MATLAB的代码操作,影响了一代脑电学者。然而,随着简洁、易上手的Python语言的快速发展,其丰富的社区资源也扩张到了认知神经科学领域。MNE-Python、Nilearn、Nibabel、NeuroRA等相关工具包也层出不穷,让我们有机会开始使用Python来对进行各种神经数据(尤其是EEG)进行分析处理。遗憾的是,它们尚未得到广泛使用。
近日,来自俄亥俄州立大学、北京大学、中山大学与博瑞康科技的研究人员发布了一个基于Python的EEG数据处理手册,在Brain-X(交叉脑科学)以“An easy-to-follow handbook for electroencephalogram data analysis with Python”为题发表方法学论文。该手册面向认知神经科学和相关领域的所有脑电(EEG)研究人员,旨在鼓励更多心理学和神经科学研究人员加入Python社区,并希望为更高阶的EEG数据分析架起桥梁。俄亥俄州立大学认知神经科学在读博士路子童为本文第一兼通讯作者。
该项研究为认知神经科学及相关领域的所有脑电研究人员提供了使用Python进行EEG分析的简单实用指南,该手册主要分成了四个章节:单被试预处理、基本Python数据操作、多被试分析、以及高级EEG数据分析。单被试预处理章节提供了对单个被试EEG数据预处理的标准化流程;基本Python数据操作部分,介绍了在 EEG 数据处理过程中会遇到的基本 Python 操作,包括数据读取、存储和统计分析;多被试分析章节包括了如何进行事件相关电位和时频分析并可视化结果。高级EEG数据分析章节基于使用NeuroRA工具包,介绍了三种高级分析方法:基于分类的解码、表征相似性分析和反向编码模型。
希望此Python EEG数据处理手册能作为一个桥梁,不仅仅连接过去和未来,也连接初学者与专家、研究者与开发者,来共同推进脑电数据分析的发展。
该手册对应的详细代码可在GitHub查看:英文版:https://github.com/ZitongLu1996/Python-EEG-Handbook;中文版:https://github.com/ZitongLu1996/Python-EEG-Handbook-CN。
论文一作兼通讯作者介绍
路子童,俄亥俄州立大学认知神经科学博士在读,华东师范大学认知神经科学硕士(2021),东北大学软件工程本科(2018)。研究方向包括使用眼动、行为学、EEG和fMRI探究人类视觉感知的行为与神经机制以及结合人脑神经数据构建类脑视觉模型,其以一作/通讯作者身份论文发表于Elife, Journal of Experimental Psychology: General (APA editor’s choice), iScience, Frontiers in Neuroinformatics等期刊。工具包NeuroRA和Python脑电数据处理手册的作者,微信公众号“路同学”的运营者。
文本链接:
https://onlinelibrary.wiley.com/doi/10.1002/brx2.64
本文引用格式:
Zitong Lu, Wanru Li, Lu Nie, Kuangshi Zhao. An easy-to-follow handbook for electroencephalogram data analysis with Python. Brain-X. 2024; 2:e64. https://doi.org/10.1002/brx2.64
投稿指南链接:
https://onlinelibrary.wiley.com/page/journal/28353153/homepage/author-guidelines
投稿:(仅限投稿)
合作:(期刊合作、编委、青委等)
期刊官网(WILEY):
https://onlinelibrary.wiley.com/journal/28353153
期刊网址(Owner):
http://www.brain-x.science
微信公众号(WeChat):
更多期刊内容,请点击阅读:
2、征稿:Brain-X (交叉脑科学),免版面费,编辑部负责润色!
4、Brain-X (交叉脑科学):Volume 2 Issue 1,正式上线!
5、Brain-X (交叉脑科学):Volume 1 Issue 4,正式上线!
6、Brain-X (交叉脑科学):Volume 1 Issue 3,正式上线!
7、Brain-X (交叉脑科学):Volume 1 Issue 2,正式上线!