mne-python

精选的神经科学领域优秀库、软件及相关资源列表

这是陆军研究实验室 (ARL) 的 EEGModels 项目：一个使用 Keras 和 TensorFlow 的脑电图 (EEG) 信号分类卷积神经网络 (CNN) 模型集合。

用于解码脑电图 (EEG)、心电图 (ECG) 或脑磁图 (MEG) 信号的深度学习软件

脑电图转换器2.0： i. 基于卷积变换的脑电图解码器； ii. 新型可视化方法——类别激活地形图。

一份公开可用的脑电生理学数据集列表（主要包含人类数据）

DeepSleepNet：基于单通道原始脑电图的自动睡眠分期评分模型

本项目将Transformer（视觉Transformer，ViT）模型应用于二维生理信号（脑电图EEG）的分类任务，并可拓展应用于肌电图EMG、眼电图EOG、心电图ECG等信号。项目将关注空间维度（通道注意力）和时间维度的特征提取。此外，项目还将使用Python实现一种高效的特征增强方法——公共空间模式（CSP）。

用于OpenBCI和Muse脑电图（EEG）和心电图（ECG）分析的Python实用程序集合

SleepEEGNet：基于序列到序列深度学习的自动睡眠分期评分方法

《基于脑电图的脑机接口深度学习：表示、算法与应用》资源