TBC-TJU/MetaBCI

解决的问题

MetaBCI 旨在简化非侵入式脑-机接口（BCI）的开发。它解决了不同格式的分散 BCI 数据集难以处理、现代解码算法缺乏 Python 实现以及在线 BCI 实验设置复杂等难题。

工作原理

该平台分为三个主要模块：

• brainda：负责数据集导入、EEG 数据预处理以及 EEG 解码算法的实现。
• brainflow：提供高速的在线 EEG 数据处理框架。
• brainstim：用于设计 BCI 实验范式（如 MI、P300 和 SSVEP）的模块。

适用人群

希望专注于算法改进和实验，而非数据准备和管道搭建的脑-机接口研究人员和开发者。

主要亮点

• 全面的算法库：包含分解方法（CSP、CCA、TRCA）、流形学习（黎曼几何）以及深度学习模型（EEGNet、ShallowConvNet）。
• 数据集支持：内置对多种 MI 和 SSVEP 数据集的支持。
• 集成式流水线：允许用户将预训练模型引入在线解码流水线。
• Lemmas to MOABB：通过钩子函数扩展 MOABB API，支持预处理和使用 joblib 加速数据加载。