braindecode/braindecode

Braindecode – 大脑信号数据的深度学习工具箱

这是什么 – Braindecode 是一个开源 Python 库，让研究人员能将现代深度学习模型直接应用于原始电生理记录，如 EEG、ECoG 和 MEG。它整合了数据获取工具、预处理流水线、可视化辅助工具，以及一系列现成的神经网络架构（例如卷积神经网络）和对大脑信号解码非常有用的数据增强技巧。

适用对象 –

• 想要尝试深度学习，但不想从头构建整个机器学习技术栈的神经科学家。
• 对神经生理数据集感兴趣的机器学习研究人员。

关键组件

• 数据集获取器 – 一键下载流行的 EEG 基准测试（通过 MOABB 库）。
• 预处理与增强 – 用于过滤、划分时段、标准化及增强原始信号的函数。
• 模型库 – 几种最先进架构的实现（例如 ShallowConvNet、Deep4Net），这些架构已在 EEG 解码任务中得到验证。
• 可视化 – 用于绘制原始信号、模型预测和学习到的特征图的工具。
• 与 MNE-Python 整合 – 利用广泛使用的 MNE 生态系统来处理神经影像数据。

安装

# 1. Install PyTorch (no torchvision needed)
#    Follow the instructions at https://pytorch.org/

# 2. Optional: install MOABB if you need benchmark EEG datasets
pip install moabb

# 3. Install Braindecode itself
pip install braindecode

如需最新的开发版本，请参阅项目的 CONTRIBUTING 指南。

文档与支持 – 完整的 API 文档、教程和示例皆托管于 https://braindecode.org （包含稳定版与开发版）。该仓库还包含文档、测试和代码覆盖率的 CI 徽章，显示其有在积极维护。

引用 – 如果您在研究中使用该库，请引用 Zenodo DOI (10.5281/zenodo.17699192) 以及介绍核心 EEG-CNN 模型的 2017 年原始 Human Brain Mapping 论文。

授权条款 – 核心代码采用 BSD-3-Clause，部分辅助文件则采用 CC-BY-NC、MIT 或 Apache-2.0。