fieldtrip/fieldtrip

The MATLAB toolbox for MEG, EEG and iEEG analysis

解决的问题

FieldTrip 提供了一个全面的环境，用于分析 MEG、EEG 和 iEEG 的电生理数据。它解决了在不同硬件系统之间处理复杂脑信号数据的困难，以及实现高级数学分析方法的挑战。

工作原理

这是一个 MATLAB 工具箱，提供了一套高级函数库。这些函数使研究人员能够构建自定义分析协议，并轻松集成新的分析方法。该工具箱支持来自主要 MEG 和 EEG 系统（如 CTF、Neuromag 和 BTi/4D）的多种数据格式。

适用人群

需要使用 MATLAB 分析脑活动数据的神经科学和电生理学研究人员。

主要亮点

  • 包括时频分析和非参数统计检验在内的高级分析方法。
  • 支持使用偶极子、分布式源和波束成形器进行源重建。
  • 与所有主要 MEG 和 EEG 系统的数据格式具有广泛的兼容性。
  • 可扩展的架构，允许研究人员集成新的分析技术。

相关

  • 项目
    braindecode/braindecode

    Braindecode 是一个 Python 工具箱，将深度学习模型应用于原始大脑信号数据（EEG/ECoG/MEG）。它提供了数据集加载器、预处理、几种现成的神经网络架构以及可视化工具，全部构建于 PyTorch 和 MNE-Python 之上。可通过 `pip install braindecode` 安装，主要目标用户为处理神经生理数据的神经科学家与机器学习研究人员。

  • 项目
    mne-tools/mne-python

    一个用于探索、可视化、分析人类神经生理数据（如 MEG 和 EEG）的开源 Python 包。

  • 项目
    embeddings-benchmark/mteb

    一个用于评估嵌入（embeddings）与检索系统的多模态工具箱，提供标准化的基准测试与排行榜，用于比较模型性能。

  • 项目
    orfeotoolbox/OTB

    一个用于处理千兆字节级光学、多光谱和雷达数据的开源库。

  • 项目
    nolabs-ai/deepfabric

    一个合成数据生成和评估框架，通过真实的工具执行和议题图映射，为智能体 LLM 创建高质量的训练数据集。