TBC-TJU/MetaBCI

解決的問題

MetaBCI 是為簡化非侵入式腦-電腦介面（BCI）的開發而設計。它解決了不同格式的分散式 BCI 數據集難以處理、現代解碼演算法缺乏 Python 實作，以及線上 BCI 實驗設定複雜等問題。

工作原理

此平台分為三個主要模組：

• brainda：負責資料集匯入、EEG 數據預處理，以及 EEG 解碼演算法的實作。
• brainflow：提供高速的線上 EEG 數據處理框架。
• brainstim：用於設計 BCI 實驗範式（如 MI、P300 和 SSVEP）的模組。

適用對象

希望專注於演算法改進與實驗，而非資料準備與管道設定的腦-電腦介面研究人員與開發者。

主要亮點

• 全面的演算法圖書館：包含分解方法（CSP、CCA、TRCA）、流形學習（黎曼幾何）以及深度學習模型（EEGNet、ShallowConvNet）。
• 資料集支援：內建支援多種 MI 與 SSVEP 資料集。
• 整合式流程：允許使用者將預訓練模型導入線上解碼流程。
• Lemmas to MOABB：透過鈎子函數擴充 MOABB API，支援預處理與使用 joblib 加速資料載入。