braindecode/braindecode

Braindecode – 大腦訊號資料的深度學習工具箱

這是什麼 – Braindecode 是一個開源 Python 函式庫，讓研究人員能將現代深度學習模型直接應用於原始電生理記錄，如 EEG、ECoG 和 MEG。它整合了資料擷取工具、前處理管線、視覺化輔助工具，以及一系列現成的神經網路架構（例如卷積神經網路）和對大腦訊號解碼非常有用的資料擴充技巧。

適用對象 –

• 想要嘗試深度學習，但不想從頭建構整個機器學習技術堆疊的神經科學家。
• 對神經生理資料集感興趣的機器學習研究人員。

關鍵元件

• 資料集擷取器 – 一鍵下載流行的 EEG 基準測試（透過 MOABB 函式庫）。
• 前處理與擴充 – 用於過濾、切分時段、標準化及擴充原始訊號的函數。
• 模型庫 – 數種最先進架構的實作（例如 ShallowConvNet、Deep4Net），這些架構已在 EEG 解碼任務中得到驗證。
• 視覺化 – 用於繪製原始訊號、模型預測和學習到的特徵圖的工具。
• 與 MNE-Python 整合 – 利用廣泛使用的 MNE 生態系統來處理神經影像資料。

安裝

# 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

如需最新的開發版本，請參閱專案的 CONTRIBUTING 指南。

文件與支援 – 完整的 API 文件、教學與範例皆託管於 https://braindecode.org （包含穩定版與開發版）。該儲存庫還包含文件、測試和程式碼覆蓋率的 CI 徽章，顯示其有在積極維護。

引用 – 如果您在研究中使用該函式庫，請引用 Zenodo DOI (10.5281/zenodo.17699192) 以及介紹核心 EEG-CNN 模型的 2017 年原始 Human Brain Mapping 論文。

授權條款 – 核心程式碼採用 BSD-3-Clause，部分輔助檔案則採用 CC-BY-NC、MIT 或 Apache-2.0。