fieldtrip/fieldtrip

The MATLAB toolbox for MEG, EEG and iEEG analysis

解決的問題

FieldTrip 提供一個全面的環境，用於分析 MEG、EEG 和 iEEG 的電生理學資料。它解決了在不同硬體系統之間處理複雜腦訊號資料的困難，以及實作高階數學分析方法的挑戰。

工作原理

這是一個 MATLAB 工具箱，提供一組高階函數庫。這些函數使研究人員能夠建立自訂分析協定，並輕鬆整合新的分析方法。該工具箱支援來自主要 MEG 和 EEG 系統（如 CTF、Neuromag 和 BTi/4D）的多種資料格式。

適用對象

需要使用 MATLAB 分析腦活動資料的神經科學與電生理學研究人員。

主要亮點

  • 包含時間-頻率分析與非參數統計檢驗的高階分析方法。
  • 支援使用偶極子、分散源與波束成形器進行源重建。
  • 與所有主要 MEG 和 EEG 系統的資料格式具有廣泛相容性。
  • 可擴充的架構，允許研究人員整合新的分析技術。

相關

  • 專案
    braindecode/braindecode

    Braindecode 是一個 Python 工具箱，將深度學習模型應用於原始大腦訊號資料（EEG/ECoG/MEG）。它提供了資料集載入器、前處理、數種現成的神經網路架構以及視覺化工具，全部建構於 PyTorch 和 MNE-Python 之上。可透過 `pip install braindecode` 安裝，主要目標使用者為處理神經生理資料的神經科學家與機器學習研究人員。

  • 專案
    mne-tools/mne-python

    一個用於探索、視覺化與分析人類神經生理數據（如 MEG 與 EEG）的開源 Python 套件。

  • 專案
    embeddings-benchmark/mteb

    一個用於評估嵌入（embeddings）與檢索系統的多模態工具箱，提供標準化的基準測試與排行榜，用於比較模型性能。

  • 專案
    orfeotoolbox/OTB

    一個可處理千兆位元組級光學、多光譜與雷達資料的開源庫。

  • 專案
    nolabs-ai/deepfabric

    一個合成數據生成與評估框架，透過真實工具執行和佈題圖譜映射，為代理型 LLM 建立高品質的訓練數據集。