fooof-tools/fooof

解決的問題

透過將訊號分解為非週期性（類似1/f）與週期性（振盪峰）成分，提供分析神經功率譜的方法。這讓研究人員能在不需預先定義頻率帶或忽略底層非週期性背景的情況下，測量振盪的特定特性——例如中心頻率、功率與帶寬。

作用方式

該工具使用模型驅動方法，在線性空間中擬合功率譜。它將譜分解為兩部分：

1. 非週期性成分：存在於所有頻率上的背景訊號。
2. 週期性成分：數量可變的峰，高於非週期性成分。

使用者可透過設定峰寬限制、最大峰數、最小峰高以及非週期性模式等參數，精細調整訊號的參數化方式。

適用對象

專為處理電生理資料的研究人員設計，特別是分析EEG、MEG、ECoG與LFP資料的研究者。

主要特色

• 生理學上合理：專為神經功率譜的參數化而設計。
• 彈性擬合：支援單一功率譜擬合，也支援使用群組模型處理一組譜。
• 全面報告：內建函數可用於繪製擬合結果並產生模型參數報告。
• 跨語言支援：雖以Python撰寫，但提供Matlab、Julia與R的封裝或重實現版本。