资源分享帖 | MNE-Python学习资料
在本周的一篇文章中有提到使用MNE-Python来处理脑电数据，Python语言是一门易学、严谨的程序设计语言。Python的设计哲学是“优雅”、“明确”、“简单”。同时，python有很多库可以选择，非常之简便，其中MNE库就是用来处理EEG/MEG数据的库。小编最近开始在尝试学习这种方法
你可以用MNE—Python做什么
处理原始文件：简而言之，您使用mne_process_raw（滤波，下采样等）所做的一切
独立成分分析：关于原始和分段数据。
Epoching：定义时期，基线校正，去伪迹，处理不同条件的分段等。
平均：得到诱发数据
计算条件之间，传感器之间，主题之间的对比等。
线性逆解算器（dSPM，MNE，MxNE，波束形成器）
交互式MNE源估计可视化
Morlet小波（感应功率，锁相值）的时频分析也在源空间中进行
连通性估计可视化和分析传感器之间或源空间中ROI之间的连通性。
时间，空间和频率的非参数统计（包括cluster-level）
脚本（批处理和并行计算）
使用为原始，分段和诱发时期的数据提供将数据导出到其他Python库，如NiTime和Panda
所以本周分享及推荐给大家一些学好MNE-Python的资料及网址，公众号初步设想每周末分享一些学习资源供大家学习参考，如分享资源有不当之处，请后台留言删除。
推荐网址：
http://martinos.org/mne/stable/index.html（用于探索，可视化和分析人类神经生理学数据的开源Python软件：MEG，EEG，sEEG，ECoG等。）
https://pypi.org/project/mne/（mne-python下载网址）
https://github.com/mne-tools/mne-python/issues/（MNE问题汇总的github网址）
http://martinos.org/mne/stable/documentation.html（MNE文档指导）
资源：
主要来源：python官方网址以及网络资源
以上分享内容主要来源及参考网络资源。文章仅限学习使用，不用于商业行为，若有侵权及疑问，请后台留言！
Make brain technology more simple!
微信对话框回复“MNE-Python”即可获取链接
推荐阅读：