M/EEG数据中自动拒绝和修复epochs。
项目描述
autoreject
这是一个用于自动拒绝脑磁图/电图(M/EEG)数据中的坏试验和修复坏传感器的库。
文档可以在以下链接中找到
安装
我们推荐使用 Anaconda Python发行版 和 Python版本 >= 3.8。要获取 autoreject 的稳定发布版,您可以使用 pip
pip install -U autoreject
或者 conda
conda install -c conda-forge autoreject
如果您想获取 autoreject 的最新(开发)版本,请使用
pip install https://api.github.com/repos/autoreject/autoreject/zipball/master
如果您在计算机上没有管理员权限,请在 pip 中使用 --user 标志。
为了检查一切是否正常工作,您可以执行以下操作
python -c 'import autoreject'
并且不应该显示任何错误信息。
以下是 autoreject 的依赖项列表。安装 autoreject 时,所有必需的依赖项都将自动安装。
mne (>=1.0)
numpy (>=1.20.2)
scipy (>=1.6.3)
scikit-learn (>=0.24.2)
joblib
matplotlib (>=3.4.0)
可选依赖项包括
openneuro-py (>= 2021.10.1,用于从 OpenNeuro.org 获取数据)
快速入门
开始使用最简单的方法是复制以下三行代码到您的脚本中
>>> from autoreject import AutoReject
>>> ar = AutoReject()
>>> epochs_clean = ar.fit_transform(epochs) # doctest: +SKIP
这将自动清理使用 MNE-Python 读取的 epochs 对象。要获取拒绝字典,只需执行
>>> from autoreject import get_rejection_threshold
>>> reject = get_rejection_threshold(epochs) # doctest: +SKIP
我们还实现了来自 PREP 流程 的 RANSAC(有关 PREP 流程的完整实现,请参阅 PyPREP)。API 与之相同
>>> from autoreject import Ransac
>>> rsc = Ransac()
>>> epochs_clean = rsc.fit_transform(epochs) # doctest: +SKIP
有关更多详细信息,请查看自动检测和修复坏epochs的示例。
错误报告
请使用 GitHub 问题跟踪器 报告错误。
引用
[1] Mainak Jas,Denis Engemann,Federico Raimondo,Yousra Bekhti 和 Alexandre Gramfort,"Automated rejection and repair of bad trials in MEG/EEG." In 6th International Workshop on Pattern Recognition in Neuroimaging (PRNI),2016。
[2] Mainak Jas,Denis Engemann,Yousra Bekhti,Federico Raimondo 和 Alexandre Gramfort. 2017. "Autoreject: Automated artifact rejection for MEG and EEG data". NeuroImage,159,417-429。
项目详情
下载文件
下载适用于您的平台的文件。如果您不确定选择哪个,请了解有关 安装包 的更多信息。
源代码分发
构建分发
autoreject-0.4.3.tar.gz 的散列值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | bd977ea3c88dc68550fbd5dbb98515b3b811907ba78afe8e412632edde6c8fc5 |
|
MD5 | af0b78be2fc4af62cc3c4cb0eee11d1e |
|
BLAKE2b-256 | e0840471a888cb198b109dbc8c73fee04bb505600d4ee7f7bca50a4b76f4b94e |
autoreject-0.4.3-py3-none-any.whl的哈希
算法 | 哈希摘要 | |
---|---|---|
SHA256 | a094bebeaea40572f479b2b489c14c54a0be4d57ae7f51ea269c754d2433f9c1 |
|
MD5 | fc4032e098c1f9150a1fb6c5e1321454 |
|
BLAKE2b-256 | 45cff34035d2de261064090cb46491b1b999f0b9711bc57da189ffe1b50df146 |