用于存储在NWB文件中的脑电图（ECoG）信号的时序可视化器。
项目描述
ecogVIS
用于存储在NWB文件中的脑电图（ECoG）信号的Python时序可视化器和数据处理工具。
与Chang 实验室的合作。
安装
$ pip install ecogVIS
激活正确的环境后，可以从终端启动ecogVIS
$ ecogvis
您也可以直接传递一个要打开的文件
$ ecogvis --source 'filename.nwb'
ecogVIS可以导入并从Python脚本中运行。如果文件不存在（或如果提供空字符串''），您将被提示从对话框中选择文件。
from ecogvis import main
import os
fpath = os.path.join('path_to', 'file.nwb')
main(fpath)
功能
ecogVIS使可视化和处理ECoG信号变得直观且简单。它目前具有以下功能
导航
通过鼠标拖动可视化窗口、控制按钮、值字段和键盘键进行无缝视觉导航，以浏览大型电极阵列中的长信号。
注释
在可视化中的任何位置添加、删除、保存和加载数据注释。
时间段
添加、删除、保存、加载和创建自定义时间段类型以标记特定时间点，使用简单的点击-拖动-释放鼠标动作。
坏通道
标记和取消标记坏通道。选择保存在当前NWB文件的电极组中。
事件检测
自动检测语音记录中的事件，用于辅音-元音任务。音频数据应按以下方式存储在NWB文件中检测到的结果间隔，'TimeIntervals_mic'和'TimeIntervals_speaker'，以时间间隔对象的形式保存在当前NWB文件的间隔组中，可以用于后续的ERP分析。预览允许在运行整个音频信号的持续时间之前测试检测参数。
事件相关电位
相对于- 刺激（说话人）或响应（麦克风）时间间隔
- 起始或结束点
频谱图
频谱图的网格可视化- 原始和预处理数据
- FFT和Welch方法
- 单个设备
频谱分解
通过用户定义频带的Hilbert变换估计解析信号振幅。警告：此功能将操作大小为(nSamples, nChannels, nBands)的数组，这可能达到数吉字节，需要大量内存来操作，并且可能生成大型文件。
加
- 从特定大脑区域选择电极
- 轻松在相同主题的块文件之间移动
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。
源分布
ecogvis-1.2.2.tar.gz (81.4 kB 查看哈希值)
构建分布
ecogvis-1.2.2-py3-none-any.whl (93.9 kB 查看哈希值)
关闭
ecogvis-1.2.2.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | db21dcf7a09a47dd88a2e3518ffa9102e1340b317fac7fcf545b9303f4ea31ed |
|
| MD5 | 756115e7720573d0dfb915feb09253d0 |
|
| BLAKE2b-256 | 24f976188368ccc4a11ee9f665630397334b773187fc528bf3eee61cf50598f6 |
关闭
ecogvis-1.2.2-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | ccab17e4dfd81b2619dce2174bb8d27a5de04e83a173e0e44ad16c32fe38b3d4 |
|
| MD5 | d7bb077f527ff1e6abbafdda08e836ff |
|
| BLAKE2b-256 | 12b43e390e304a77af3a9f682488c8504a4e445258d7099f9057cee9ea279097 |
