跳转到主要内容

mne-connectivity: 使用MNE进行连接性数据分析的模块。

项目描述

GH Circle Azure Codecov PyPI PyPI_Release conda-forge

MNE-Connectivity

MNE-Connectivity 是一个开源的Python包,用于MEG、EEG或iEEG数据的连接性和相关度量,基于MNE-Python API构建。它包括数据输入/输出、可视化、常见连接性分析以及事后统计和处理的模块。

该项目最初从mne-python迁移过来,从v0.23版本开始,由Adam Li作为2021年Google Summer of Code的一部分进行迁移。随后,v0.1和v0.2版本在GSoC期间发布。未来的开发将在后续版本中进行。

文档

稳定版的MNE-Connectivity文档可在网上获取。

安装MNE-Connectivity

要安装MNE-Connectivity的最新稳定版本,您可以在终端中使用pip

pip install -U mne-connectivity

有关更详细的说明和更高级的安装方法(例如最新开发版本),请参阅安装指南

获取最新代码

要使用pip安装代码的最新版本,请在终端中输入

pip install -U https://github.com/mne-tools/mne-connectivity/archive/main.zip

要使用git获取最新代码,请在终端中输入

git clone https://github.com/mne-tools/mne-connectivity.git

或者,您还可以下载最新开发版本的zip文件

为MNE-Connectivity做贡献

请参阅MNE-Connectivity主页上的文档

https://github.com/mne-tools/mne-connectivity/blob/main/CONTRIBUTING.md

论坛

https://mne.discourse.group

关于连接性的说明

截至2021年,神经科学社区中的“功能连接”一词可以有多种不同的含义,包括许多不同的衡量标准。其中一些是定向的(即试图映射大脑区域之间的统计因果关系),而另一些是非定向的。请注意,您功能连接度量标准的解释取决于数据和潜在假设。关于功能连接度量标准的分类及其解释的信息,我们参考了Bastos和Schoffelen

在mne-connectivity中,我们不声称我们的任何度量标准暗示了因果连接。

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,请了解更多关于安装包的信息。

源分发

mne_connectivity-0.7.0.tar.gz (157.3 kB 查看哈希值)

上传时间

构建分发

mne_connectivity-0.7.0-py3-none-any.whl (115.2 kB 查看哈希值)

上传时间 Python 3

由以下支持

AWS AWS 云计算和安全赞助商 Datadog Datadog 监控 Fastly Fastly CDN Google Google 下载分析 Microsoft Microsoft PSF 赞助商 Pingdom Pingdom 监控 Sentry Sentry 错误日志 StatusPage StatusPage 状态页面