mne-icalabel

此存储库是将流行的基于Matlab的 ICLabel 分类器转换为Python。此外，mne-icalabel还提供了其他模型形式的扩展和改进。

为什么？

脑电图（EEG）和脑磁图（MEG）记录包含诸如心跳、眼睑、肌肉和运动活动等伪迹。独立成分分析（ICA）是一种常用的去除伪迹的方法，但它通常依赖于手动标注来标记哪些独立成分（IC）反映噪声，哪些反映脑活动。

本软件包旨在自动化此过程，使用流行的 MNE-Python API 处理 EEG、MEG 和 iEEG 数据。

基本用法

MNE-ICALabel 根据给定的 MNE-Python Raw 或 Epochs 对象以及 MNE-Python 中的 ICA 分解 实例来估计 ICA 成分的标签。

from mne_icalabel import label_components

# assuming you have a Raw and ICA instance previously fitted
label_components(raw, ica, method='iclabel')

目前唯一可用的方法是 'iclabel'。

文档

稳定版本 文档。 开发版本 文档。

安装

可以使用 pip 安装当前稳定版本的 mne-icalabel，例如，通过运行

pip install mne-icalabel

有关安装的更多详细信息，请参阅安装页面。

要获取最新（开发）版本，使用 git，打开终端并输入

git clone git://github.com/mne-tools/mne-icalabel.git
cd mne-icalabel
pip install -e .

开发版本也可以直接使用 pip 安装

pip install https://api.github.com/repos/mne-tools/mne-icalabel/zipball/main

或者，您还可以下载最新开发版本的 zip 文件。

贡献

如果您有兴趣贡献，请阅读贡献指南。

获取帮助

对于任何使用问题，请在MNE 论坛上发布。务必在您的问题中添加 mne-icalabel 标签。

引用

如果您使用了 ICLabel 模型，请考虑引用我们的论文

Li et al., (2022). MNE-ICALabel: Automatically annotating ICA components with ICLabel in Python. Journal of Open Source Software, 7(76), 4484, https://doi.org/10.21105/joss.04484

及其相应的 BibTex

@article{Li2022,
    doi       = {10.21105/joss.04484},
    url       = {https://doi.org/10.21105/joss.04484},
    year      = {2022},
    publisher = {The Open Journal},
    volume    = {7},
    number    = {76},
    pages     = {4484},
    author    = {Adam Li and Jacob Feitelberg and Anand Prakash Saini and Richard Höchenberger and Mathieu Scheltienne},
    title     = {MNE-ICALabel: Automatically annotating ICA components with ICLabel in Python},
    journal   = {Journal of Open Source Software}
}

软件的将来版本将致力于改进模型，可能与其相关联的论文不同。