پکیج MNE: پکیج پایتون برای بررسی، تجسم سازی و تحلیل داده‌های فیزیولوژیکی انسان: MEG, EEG, SEEG, ECoG, NIRS


اگر تابحال مقالات مربوط به حوزه ی BCI را مطالعه کرده باشید احتمالاً متوجه شده‌اید که اگر داده‌ها در محیط پایتون پردازش شده باشند به احتمال زیاد از پکیج MNE برای این منظور استفاده شده است. برای پیش پردازش، جداکردن ترایال‌ها و نمایش سیگنال و … . در این مقاله به معرفی این پکیج می‌پردازیم.

پکیج MNE یک خودآموز کامل است و با وارد شدن در سایت این پکیج به راحتی می‌توانید به تمامی آموزش‌ها و اطلاعات موردنیاز در مورد آن دست یابید. در صفحه ی اول این پکیج ذکر شده که چه بخش هایی در این پکیج وجود دارند که در شکل زیر نشان داده شده‌اند.

different parts of MNE

با وارد شدن به هر یک از این بخش‌ها می‌توانید پردازش‌های مربوط به آن بخش را انجام دهید. برای مثال وارد بخش Machine Learning می‌شویم

در این بخش آموزش‌هایی در رابطه با پردازش داده‌های EEG/MEG آمده است که شامل موارد زیر هستند

MNE_Machine Learning

اگر بخش اول را بررسی کنیم روند تحلیل MEG/EEG با MNE پایتون نشان داده شده است و تمامی توضیحات آن به طور کامل ارائه شده، برای مثال چگونه می‌توانیم داده را به شکل زیر نمایش دهیم

EEG

یا پس از پیش پردازش های اولیه (مثل ICA) خروجی آن را ببینیم

ICA-MNE

علاوه بر نمایش تصاویر، خروجی در رابطه با اینکه ورودی و خروجی هر دستور چه بوده و توضیحاتی در مورد آن نیز ارائه می‌دهد:

ICA-MNE2

همچنین در بخش Data Visualization می‌توانید برای مثال نمودارهای توپوگرافی رسم کنید به شکل زیر

MNE topography

این پکیج دارای مثال‌های فراوان برای هر بخش است، و هر فرد می‌تواند با مطالعه و اجرای مثال‌ها، تمرین های زیادی برای هر بخش موردنیاز خود انجام دهد.

این پکیج هم برای پردازش و هم برای تجسم سازی و رسم نمودارهای مربوط به پردازش، بستری مناسب فراهم آورده است که می‌توان از آنها استفاده کرد و از نمودارهای آن نیز در گزارشات و مقالات خود استفاده کنید.

در مقالات بعدی، بخش های مختلف آن را به طور جداگانه مورد بررسی قرار می‌دهیم.


دیدگاه ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

code