Анализ данных МЭГ и ЭЭГ с помощью MNE-Python

Магнитоэнцефалография и электроэнцефалография (МЭГ/ЭЭГ) позволяют регистрировать слабые электромагнитные сигналы, возникающие при нейронной активности в головном мозге. Использование этих сигналов для характеристики и локализации нейронной активации в мозге представляет собой сложную задачу, требующую знаний в области физики, обработки сигналов, статистики и численных методов. В составе программного комплекса MNE программный пакет MNE-Python с открытым исходным кодом решает эту задачу, предоставляя современные алгоритмы на языке Python, охватывающие различные методы предварительной обработки данных, локализации источников, статистического анализа и оценки функциональной связности между распределёнными областями мозга. Все алгоритмы и вспомогательные функции реализованы единообразно и имеют хорошо документированные интерфейсы, что позволяет пользователям создавать конвейеры анализа данных МЭГ/ЭЭГ с помощью скриптов Python. Кроме того, MNE-Python тесно интегрирован с основными библиотеками Python для научных вычислений (NumPy, SciPy) и визуализации (matplotlib и Mayavi), а также с более широкой экосистемой нейровизуализации в Python через пакет Nibabel. Код распространяется по новой лицензии BSD, допускающей повторное использование, в том числе в коммерческих продуктах. Хотя MNE-Python интенсивно разрабатывается лишь в течение нескольких лет, его возможности быстро расширяются, а также появляются обучающие руководства благодаря сотрудничеству нескольких лабораторий в процессе разработки кода, что помогает распространять лучшие практики. MNE-Python также обеспечивает удобный доступ к предварительно обработанным наборам данных, помогая пользователям быстро начать работу и облегчая воспроизводимость методов другими исследователями. Полная документация, включая десятки примеров, доступна по адресу http://martinos.org/mne.