本人是一枚刚入门python的一年级研究僧,目前的科研的方向准备从MEG的源空间入手做课题,在老师的建议下,开始学习MNE的使用操作,本纪实会从原理和实操准备两个方面对日常科研进行记录,以及复盘实操过程中遇到的一些棘手的问题,一做工作记录,二希望自己踩过的坑能对刚入门mne的新手起到一些参考作用。
一、MNE简介
MNE 软件的名称来源于其全称 Minimum Norm Estimate,即最小范数估计。这种方法用于神经影像学中的脑源活动估计,特别是在脑电图(EEG)和脑磁图(MEG)数据分析中广泛使用。MNE 方法在脑源活动的溯源研究中具有非常重要的优势,特别是其非侵入性、高空间分辨率、多模态应用能力和时间分辨率,使其成为神经科学研究中的重要工具之一。
二、MNE的使用手册
MNE对于我们常用的一些流程,包括预处理、源重建等都能进行精度较高的处理,官网的示例数据处理流程能提供一套基础全面的操作,新手练习能把这一套流程跑通就能获得不少收获了。
新手入门可以优先看官网发布的使用手册:The typical M/EEG workflow — MNE 1.7.1 documentation
清楚了整体的数据处理流程后,官网提供了各个流程的示例数据和python脚本用于演示练习,将示例数据和相关处理步骤的脚本下载整理后,就可以开始我们期待已久的实操练习了。
这里提供一些整理过的练习笔记可用于参考(大脑进货中):
三、MNE的安装
MNE的使用依赖于Python环境, 在安装mne之前需要在电脑中完善好需要的编程环境;
如果需要将MRI转换为头皮、内/外颅骨和皮质表面的模型,还需要安装 FreeSurfer,由于FreeSurfer依赖于Linux系统,之后的演示大部分都围绕Linux实操。
Python的安装和编译可以参考这篇笔记:
Python的安装和编译(windows系统+Linux系统)-优快云博客
FreeSurfer的安装和使用可以参考:
MRI生成模型-trans文件可以参考:Head-MRI trans-优快云博客
Windows系统MNE安装和使用可以参考:
MNE的安装主要有两种方法:安装包和源代码(pip/conda),这里我没有区分系统,下载时请注意下载版本
1.安装包下载安装:
下载链接:MNE-Python installers — MNE 1.7.1 documentation
2.pip安装
首先,确认python环境中是否安装pip工具包
$ pip --version
安装MNE,安装过程中如需其他工具包可以使用pip进行安装后重试这一步
$ pip install mne
3.conda安装
如果电脑中安装了Anaconda,可以在conda环境中安装,conda版本要求23.10.0及以上
$ conda update --name=base conda # update conda
$ conda --version
$ conda create --channel=conda-forge --strict-channel-priority --name=mne mne