MNE-python 进行源定位教程（一）配置环境

原创 已于 2023-05-08 11:57:58 修改 · 3k 阅读 · 23 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pycharm #开发语言

于 2022-03-14 15:06:25 首次发布
本文档记录了按照MNE官网教程配置Python3.8+Anaconda+PyCharm环境的过程，包括安装Anaconda，设置PyCharm，导入MNE-python库，创建和激活虚拟环境，安装依赖项。遇到的问题和解决方案也一并详述，旨在帮助读者顺利搭建MNE-Python开发环境。

根据MNE官网提供的教程进行复现，遇到各种问题的记录。

配置环境 python3.8 + Anaconda + pycharm

MNE-Python 是一个开源 Python 模块，用于处理、分析和可视化功能性神经影像数据（EEG、MEG、sEEG、ECoG 和 fNIRS）。
根据官方建议，将MNE-python安装在anaconda的虚拟环境中。

1. 安装Anaconda

过程点击这里

2. 配置pycharm

2.1 导入MNE-python工具包

在pycharm的菜单栏里打开VCS-Create Git Repository
在这里插入图片描述
安装Git
选择一个空文件夹的路径（目标路径），点击确定
完成后VCS变成了Git
在这里插入图片描述
现在pycharm可以和GitHub进行连接了
这是官方给的工具包，从这里复制URL https://github

最低0.47元/天 解锁文章
基于python的脑电（EGG）处理工具 MNE-1
thehappysheep的博客
10-28 1427
本博客仅用于学习交流，如有侵权，即刻删除 1.脑电处理趁手的兵器MNE 官网 gitub链接 脑电数据处理也有趁手的兵器 -MNE MNE-Python是一个开源的Python模块，用于处理、分析和可视化功能性神经成像数据（EEG、MEG、sEEG、ECoG和fNIRS）。由Harvard大学牵头，社区共同开发。主要功能包括：EEG/MEG信号的预处理和去噪，源估计，时频分析，统计测试，功能性连接，机器学习，传感器和源的可视化等等。mne支持了大部分常见的原始数据格式，默认的（以及自带的.
用于EEG数据处理的MNE安装及使用
qq_37566138的博客
11-09 5124
MNE安装 MNE官网：https://mne.tools/stable/auto_examples/index.html 1.安装MNE-python conda install mne 2.原始数据raw的读入和使用 导入库 import mne import matplotlib.pyplot as plt #读入数据 raw = mne.io.read_raw_bdf('./Part1_IAPS_SES1_EEG_fNIRS_03082006.bdf') #查看核心数据 raw.info
MNE-Python学习笔记——数据装载
最新发布
ahaoskr的博客
10-25 1173
添加装载数据必要的库。
脑电分析工具MNE教程
m0_49939117的博客
01-11 7330
资料来源：脑电分析系列 | MNE-Python汇总 1.安装与使用 在windows系统下，基于Anaconda安装MNE-python。具体步骤见资料，此处不予展示。 2.数据结构Raw Raw对象用于存储连续型数据，核心数据为n_channels和times，raw.info中还包括ch_names，chs等。 通常raw的数据访问方式如下： data, times = raw[picks, time_slice] 其中picks是根据条件挑选出来的索引，time_slice是时间切
MNE-Python安装、环境配置、测试、新建工程、解决程序出现的Edit Configurations
snail9610的博客
05-19 2044
文章目录0 说明1 安装2 环境配置（其实不用配）3 测试and新建工程 0 说明 本文的安装思路和官网上的一样，只是将步骤进行了具体化说明，并且不同于官网上的是：测试、创建新工程 官网安装链接：https://mne.tools/stable/install/mne_python.html#installing-mne-python-and-its-dependencies 1 安装 第一步：进入网站 第二步：复制第一步看到的文本，在任意文件夹中建立environment.yml 文件 第三步：打开Ana
【脑机接口】MNE-python 安装与入门使用
Bug仓库
03-07 5094
一开始接触EEG脑电数据分析，师哥推荐用Matlab的EEGLAB，但感觉实在是不习惯Matlab的使用方式，于是开始找python里可以用于处理脑电数据的包。从百度上很快就找到了MNE这个包，果然这世界上跟我一样想用python处理脑电的人大有人在（ MNE是一个用于可视化和分析人类神经生理数据的开源 Python 包，可以分析并处理MEG、EEG、sEEG、ECoG、NIRS 等生理数据。 1. 安装 首先确保安装好了numpy、scipy、matlibplot等MNE的依赖库 pip instal
MNE-Python 环境配置 | win 10
MissXy_的博客
05-18 2536
MNE 安装 | win 10 1 介绍 MNE脑电信号处理与分析工具包，Python环境。 官网教程：https://martinos.org/mne/stable/install_mne_python.html 2 方法1 安装 打开Anaconda Prompt 输入以下命令： curl -O https://raw.githubusercontent.com/mne-tools/m...
Python科学计算包MNE——脑电信号处理之源定位问题
m0_46339652的博客
03-21 1110
如果购买的脑电帽的电极方案不是主流的，则需要对输入数据的电极进行调整。
Python-MNE全套教程（官网翻译）-入门06：配置MNE-python
weixin_58312922的博客
07-31 1937
本教程介绍如何配置MNE-Python以适应本地系统和分析首选项。
基于MNE-Python的脑电数据分析
psybrain的博客
07-08 3669
关注“心仪脑”查看更多脑科学知识的分 关键词：脑电、数据分析、Python、MNE、神经科学 MNE（https://mne.tools/stable/index.html）是一款开源的主要用于EEG/MEG分析、处理和可视化的python工具包。遵循BSD BSD-license协议，由Harvard大学牵头，社区共同开发。主要的功能包括：EEG/MEG信号的预处理和降噪、时频分析、功能连接、溯源分析、统计分析等等。同时，MNE的读取功能也是非常的强大，它可以读取大部分常见的生理信号的原始数据格式，比
VSCode MNE-Python代码片段工具集
“vscode-mne-snippets”是一个专为使用MNE-Python进行脑电图（EEG）和脑磁图（MEG）数据分析的开发者设计的Visual Studio Code扩展，其核心功能是提供一组高度优化的代码片段（snippets），用于快速生成MNE-Python...
mne-python：MNE：Python中的磁脑图（MEG）和脑电图（EEG）
02-04
mne-python：MNE：Python中的磁脑图（MEG）和脑电图（EEG）
Python库 | mne-bids-0.5.tar.gz
04-11
资源分类：Python库 所属语言：Python 资源全名：mne-bids-0.5.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.youkuaiyun.com/article/details/101784059
Python中MNE库进行PSD分析（计算不同频率区间的累加和）.zip
06-23
Python中MNE库计算功率谱(PSD)，根据不同频段的划分计算能量总和，这里只实现了单一通道的计算。
MNE-Python 0.16.1版本库发布
根据所提供的文件信息，“mne-0.16.1.tar.gz”是该库的一个特定版本发布包，属于源码压缩格式，适用于在支持Python环境的操作系统上进行安装与使用。此版本发布于2018年左右，虽然并非最新版，但0.16.1版本已经具备...
掌握Python库mne-bids-0.5的安装与应用
5. 安装与配置：要使用mne-bids，用户需要先安装Python环境，然后通过官方提供的安装方法进行安装。安装过程中可能会用到包管理工具如pip，以及对依赖关系进行管理。熟悉安装流程和可能出现的问题处理是使用该库前的...
Python-MNE全套教程（官网翻译）-入门01：概述篇
weixin_58312922的博客
07-31 3401
EEG源定位的第一次尝试是基于强大的先验假设，即在某个时间点只有一个源是活跃的，头部可以近似为一个球体，并且整个大脑的电导率是均匀的。这一限制已经被生理学上看似合理的假设所证明，即相邻体素的活动是相关的，但这一假设在大脑的某些区域(例如半球间裂)受到了挑战。然而，如果大脑的几个区域同时活跃，就会出现头皮电位的复杂模式，而推断潜在的来源就成为一项艰巨的任务。第一列是时间，是开始时间+采样率*秒，第二列可以忽略，第三列是你设计的值，有的时候自动探测会出错，要人工修改。raw对象有几个内置的绘图方法。
脑机接口基础学习01-MNE-Python详细安装与使用
duohuanxi的博客
10-14 1961
未来计算机直博的研究方向是脑机接口方面，因为之前没接触过，所以准备今年开始接触这方面的知识，开始自己学习啦，来这里记录一下 MNE-Python是一款开源的用于EEG/EMG分析、处理和显示的软件。遵循BSD-license协议，由Harvard大学牵头，社区共同开发。主要功能包括：EEG/MEG信号的预处理和去噪，源估计，时频分析，统计测试，功能性连接，机器学习，传感器和源的可视化等等。 1.安装MNE-Python 安装过程非常简单，在cmd中输入 pip install -U mne 安装过程很简单
MNE-Python | 开源生理信号分析神器（一）
热门推荐
Always learn from the best.
12-13 1万+
MNE-Python系列介绍文章，持续更新中…
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值