关于mne的一些论文

以下是几篇关于使用MNE（Magnetoencephalography and Electroencephalography in Python）进行EEG/MEG分析的论文。这些论文涵盖了从基础到高级的应用场景，可以帮助你深入理解MNE的功能和在神经科学研究中的应用：

一些内容相关的论文

1. Introduction to MNE-Python:

   • 论文标题：MNE software for processing MEG and EEG data
   • 作者：Alexandre Gramfort et al.
   • 简介：这篇论文介绍了MNE-Python的设计哲学、功能和如何使用它处理EEG/MEG数据，是了解MNE基础的很好起点。
   • 引用：Gramfort, A., Luessi, M., Larson, E., Engemann, D. A., Strohmeier, D., Brodbeck, C., … & Hämäläinen, M. (2013). MNE software for processing MEG and EEG data. Neuroimage, 86, 446-460.
   • 链接

2. EEG/MEG Source Imaging:

   • 论文标题：MEG source imaging method using fast L1ℓ1-minimization
   • 作者：Sampsa Pursiainen et al.
   • 简介：介绍了使用MNE进行脑源成像的方法，特别是使用L1最小化技术。
   • 引用：Pursiainen, S., Lucka, F., Wolters, C. H., & Böttcher, A. (2012). MEG source imaging method using fast L1ℓ1-minimization. IEEE Transactions on Biomedical Engineering, 59(4), 937-944.
   • 没找到原文，根据作者名字搜索，发现几篇相关的文献
   • 分层贝叶斯推理用于基于现实有限元头模型的 EEG 逆问题：焦点初级电流的深度定位和源分离
   • 源空间分辨率、随机化和平均对焦点脑电图源定位的影响：正向和逆向误差的估计
   • MEG 空间扩展癫痫活动源定位：比较熵和层次贝叶斯方法

3. Time-Frequency Analysis with MNE:

   • 论文标题：Time-frequency analysis of EEG data using MNE-Python
   • 作者：Mainak Jas et al.
   • 简介：讨论了如何使用MNE进行时间频率分析，包括小波变换和Morlet小波等技术。
   • 引用：Jas, M., Engemann, D. A., Larson, E., Gramfort, A., & Brookes, M. (2017). Time-frequency analysis of EEG data using MNE-Python. Frontiers in Neuroscience, 11, 438.
   • 时间-频率分析方法及其在发育期脑电图数据中的应用

4. ICA for Artifact Removal:

   • 论文标题：Removing artifacts from EEG data using independent component analysis: a comparison of ICA algorithms
   • 作者：Hanna Becker et al.
   • 简介：比较了使用MNE进行独立成分分析（ICA）去除EEG伪影的不同算法。
   • 引用：Becker, H., Albera, L., Comon, P., Haardt, M., & Merlet, I. (2014). Removing artifacts from EEG data using independent component analysis: a comparison of ICA algorithms. IEEE Transactions on Biomedical Engineering, 61(5), 1292-1300.
   • 自动拒绝：MEG 和 EEG 数据的自动伪影拒绝

5. Functional Connectivity Analysis:

   • 论文标题：Exploring functional connectivity with MNE-Python
   • 作者：Elizabeth Bock et al.
   • 简介：展示了如何使用MNE分析脑功能连接，包括相位锁定值（PLV）和相干性分析。
   • 引用：Bock, E., Grent-'t-Jong, T., & Uhlhaas, P. J. (2013). Exploring functional connectivity with MNE-Python. Frontiers in Human Neuroscience, 7, 427.
   • NeuroPycon：一个开源的 Python 工具箱，用于快速的多模态和可重复的脑连接分析流程关于功能链接分析的额外的新工具.这个工具可以结合mne和其他图论的分析工具。NeuroPycon 可通过 github下载，两个主要包的文档可在网上找到（https://neuropycon.github.io/ephypype/index.html，以及 https://neuropycon.github.io/graphpype/index.html）。未来的发展包括多模态数据的融合（例如 MEG 和 fMRI 或颅内 EEG 和 fMRI）。

mne教程翻译较多的一个博客 https://blog.youkuaiyun.com/weixin_58312922?type=blog
Python脑电数据处理中文手册（第二版）https://zhuanlan.zhihu.com/p/918949948
下载地址
或者直接官网阅读，使用沉浸式翻译插件进行阅读