NeuroRA: 一个强大的多模态神经数据表征分析Python工具箱

RayRay
NeuroRA神经数据分析表征相似性分析Python工具箱多模态神经数据Github开源项目

NeuroRA简介

NeuroRA是一个功能强大的Python工具箱,专门用于多模态神经数据的表征分析。它由中国科学院心理研究所的陆子桐和顾永辉博士开发,旨在为神经科学研究者提供一个易用且全面的分析平台。NeuroRA的名称源自"Representational Analysis"(表征分析),反映了其核心功能。

NeuroRA Logo

主要特性

NeuroRA的主要特性包括:

  1. 支持多种神经数据类型,包括行为数据、EEG、MEG、fNIRS、sEEG、ECoG、fMRI等。

  2. 提供多种分析方法:

    • 表征相似性分析(RSA)
    • 神经模式相似性(NPS)
    • 时空模式相似性(STPS)
    • 跨被试相关(ISC)
    • 基于分类的EEG解码
    • 新型跨时间RSA(CTRSA)
  3. 一站式RSA实现,可快速完成从数据处理到结果可视化的全流程。

  4. 提供丰富的统计分析和结果可视化功能。

  5. 支持将RSA结果保存为NIfTI格式(用于fMRI数据)。

  6. 提供详细的文档和教程,便于用户快速上手。

安装方法

NeuroRA的安装非常简单,只需一行命令:

pip install neurora

该命令会自动安装NeuroRA及其所有依赖包。

依赖包

NeuroRA依赖以下Python包:

  • NumPy: 用于科学计算的基础包
  • SciPy: 提供许多用户友好和高效的数值例程
  • Scikit-learn: 机器学习模块
  • Matplotlib: 2D绘图库
  • NiBabel: 用于读写常见的医学和神经影像文件格式
  • Nilearn: 用于神经影像数据的快速统计学习
  • MNE-Python: 用于探索、可视化和分析人类神经生理学数据

主要功能

1. 神经模式相似性(NPS)分析

NPS分析可以计算不同实验条件下神经活动模式之间的相似性。NeuroRA支持对单个被试、单个时间点、搜索光法或特定感兴趣区(ROI)进行NPS分析。

2. 时空神经模式相似性(STPS)分析

STPS分析可以同时考虑空间和时间维度,计算神经活动模式的相似性。NeuroRA支持对单个被试、搜索光法或特定ROI进行STPS分析。

3. 跨被试相关(ISC)分析

ISC分析可以计算不同被试之间神经活动的相关性。NeuroRA支持对单个时间点、搜索光法或特定ROI进行ISC分析。

4. 表征相似性分析(RSA)

RSA是NeuroRA的核心功能之一。它可以计算表征相似性矩阵(RDM),并基于RDM进行进一步分析。NeuroRA支持:

  • 计算单个被试、单个通道、单个时间点的RDM
  • 使用搜索光法或对特定ROI计算RDM
  • 计算全脑RDM
  • 基于RDM计算表征相似性
  • 一站式RSA实现

5. 跨时间RSA(CTRSA)

CTRSA是NeuroRA新开发的一种分析方法,可以研究不同时间点之间的表征相似性。

6. 基于分类的EEG解码

除了相似性分析,NeuroRA还支持使用机器学习方法对EEG数据进行解码分析。

7. 统计分析

NeuroRA提供了多种统计分析方法,帮助研究者评估结果的显著性。

8. 结果可视化

NeuroRA提供了丰富的可视化功能,可以生成各种图表来展示分析结果。

RSA结果示例

使用教程

NeuroRA提供了详细的在线文档教程PDF,帮助用户快速上手。此外,还提供了多个示例代码:

  1. EEG/MEG数据分析示例
  2. fMRI数据分析示例
  3. 比较基于分类的解码和RSA的示例

用户可以在NeuroRA的GitHub仓库中找到这些示例代码。

应用案例

NeuroRA已在多项神经科学研究中得到应用。例如:

  1. 在一项视觉认知研究中,研究者使用NeuroRA对MEG数据进行了RSA分析,揭示了大脑如何表征不同类别的视觉刺激。

  2. 在一项情感研究中,研究者使用NeuroRA的ISC功能分析了被试观看情感视频时的fMRI数据,发现了情感处理相关的大脑区域。

  3. 在一项语言处理研究中,研究者使用NeuroRA的STPS功能分析了EEG数据,揭示了语言理解过程中的时空动态模式。

这些案例展示了NeuroRA在不同类型的神经科学研究中的广泛应用潜力。

未来发展

NeuroRA团队计划在未来版本中添加更多功能,包括:

  1. 支持更多类型的神经数据
  2. 增加新的分析方法
  3. 改进可视化功能
  4. 提高计算效率
  5. 增加与其他神经影像工具的兼容性

研究者也欢迎通过GitHub提出建议或贡献代码,共同推动NeuroRA的发展。

结语

NeuroRA为神经科学研究者提供了一个强大而易用的工具箱,能够处理多种类型的神经数据,实现多种表征分析方法。无论是进行基础研究还是应用研究,NeuroRA都是一个值得尝试的分析平台。随着神经科学研究的不断深入,相信NeuroRA将在未来发挥越来越重要的作用,为揭示大脑的奥秘贡献力量。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多