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的主要特性包括:
支持多种神经数据类型,包括行为数据、EEG、MEG、fNIRS、sEEG、ECoG、fMRI等。
提供多种分析方法:
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。
提供丰富的统计分析和结果可视化功能。
支持将RSA结果保存为NIfTI格式(用于fMRI数据)。
提供详细的文档和教程,便于用户快速上手。
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。
NeuroRA依赖以下Python包:
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。
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。
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。
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:
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。
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。
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。
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。
NeuroRA提供了详细的在线文档和教程PDF,帮助用户快速上手。此外,还提供了多个示例代码:
用户可以在NeuroRA的GitHub仓库中找到这些示例代码。
NeuroRA已在多项神经科学研究中得到应用。例如:
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。
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。
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。
NeuroRA团队计划在未来版本中添加更多功能,包括:
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。
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。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、 数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项 目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。