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

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。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

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。

UI-TARS-desktop

UI-TARS-desktop

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。

Wan2.1

Wan2.1

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。

爱图表

爱图表

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。

Qwen2.5-VL

Qwen2.5-VL

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。

下拉加载更多