braindecode

Braindecode

BrainDecode est une boîte à outils Python open source pour décoder les données du cerveau électrophysiologique brutes avec des modèles d'apprentissage en profondeur. Il comprend des obstacteurs de données, des outils de prétraitement et de visualisation des données, ainsi que des implémentations de plusieurs architectures d'apprentissage en profondeur et des augmentations de données pour l'analyse de l'EEG, de l'ECOG et du MEG.

Pour les neuroscientifiques qui souhaitent travailler avec l'apprentissage en profondeur et les chercheurs en profondeur qui souhaitent travailler avec des données neurophysiologiques.

Installation Braindecode

1. Installez Pytorch à partir de http://pytorch.org/ (vous n'avez pas besoin d'installer TorchVision).
2. Si vous souhaitez télécharger des ensembles de données EEG à partir de Moabb, installez-le:

pip install moabb

3. Installez la dernière version de BrainDecode via PIP:

pip install braindecode

Si vous souhaitez installer la dernière version de développement de BrainDecode, veuillez vous référer à la page contributive

Documentation

La documentation est en ligne sous https://braindecode.org, à la fois dans les versions stables et dev.

Contribuant à Braindecode

Des lignes directrices pour contribuer à la bibliothèque se trouvent sur le BrainDcode Github:

https://github.com/braindecode/braindecode/blob/master/contributing.md

Braindecode Chat

https://gitter.im/braindecodechat/community

Citant

Si vous utilisez ce code dans une publication scientifique, veuillez nous citer comme:

 @article { HBM:HBM23730 ,
author = { Schirrmeister, Robin Tibor and Springenberg, Jost Tobias and Fiederer,
  Lukas Dominique Josef and Glasstetter, Martin and Eggensperger, Katharina and Tangermann, Michael and
  Hutter, Frank and Burgard, Wolfram and Ball, Tonio } ,
title = { Deep learning with convolutional neural networks for EEG decoding and visualization } ,
journal = { Human Brain Mapping } ,
issn = { 1097-0193 } ,
url = { http://dx.doi.org/10.1002/hbm.23730 } ,
doi = { 10.1002/hbm.23730 } ,
month = { aug } ,
year = { 2017 } ,
keywords = { electroencephalography, EEG analysis, machine learning, end-to-end learning, brain–machine interface,
  brain–computer interface, model interpretability, brain mapping } ,
}

ainsi que le logiciel MNE-Python utilisé par BrainDecode:

 @article { 10.3389/fnins.2013.00267 ,
author = { Gramfort, Alexandre and Luessi, Martin and Larson, Eric and Engemann, Denis and Strohmeier, Daniel and Brodbeck, Christian and Goj, Roman and Jas, Mainak and Brooks, Teon and Parkkonen, Lauri and Hämäläinen, Matti } ,
title = { {MEG and EEG data analysis with MNE-Python} } ,
journal = { Frontiers in Neuroscience } ,
volume = { 7 } ,
pages = { 267 } ,
year = { 2013 } ,
url = { https://www.frontiersin.org/article/10.3389/fnins.2013.00267 } ,
doi = { 10.3389/fnins.2013.00267 } ,
issn = { 1662-453X } ,
}

Licence

Ce projet est principalement autorisé en vertu de la licence de clause BSD-3.

Composants supplémentaires

Certains composants de ce référentiel sont sous licence de licence internationale Creative Commons Attribution-non-Commercial 4.0.

Veuillez vous référer à la LICENSE et NOTICE les fichiers pour des informations plus détaillées.