NeuroRA

#NeuroRA

一个用于多模态神经数据表征分析的Python工具箱

概述

**表征相似性分析（RSA）**已成为测量不同模式多变量神经活动表征的一种流行且有效的方法。

NeuroRA是一个基于Python的易用工具箱，可以对几乎所有类型的神经数据进行RSA相关工作，包括行为、脑电图、脑磁图、功能性近红外光谱、立体脑电图、皮层脑电图、功能性磁共振成像和其他一些神经电生理数据。 此外，用户可以在NeuroRA上进行神经模式相似性（NPS）、时空模式相似性（STPS）、跨被试相关（ISC）、基于分类的脑电解码以及一种新颖的跨时间RSA（CTRSA）。

安装

pip install neurora

论文

Lu, Z., & Ku, Y. (2020). NeuroRA: A Python toolbox of representational analysis from multi-modal neural data. Frontiers in Neuroinformatics. 14:563669. doi: 10.3389/fninf.2020.563669

网站及使用方法

更多详情请访问NeuroRA网站。

您可以阅读文档或下载教程以了解如何使用NeuroRA。

所需依赖：

• Numpy：一个基础的科学计算包。
• SciPy：提供许多用户友好且高效的数值例程的包。
• Scikit-learn：一个Python机器学习模块。
• Matplotlib：一个Python 2D绘图库。
• NiBabel：提供对一些常见医学和神经影像文件格式的读写访问的包。
• Nilearn：一个用于神经影像数据快速简便统计学习的Python模块。
• MNE-Python：用于探索、可视化和分析人类神经生理数据的Python软件。

功能

• 计算神经模式相似性（NPS）

• 计算时空神经模式相似性（STPS）

• 计算跨被试相关（ISC）

• 计算表征差异矩阵（RDM）

• 计算跨时间RDM（RDM）

• 基于RDM计算表征相似性

• 一步实现表征相似性分析（RSA）

• 进行跨时间RSA（CTRSA）

• 进行基于分类的脑电解码

• 进行统计分析

• 将RSA结果保存为功能性磁共振成像的NIfTI文件

• 绘制结果

示例

NeuroRA提供了几个示例，您可以在/demos/..路径下查看它们（提供了.py文件和.ipynb文件）。

	运行示例	查看示例
示例1
示例2
示例3

关于NeuroRA

值得注意的是，这个工具箱目前仅是一个测试版本。 如果您在使用过程中有任何问题、发现一些错误或有一些有用的建议，可以给我发邮件，我将很高兴并感谢得知。

我的电子邮箱地址： zitonglu1996@gmail.com / zitonglu@outlook.com

我的个人主页： https://zitonglu1996.github.io