文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。上一期的文章TMS-EEG数据处理教程（上）中详细地介绍了TMS伪影类型和预处理步骤。这期主要讲了完成数据预处理后，再进行一些（后）处理步骤，如过滤、去趋势、去均值和降采样。但要注意的是，一些分析步骤可能需要对数据进行不同的处理。例如，当查看经颅磁刺激诱发电位（TEPs）时，你可能想要滤除数据中的高频噪声，但在执行时频分析时（滤除高频噪声

近日，NeuroImage杂志发布了题为BrainStat: a toolbox for brain-wide statistics and multimodal feature associations的预印版文章。这篇文章详细阐述了BrainStat工具箱包含的模块，并提供了在Python和MATLAB中执行该工具箱的教程和示例代码。

摘要功能性神经成像可以与多种模态相结合，包括结构磁共振成像(sMRI)、灌注MRI(pMRI)、功能磁共振成像(fMRI)、弥散张量成像(DTI)、单光子发射计算机断层扫描(SPECT)、正电子发射断层扫描(PET)、磁共振波谱(MRS)和脑磁图(MEG)。这些模态的融合结合了互补信息，扩展了分辨率限制，并且可以提高数据质量。这种方法的多模态特性允许使用不同的成像模态进行单一评估，从而提供更全面的

近日，NeuroImage杂志发布了题为BrainStat: a toolbox for brain-wide statistics and multimodal feature associations的预印版文章。这篇文章详细阐述了BrainStat工具箱包含的模块，并提供了在Python和MATLAB中执行该工具箱的教程和示例代码。

现代神经成像技术使我们能够研究活体大脑的结构和功能。活体神经成像的益处是显而易见的，而且在基础和临床神经科学中，神经成像已经取得了巨大进展。本文概述了利用活体神经成像研究大脑结构和功能的工作和成就。介绍了几种不同类型的结构MRI成像方法，并结合各种类型的功能成像方法。在此过程中，本文将主要集中于结合来自不同源的测量策略上，特别是结构测量和功能测量的结合。结构像和脑形态测量结构磁共振成像(sMRI)

摘要多导睡眠图(PSG)一词由Holland等人于1974年提出，用于描述在睡眠期间同时记录、分析和解释多个生理特征。PSG是诊断睡眠障碍患者和增进我们对正常睡眠认识的重要工具。这是一个复杂的过程，应由训练有素的技术人员执行。本文回顾了多导睡眠图(PSG)的技术方面，介绍了传统的、经典的实验室PSG记录技术，并探讨了记录过程中可能遇到的问题，以及解决这些问题的方法。PSG的临床适应症根据2005年

EEG信号的分析过程是为了获得能够突出信号本身特定特性的值，从而对其进行表征。同时，也需要将所获得的值通过准确的绘图技术来进行正确地显示，以使这些值对用户有用且清晰易读。目前，已有许多不同的脑电信号分析和显示技术，在这里，本文将列出一些最广泛的信号分析技术和可能的显示技术。本文选择了经典的频域、时域分析，相应的参数及其主要显示技术，如大脑映射、时间趋势图和时频图。

James Booth教授曾在一次访谈中说过：“我们希望人们能利用这些数据并重现我们多年来的一些成果。同时，能将我们的部分研究扩展到新的方向上。如果使用旧数据就能回答一个值得探究的问题，为什么还需要收集新数据呢？有一部分我们分享的数据还尚未被研究，因此可供大家去大胆探索。”可能你也想去探索，但是苦于没有合适的数据拿来分析而倍感无奈。在这里，本文为大家整理了一些开放的数据集，仅供学术交流使用。注：茗

在这个独特的空间中，一组的方差被放大，而另一组的方差较小。在选择ML算法时，有一些一般标准需要考虑：(1)生物信号的类型，(2)特征矩阵的大小，和(3)标记数据的可用性等等。然而，在无监督学习中，ML预测标签将应用于全程信号，这是不可取的，特别是当存在需要局部特征提取而不是全局特征提取的感兴趣区域(ROI)时。共空间模式(CSP)方法具有广泛的应用前景，而且基于CSP改进的方法包括CSSP、CSS

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注脑机接口(Brain Computer Interface，BCI)，或称大脑端口(Direct neural interface)、脑机融合感知(Brain-machine interface)，是指在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路。在单向脑机接口的情况下，计算机接受脑传来的命令或者发送信号到脑，但不能同时