系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法（一）Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法（二）文章目录系列文章目录预处理（Preprocessing）预处理（Preprocessing）MNE-Python支持多种预处理的方法和技术，如麦克斯韦滤波，信号空间投影，独立成分分析，滤波，降噪采样等（maxwell filtering,

系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析Python专栏 | 独立成分分析(ICA)的实例应用：消除伪影信号Python专栏 | ICA应用：如何识别伪影信号？（一）Python专栏 | ICA应用：如何识别伪影信号？（二）Pyth

系列文章目录Python专栏 | 脑电图和脑磁图(EEG/MEG)的数据分析方法之载入数据Python专栏 | MNE脑电数据(EEG/MEG)可视化Python专栏 | MNE数据预处理方法——独立成分分析Python专栏 | 独立成分分析(ICA)的实例应用：消除伪影信号Python专栏 | ICA应用：如何识别伪影信号？（一）Python专栏 | ICA应用：如何识别伪影信号？（二）Pyth

微信公众号关注：脑机接口研习社追踪脑机接口最新发展资讯系列文章目录Day1 当脑机接口遇上机器学习：周志华《机器学习》读书笔记之绪论Day2 周志华《机器学习》读书笔记之模型评估文章目录系列文章目录前言Day 3一、比较检验1. 二项分布和二项检验2. t检验（t-test）3. 交叉验证t检验4. McNemar检验5. Friedman检验二、 偏差和方差三、思考：如何与脑机接口结合前言脑机接

系列文章目录脑机接口专栏 | 如何分析静息状态的fMRI数据？（一）脑机接口专栏 | 如何分析静息状态的fMRI数据？（二）文章目录系列文章目录一、Functional Integration Methods for Identifying Neural Networks1. Functional Connectivity Density Analysis2. Seed-Based Functio

系列文章目录脑机接口专栏 | 如何分析静息状态的fMRI数据？（一）文章目录系列文章目录一、Functional Segregation Methods for Identifying Neural Networks二、ALFF Analysis三、Regional Homogeneity Analysis一、Functional Segregation Methods for Identifyi

文章目录前言一、载入数据（Loading data）二、总结前言有关脑电图（EEG）的内容请看下面这篇文章。脑机接口专栏 | 利用黎曼几何分析EEG脑电信号（一）脑磁图(Magnetoencephalography)，或简称MEG，是集低温超导、生物工程、电子工程、医学工程等二十一世纪尖端科学技术于一体，是无创伤性地探测大脑电磁生理信号的一种脑功能检测技术。在MEG 问世以前,只有EEG 能检测神