非官方中文翻译本页译自 MNE-Python 官方文档：查看英文原文 ↗。文档版权归 MNE Developers 所有（BSD-3-Clause）。

预处理#

与数据预处理（伪迹检测/剔除等）相关的示例。

定位微尺度颅内电极触点

定位微尺度颅内电极触点

对 EEG 使用对侧参考

对 EEG 使用对侧参考

皮层信号抑制（CSS）用于去除皮层信号

皮层信号抑制（CSS）用于去除皮层信号

基于时间差定义目标事件并绘制诱发响应

基于时间差定义目标事件并绘制诱发响应

识别因凝胶过多而短接的 EEG 电极

识别因凝胶过多而短接的 EEG 电极

使用电流源密度（CSD）变换 EEG 数据

使用电流源密度（CSD）变换 EEG 数据

显示 EOG 伪迹的时间分布

显示 EOG 伪迹的时间分布

通过回归减少 EOG 伪迹

通过回归减少 EOG 伪迹

使用可变时间窗自动生成 Epochs 元数据

使用可变时间窗自动生成 Epochs 元数据

使用主成分分析—最优基组（PCA-OBS）去除心脏伪迹

使用主成分分析—最优基组（PCA-OBS）去除心脏伪迹

查找 MEG 参考通道伪迹

查找 MEG 参考通道伪迹

可视化 NIRS 伪迹校正方法

可视化 NIRS 伪迹校正方法

比较 MNE 中不同的 ICA 算法

比较 MNE 中不同的 ICA 算法

对 MEG/EEG 通道插值坏道

对 MEG/EEG 通道插值坏道

将 MEG 或 EEG 数据插值到任意电极布局

将 MEG 或 EEG 数据插值到任意电极布局

带运动补偿的 Maxwell 滤波

带运动补偿的 Maxwell 滤波

标注运动伪迹并重新估计 dev_head_t

标注运动伪迹并重新估计 dev_head_t

标注肌肉伪迹

标注肌肉伪迹

去除肌肉 ICA 成分

去除肌肉 ICA 成分

使用过采样时间投影绘制传感器去噪结果

使用过采样时间投影绘制传感器去噪结果

在剔除前探索分段质量

在剔除前探索分段质量

在诱发数据中平移时间尺度

在诱发数据中平移时间尺度

重映射 MEG 通道类型

重映射 MEG 通道类型

XDAWN 去噪