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）。

路线图#

本页介绍 MNE-Python 的部分中远期主要目标。这些目标需要投入大量精力，并且/或者需要周详的 API 设计考量。其中一些可能适合作为 Google Summer of Code 项目，另一些则需要更广泛的工作。

待启动#

类型注解#

我们希望尽可能为代码库添加类型注解。主要动机是改善用户编写基于 MNE-Python 的分析代码时的体验（即代码补全建议，这类功能依赖静态分析/类型提示）。关于推进方式的主要讨论见 #12243。目前已取得一些零散进展（例如 #12250），但当前没有人在持续推动，因此其状态为“待启动”而非“进行中”。

文档字符串去重#

多年来，MNE-Python 一直沿用一项借自 SciPy 的技术（称为 doccer），用于提升 API 中反复出现的参数名称与描述的一致性。例如并行任务数、随机种子、绘图色条外观等参数，都会出现在 MNE-Python 的多个函数/方法中。该做法在导入时重新定义函数的 __doc__ 属性，用完整展开的等价文本（存放在一个名为 docdict 的大字典中）填充文档字符串参数列表里的占位符。这带来两个主要缺点：

在浏览源代码时，许多文档字符串无法阅读（至少无法完整阅读）。
静态代码分析器无法获取补全后的文档字符串，因此 IDE 中的悬停提示等功能，不如文档字符串就地完整时那样有用。

一种可行的推进方式：

将所有文档字符串在源代码中完整写出。
不再维护 docdict，而是维护一个注册表，记录应当保持一致的“函数+参数”组合集合。
添加测试，检查注册表中的条目确实一致，从而避免在现有代码中引入不一致。
添加测试，解析所有新增函数的文档字符串，查找可能应加入“一致文档字符串”注册表的参数名。
对于应当几乎相同的参数描述（例如除了一处指 Raw 对象、另一处指 Epochs 对象之外其余相同），可以考虑用正则表达式检查参数描述的“一致性”。

主要讨论见 #8218；Scientific Python 生态中其他包维护者之间的更广泛讨论见此链接。

容器化#

用户有时难以在共享资源（如计算集群）上搭建可用的 MNE-Python 环境，原因包括包管理器或图形库版本过旧、权限不足等各种问题。提供健壮且及时更新的 MNE-Python 容器化发行版可以缓解其中部分问题。初步工作可见 MNE-Docker 仓库；应当重启这些工作，按需更新，并纳入常规发布流程，以免镜像过时。

教育培训#

过去，MNE-Python 的现场工作坊/教程/培训多为临时组织，而非集中统筹。工作坊的讲师通常由希望举办培训的机构或团体直接联系，该团体之外的用户往往无法参加（甚至无从得知有这样的机会）。至少，我们希望建立一套流程，记录以 MNE-Python 或 MNE 套件中其他工具为主题的教育活动。理想情况下，我们还能更进一步，发起一系列可广泛宣传的定期教程。此类活动甚至可能为 MNE-Python 带来少量收入，用于支持持续集成等开支。

文档交互性#

随着 jupyterlite 支持落地到 sphinx-gallery，我们应着手让用户能在网站上交互式运行示例。更多细节与讨论见 #13616。

进行中#

多元、公平与包容（DEI）#

MNE-Python 致力于招募并留住多元化的贡献者群体，见 #8221。

一流的 OPM 支持#

MNE-Python 已支持读取部分 OPM 数据格式，如 FIF 和 FIL/QuSpin。还应增加对其他厂商的支持，并补充标准预处理流程，以处理头模配准调整和 OPM 特有的伪迹。参见 #11275、#11276、#11579、#12179。

深部源建模#

现有的源建模与逆问题流程并非专为处理深部源而设计。MGH 已有增强深部源定位的先进算法，应在 MNE-Python 中实现并加以验证。见 #6784。

时频类#

过去，我们代码库中与时频表示（TFR）相关的类并不完整。新的类正在从头构建：

新增类 Spectrum 和 EpochsSpectrum（在 #10184 中实现，后续调整与缺陷修复见 #11178、#11259、#11280、#11345、#11418、#11563、#11680、#11682、#11778、#11921、#11978、#12747），以及对应的基于数组的构造函数 SpectrumArray 和 EpochsSpectrumArray（#11803）。
新增类 RawTFR，以及更新后的类 EpochsTFR 和 AverageTFR，还有对应的基于数组的构造函数 RawTFRArray、EpochsTFRArray 和 AverageTFRArray（在 #11282 中实现，后续工作见 #12514、#12842）。
用于源空间频域数据和时频数据的新类/更新类尚未实现。

其他相关问题：#6290、#7671、#8026、#8724、#9045；相关 PR：#6609、#6629、#6672、#6673、#8397、#8892。

实时处理的现代化#

LSL 已成为 EEG/MEG 系统数据流传输的事实标准。我们应弃用 MNE-Realtime，转而采用新近推出的 MNE-LSL。随后应借助现代编码最佳实践（如 CI 集成）全面支持 MNE-LSL。

对于神经反馈和 BCI 等闭环应用，MNE-RT 基于 MNE-LSL 和 MNE-Python 构建，用于传感器空间与源空间的特征提取、自适应反馈协议、实时伪迹校正，以及与标准 MNE-Python 绘图流程集成的持续更新实时可视化。

聚类统计 API#

当前的聚类统计代码功能有限。应重新设计，创建一个新的 cluster_based_statistic 或类似函数。

新 API 大致如下：

cluster_stat(obs, design, *, alpha=0.05, cluster_alpha=0.05, ...)

其中：

obs pandas.DataFrame: 包含“subject”“condition”和“data”等列。“data”列存放 mne.Evoked、mne.SourceEstimate、mne.time_frequency.Spectrum 等对象。
design str: 可能采用 Wilkinson 记法，以对应 patsy.dmatrices()（例如 statsmodels.regression.linear_model.OLS 就使用了这种记法）。从字符串得到设计矩阵，可以通过 Patsy，或更可能通过 Formulaic 实现。

这一通用 API 将支持被试内与被试间混合设计、不同的统计函数/检验等。由于大部分计算开销在于聚类而非统计检验，因此与现有更专用、更受限的函数相比，应能在不带来明显速度损失（例如减速不超过 10%）的情况下实现。

聚类函数将返回一个用户友好的 ClusterStat 对象或类似对象，保留维度、显著性等信息，并便于结果的可视化与解读。

需要编写清晰的教程，以：

展示如何实现不同的对比（玩具数据）。
展示真实数据上的一些常见分析（时频、传感器空间、源空间等）。

将编写回归测试，确保在 FieldTrip 同样支持的情形下，输出与 FieldTrip 等价。

更多细节见 #4859；进展见 #12663。

文档更新#

我们的文档有许多小问题，可在标签 #labels/DOC 下找到。

已完成#

三维可视化#

过去我们使用 Mayavi 进行三维可视化，但受其局限与挑战所困。我们改用 PyVista 以获得重大改进，例如：

恰当的 notebook 支持（通过 ipyvtklink）（已完成；已更新为使用 trame）
曲面图具有更好的交互性（已完成）
时频绘图（与基于体数据的时频可视化互补）
像 mne_analyze 那样集成多种功能，例如同时查看源估计、查看场图、显示头部表面等。这些功能过去分散在不同函数中，现在可以合并在同一张图中。

跟踪曲面绘图待办事项的元问题（meta-issue）是 #7162。

改进 sEEG/ECoG/DBS 支持#

电极定位与可视化等 iEEG 专用流程步骤现已在 MNE-gui-addons 中提供。

开放 EEG/MEG 数据库的访问#

开放 EEG/MEG 数据库现在可以通过 openneuro-py 等标准化工具更方便地访问。

眼动追踪支持#

我们曾资助一名 GSoC 学生改进眼动追踪数据的支持，详情见 GSoC 提案。现已提供 EyeLink 数据读取器以及分析与绘图函数。

儿科与临床 MEG 流程#

MNE-Python 通过 MNE-BIDS-Pipeline 对符合 BIDS 的数据集提供自动化分析。mnefun 流程曾在 I-LABS 广泛用于儿科数据分析，其功能现已为儿科与临床数据处理提供更好的支持。已新增多个处理步骤（如 eSSS）、合理性检查（如 cHPI 质量）和报告（如 SSP 联合图、SNR 图）。

通过改进的 Python 绑定集成 OpenMEEG#

OpenMEEG 是 MEG/EEG 脑成像领域前向建模的最先进求解器。它以数值方法求解偏微分方程（PDE），用 C++ 编写，Python 绑定由 SWIG 生成。本项目的目标是集成 OpenMEEG 到 MNE，使 MNE 能够求解更多前向问题（皮层映射、颅内记录等）。已完成的任务：

清理 Python 绑定（删除无用函数、检查内存管理等）
理解 MNE 如何编码传感器信息（位置、方向、积分点等），并让 OpenMEEG 得以使用。
现代化 CI 系统（例如使用 cibuildwheel）。
在 PyPI 和 conda-forge 上自动部署。

时频可视化#

我们实现了一个查看器，可在 MRI 切片上交互式可视化体源-时间-频率（5 维）图（正交二维查看器）。NutmegTrip（由 Sarang Dalal 编写）在 MATLAB 中结合 FieldTrip 提供类似功能。下面是 NutmegTrip 源-时间-频率模式的运行示例（点击可跳转至 YouTube 链接）：

https://i.ytimg.com/vi/xKdjZZphdNc/maxresdefault.jpg

参见 mne_gui_addons.view_vol_stc()。

分布式计算支持#

MNE-BIDS-Pipeline 已增强，可通过 Dask 和 joblib 支持云计算。在配置好 Dask 以使用本地或远程分布式计算资源后，MNE-BIDS-Pipeline 便可直接利用远程工作进程，将被试的处理并行化。

二维可视化#

该目标已在 CZI EOSS2 支持下完成。另一些也可实施的增强列于 #7751。

教程/示例全面改版#

该目标已在 CZI EOSS2 支持下完成。持续的文档需求列于“文档更新”。

集群计算镜像#

作为该目标的一部分，我们通过 MNE-Docker 创建了适用于云计算的 Docker 镜像。