BIDSAlign:用于自动合并和预处理多个EEG存储库的库

科学领域:

• 神经科学是一个神经科学.
• 数据科学数据科学数据科学
• 机器学习 机器学习

背景情况:

• 脑电图 (EEG) 数据分析由于数据异质性而面临挑战.
• 缺乏大型的标准化EEG数据集阻碍了强大的深度学习模型的开发.
• 现有的工具经常与各种数据格式和预处理管道作斗争.

研究的目的:

• 引入BIDSAlign,这是一个标准化库,用于处理和合并异构的EEG数据集.
• 创建一个用于预处理公共EEG数据集的环境,以训练深度学习架构.
• 促进使用公共EEG数据进行临床和非临床研究.

主要方法:

• BIDSAlign处理脑成像数据结构 (BIDS) 和非BIDS数据集.
• 它通过一个共同的管道和通道模板统一了EEG记录.
• 包括可视化功能和图形用户界面,以提高可访问性.

主要成果:

• BIDSAlign有效地处理来自OpenNeuro等来源的公共EEG数据集.
• 通过端到端的工作流程,可以提取重要的医学见解.
• 为非专家提供组分析,视觉比较和统计测试.

结论:

• 通过将数据与标准模板对齐,BIDSAlign解决了大型EEG数据集的稀缺问题.
• 释放公共EEG数据的潜力,用于训练深度学习模型.
• 促进EEG研究的进展,用于神经疾病的诊断和治疗.