机构名称：
¥ 1.0
背景和目的：通过连接研究可以识别大脑连接的改变，并将这些病理与不同的神经系统疾病联系起来。然而，需要进行临床测试才能获得有关大脑状态的信息。脑电图 (EEG) 除了对患者有其他好处（非侵入性、低成本、高可重复性）之外，还能提供这些信息。图论可用于通过连接测量来表示大脑的解剖和功能连接。将 EEG 转换为图形的过程对研究人员来说可能有点繁琐，尤其是在实施不同的连接测量时。方法：开源 Python 库 EEGraph 通过图形自动执行 EEG 建模，提供其矩阵和视觉表示。它可以识别各种 EEG 输入格式，识别电极数量和大脑中每个电极的位置。此外，它允许用户从 12 种连接测量中进行选择，以从 EEG 生成图形，并具有很大的灵活性来定义特定参数以使其适应每项研究，包括 EEG 时间窗口分割和频带分离。结果：EEGraph 库是为神经科学领域的研究人员和临床专家开发的工具，可从脑电图信号提供有关大脑连接的直接信息。其文档和源代码可在 https://github.com/ufvceiec/EEGRAPH 获得。可以使用 pip install EEGRAPH 从 Python 包索引中安装它。结论：EEGraph 库的建立旨在促进基于通过图形对脑电图测试进行建模的连接研究的开展。它包括广泛的连接措施，这些措施与多种输出选项一起，使 EEGraph 成为一种易于使用且功能强大的工具，可直接应用于临床和神经科学研究领域。2022 作者。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
脑电图
主要关键词
相关文件推荐
