开源免费的脑电/脑磁图数据分析软件汇总

常用的MEG/EEG工具包

• MNE-python: http://mne.tools
  基于python开发的开源软件包，用于探索，可视化和分析诸如MEG，EEG，sEEG，ECoG等人类神经生理学数据。它包括用于数据输入/输出，预处理，可视化，源估计，时频分析，连接性分析，机器学习和统计的模块。

• Brainstorm:https://neuroimage.usc.edu/brainstorm/Introduction
  Brainstorm是一款基于MATLAB开发的协作式开源应用程序，致力于分析脑部记录：MEG，EEG，fNIRS，ECoG，深度电极和动物电生理学。包含常用的数据预处理、时频分析、溯源分析等。

• Fieldtrip:http://www.fieldtriptoolbox.org/
  FieldTrip是用于MEG，EEG，iEEG和NIRS分析的MATLAB软件工具箱。它提供了预处理和高级分析方法，例如时频分析，使用偶极子进行源重构，分布式源和波束形成器以及非参数统计测试。它支持所有主要MEG系统以及最受欢迎的EEG，iEEG和NIRS系统的数据格式。可以轻松添加新的数据格式。 FieldTrip包含高级功能，您可以使用这些功能将自己的分析协议构建为MATLAB脚本。（个人感觉难度稍大，适合已经熟悉MATLAB编程的同学。）

• SPM:https://www.fil.ion.ucl.ac.uk/spm/
  SPM基于Matlab的用于分析脑成像数据序列的软件包。序列可以是来自不同队列的一系列图像，也可以是来自同一受试者的时间序列。旨在分析fMRI，PET，SPECT，EEG和MEG。

• EEGLAB:https://sccn.ucsd.edu/eeglab/index.php
  EEGLAB是一个交互式Matlab工具箱，用于处理连续的和事件相关的EEG，MEG和其他电生理数据，并结合了独立成分分析（ICA），时间/频率分析，伪像排除，事件相关的统计数据以及几种有用的平均值可视化模式和单次试验数据。 EEGLAB在Linux，Unix，Windows和Mac OS X下运行。

---

分析和可视化复杂的网络

• Brain Connectivity Toolbox (BCT) [31]
• BrainNet Viewer [32]
• the GCCA toolbox [33] www.anilseth.com,格兰杰因果分析（Granger）
• the connectome mapper [34]
• Gephi [35]
• the connectome Viewer [36]
• the eConnectome [37]
• the Connectome Visualization Utility (CVU) [38]
• GraphVar [39].

---

其他的一些相关工具包

• FastICA: （www.cis.hut.fi/projects/ica/fastica）用于执行ICA分解，在去除伪迹成分后，剩下的功能网络就可以进行因果连接和源定位分析。

• GIFT 空间ICA分解，成分个数可以通过GIFT工具包的最小描述长度函数加以估计。

• biosig: http://biosig.sourceforge.net/  BCI 特征提取,数据的预处理（去基线，去眼电肌电伪迹等），特征提取ERD/ERS和CSP等方法，分类器包括LDA和KNN.

• Letswave :免费 letswave.cn,https://www.letswave.org/
  Letswave是一个免费的开源Matlab工具箱，用于分析EEG / MEG和其他神经生理信号。该工具箱位于Github上。与其他信号处理工具箱相比，重点放在直观且简化的处理和可视化EEG数据。新版本提供了高级脚本编写可能性。

• Psychotoolbox 3: 刺激呈现和行为数据记录

• cartool：https://sites.google.com/site/cartoolcommunity/
  基于C++实现的高效多通道脑电图的时空分析（只在windows平台运行），详细文献解释如下：
  https://www.researchgate.net/publication/49772884_Spatiotemporal_analysis_of_multichannel_EEG_CARTOOL

• BrainWave（java）http://home.kpn.nl/stam7883/brainwave.html

• Harvard Automated Processing Pipeline for EEG (HAPPE)：数据预处理、伪迹去除和数据质量评估在实现。(https://github.com/lcnhappe/happe)

• batch electroencephalography automated processing platform (BEAPP) software实现：批处理。(https://github.com/lcnbeapp/beapp)

欢迎关注微信公众号《脑技术训练营》，方便更好的交流，谢谢！