이글라브
EEGLABEEGLAB는 뇌파(EEG), 자기뇌파(MEG) 및 기타 전기생리학적 신호의 데이터를 처리하기 위해 무료 BSD 라이선스에 따라 배포되는 MATLAB 도구상자다. 모든 기본 처리 도구와 함께 EEGLAB는 독립된 구성요소 분석(ICA), 시간/주파수 분석, 아티팩트 제거 및 여러 가지 데이터 시각화 모드를 구현한다. EEGLAB는 사용자가 자신의 전기생리학 데이터를 약 20개의 이진 파일 형식으로 가져오고, 데이터를 사전 처리하며, 단일 시행에서 활동을 시각화하고, ICA를 수행할 수 있도록 한다. 인공물 ICA 구성요소는 데이터에서 제외할 수 있다. 또는 뇌 활동을 나타내는 ICA 구성요소를 추가로 처리하고 분석할 수 있다. 또한 EEGLAB는 사용자들이 여러 과목의 데이터를 그룹화하고, 그들의 독립적인 구성요소를 클러스터링할 수 있도록 한다.
역사
1997년, 솔크 연구소의 테리 세즈노우스키가 지휘하는 컴퓨터 신경생물학 연구소의 Scott Makeig에 의해 "ICA/EEG 도구 상자"라는 이름으로 인터넷에 처음으로 데이터 처리 기능 세트가 공개되었다. 2000년에 Arnaud Delorme은 자신의 일부 인공물 제거 기능과 함께 이러한 기능 위에 그래픽 사용자 인터페이스를 설계하였고, 첫 번째 버전의 "유물 제거용 EEGLAB 소프트웨어"를 출시하였다. 2003년에 Delorme과 Makeig는 EEGLAB의 첫 번째 안정적이고 완전히 문서화된 버전을 출시하기 위한 노력에 동참했다. 2004년에 EEGLAB는 NIH로부터 지속적인 연구 소프트웨어 개발에 대한 자금 지원을 받았다.
통계
EEGLAB는 첫 3년(2003–2006) 동안 전 세계 73개국에서 약 25,000회 다운로드되었으며 2011년에는 인지 신경과학자에 의해 EEG 데이터 처리에 가장 널리 사용되는 신호 처리 환경으로 보고되었다(조사 결과). 그 참조서(Delorme & Makeig, 2004)는 12,400건이 넘는 인용문을 받았다(2013년 2월).
EEGLAB는 380개 이상의 독립 실행형 MATLAB 기능과 50,000개 이상의 코드 라인 및 20개 이상의 사용자 제공 플러그인으로 구성되어 있다. 중요한 플러그인 도구 상자는 Swartz Center, UCSD 및 다른 많은 그룹에 의해 계속해서 작성 및 출판되고 있다. 주요 플러그 인은 다음과 같다.
- 딥핏(DIPFIT), EEG 데이터의 ICA 구성 요소 소스의 소스 현지화.
- ERPLAB, 평균적인 이벤트 관련 잠재력으로부터 조치를 도출하기 위한 것.
- 고속, 고밀도 EEG 데이터 처리를 위한 완전 자동화 및 무감독 방법
- NBT, 신경생리학적 바이오마커의 계산 및 통합을 위한 도구 상자
- NFT, MR 이미지 및/또는 전극 위치에서 전기적 전방 헤드 모델을 제작하는 경우,
- 소스 정보 흐름 도구 상자인 SIFT;
- BCILAB, 뇌-컴퓨터 인터페이스 모델을 구축하고 테스트하기 위한 광범위한 환경
수백 명의 연구자들이 프로그램을 짜거나 버그를 보고함으로써 소프트웨어에 직간접적으로 기여했다. 현재 eglablist 이메일 토론 목록은 전세계적으로 5,000명 이상의 회원이 있다(2013).
참고 항목
원천
주 참조:
- Delorme, Arnaud; Makeig, Scott (2004). "EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis". Journal of Neuroscience Methods. Elsevier BV. 134 (1): 9–21. doi:10.1016/j.jneumeth.2003.10.009. ISSN 0165-0270. PMID 15102499. S2CID 1101322.
이론:
- Jung, Tzyy-Ping; Makeig, Scott; Bell, Anthony J.; Sejnowski, Terrence J. (1998). "Independent Component Analysis of Electroencephalographic and Event-Related Potential Data". Central Auditory Processing and Neural Modeling (PDF). Boston, MA: Springer US. doi:10.1007/978-1-4615-5351-9_17. ISBN 978-1-4613-7441-1.
- Makeig, Scott; Debener, Stefan; Onton, Julie; Delorme, Arnaud (2004). "Mining event-related brain dynamics". Trends in Cognitive Sciences. Elsevier BV. 8 (5): 204–210. doi:10.1016/j.tics.2004.03.008. ISSN 1364-6613. PMID 15120678. S2CID 1649275.
- Delorme, Arnaud; Palmer, Jason; Onton, Julie; Oostenveld, Robert; Makeig, Scott (2012-02-15). Ward, Lawrence M. (ed.). "Independent EEG Sources Are Dipolar". PLOS ONE. Public Library of Science (PLoS). 7 (2): e30135. doi:10.1371/journal.pone.0030135. ISSN 1932-6203. PMC 3280242. PMID 22355308.
- Makeig, S.; Kothe, C.; Mullen, T.; Bigdely-Shamlo, N.; Kreutz-Delgado, Kenneth (2012). "Evolving Signal Processing for Brain–Computer Interfaces". Proceedings of the IEEE. Institute of Electrical and Electronics Engineers (IEEE). 100 (Special Centennial Issue): 1567–1584. doi:10.1109/jproc.2012.2185009. ISSN 0018-9219.
도구 상자:
- Zeynep Akalin Acar & Scott Makeig, Neurossi Forward Head Modeling Toolbox J Neurossi Methodi:10.1016/jircushes.2010.04.031(2010)
- 놀런, H, 윌런, R, & 레일리 R.B. "FASTER: EEG 아티팩트 거부를 위한 완전 자동화된 통계 임계값" 신경과학 방법 192(1): 152–162(2010)
- Delorme, A., Mullen, T., Kothe, C., Bigdely-Shamlo, N., Akalin, Z., Vankov, A., Makeig, S. EEGLAB, MPT, NetSIFT, NFT, BCILAB, and ERICA: New tools for advanced EEG/MEG processing. 컴퓨터 인텔리전스, 기사 ID 130714(2011)
- N Bigdeley-Shamlo, T. Mullen, K. Kreutz-Delgado, S Makeig. 투영 분석 측정: EEG 소스 비교 및 다중 주제 추론에 대한 확률론적 접근방식. doi:///10.1016/j.migimage.2013.01.040(2013)
