MNE
MNE
Une bibliothèque de pointe pour la visualisation et l’analyse de l’activité électrique cérébrale
MNE est une bibliothèque logicielle open source écrite en Python qui fournit des algorithmes de pointe destinés au traitement et à la visualisation d’un très grand volume données issues de l’électroencéphalographie (EEG) et de la magnétoencéphalographie (MEG).
MNE permet à des chercheurs, cliniciens et industriels d’automatiser le traitement de ces données pour des applications à la fois thérapeutiques (étude du sommeil, monitoring de l’anesthésie, suivi de patients épileptiques, évaluation de l’action d’un traitement) et technologiques (équipements médicaux de suivi de l’activité électrique cérébrale pour des professionnels et des particuliers).
MNE bénéficie, grâce à sa large communauté de contributeurs à travers le monde, d’une grande capacité d’évolution au plus près des besoins de ses utilisateurs et des avancées scientifiques et technologiques.
Partenaires dans le développement du logiciel :
Harvard University, New York University, University of Washington, Boston University, UC Berkeley, Aalto University, Telecom Paris, CEA Neurospin
Méthodes proposées par MNE
- Prétraitement des données
- Localisation des sources
- Analyse statistique / Machine learning
- Visualisation et annotations des données
- Estimation de la connectivité fonctionnelle entre différentes régions du cerveau
Pour aller plus loin
- A. Gramfort, M. Luessi, E. Larson, D. Engemann, D. Strohmeier, C. Brodbeck, L. Parkkonen, M. Hämäläinen, MNE software for processing MEG and EEG data, NeuroImage, Volume 86, 1 February 2014, Pages 446-460, ISSN 1053-8119
- A. Gramfort, M. Luessi, E. Larson, D. Engemann, D. Strohmeier, C. Brodbeck, R. Goj, M. Jas, T. Brooks, L. Parkkonen, M. Hämäläinen, MEG and EEG data analysis with MNE-Python, Frontiers in Neuroscience, Volume 7, 2013, ISSN 1662-453X
L'équipe Parietal
Parietal se concentre sur les méthodes mathématiques pour la modélisation statistique des fonctions cérébrales à l’aide de données de neuro-imagerie (IRMf, MEG, EEG), avec un intérêt particulier pour les techniques d’apprentissage machine, les applications aux neurosciences cognitives humaines et le développement de logiciels.
L’équipe, commune avec le CEA, travaille sur la plateforme NeuroSpin permettant d’acquérir des images anatomiques et fonctionnelles de très grande qualité.
L’objectif de l’équipe est de répondre aux défis posés par ces nouvelles données afin d’exploiter totalement leur potentialité et décrire le cerveau, son fonctionnement, sa structure et sa variabilité.
Les outils de l’équipe, et notamment scikit-learn, aident à comprendre ce qui caractérise et différencie les individus et à mieux appréhender certaines maladies du cerveau.
En savoir plus sur l'équipe