Ce repo contient les activités pratiques du cours PSY2008A, donné par Dr. Karim Jerbi à l'Université de Montréal.
Pour suivre ces activités, vous avez plusieurs solutions :
- Lire les notebooks directement sur GitHub. Toutefois, cette manière ne vous permettra pas de modifier les notebooks ou d'interagir avec, c'est donc déconseillé.
- Télécharger les notebooks (par exemple, en cliquant sur le bouton "Code" de la page GitHub puis "Download ZIP") et les rouler localement avec Jupyter-Notebook. Pour cela il vous faudra un environnement python installé sur votre ordinateur, par exemple Anaconda (voir ici comment créer un environnement python dans Anaconda et l'utiliser dans Jupyter)
- Télécharger les notebooks et les téléverser sur Google Drive afin de les ouvrir avec Google Colab.
Liste des activités pratiques :
- AP1 - Manipulation de données électrophysiologiques dans MNE-Python
- Présentation de MNE-Python et de sa logique de fonctionnement. Survol des objets et fonctions de base (ex. ouvrir/visualiser les données)
- AP2 - Pré-traîtement (nettoyage) des données MEG et EEG
- Mise en place d'un pipeline de nettoyage de données électrophysiologiques, incluant filtrage, ICA et estimation automatique des seuils de réjection.
- AP3 - Analyses d'oscillations et de potentiels évoqués
- Introduction aux outils de base permettant de faire la segmentation des données ainsi que le calcul des potentiels évoquées et des oscillations.
- AP4 - Apprentissage machine et classification d'ondes cérébrales
- Exemple d'application de l'apprentissage automatique à l'analyse de données cérébrales. Classification gauche vs droite dans une expérience de présentation visuelle.
- Exemple d'application de l'apprentissage automatique à l'analyse de données cérébrales. Classification gauche vs droite dans une expérience de présentation visuelle.
